基于IMPSiamCAR孪生网络无人机目标跟踪算法

针对无人机进行目标跟踪时,目标存在尺度变化大、易受遮挡、相似物干扰等问题,在SiamCAR的基础上提出IMPSiamCAR算法。该算法使用改进的ResNet50网络提取目标特征,引入通道注意力机制使模型学习不同通道的语义信息,按特征的重要程度为通道分配不同的权重,使算法能更加关注存在跟踪目标的区域;再将融合后的目标特征送入区域回归网络进行正负样本分类、中心度计算及边界框回归;最后得到每一帧中目标的位置。在UAV123数据集与OTB100数据集上测试的实验结果表明,提出的算法与对比算法相比,有更高的跟踪精度与成功率,能较好地应对遮挡、相似物干扰、尺度变化等挑战;并且在VOT2018和UAV123数据集上进行实时性测试的结果表明,所提算法可以满足无人机实时性的要求。     

基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略

无人机搭载深度神经网络进行自主电力巡检时由于受到设备本身计算能力、电池容量、深度神经网络计算负载的限制,无法独立处理巡检任务中产生的海量图像数据。为解决该问题,提出了一种基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略,该策略将系统成本最小化问题分解为深度神经网络计算任务协同分割和边缘服务器选择两个子问题。针对协同分割子问题,基于深度神经网络计算任务的执行流程提出了一种错时传输方法,通过改进混合粒子群算法求解多无人机任务协同分割层。针对边缘服务器选择子问题,定义无人机与边缘服务器各自偏好函数,根据偏好函数通过匹配理论建立两者间的稳定匹配,得到边缘服务器选择策略。仿真结果表明,与其他卸载策略相比,所提策略能有效降低无人机能耗和计算任务处理时延,促进边缘服务器负载均衡。     

Data-driven dual-rate cascade control and application to pitch angle control of UAV

A data-driven design method for a cascade control system is proposed. The cascade control system consists of inner and outer loops, where the control interval of the outer loop is an integer multiple of the inner loop; hence, the system is a dual-rate system. In the proposed method, controllers in the inner and outer loops are designed based on one-shot data. In such a dual-rate cascade system, since the controllers are designed using different data-rate signals, the lifting technique is applied to align the dual-rate data. To show its effectiveness, the proposed method is compared with a conventional single-rate cascade control method, and numerical simulations and experiments are presented to examine servo and regulation performance.     

Several Factors Affecting the Inspection of Wind Turbines by UAV

The country strongly supports the development of new energy industries, with the clean energy wind power industry developing rapidly and the market maturing, the scale of wind farms and installed capacity expanding, and the blade length increasing to 60-70m. The increased blade length and weight increase the probability of damage. the manual inspection method is time-consuming and laborious, with a high economic cost, low inspection efficiency, and high safety risks, and cannot meet the current wind turbine fast and efficient inspection requirements. This paper intro-duces the characteristics of the type of UAV, its working status, and mode, and proposes how to determine the best area for UAV inspection according to the factors that can cause interference to the inspection in the actual wind field, to achieve the demand for fast and efficient inspection of the blade surface and improve the accuracy of inspection. It is believed that with the development of UAV technology, UAVs will play a more important role in the field of in-spection.     

一种实时多尺度目标检测识别算法

无人机目标检测与识别任务中,目标随着飞行高度的改变尺寸发生显著变化。常规目标检测模型中,获取的小目标细节信息有限,检测精度较低;而适用于小目标的实时检测模型往往容易丢失大目标的背景信息,降低大目标的检测精度。针对以上多尺度目标检测识别任务难点,提出一种基于改进特征金字塔网络(Feature Pyramid Network, FPN)结构的实时多尺度目标检测识别模型。该模型通过增加特征金字塔层级覆盖更广的目标尺度,获取更为丰富的目标信息;同时,利用跨连接增加不同尺度特征融合的多样性,降低特征传导距离,保留更加完整的尺度特征来提高模型检测识别多尺度目标的性能。通过实验发现,相比于原始网络结构和相同特征层级的四层特征金字塔结构,加入改进特征金字塔结构的多尺度目标检测模型识别性能得到了提升。     

无人机数据链暗室拉距测试方法

无人机数据链的有效通信距离是无人机的一项重要指标,如何准确高效地对有效通信距离进行测试表征,对于无人机安全运行和评估系统正常工作的可靠度具有重要意义。在分析无人机数据链通信链路中传输损耗构成的基础上,从测试环境可控性、测试效率、可重复性、贴近业务应用等方面比较了当前主要测试方法之间的优劣,设计了室内拉距测试方法并完成相应测试,最后根据吞吐量指标对有效通信距离与实际业务应用间的关系进行了讨论。所提出的无人机数据链有效通信距离测试方法简单易行,测试结果准确,具有较强的实用价值。     

孪生网络框架下融合显著性和干扰在线学习的航拍目标跟踪算法

针对一般跟踪算法不能很好地解决航拍视频下目标分辨率低、视场大、视角变化多等特殊难点,该文提出一种融合目标显著性和在线学习干扰因子的无人机(UAV)跟踪算法.通用模型预训练的深层特征无法有效地识别航拍目标,该文跟踪算法能根据反向传播梯度识别每个卷积滤波器的重要性来更好地选择目标显著性特征,以此凸显航拍目标特性.另外充分利用连续视频丰富的上下文信息,通过引导目标外观模型与当前帧尽可能相似地来在线学习动态目标的干扰因子,从而实现可靠的自适应匹配跟踪.实验证明:该算法在跟踪难点更多的UAV123数据集上跟踪成功率和准确率分别比孪生网络基准算法高5.3%和3.6%,同时速度达到平均28.7帧/s,基本满足航拍目标跟踪准确性和实时性需求.     

基于无人机影像的电网绝缘子自爆识别

电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。     

无人机载PolInSAR城区散射机制初步分析

极化干涉合成孔径雷达（PolInSAR）在城市遥感领域中扮演着重要角色。它能够提高图像的相干性并提高反演结果的精度,所以对于其散射机制的解释往往受到许多研究人员的关注。相关的研究多从极化分解的角度考虑,却少有人从散射中心高度方面进行分析。本文使用Ku波段无人机载极化干涉SAR系统,实现了使用无人机SAR系统对地面进行成像,比较了极化干涉最优分解与Pauli分解作用在不同人造目标时散射中心的关系。我们初步分析了极化干涉SAR的物理意义,并使用C波段的机载极化干涉SAR系统对结论进行验证。     

Bond line thickness and die tilt inspection in die bonding process

This study focuses upon building an automated inspection system for the in-line measurement of bond-line thickness (BLT) and die tilt in die attachments in the semiconductor packaging process. A prototype of a visual system utilizing the line scan stereo vision technique via two linear CCD cameras has been developed for the die bonding quality inspection. A novel algorithm is proposed for the determination of the 3D coordinates of certain points on an object. The BLT and die tilt of a die attached chip of substrate height 800 μm and cross section 15 × 15 mm² were measured to be approximately 76.8 μm and 0.00094, respectively. The measurement can be completed within one second. Thus the in-line inspection of die bonding quality can be conducted efficiently using the proposed technique.