结合轻量化骨干与多尺度融合的单阶段检测器

目的 基于卷积神经网络的单阶段目标检测网络具有高实时性与高检测精度,但其通常存在两个问题：1)模型中存在大量冗余的卷积计算;2)多尺度特征融合结构导致额外的计算开销。这导致单阶段检测器需要大量的计算资源,难以在计算资源不足的设备上应用。针对上述问题,本文在YOLOv5(you only look once version 5)的结构基础上,提出一种轻量化单阶段目标检测网络架构,称为E-YOLO(efficient-YOLO)。方法 利用E-YOLO架构构建了E-YOLOm(efficient-YOLO medium)与E-YOLOs(efficient-YOLO small)两种不同大小的模型。首先,设计了多种更加高效的特征提取模块以减少冗余的卷积计算,对模型中开销较大的特征图通过下采样、特征提取、通道升降维与金字塔池化进行了轻量化设计。其次,为解决多尺度特征融合带来的冗余开销,提出了一种高效多尺度特征融合结构,使用多尺度特征加权融合方案减少通道降维开销,设计中层特征长跳连接缓解特征流失。结果 实验表明,E-YOLOm、E-YOLOs与YOLOv5m、YOLOv5s相比,参数量分别下降了71.5%和61.6%,运算量下降了67.3%和49.7%。在VOC(visual object classes)数据集上的平均精度(average precision,AP),E-YOLOm比YOLOv5m仅下降了2.3%,E-YOLOs比YOLOv5s提升了3.4%。同时,E-YOLOm的参数量和运算量相比YOLOv5s分别低15.5%与1.7%,mAP@0.5和AP比其高3.9%和11.1%,具有更小的计算开销与更高的检测效率。结论 本文提出的E-YOLO架构显著降低了单阶段目标检测网络中冗余的卷积计算与多尺度融合开销,且具有良好的鲁棒性,并优于对比网络轻量化方案,在低运算性能的环境中具有重要的实用意义。     

基于双通道注意力的轻量化PCB缺陷检测研究

印刷电路板 (printed circuit board,PCB)在实际生产过程中存在缺陷样式多种多样、缺陷小、缺陷位置难以定位的问题,而一个巨大的模型难以实现实时检测的要求,且大量的深度可分离卷积层建立的轻量级模型也不能达到足够的精度,为此提出一种基于YOLOv5s的PCB缺陷检测算法。 将原始Backbone的Conv模块跟C3模块用GhostConv替换,在Neck部分则引入了一种新的轻量级卷积技术GSConv,减轻模型大小的同时保持精度,GSConv在模型的准确性和速度之间完成了一个极好的权衡,针对许多注意力模块无法关注全局信息同时模型大的问题,提出了多尺度的轻量化双通道注意力模块(double channel depthwise attention module,DWAM),进一步提高模型精度。通过多组实验, 结果表明,改进算法所有类别的平均mAP为99.14%,且模型的GFLOPs为7.194 G,Params为7.175,原始的YOLOv5s平均mAP为96.86%,GFLOPs为6.89 G,Params为6.596,虽然Params以及GFLOPs有所增大,但是还是满足轻量网络的要求,并且精度相对于YOLOv5s提高了2.25%,且对于每个类别的缺陷识别准确率都有改善,大幅减少计算量和模型参数的同时保证了准确率,满足工业检测生产需求的同时便于移动端部署。     

Estimating post-disaster traffic conditions using real-time data streams

This article presents a technique to determine the effects of an earthquake on road traffic conditions by linking seismic hazard and bridge fragility models with a traffic model and traffic sensor data. Using the earthquake characteristics as an input to the traffic model, the traffic conditions are sequentially estimated given traffic sensor measurements using an ensemble Kalman filter. The proposed algorithm is tested on a numerical experiment on Interstate 155 West near the New Madrid Seismic Zone in New Madrid, Missouri. The results show that the proposed technique improves the post-disaster traffic estimate. The supporting source code and data are available for download at https://github.com/rotsuka/postDisaster_EnKF..     

Intra‐Urban migration and housing submarkets: theory and evidence

In the 1950s and 1960s a group of housing economists at Columbia University developed a framework for the analyses of urban housing markets which was based around the concept of housing submarkets and household migration. There is now widespread agreement amongst housing economists that submarkets should be adopted as a working hypothesis but the concept has been reformulated in terms of intra‐urban relative house price differentials. The accepted test for submarket existence uses a hedonic model of house prices which assumes market equilibrium. This paper returns to an analysis of submarkets which focuses on spatial migration patterns. By examining household intra‐urban mobility patterns in the Glasgow housing market it is possible to demonstrate that submarkets tend to be self‐contained. The analysis also suggests that the current standard statistical tests may be incomplete and in the case of Glasgow underestimate the number of submarkets.     

一种无线传感器网络中的信息驱动节点选择机制

提出了一种信息驱动的节点选择机制,应用于无线传感器网络中的目标估值。其方法是,以传感器节点的测量值与目标状态的估计分布之间的互信息作为信息效用函数,度量节点的测量值对目标状态估计的信息贡献,选择信息贡献值大的节点参与卡尔曼滤波过程进行迭代;应用基于地理位置信息的路由算法顺序访问选中的节点,并建立与Sink节点之间的路由,路径上的节点依次进行卡尔曼迭代以修正估计的状态值。仿真结果表明,该机制涉及的节点数目较少,总的通信距离较短,但目标估值的性能很好。     

基于全过程污染控制策略的钢铁工业园区水网络全局优化

作为典型的高耗水工业,节水减排是我国钢铁工业可持续发展亟须解决的关键问题之一。本研究基于全过程污染控制策略,提出了面向钢铁工业园区水网络特点的多尺度优化建模方法,充分考虑了钢铁园区涉水单元-工序水网络-园区水网络等不同尺度水系统的用排水特点及相互作用,有助于进一步发掘园区节水减排新空间。在此基础上建立了园区水网络全局优化模型,利用数学规划方法来探索综合用水成本最低的园区水网络优化方案。一年产能为500万吨钢材的钢铁工业园区水网络优化案例研究表明,采用全过程污染控制策略的钢铁园区水网络全局优化方案,综合用水成本、新水用量及新水成本占比等用水指标与其他采用局部水污染控制技术的方案相比有较大幅度的降低,与园区现用水指标相比,各指标均降低20%以上。案例研究表明所提出的园区水网络优化模型可行有效,优化结果对于钢铁园区水污染控制技术的集成和水网络全局优化方案的精准确定具有重要的参考价值。     

基于匹配滤波和自动阈值的眼底血管分割方法

提出一种快速、简便、高效的眼底血管分割方法。分析眼底图像的灰度值分布和对比度变化,利用匹配滤波克服背景干扰,消除噪声影响,达到灰度均衡,实现眼底图像的亮度归一化。估计眼底图像中背景像素所占比例,利用直方图自动选择阈值,完成对眼底图像中血管的有效分割。在公开的眼底图像数据库上进行测试,该方法对眼底血管分割具有较好的性能指标。实验表明,提出的基于匹配滤波和阈值优化的眼底血管分割方法,准确率高、复杂度低,对眼科疾病的计算机辅助诊断有一定的实用价值。     

结合SURF与Kalman滤波的CAMShift跟踪算法

针对传统的CAMShift目标跟踪算法,在出现颜色干扰,遮挡等复杂背景中容易跟丢的问题,提出了一种结合SURF特征匹配与Kalman滤波的CAMShift跟踪算法。该算法利用CAMShift算法跟踪得到的候选目标与模板目标的色度和梯度方向的综合直方图比较计算得到的Bhattacharyya系数作为判定依据,当系数大于给定阈值时,采用SURF算法对搜索窗口和上一帧跟踪结果进行特征匹配,重新计算目标的大小和位置。同时为了避免目标快速运动时跟踪失败和减少SURF匹配的计算量,利用Kalman滤波对运动目标窗口进行预测更新以确定下一帧搜索窗口的中心位置。实验表明,该算法在图像背景复杂,出现颜色干扰以及部分遮挡时能够稳定跟踪,其跟踪速度与结合SURF的CAMShift算法相比有显著提高。     

基于锂电池SOC估算方法

电池的荷电状态(State of charge,SOC)是锂电池组电池管理系统的重要参数,而电池的SOC估算受到很多因素的综合影响,难以保证其估算精度。准确的电池模型是精确估算SOC的基础,通过对电池模型的改进、模型参数的实时更新,提高了模型参数的精确度;修正的扩展卡尔曼滤波并结合修正的安时积分法,减小了温度、充放电倍率等因素的影响,从而提高了SOC估算的精度。     

欠定分离机制下基于特征滤波的居民负荷非侵入辨识算法

通过非侵入采集模式下电流信号的欠定求解实现了负荷分解,获取了各独立负荷的完整电流,在负荷分解基础上实现了状态辨识。利用居民用户的负荷操作习惯将难以求解的欠定问题优化建模,转化为一维欠定问题,将求解模型建立为单位时间间隔仅从采集信号中分离两路信号。依据电流频域信号的稀疏性通过两步迭代收缩阈值算法得到最优解,使每个投入运行的负荷均可独立分解。通过先验方式获取用电网络各负荷的特征电流形成特征滤波器组,对分解电流进行频域滤波,通过对滤波后频率分量的量化判决实现负荷辨识。利用实际采集的用电数据验证了算法的有效性,能够有效实现负荷分解,并准确判断负荷状态。