基于声发射检测技术的电力电子器件/模块机械应力波综述

针对部分机构已有的能够表征电力电子器件/模块状态的机械应力波研究均分散在信号提取、信号分析和状态表征等方面,没有进行系统总结,该文首先对机械应力波的基础内容进行讨论,总结对比适用于电力电子器件/模块的产生机理、测试检测电路和信号处理方法;随后对电力电子器件/模块机械应力波的研究现状进行综述,归纳总结机械应力波的组成模式、源机制、频域特征与健康状态的对应关系;最后从机理分析、研究对象、信号处理、状态表征和检测装置五个方面对电力电子器件/模块机械应力波存在的关键问题进行分析,并提出未来的研究方向.     

融合相机与激光雷达的目标检测与尺寸测量

针对三维场景下的目标检测与尺寸测量任务,设计了一种融合激光雷达和相机传感器的三维目标检测和尺寸测量算 法。 使用基于卷积神经网络的二维目标检测器提取目标的二维检测框,结合图像中的二维检测框和几何投影关系获取包含物 体的三维视锥点云,由欧氏聚类方法获得物体的聚类点云,实现了物体的三维目标检测。 提出了基于目标二维检测框的改进尺 寸测量方案以替代原有点云聚类后得到的三维框信息,提高了物体尺寸测量的精度。 在现有数据集上评估测试了目标检测与 尺寸测量的精度,实验结果表明,二维目标检测器 YOLOv7 在检测数据集上的平均检测精度达到了 81%,改进尺寸测量方案在 物体尺寸测量时的测量误差在 5%以内,对于较远物体或较小物体的目标检测和尺寸测量也具有很好的效果。     

基于偏振信息图像增强的多目标检测

偏振是光的重要特性之一,偏振成像技术能够获取场景中目标的强度信息和偏振信息,偏振信息能够反映出目标物体表面的材质特征。本文针对雾霾天气状况下道路场景中常见目标识别结果的准确性要求,提出了两种基于偏振信息的图像增强方案。首先经过多次采集实验,经过数据清洗、图像标注构建偏振数据集,共4 649张图像和31 877个标签。针对雾霾轻度污染的场景,通过区域自动生长算法分割出偏振强度图像中的天空区域,根据天空区域的偏振度和偏振角信息以及大气物理散射模型反演出目标反射光,从而实现图像去雾。针对雾霾重度污染的场景,使用小波变换的方式对图像进行增强,利用偏振度图像来增强强度图像中的目标轮廓。使用图像灰度方差和图像信息熵作为图像质量评价指标,使用YOLO v5s深度学习网络进行目标检测。实验结果表明,雾霾轻度污染的情况下,图像质量和目标检测准确性均有所提升,图像信息熵提升了3.36%,灰度方差提升了40.27%,目标检测mAP达到了76.40%,提升了12.69%;雾霾重度污染的情况下,目标检测mAP提升约1.69%。     

基于工业传感器示教平台的课堂教学改革

以学生发展为中心的教学理念逐渐深入人心,目前的传感课程存在一个实际问题——学生在课堂上学到的理论知识很难转变成实践能力。为了解决这个问题,自主开发了具有知识产权的工业传感器示教平台,在课堂上创设工业教学环境,现场演示或远程直播工业级传感器的测量实验,让同学们能把理论知识用得好。通过以上创新,解决了课堂教学的真实问题,提升了学生实践能力,建设为省一流本科课程。     

以图像为主的多模态感知与多源融合技术发展及应用综述

不同模态的表现方式不同,描述目标的角度也会不同。多模态感知与多源融合技术是将两种或两种以上的模态组合起来,融合不同传感器、不同平台收集到的数据、特征信息,兼顾不同图像的优势,在遥感监测、军事安防、自动驾驶等领域有着广泛的运用。介绍了热成像、高光谱成像、偏振成像、合成孔径雷达(SAR)、激光雷达(LiDAR)等多模态感知技术,总结了不同成像方式的特点与联系,简述了多源融合相关概念及其技术发展历程,重点分析了不同模态下图像融合案例,在此基础上归纳多模态感知和多源融合技术的发展趋势,最后基于融合算法、系统整体性、评价指标总结出进一步发展方向。     

电气信息类专业平台课程思政建设与实践

课程思政是落实立德树人任务的关键。湖南大学电气与信息工程学院将思政教育融入专业平台课程建设中，结合平台课程专业知识，修订了课程教学大纲，设计了体现“课程思政”新特点的教学内容与教学环节，实施混合式教学模式，思想政治教育贯穿教学全过程，完善了思政考核机制，构建了以专业知识与思想政治联合培养的“立德树人”培养体系，充分发挥专业课育人主渠道作用。     

矩形脉冲涡流传感器的三维磁场量与缺陷定量评估

脉冲涡流是一种有效的电磁无损检测技术。基于脉冲涡流检测原理设计了脉冲涡流检测系统,并对矩形脉冲涡流传感器的三维磁场量进行了研究。分别在传感器的不同走向下,使用三维检测传感器获得了三维磁场量的Bx、By与Bz曲线。在传感器的不同走向下,提出使用三维蝶形图对缺陷进行检测识别。对三维信号进行特征分析后,分别在不同走向下,通过Bz曲线评估缺陷的深度。通过By与Bz曲线的特征可以测量缺陷的长度。为进一步实现飞机机身缺陷的成像检测提供了有价值的参考。     

光伏电池图像序列的深度学习检测方法

为了实现光伏电池工厂端的智能检测,使用热红外相机采集电致热成像(Electro-thermography,ET)与短波红外相机采集电致发光现象(Electroluminescence,EL)检测光伏电池缺陷.提出一种基于光流法处理光伏电池热流场的热图像序列分析方法,准确找到异常发热源.并与短波红外成像找到的异常发光源融合,建立光伏电池检测数据库.通过深度卷积神经网络,实现对光伏电池内部缺陷与划痕、覆盖、裂纹、缺损等人工缺陷的有效识别.试验结果表明,基于光流的深度学习方法在均方误差、平均梯度、信息熵指标上优于主成分分析(Principal component analysis,PCA)与独立成分分析(Independent component analysis,ICA),并在卷积网络的训练中,能使网络更快地收敛.     

面向智慧工厂的双光融合车间人员行为识别方法

为弥补传统的单一成像监控方式的不足,对车间人员实行智能化的行为管控,提出了一种决策级的双光融合行为识别算法。在实地调研车间环境后采集了6类异常行为和3类工作行为,自建车间可见光-红外行为样本库,重新训练YOLOv5网络获取可见光和红外模型。建立了一种决策级的融合策略,能够同时识别双光数据中的目标并融合,得到最终的行为识别结果。在自建数据集上进行实验,结果表明融合算法的识别精度达到了93.04%,推理速度满足实时的识别要求。与仅使用单一数据源的算法相比,精度分别提升3.43%和0.84%;与其他5种特征级融合检测算法相比,精度均有大幅提升,证明了该融合方法的优越性。该方法可以有效地规范车间生产行为,并对异常行为进行及时预警,具有实际的工程应用价值。     

基于谱分析的脉冲涡流缺陷3D分类识别技术

脉冲涡流检测技术是一种快速发展的无损检测方法,而相应的缺陷分类识别是缺陷检测与评估中的关键步骤之一。本文首先对脉冲涡流检测技术进行了频谱分析,得出下表面缺陷主要影响低频成分,而表面缺陷同时影响低频成分与高频成分的结论;其次,设计了脉冲涡流矩形传感器和腐蚀型缺陷模拟试件;最后,在对上下表面的缺陷分别进行频域分析的基础上,提出了选择3个特定频率点的幅值作为特征量对缺陷进行3D分类识别的方法。实验结果证明本文所提出的方法可对3 mm铝板上下表面腐蚀缺陷进行有效的分类识别。