传统装车臂存在问题及改进措施

为了提高装车臂的装车效率，降低劳动强度，分析了LNG装车臂的组成、工作流程、使用过程中存在的问题及原因并提出了改进措施。将各种改进措施与传统LNG装车臂技术进行有机融合，设计并生产制造了一款新型的气动助力装车臂。通过在内臂与框架之间增加一根气缸，用于推动内臂绕第一旋转接头旋转；将6台手动阀门均改为气动阀门，并将控制信号通过防爆接线箱接到批量控制器内；在延伸臂与第5旋转接头入口法兰之间增加一根弹簧平衡缸，使延伸臂在包络线范围内能够保持水平；采用快接装置代替松套法兰与槽车对接以提高连臂效率。在LNG装车站对新型的气动助力装车臂进行试运行验证，结果表明改进后的新型装车臂进行装车提高了自动化水平，使用其代替传统装车臂可以减少操作人员1名，在降低剩余操作人员劳动强度的同时将工作效率提高18%左右。     

采用改进全卷积网络的“高分一号”影像居民地提取

针对现有的高分辨率遥感图像居民地信息提取精度和效率不够高的问题,提出了一种基于改进全卷积网络的“高分一号”（GF-1）遥感影像居民地提取方法。首先,通过专业的目视解译制备大量居民地训练样本;然后,将预训练过的深度卷积神经网络进行全卷积网络的改造,并以具有多尺度卷积核的Inception模块代替由全连接层改造的卷积层,达到减小网络模型参数量、增加特征表达能力的目的;最后,用制作好的高分辨率遥感图像居民地数据集进行训练和验证,生成可直接进行居民地信息提取的全卷积网络。实验结果表明,基于改进全卷积网络的方法可以实现精确有效的居民地信息提取,Kappa系数超过94%。     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。