一种基于IOT 的智能电子围栏设计

针对电子围栏系统安全、经济和检测精度需求,提出一种智能电子围栏监控方案。设计电子围栏系统功 能结构、系统架构,并在此基础上设计软硬件组成方案;提出电子围栏回波信号的预处理、特征提取和侵入行为检 测模型;以某公司提供的电子围栏数据为基础,验证所提方案有效性。结果表明：该特征提取模型能够有效提取信 号特征,提升分类性能,回波检测模型分类准确率为89.3%;该方案为电子围栏系统安全管理及稳定运行提供了一 定借鉴。     

基于国产嵌入式智能计算平台的无人机检测方法

面向陆地战场上对反无人机侦察的现实需求,提出一种基于国产嵌入式智能计算平台的无人机检测方法。针对无人机体型小、易受战场环境影响而不易察觉的难题,采用红外、可见光图像和视频流等多源输入进行目标检测;针对嵌入式平台算力和存储能力有限的特性,构建轻量化深度神经网络,通过将单次多盒检测器(SSD)中的特征提取网络替换为MobileNet进行模型优化;选用国产嵌入式平台比特大陆SE5智能计算盒进行验证,完成模型转换和移植。实验结果表明：所提基于轻量化深度神经网络MobileNet-SSD的无人机检测方法在国产嵌入式智能计算平台上能够准确判断出目标的类别,且平均识别精度和帧率与在开发环境中运行差距不大。充分表明所提方法在国产嵌入式智能计算平台上进行移植后,能够在速度和精度方面满足应用环境对无人机检测算法实时性与准确性的要求。     

基于改进YOLOv5的空中目标部位快速分割算法

为满足导弹武器对空中目标高效毁伤的需求,针对基于深度学习的算法对空中目标部位分割速度慢、准确率低的问题,提出一种基于改进YOLOv5的空中目标部位分割算法。将YOLOv5的检测头替换为类似YOLACT算法的分割头,使其能够完成实例分割任务;对网络进行剪枝,在不影响精度的前提下获得更快的推理速度;在Backbone网络中应用可变形卷积、增加坐标注意力机制(coordinate attention, CA)模块,丰富目标的多尺度空间及语义信息,进一步提升算法的局部特征提取能力;基于Ghost卷积设计C3＿Ghost模块,替换YOLOv5原算法Neck部分的C3模块,显著降低算法计算量,并保证算法精度不受太大影响。对比与消融实验表明,所提方法与改进策略能有效降低计算量,在保证实时性的同时,算法精度也有所提升。     

基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法

视频目标检测技术是提升坦克火控系统战场目标搜索能力的有效手段。针对面向坦克火控系统的视频目标检测任务,提出一种基于时空卷积特征记忆模型的视频目标检测方法。将时空卷积特征校准机制与卷积门控循环单元相结合,建立时空卷积特征记忆模型,同时对多个视频帧中目标的表观特征及运动信息进行建模,以传递并融合视频帧中的目标信息。在特征提取网络以及检测子网络中结合可形变卷积,在检测过程中应用视频序列非极大值抑制,提高对形变以及遮挡目标的检测能力。构建一个包含多种目标类型、尺度、遮挡等条件的坦克火控系统视频目标检测数据集,为多种目标检测方法的测试提供依据。测试结果表明,与R-FCN、 D&T以及MANet等目标检测方法相比,所提方法的平均精度均值最高,能够更好地满足装备的应用需求。     

基于机器视觉与深度学习的飞机防护栅裂纹检测系统

针对传统飞机防护栅裂纹检测中存在的效率低、可靠性差等问题,基于机器视觉技术设计一种飞机防护栅裂纹检测装置,并结合图像处理技术与深度学习原理提出一种飞机防护栅裂纹检测算法。设计飞机防护栅裂纹检测系统,研究防护栅裂纹图像识别算法。采集并整理飞机防护栅裂缝图像,研究并制作飞机防护栅裂纹检测数据集;分别以ZF-Net、VGG-16和ResNet-101卷积神经网络作为Faster-RCNN特征提取网络,开展飞机防护栅表面裂纹和缺陷裂纹检测研究。实验结果表明：3种模型均达到了良好的检测精度,其检测精度分别为92.79%、95.12%和97.54%,其中ResNet-101网络检测效果最好,相比于现有的防护栅裂纹机器视觉检测方法,漏检率和虚警率分别下降了22.54%和89.28%,检出率提高了22.54%;ResNet-101网络在不同光照条件下仍有较高的检测精度,检测装置和检测算法有效,可为飞机防护栅的检测提供了新方法。     

基于人机交互的免锚检测和跟踪系统设计

为提高越野环境中目标检测和跟踪的准确率和效率,提出一种基于人机交互的免锚检测和跟踪系统。该系统由检测系统、指挥系统和目标跟踪系统组成。检测系统,在基于点的点云特征提取框架的基础上,设计一种免锚的目标检测网络结构;指挥系统通过相机实时获取环境态势信息,人机交互地在检测网络输出的目标序列中选择跟踪目标;跟踪系统利用检测网络输出的目标序列的外观模型和指挥系统下发的跟踪目标外观模型进行匹配来确定跟踪目标,再基于卡尔曼滤波算法进行目标运动估计。基于越野场景的实车数据进行了验证。验证结果表明：基于人机交互的免锚检测和跟踪算法在不增加算法时间的同时实现了超91%的准确率,能够满足无人驾驶车辆在越野场景的使用要求。     

基于改进YOLOv5与嵌入式平台的多旋翼无人机检测算法

针对在嵌入式平台上检测无人机时面临的资源占用率高、实时性差的问题,提出一种改进YOLOv5网络的目标检测算法。以YOLOv5s网络为基础模型,使用MobileNetV3网络代替CSP-Darknet53作为骨干网络进行特征提取,并优化改进特征加强网络以及算法的回归框损失函数。基于自建无人机数据集分别在PC机和嵌入式平台RK3399上进行测试,实验结果表明：改进后的YOLOv5算法与原算法相比,在保持较高检测精度的同时,检测速度提升了38%,模型大小降低了45%,有效提升了算法的检测性能,满足应用于嵌入式设备的实际需求。     

基于改进深度置信网络的故障诊断方法

针对深度置信网络对小样本数据集故障诊断时准确率低的问题,提出了基于改进深度置信网络的故障诊断方法。该方法通过优化网络特征提取能力,提升网络学习和分类能力以减少网络训练对数据的依赖程度;利用网络公开数据集测试改进的深度置信网络模型的性能;并将改进网络模型应用于小样本故障数据集上。实验验证结果表明,较基于传统网络模型的故障诊断而言,基于改进模型的方法通过添加新的隐藏层,强化了模型特征提取能力,提高了故障诊断准确率。     

基于深度学习框架的装配机器人零件实时检测方法

针对工业生产线上装配机器人在粘连、堆叠、光照变化及环境因素干扰等复杂条件下零件检测率低、鲁棒性差等问题,提出一种基于改进YOLOv3深度学习框架的零件实时检测方法。在基础特征提取网络Darknet-53的每个残差网络后嵌入CFE模块,构建融合CFE模块和Darknet-53的深度特征提取网络CFE-Darknet53,建立YOLOv3深度学习框架下基于CFE-Darknet53的零件实时检测模型,提升检测网络在复杂环境下特征提取能力;设计一种改进K-means算法来预测边界框,通过对零件数据集进行聚类分析,选取最优的锚框个数和尺寸,进一步提高检测准确性。实验结果表明：在复杂条件下,改进算法对相似度很高的多类零件检测准确率能达到91.6%以上,相比YOLOv3算法提升了近10%以上;检测时间为43 ms,在视频传输帧率（24帧/s）下实现了零件实时准确检测。     

事件触发容积卡尔曼滤波及其在火控探测网络中的应用

为减小传感器网络中各探测单元和融合中心间的数据传输量,设计了基于双重判断准则的事件触发机制,以控制各探测单元到融合中心的数据传输。为得到比已有事件触发融合估计算法更高的估计精度,提出了一种基于所提事件触发机制和平方根容积卡尔曼滤波的非线性融合估计方法。仿真和试验结果表明：所提方法与基于周期传输机制的容积卡尔曼滤波相比,可减小数据传输量;与已有事件触发融合估计方法相比,可在数据传输量基本一致情况下获得更高的估计精度。     

基于MCNN-GRU 的舰面目标碰撞预警方法

为提升甲板舰面目标的转运安全性,提出一种多个CNN-GRU(multiple CNN-GRU,MCNN-GRU)碰撞 预警网络模型。该网络融合了卷积神经网络(convolutional neural network,CNN)对单时间步信息特征的提取能力以 及门控循环单元(gate recurrent unit,GRU)对时序序列的记忆能力,通过多通道网络结构提升对多时间步信息特征的 处理性能;在数据集上,利用目标检测网络和关键点检测网络、位姿解算模型及碰撞检测方法制作舰面目标碰撞预 警数据集。通过不同网络在数据集上进行实验的结果表明：该模型对舰面目标的双机碰撞预警精度为92.44%,具有 较好的效果。     

基于VGG网络的轻量化小型水下构筑物探伤模型

针对水下构筑物伤痕形态随机多变,特征提取困难,导致水下探伤识别精度较低的问题,提出一种基于视觉几何组(visual geometry group,VGG)网络的轻量化小型VGG(lite small visual geometry group,LSVGG)模型。采用经典VGG网络结构,减少卷积层和提高特征数量的方法在保证识别精度的前提下降低运算时间和系统开销。实验结果表明：该LSVGG模型可以部署在小型无缆水下机器人(autonomous underwater vehicle,AUV)上,具有较高水下构筑物探伤识别精度;与传统模型相比,水下构筑物探伤识别精度提高了近一倍,识别准确率高达99.7%。     

一种基于分层多尺度卷积特征提取的坦克装甲目标图像检测方法

针对坦克装甲目标的图像检测任务,提出一种基于分层多尺度卷积特征提取的目标检测方法。采用迁移学习的设计思路,在VGG-16网络的基础上针对目标检测任务对网络的结构和参数进行修改和微调,结合建议区域提取网络和目标检测子网络来实现对目标的精确检测。对于建议区域提取网络,在多个不同分辨率的卷积特征图上分层提取多种尺度的建议区域,增强对弱小目标的检测能力;对于目标检测子网络,选用分辨率更高的卷积特征图来提取目标,并额外增加了一个上采样层来提升特征图的分辨率。通过结合多尺度训练、困难负样本挖掘等多种设计和训练方法,所提出的方法在构建的坦克装甲目标数据集上取得了优异的检测效果,目标检测的精度和速度均优于目前主流的检测方法。     

ELM 在机床切削刀具磨损快速检测中的应用

为检测加工过程中切削刀具的磨损和破损,探讨一种基于声音识别的超限学习机(extreme learning machine,ELM)模型检测方法.论述切削声音信号的时频域特性,讨论基于小波包分解的刀具工作状态敏感频谱能量统计特征量提取方法,构建基于声音特征量识别的ELM快速检测模型.以某操作现场刀具切削磨损声音信号识别实验为例,实测数据验证了采用该模型可获得更高的检测准确度且响应速度更快.实验仿真结果表明:采用ELM模型借助声音识别检测切削刀具磨损的方法是有效的.     

破片侵彻戴防弹头盔头部靶标钝击效应数值模拟

为研究低速破片对于佩戴防弹头盔的人体头部靶标的杀伤效应,基于枪弹侵彻防弹头盔的3D-DIC试验和和头部撞击试验验证复合材料头盔仿真模型和头部有限元模型的准确性,构建6 mm钢球破片侵彻戴防弹头盔人体头部靶标的数值模型,开展破片从正面、侧面和顶部3个方向的侵彻效应数值模拟。研究结果表明：当破片以600 m/s的入靶速度侵彻时,正面、侧面和顶部侵彻弹着点处的瞬态鼓包高度分别为10.2 mm、11.3 mm和11.5 mm,表明有头部支撑头盔的情况下破片侵彻造成的背面鼓包高度接近;正面侵彻过程弹着点底部颅骨应力最大,侧面侵彻颅骨弹着点底部应力最小,破片侵彻造成的颅骨应力均不会超过损伤阈值,表明低速破片侵彻不会造成颅骨损伤;正面、侧面和顶部侵彻造成的颅内压峰值分别为495 kPa、110 kPa和327 kPa,表明在破片侵彻中侧面的防护效果最好,正面和顶部的颅内压峰值可以造成脑损伤。     

改进的YOLOv3算法及其在军事目标检测中的应用

复杂环境下军事目标检测技术是提高战场态势生成、分析能力的基础和关键.针对军事目标检测任务在复杂环境下传统检测算法的检测性能较低问题,提出一种基于改进YOLOv3的军事目标检测算法,通过深度学习实现复杂环境下军事目标的自动检测.构建军事目标图像数据集,为各类目标检测算法提供测试环境;在网络结构上通过引入可形变卷积改进的R...