基于CycleGAN算法的迷彩服装图案设计方法研究北大核心CSCD

伪装是军事侦察的重要防护手段之一,然而,传统的迷彩图像生成方法不能实现端到端生成。本文采用循环一致性生成对抗(Cycle generative adversarial network, CycleGAN)算法实现迷彩图像生成,既保留原始图片的特征,又能实现端到端的生成。自行搜集并建立环境和迷彩图片库。利用CycleGAN算法的循环对抗博弈思想,训练生成和判别模型,在训练过程中,借助损失函数激励实现背景图像与迷彩图像的一一映射,将生成图像输入判别模型进行辨别,并将结果进行反馈。与DRIT、MUNIT模型生成的图像相比,CycleGAN算法生成的图像在色彩、纹理和边缘接近背景图像,呈现出良好的伪装效果,从而验证了实验方案的有效性,为服装智能图案设计生成提供了新思路。     

满足不同环境伪装需求国内外军队关注变色迷彩

迷彩服的发展和战争密不可分,为了在视觉上达到隐形的效果,二战后,各国迅速发展自己独特的迷彩图案,发达国家尤其引领了这股潮流。根据不同的环境和技术手段,对迷彩面料的研究可分为多种。目前技术最成熟、应用广泛的是可见光和近红外迷彩。变色迷彩是可见光范围内能够实现不同颜色互变的迷彩,同时可满足典型背景下的伪装需求。迷彩作战服主要包括了四大要素,即色彩、迷彩图案、织物功能及服装结构。     

不同背景下棉织物的近红外伪装

针对不同背景,通过染色方法对棉织物进行近红外伪装,测试其反射光谱曲线并与背景曲线相比较,得到模拟背景的最优拼染组合;探讨了防伪机理,并测试其染色牢度.结果表明,单一染料不能很好地模拟背景,4种及4种以上染料组合染色方能最优地模拟背景,使织物具有近红外伪装性能,织物色牢度达到4级以上,符合服用性能.不同树叶的反射特性基本相似,仅反射值高低略有不同,模拟绿色背景的染料组合为蓝CX-1(若树叶偏黄选蓝CX-2)1.5%、黄GCN 2.5%、灰M 0.5%(橄榄R 0.5%),并可加入适量炭黑以降低织物在近红外波段的反射率.枯叶具有相似的反射特性,且梧桐叶正面反射值低于反面,拼染枯叶的染料组合为棕BR 0.3%、黄G0.35%、橄榄R 0.3%、红F3B 0.1%、灰M 0.1%.泥土的反射值较枯叶低,拼染泥土的染料组合为黄G 0.6%、黄GCN 0.7%与棕BR 0.6%,并加入适量炭黑.     

羊毛绿色近红外伪装染色

将叶绿素铜钠作为近红外伪装染料对羊毛进行染色,实现羊毛织物在绿色丛林背景下的近红外伪装。羊毛叶绿素铜钠染色工艺为:叶绿素铜钠用量1%(owf),浴比1∶50,100℃,染色30 min,水洗,皂洗。染色后羊毛在可见近红外波长范围内与树叶有相似的光反射特性,因此有较好的近红外绿色伪装性能。研究表明,叶绿素铜钠作为红外伪装染料,能解决占军用服装比重较大的羊毛织物的红外伪装染色问题,而且染色工艺简单。     

应用自适应滤波与阈值迭代的原棉杂质视觉检测方法

针对Canny算子滤波模板参数与高低阈值人为设定而导致的杂质弱边缘丢失问题,提出一种基于改进Canny算子的原棉杂质检测方法,该方法采用自适应平滑滤波代替高斯滤波对原棉图像进行平滑,以小尺寸平均加权滤波模板与原图像迭代卷积,并在每次迭代过程中自适应地调整各像素的加权系数,同时,采用的最大类间方差法能够自适应地确定高低阈值,实现了滤波模板参数与高低阈值的自动优化,避免了弱边缘的丢失。仿真实验结果表明:该方法检测到的原棉杂质边缘完整、流畅,减少了伪边缘的出现,8连通域数与边缘点总数比值比Canny方法平均降低16.8%,8连通域数与4连通域数比值比Canny方法平均降低18.8%;同时,在对4种原棉常见杂质的识别上,该方法与国标方法检测结果平均相符率达到92.7%,能够有效用于原棉杂质的自动化检测。     

防热红外侦视纺织品的研究进展

现代热红外侦察技术和高光谱遥感技术的迅速发展和广泛应用,使防热红外侦视纺织品的研发日益受到重视。本文在论述热红外伪装机理的基础上,从控制目标温度和目标红外发射率两方面对国内外防热红外侦视纺织品的研发状况进行了评述,指出了防热红外侦视纺织品的发展趋势,阐明了防热红外侦视纺织品的开发应从织物精巧结构设计、织物迷彩图案设计和低发射率涂层的组合应用、以及多功能兼容性等几个方面进行加强和改进。     

多色调隐身涂料及其迷彩伪装的性能

以沙土、干土、树皮、红土等为模拟背景,以片状铝粉为金属颜料,以氧化铁棕和氧化铁黄为着色颜料,通过调整片状铝粉、氧化铁棕和氧化铁黄比例,模拟沙漠迷彩花型中的土黄和灰棕色,制备红外低发射率涂料。分别研究铝粉粒径和含量、颜料含量和黏合剂种类对印制涤棉混纺织物伪装防护性能的影响,结果表明:当以热交联丙烯酸类共聚物为黏合剂,片状铝粉质量分数为25%,颜料总含量为15%时,通过改变颜料之间的比例可获得不同色光的隐身涂料,用其印制的涤棉混纺织物,最低发射率为0.73,在可见光-近红外波段有良好的隐身效果。     

基于PHAM-YOLO网络的卷烟纸燃烧线检测方法

为实现卷烟纸燃烧时燃烧线的准确识别,构建了常见应用场景下的卷烟纸燃烧线数据集。针对检测背景复杂、多目标、燃烧线尺度不一且形状各异的难题,将并行混合注意机制嵌入了YOLO v5主干网络,构建了PHAM-YOLO网络模型用于卷烟纸燃烧线的检测。采用特征金字塔快速池化、边界盒回归等方法提升了卷烟纸燃烧线的定位准确性。结果表明,对于卷烟纸燃烧线数据集,PHAM-YOLO网络检测平均精度均值、精度和召回率分别为99.0%、99.8%和99.0%,其中平均精度均值比原始模型提高了5.0%,高于其他类型的目标检测方法。     

基于SURF特征点的包装空间双目视觉定位研究

为便于多自由度的机械臂识别抓取特定包装,对包装外边缘轮廓精确定位,强化机械臂作业系统对包装的外边缘轮廓抓取精度与视觉特征识别.基于双目机器视觉中的SURF特征点的定位,提高检测系统的图像信息收集精度,确定复杂环境下的目标包装物边缘标定核心识别定位要点.在传统单眼视觉的基础上,进行双目视觉SURF特征点的应用建设分析.以...     

基于改进faster R-CNN算法的小目标车辆检测

针对faster R-CNN对远距离小目标车辆的检测效果较差的问题,文章融合特征金子塔网络(FPN)和faster RCNN,提出了反卷积反向特征融合faster R-CNN算法。首先,对faster R-CNN算法的特征提取网络进行改进,选用ResNet-101网络替换VGG网络,不仅降低了训练难度,而且有效改善梯度消失问题,将其与提出的反卷积反向特征融合结构相结合,提高对远距离小目标车辆信息的多尺度特征的提取和表达能力;然后,将网络中的ReLU激活函数改进为Mish激活函数,用整个区域的光滑曲线解决ReLU函数会丢失一部分信息的问题,以整体提高网络对车辆目标的精确度、稳定性和鲁棒性;最后,在自建的小目标车辆图像库中与faster R-CNN、YOLOv3等算法进行对比实验,综合场景下平均精度分别提高2.18%、2.98%,对于小目标车辆,平均精度分别提高5.72%、2.10%。     

基于语义生成与语义分割的机织物缺陷检测方法

针对织物疵点的语义分割任务中因数据集规模限制，而导致网络出现的严重过拟合问题，课题组提出了针对织物的语义生成网络。语义生成网络使用随机产生的语义标签生成对应的织物缺陷图像，相较于传统数据增强方法，语义生成可生成全新图像，更贴近实际缺陷分布，并且可通过判别器对生成图像进行筛选；课题组将语义生成的图像作为语义分割网络的输入，相应的随机语义标签作为目标，免去标注过程，扩充语义分割网络的训练样本，提升网络性能；对于语义分割网络，提出尺寸自适应Dice损失函数，解决样本不平衡问题，提升网络对小尺寸的检测能力。实验结果表明：尺寸自适应Dice损失函数使得模型精度提高11.1%,使用BEGAN扩充的数据集相较于传统方法扩充的数据集训练得到的模型精度提高7.4%。     

基于改进YOLOv5模型的织物疵点检测

针对传统机器学习方法检测织物疵点精度低，小目标检测较困难的问题，提出一种基于改进YOLOv5的织物疵点的目标检测算法。在YOLOv5模型的Backbone模块中分别引入SE注意力机制和CBAM注意力机制，使模型聚焦于图像中的关键信息，改进传统YOLOv5网络检测精度不高的问题。结果表明：改进后的模型具有更好的检测性能，其中引入CBAM模块后提升幅度最明显，较原网络mAP值提升了7.7%,基本满足织物疵点检测需求。     

棉织物叶绿素铜钠染色及伪装效果

先对棉织物阳离子改性,再用叶绿素铜钠进行红外伪装染色。探讨染色温度、时间和盐用量对染色效果的影响,试验表明,优化的叶绿素铜钠染色工艺为:叶绿素铜钠用量1%(omf),浴比1:50,40℃入染,升温至50℃,染色50 min,水洗,固色。经反射光谱分析,叶绿索铜钠染色棉织物在可见近红外波长范围内,与树叶有相似的光反射特性,具有较好的近红外绿色伪装性能。     

基于改进YOLOv5的织物瑕疵检测方法

针对织物瑕疵中部分瑕疵目标小、长宽比极端等问题,提出一种基于改进YOLOv5的织物瑕疵检测方法。该方法在YOLOv5模型基础上引入自注意力机制CoTNet网络,并将颈部网络中的PAFPN网络优化为BiFPN网络,同时将目标损失函数改进为CIoU损失函数,加强模型对邻近键以及上下文之间特征信息的收集,在增强模型对小目标和尺寸变化大类型瑕疵检测能力的同时可获得更准确的边界框回归,加快收敛速度。实验证明,本文改进的模型在织物瑕疵检测数据集上的检测效果和YOLOv5模型相比平均精度均值提升了6.8%,准确率提升了6.7%,模型验证有效。     

基于颜色和形状的机器人运动目标跟踪

针对类人足球机器人存在识别运动目标效果差、容易受光照变化影响等问题,提出了一种基于颜色和形状的运动目标跟踪算法:在HSI空间执行基于颜色信息的快速阈值分割,获取目标信息,加入自适应阈值更新,以增加算法的鲁棒性;利用卡尔曼滤波预测运动目标下一帧的位置,在局部范围根据目标形状信息执行优化边缘检测识别目标,获取目标准确的位置信息,然后继续跟踪.实验证明:该算法能够对运动目标进行准确跟踪,可满足实时性的要求.     

改进YOLOv7的纸张表面缺陷检测研究

提出一种改进YOLOv7的纸张表面缺陷一步式检测算法。首先将注意力机制模块CBAM融合到主干和特征提取网络结构,从空间和通道2个维度提取信息,提升小目标纸病特征提取准确性和算法稳定性;将ASPP空洞卷积加入主干网络SPP中,ASPP可以进一步扩大感受野,使较小目标的特征信息在网络传递时得到保留,解决了小目标信息量不足的问题,进而提高小目标纸病识别的性能。通过自制纸病数据集检测实验,与YOLOv7相比,精确率、召回率及平均精确率均值mAP 0.5分别提升了1.5、2.3和2.1个百分点。     

基于改进YOLOv5的织物缺陷检测

鉴于织物表面纹理复杂导致织物缺陷检测准确率低以及小目标检测困难等问题,提出一种基于改进YOLOv5的织物缺陷检测算法。首先,在YOLOv5的骨干网络上,增加CBAM注意力机制,从而强化有用的特征信息弱化无用的特征信息;其次,将Neck层的路径聚合网络(PANet)用加权双向特征金字塔网络(Bi-FPN)替换,从而更好地平衡多尺度特征信息,提高小目标检测的特征能力。最后,通过改进损失函数,使用Focal EIOU Loss损失函数来代替CIOU Loss损失函数,不仅使得收敛速度更快,而且可以有效的解决难易样本不平衡问题。实践证明：改进后的训练模型平均精度均值mAP值为84.5%,比未改进增加了4.7%,可满足实际生产中的织物缺陷检测要求。     

基于近红外光谱和BYOL对比学习的烟叶部位识别方法

【背景和目的】烟叶部位识别对卷烟制品的配方设计与质量监控具有重要意义。利用近红外光谱（NIR）分析可以实现烟叶部位的快速、无损在线识别。针对烟叶光谱特征提取困难问题，利用具有强特征提取的BYOL模型，提出NIR-BYOL烟叶部位识别方法。【方法】通过微分光谱融合实现数据增强，利用卷积自编码器和多层感知器实现BYOL的在线网络和目标网络，以在线网络和目标网络输出的均方误差为损失函数，通过损失最小优化的编码值，提取的特征经SVM分类识别烟叶部位信息。实验比较分析了不同数据增强方式、卷积核大小和激活函数对模型的影响。【结果】一阶微分融合和二阶微分融合的组合是最佳数据增强方法，对比学习模型最佳参数为卷积核11*1，激活函数为ELU。模型对部位的平均识别率达到91.79%。相比SVM、PCA+SVM和PLS-DA方法，NIR-BYOL模型的准确率有显著提升，分别提升了13.12%、15.79%、16.79%。【结论】近红外光谱分析技术结合对比学习模型可以有效分类识别烟叶的部位信息。     

融合自适应局部特征与改进模糊C均值的服饰分割算法

提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法。首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域。实验结果表明,该方法的准确率可达78.93%,召回率90.12%,查准率89.93%。该方法能够减少内部区域噪声,提高服饰图像的分割精度。     

重建高光谱图像的酿酒高粱品种识别方法研究

目的 基于重建高光谱图像技术实现对酿酒高粱品种的实时快速识别。方法 对分层回归网络(hierarchical regression network, HRNet)进行改进,得到残差注意力分层回归网络(residual attention-hierarchical regression network, RA-HRNet)。利用该网络进行重建高光谱图像,并在此基础上建立双向长短期记忆网络结合注意力机制(bi-directional long short-term memory-attention, BiLSTM-Attention)的酿酒高粱品种识别模型。以原始RGB数据作为重建高光谱图像网络的输入,将输出重建的光谱图像作为酿酒高粱品种识别模型的输入,以完成酿酒高粱品种识别。结果 RA-HRNet相比HRNet,模型参数量[Params(M)]降低80.5%,模型计算量[floating point operations per second, FLOPS(G)]降低80.2%,峰值信噪比(peak signal-to-noise ratio, PSNR)提升16.9%,平均相对绝对误差...