基于轻量级卷积神经网络的遥感图像检测模型

针对遥感图像目标检测困难，当前网络难以兼顾检测精度与实时性的问题，提出一种轻量级的遥感图像检测模型Yolov4＿Rs。以Yolov4为基准，将轻量级网络Mobilenetv2作为主干特征提取网络，减小模型容量；在网络颈部融入多个特征增强金字塔模块，丰富特征信息；在特征融合网络中去掉下采样，引入残差连接；使用K-means++算法对数据集进行聚类。实验结果表明，Yolov4＿Rs体积仅为Yolov4的25.1%,在RSOD和UCAS-AOD数据集上的MAP相比Yolov4分别提升了2.26%、0.99%,表明该模型比Yolov4检测效果更好，是一种轻量高效的检测模型。     

D-S证据理论在探地雷达目标识别中的应用

为解决探地雷达的目标识别问题,提出了一种基于雷达扫描数据、实地探测情况、历史信息和已有水文地质信息,并利用D-S证据理论这一具有解决多数据源不确定信息推理和融合特点的理论对目标进行综合识别的方法.实现了探地雷达目标在不确定条件下获得较高可信度的识别.试验结果验证了该理论在探地雷达目标识别上的有效性和可行性.     

一种基于关键信息监督的隧道雷达数据衬线识别算法

【目的】探索探地雷达数据解析和基建病理检测新的处理方法。探地雷达作为桥梁和隧道缺陷检测中常用无损技术手段,一直面临数据解析困难问题,提高解析结果的准确性,对交通基础设施的缺陷检测具有重大应用价值。【方法】将衬砌结构作为识别对象,分解为关键点和曲线来表示。关键点检测基于双热图方法,借助“软标注”来加快模型收敛。曲线拟合模块通过神经网络回归拟合,加入对抗扰动机制,抗图像噪声干扰。【结果】结果表明,该算法识别的衬砌线较真实偏移量为2.23个像素点,较CenterNet网络提升1.24个像素点,较CornerNet网络提升0.71个像素点。【结论】解析识别效果提升显著,具有较高应用价值。     

改进Yolov5的手语字母识别算法研究

手语是聋哑人进行信息交流的重要手段，而手语字母是手语的基本组成单元，手语字母识别也是人机交互的重要组成部分.手语识别作为一种新的人机交互方式，被广泛应用到虚拟现实系统.而现有的检测设备价格昂贵，检测方法精度低，检测速度慢，不能满足实时检测的要求，且在不同的设备间移植困难.Yolov5网络具有检测精度高，检测速度快，便于移植等优点，现以Yolov5网络为基础进行改进，融入SE通道注意力机制和ASFF自适应特征融合机制，并对数据集进行处理，增加在强光下带有投影以及复杂背景和进行灰度处理过的图片，使Yolov5对于图像高层的语义信息以及对底层的轮廓、边缘、颜色、形状信息利用的更加充分.与改进前的Yolov5模型相比，改进后的Yolov5-ASFF-SE模型在检测速度基本保持不变的前提下，检测精度提高了5.8%,平均检测精度MAP提高了6%,结果表明，改进的Yolov5-ASFF-SE模型能够实时，准确的对手语字母进行识别，且方便的移植到手机等便携设备中，方便聋哑人之间的交流，对未来人机交互的发展也具有一定的参考价值.     

基于图像相似度与深度学习的变电站刀闸状态识别算法的对比研究

为解决以往变电站中基于各类传感器的刀闸状态检测方式成本高、稳定性差的问题，本文探索了两类基于图像识别的刀闸状态检测算法，相较于传统的基于图像相似度的刀闸状态识别算法，基于深度学习的目标检测算法对刀闸状态识别准确率更高，能够有效对变电站内刀闸状态进行检测。本文在对483张包含各类刀闸状态的图像进行标注后，使用Yolov5的预训练模型进行训练，训练后的模型在包含80张各类刀闸状态的测试集上进行测试，结果表明综合准确率为89.31%，综合召回率为98.32%。本文所提出的基于深度学习的刀闸识别算法能够对变电站刀闸状态进行有效识别，且识别准确率高、部署较为简单，对保障变电站安全稳定运行有着重要作用。     

基于通道和空间注意力的机场道面地下目标自动检测

针对机场道面地下目标检测任务中，探地雷达（GPR）生成的B-scan图背景复杂、包含大量噪声，尤其是单个B-scan图不能反映地下目标的完整信息等问题，构建一种三维通道和空间注意力的UNet(3D-CSA-UNet)模型对地下目标进行自动检测。首先，设计三维通道和空间注意力并行模块（3D-CS-Block），使模型重点关注雷达C-scan中的地下目标信息，抑制背景和噪声的干扰；其次，设计多尺度的三维分割模型从雷达C-scan中提取不同大小的特征图，以增强3D-CS-Block提取目标特征的能力；最后，使用交叉熵损失函数计算每个尺度下特征图的损失值，从而提高模型的检测精度。在采集的实际机场道面地下目标数据集上，相较于3D-FCN、3D-UNet等模型，3D-CSA-UNet对于脱空、钢筋和钢筋平行目标预测的平均F1至少提高12.33、9.05、11.05个百分点。实验结果表明，3D-CSA-UNet可以较好地满足工程实际要求。     

基于Yolov3的智能电池模组焊点检测与定位系统

电池模组极片焊点的检测与定位是电池模组拆解成功的第一步.基于工人肉眼的焊点检测误差较大且效率低下,基于深度学习模型的检测价格昂贵且计算代价极大.对此,提出了基于Yolov3的小样本智能电池模组焊点检测与定位方法.对样本图像进行灰度化及高斯模糊处理,采用Yolov3算法对样本的目标数据集进行特征提取训练,再调整训练的网络模型参数,由训练数据所得到的模型用于电池模组焊点检测.实验表明,使用Yolov3网络的焊点检测准确率达到90％以上,且焊点定位具有极高的精度,能够满足实际应用的需求.     

基于IVPSIC-Net的小样本热轧钢带表面缺陷检测研究

针对钢带表面缺陷检测样本不足、检测精度较低等问题,提出IVPSIC-Net模型,不需要对缺陷图像扩增或合成,仅需较少的数据样本,即可对钢带表面缺陷进行较为准确的分类和分割。经由ImageNet数据集进行预训练,通过调整宽度因子、引入多层感知机和空洞卷积等对特征提取模块进行优化与改进。基于MobileNet121将训练得到的模型权重迁移至IVPSIC-Net模型,大幅度减少了模型计算量。结合位置信息,融合改进的自注意力机制实现对缺陷的有效检出。实验证明,模型对热轧钢带的6种典型表面缺陷均可较为准确地分类和分割。所提出的方法在分类任务中准确度达到85%,相较其他缺陷目标检测算法(YOLOv4、MPF-DNN、FAR-Net、PSIC-Net等)提升了4.79%～6.97%;在分割任务中,相较其他分割算法(Deeplabv3plus、VGG-Unet、RDUnet-A、PSIC-Net等),错误率降低了8.00%～20.03%,能够更准确地分割出钢带表面的缺陷区域。     

基于可视火焰探测算法的地铁火灾自动报警系统设计研究

为提高地铁火灾检测准确率,提出一种改进Yolov 3的可视火焰探测算法,并基于该算法设计地铁火灾自动报警系统。可视火焰探测算法以Yolov 3作为结构基础,将主干网络设计为多组多尺度卷积的模式,以保证提取信息的完整性,并加入空洞卷积计算精简计算参数和特征提取范围;根据金字塔网络的思想将加强神经网络的信息融合部分设置为双向融合的结构,以保证算法对小型火焰的敏感性。而地铁火灾自动报警系统采用FPGA芯片构建主控模块,并根据ZigBe协议进行无线通讯,具有较好的运行速度和信息传输速度。最后通过试验证明,可视火焰探测算法可检测出火焰极小的小型火灾,且火灾检测速率较高、检测精度较好;基于可视火焰探测算法的地铁火灾自动报警系统可正常运行,实现对地铁火灾的监测报警,基本满足设计要求。     

基于改进Yolov5s的无人机火灾图像检测算法

为了解决现有火灾检测算法模型复杂,实时性差,难以部署在无人机平台的问题,通过改进Yolov5s算法对无人机火灾图像目标检测进行分析研究。利用搭载高清摄像头的无人机设备获取的火灾图像、公开数据集、互联网航拍视频自主建立无人机火灾图像数据集;采用轻量化模型Yolov5s为基础模型,MobileNetV3作为特征提取主干网络,降低模型参数和计算量,解决实时性差和模型部署的问题;模型颈部引入注意力模块CBAM,综合了通道和空间信息,加强网络对高层次语义信息的传递;修改模型检测头部结构,增强小目标检测能力。通过消融试验对比分析各个模块对模型的影响,与常见火灾模型进行对比分析,分析本文算法的优劣。算法在自建数据上的平均精度达到78.2%,模型大小为6.7M,单帧（640×640）图像处理时间为15.2ms。实验结果表明,本文算法模型简单、实时性好,为火灾检测算法部署在无人机平台奠定技术基础。     

交通监控场景中的车辆检测与跟踪算法研究

考虑多目标跟踪过程中存在的实时性和身份跳变问题,提出一种基于检测的多车辆跟踪算法。首先利用Mobilenetv2替换YOLOv3检测算法的主干网络,构建目标检测模块YOLOv3-Mobilenetv2,减少检测算法模型参数,提高检测模块的运行速度;在Mobilenetv2中引入Bottom-up连接,增强多尺度特征图间的信息融合;然后构建基于LSTM的运动模型,解决卡尔曼滤波在非线性系统中产生的预测误差,基于Deepsort跟踪算法,引入LSTM运动模型,形成L-Deepsort跟踪算法;改进L-Deepsort跟踪算法外观匹配策略,提升目标间的关联性;最后融合轻量级目标检测算法YOLOv3-Mobilenetv2与多目标跟踪算法L-Deepsort,形成MYL-Deepsort多车辆跟踪算法,实现多车辆的实时准确跟踪。实验结果表明,该方法在跟踪性能提升的情况下,速度较YOLOv3-Deepsort提高21 frame/s,在TX2平台达到13 frame/s。     

面向遥感图像实时目标检测任务的轻量级神经网络设计与实现

神经网络的表征能力给遥感图像目标检测任务提供了一个的便捷工具。然而,目前主流神经网络模型计算代价高限制了其在遥感图像实时目标检测任务的应用。提出一种轻量级神经网络模型用于遥感图像实时目标检测。实验结果表明,文中提出的方法在保持与Yolov3检测精度相当的情况下,模型大小约为Yolov3的十五分之一,网络模型在目标检测精度以及计算开销上可达到更好的均衡。     

惯性基准法在地铁轨道检测中的应用

地铁的使用寿命与地铁轨道的损耗状况有关,及时地发现轨道问题,并加以修复可以有效提高地铁使用寿命,为了提升城市地铁的使用寿命,研究构建了一个基于惯性基准法的地铁轨道波磨损耗检测系统,该系统以惯性基准法为核心,配合加速度计,及检测车辆,对地铁轨道的波磨损耗情况进行检测。结果显示,基于惯性基准法的检测系统的检测成本为65324元,基于弦测法的检测系统的检测成本为78681元,基于惯性基准法的检测系统的检测结果与实际情况基本一致。研究构建的地铁轨道波磨损耗检测系统的检测成本更低,且检测精度符合实际应用需求。     

基于改进YOLOv5s网络的杆塔相关目标检测方法

输电杆塔是输电线路的重要组成部分,采用人工或无人机等手段对杆塔相关目标进行周期性巡检至关重要。为解决目前待检测杆塔类型不同、距离远尺寸小、图像畸变等问题,本文提出一种基于深度学习框架的杆塔相关目标检测方法。该方法在YOLOv5s网络的基础上使用FReLU激活函数代替SiLU激活函数,进而改善了对杆塔相关目标的图像识别准确率;为解决杆塔图像中目标距离远、尺寸小的问题,采用了对小目标、低分辨率友好的SPD-Conv模块;同时使用对目标特征分批次处理的SPPCSPC空间金字塔池化,进一步提升了杆塔目标的检测精度。实验结果表明,改进后的YOLOv5s-FSS网络相比原YOLOv5s网络,其平均精度(mAP)提升2.4%,查准率(Precision)提升0.3%,查全率(Recall)提升1%,目标检测性能提升效果显著,能够有效提升输电杆塔巡检效率。     

基于高频开关网络的自动测试系统的设计与实现

针对目前航天测试任务需求日益复杂且多样化、传统测试方法不能满足测试任务强度及测试精度要求的现状,提出了一种基于高频开关网络的自动测试系统,分析了高频开关网络的设计原理,从链路、电路和结构三个方面对高频开关网络的设计予以优化,给出一个详细的设计方案。整个高频开关网络能够提供多达8×72通道的链路扩展,经过实验测试验证各项性能指标良好。以其为基础搭建的自动测试系统可以较好的解决不同被测微波组件产品测试通用性的问题,具有自动测试与自动校准功能,测试效率高与测量精度高等优点,可实现卫星载荷产品的全过程自动测试,解决传统人工测试效率低且容易出错的问题,应用前景广阔。     

Detecting,locating, and characterizing voids in disaster rubble for search and rescue

After natural and man-made disasters such as earthquakes, hurricanes, and explosions, victims may survive in voids that are formed naturally in collapsed structures. First responders need to identify and locate these critical voids for rapid search and rescue operations. Due to the complex and unstructured occlusions in disaster areas, visual and manual search is time-consuming and error-prone. In this study, we proposed a novel method to automatically detect, locate, and characterize voids buried in disaster rubble using ground penetrating radar (GPR). After preprocessing the collected radargrams, the boundaries of potential voids are segmented based on radar signal patterns, and the 95% confidence intervals are constructed around the segmented boundaries to account for uncertainties. To improve the detection accuracy, the geometric relations of the detected boundaries and their signal characteristics are examined to confirm the void existence. Then, the void location and dimension are estimated based on calibrated velocity of radar wave and its travel time. The effectiveness and efficiency of the proposed method were manifested by its performance in laboratory and field experiments. The contribution of this study is twofold. First, the feasibility of using GPR to detect, locate, and characterize voids in collapsed structures is experimentally tested, innovatively extending the application of GPR to search and rescue operations. Second, algorithms are developed to process non-intuitive radargrams to provide first responders actionable information.     

基于视情维修的涡轴发动机维修保障辅助决策体系研究

复杂装备科学的维修保障策略是保证装备合理使用与适时修理的基础,是有效实施复杂装备全寿命保障的前提,关系着装备任务效能的有效发挥;文中立足于航空装备的视情维修策略,以直升机中广泛采用的涡轴发动机为研究对象,首先基于装备维保过程的大量信息提出了构建涡轴发动机涡轴发动机及其关键部件寿命与健康管理综合知识库的方法、策略;其后结合涡轴发动机循环寿命统计法与基于K均值聚类算法等各类使用条件下的寿命损耗研究方法,阐明了涡轴发动机不同应用条件下的备件量化分析策略;更进一步地,以涡轴发动机关键部件典型故障模式梳理与成因分析(FMECA)与考虑故障概率的发动机核心备件的量化分析为基础,给出了涡轴发动机关键部件备件量化方法与策略;最后基于上述方法的研究成果,阐述了涡轴发动机维修保障辅助决策软件平台的体系架构;文中的相关研究成果可被用于航空发动机等复杂装备系统的维修保障策略构建与工程化应用.     

克希霍夫积分偏移在探地雷达中的应用及实现

详细分析和论述了克希霍夫积分偏移原理及其在探地雷达成像中的应用,针对单目标和多目标做了仿真实验.实验结果证明:将克希霍夫积分偏移原理应用在探地雷达成像中具有精度和效率较高、算法简单等优势.     

设计模式变体的描述与验证*

为解决标准设计模式演化后难以检测的问题,引入设计模式变体思想,以Bridge模式为例,给出了八种常用的变体实现,并以人工形式挖掘了四种开源系统中Bridge模式变体的基准数,接着在Apache Ant1.6.2与JHotDraw5.1开源系统中通过六种主流设计模式检测工具进行了变体检测实验。试验结果表明,FCA-CBR方法简单有效,对2种开源系统中Bridge模式变体检测的精确率达到60%与48.1%,与先前方法相比有了较大的提高。     

新体制民用雷达与实时信息处理研究

随着天线制造技术、超宽带技术、合成孔径技术和信息处理技术的发展,雷达的体积不断减小,探测精度和成像分辨率大大提升,雷达开始在民用领域中活跃起来,尤其是应用于穿透成像、微波遥感成像、滑坡监测和机场异物检测等领域的民用雷达发展十分迅速。为了让民用雷达在复杂的自然环境中具有更高、更稳定的性能,雷达信息处理技术一直在不断创新。本文介绍了民用雷达的新趋势和新技术,以及探墙雷达、微型SAR、边坡雷达和异物检测（Foreign object debris,FOD)雷达实时信息处理的关键问题和解决方案。