精密金属焊接坏点的视觉识别方法研究与仿真

研究高精密金属焊接坏点准确视觉识别的问题.由于高精密金属焊接坏点的颜色特征与金属本身特征相似,而在坏点很小并且与外部环境过于类似的干扰下,传统的基于像素差异的识别结果不精确,一旦焊接坏点分布的过于集中,干扰将更大,导致焊接坏点识别准确性降低.为解决上述问题,提出一种新的计算机视觉的高精密金属焊接坏点识别方法.采集高精密金属焊接坏点计算机视觉图像,针对金属图像进行特征提取,并对提取的特征进行离散小波变换处理,获取增强处理后的视觉图像.根据增强处理后的视觉图像特征值,获取高精密金属焊接坏点的分布密度,计算焊接坏点的空间位置,实现高精密金属焊接坏点识别.实验结果表明,利用改进算法进行高精密金属焊接坏点识别,能够提高识别的准确率,并且获取焊接坏点在高精密金属制品中的分布位置,为高精密金属制品的生产质量提供保障.     

塑钢纤维掺量对钢筋与轻骨料混凝土粘结作用的影响

通过对钢筋与轻骨料混凝土进行拔出试验,探究塑钢纤维掺量对钢筋与轻骨料混凝土粘结作用的影响.以τ-s曲线描述试件粘结滑移的过程,用相对粘结强度衡量塑钢纤维掺量的影响作用,引入粘结韧性来分析塑钢纤维在试件粘结滑移过程中约束与耗能作用.结果表明:试件的破坏形态随纤维掺量的增加由劈裂破坏变为拔出破坏;钢筋的平均极限粘结强度τu、峰值滑移量su随纤维掺量的增加而增大;根据试验数据拟合出了相对粘结强度与塑钢纤维掺量的经验公式,可为工程设计提供参考;粘结韧性随纤维掺量的增加而提高,约束与耗能作用明显增强,但本试验塑钢纤维掺量超过6 kg/m3后,韧性虽继续增长,但韧性增幅却呈下降趋势.     

带裂缝混凝土进行硅烷浸渍防护的研究

对于海工混凝土结构或者是处于氯离子侵蚀条件下的混凝土结构,如果出现裂缝,则裂缝将成为侵蚀性离子进入混凝土的便捷通道,极易造成钢筋的锈蚀和混凝土破坏。试验选择在混凝土试件出现0.2 mm宽的裂缝后,对其进行硅烷溶液、乳液或者凝胶浸渍处理,然后再进行氯离子侵蚀试验。通过对试件氯离子二维含量的分析,验证了对带裂缝混凝土进行硅烷浸渍防护处理具有非常好的效果。     

轻量级安全内存：RISC-V嵌入式微处理器安全增强

近年来,针对嵌入式设备中硬件的新型攻击不断出现,严重威胁嵌入式设备的安全.特别是随着非易失性存储器开始被配备到嵌入式设备中,就需要考虑如何保护配备非易失性存储器的嵌入式设备的安全.安全内存,就是这样一种通过保护内存来增强嵌入式设备安全性的有效手段.通过设计一种安全内存加密引擎来实现安全内存.在保证该安全内存加密引擎足够轻量、开销低的同时,将其集成到RISC-V嵌入式微处理器中,并通过FPGA对该安全内存加密引擎进行了评估.评估结果表明,安全内存加密引擎能够在提升RISC-V嵌入式微处理器安全性的同时,保证其合理的访存性能以及较小的面积开销.研究结果具有良好的参考价值和应用前景.     

高保真IP指挥调度系统关键技术应用

高保真IP指挥调度系统是在继承传统话音指挥调度系统的体系架构和业务应用模式的基础上,研制的新一代话音指挥调度系统.通过采用国产自主可控技术、宽频话音编码技术、大容量会议混音技术、回声消除技术及多级降噪等关键技术,系统功能、性能和安全性得到进一步提升,特别是话音质量在原来口令清晰的基础上达到了人员可辨,有效满足了未来话音指挥调度的业务需求.     

基于边缘计算的作物病虫害监测嵌入式系统设计

现有农作物监测大多采用大面积、分布式的设备来完成.不仅维护成本高昂,难管理,而且对于许多中小型农户是无法从智慧农业中受惠.综合考虑各区域种植条件的不同,设计提出一种基于边缘计算的轻量化嵌入式监测系统,通过搭建神经网络,配合作物数据处理算法并部署在嵌入式设备上,与无人机协同完成对作物的检测.经过实验验证,该系统具有低功耗、轻量化、低成本、检测范围广的优势,病虫害模型精度在92％及以上,能有效解决国内外农作物病虫害及生长环境参数的精细化监测问题.     

基于深度长短时记忆网络的多支路串联故障电弧检测方法

针对低压配电系统中,实际配电网负载端的负载串并联形式的多样化和多变性特点,研究干路点检测支路发生的故障电弧具有十分明显的实际意义,提出了一种基于深度长短时记忆(LSTM)网络的多支路串联故障电弧检测方法.首先,构建实验平台,采集支路发生不同串联故障情况下的干路电流信号共计72000组;然后,将电流信号分为训练集和测试集;最后,通过Python平台优化深度LSTM网络模型结构以识别故障电弧,并输出检测结果.实验结果显示改进的LSTM网络对于每组实验单独分类检测准确率最低为96.8％,最高可达99.0％,多组实验统一进行检测准确率达94.88％.该方法能够有效识别多支路负载下的串联故障电弧,为低压串联故障电弧的准确检测提供了新的思路和有益探索.     

抗频率变换的采样计数音频检索方法

理想的音频检索方法可以准确、高效地从大规模音频数据库中识别所有音频。但是,目前还没有一种方法可以对所有噪声干扰鲁棒。基于Philips指纹的采样计数音频检索方法是目前最高效的方法之一,如果能解决其无法抵抗线性变换（时间缩放、频率变换）的缺点,则整个采样计数音频检索方法将进一步趋于理想。针对其中的频率变换问题,提出抗频率变换的采样计数音频检索方法,包括变频带间隔的查询指纹生成方法、多频率尺度的查询匹配方法,以及分步骤指纹提取和变过滤阈值两种加速策略。该方法可以抵抗70%到130%的频率变换,效果与目前最好的QUAD方法相当,并且可以扩展到任意使用Philips类的指纹的检索方法以增强其抵抗频率变换干扰的能力。     

基于多特征融合与ResNet的海面溢油区识别研究

近年来,合成孔径雷达（SAR）在改善溢油检测方面得到了广泛应用。然而,由于其特殊的成像机理,乘性相干斑噪声和其他物理现象引起的暗斑一直影响着溢油检测的精度。单独使用一种特征很难对图像上的油膜和类油膜现象进行区分,针对这一问题提出了利用多特征融合结合深度残差网络（ResNet）的方式来区分全极化图像上的油膜和类油膜现象。实验中将C波段的三种极化特征：极化散射熵（Entropy）、平均散射角（Alpha）和单次散射特征值相对差异度（SERD）组合在一起,形成一个优化特征子集,在确定的三种极化特征对应的特征图上选取多个感兴趣区域作为ResNet网络的训练集和测试集。该实验所用训练集由3 600个原油样本、3 600个生物油样本和3 600个乳化油样本（共计10 800个）组合而成。测试集由600个原油样本、600个生物油样本和600个乳化油样本（共计1 800个）组合而成,最终得到97.56%的分类精度。用同样的实验数据采用同是深度学习的VGG和AlexNet分类算法进行油膜和类油膜的分类,并与ResNet算法分类结果进行对比分析。为了减弱过拟合现象以及获得更可靠的实验结果,分别进行了[K]-交叉验证和ROC曲线实验。结果表明所提出的算法是有效的。     

基于聚类的离群点检测方法研究综述

离群点检测在数据处理中具有重要研究意义,其检测方法大致可以分为基于统计、基于距离、基于密度和基于聚类的方法。为了及时掌握当前基于聚类技术的离群点检测方法的研究现状,通过归纳与整理,将具有代表性的基于聚类的离群点检测方法进行了介绍和归类,将其主要分为静态数据集中的检测方法、数据流中的检测方法、大规模数据中的检测方法和其他方法等四大类。对每类方法所解决的问题、算法思想、应用场景以及各自的优缺点进行了详细的归纳和分析,指出目前存在的问题以及未来发展方向。