深度学习时代图像融合技术进展

为提升真实场景视觉信号的采集质量,往往需要通过多种融合方式获取相应的图像,例如,多聚焦、多曝光、多光谱和多模态等。针对视觉信号采集的以上特性,图像融合技术旨在利用同一场景不同视觉信号的优势,生成单图像信息描述,提升视觉低、中、高级任务的性能。目前,依托端对端学习强大的特征提取、表征及重构能力,深度学习已成为图像融合研究的主流技术。与传统图像融合技术相比,基于深度学习的图像融合模型性能显著提高。随着深度学习研究的深入,一些新颖的理论和方法也促进了图像融合技术的发展,如生成对抗网络、注意力机制、视觉Transformer和感知损失函数等。为厘清基于深度学习技术的图像融合研究进展,本文首先介绍了图像融合问题建模,并从传统方法视角逐渐向深度学习视角过渡。具体地,从数据集生成、神经网络构造、损失函数设计、模型优化和性能评估等方面总结了基于深度学习的图像融合研究现状。此外,还讨论了选择性图像融合这类衍生问题建模(如基于高分辨率纹理图融合的深度图增强),回顾了一些基于图像融合实现其他视觉任务的代表性工作。最后,根据现有技术的缺陷,提出目前图像融合技术存在的挑战,并对未来发展趋势给出了展望。     

多源信息融合的航空发动机异常检测方法研究

针对航空发动机中单参数表征性能不全面,且易受外部环境和飞行工况等因素影响的问题,提出一种基于谱回归和高斯混合模型的多源信息融合的健康因子构建方法。选取记录完整并与发动机健康性能关系密切的参数,以同架飞机左右发动机的性能参数差异值作为数据源,通过谱回归进行特征降维,采用高斯混合模型构建正常状态模型,再以基于贝叶斯推断的距离表征测试数据与高斯混合模型的全局距离判别发动机的异常状态。通过两个航空发动机异常事件案例中真实QAR数据进行验证,结果表明所提方法相较于航空公司能够更有效评估航空发动机的健康状态,提前识别出发动机的异常点,预留出足够的时间为发动机制定可靠的维修计划,提高飞机的安全性与经济性。     

Power system transient stability assessment based on the multiple paralleled convolutional neural network and gated recurrent unit

In order to accurately evaluate power system stability in a timely manner after faults, and further improve the feature extraction ability of the model, this paper presents an improved transient stability assessment (TSA) method of CNN?+?GRU. This comprises a convolutional neural network (CNN) and gated recurrent unit (GRU). CNN has the feature extraction capability for a micro short-term time sequence, while GRU can extract characteristics contained in a macro long-term time sequence. The two are integrated to comprehensively extract the high-order features that are contained in a transient process. To overcome the difficulty of sample misclassification, a multiple parallel (MP) CNN?+?GRU, with multiple CNN?+?GRU connected in parallel, is created. Additionally, an improved focal loss (FL) function which can implement self-adaptive adjustment according to the neural network training is introduced to guide model training. Finally, the proposed methods are verified on the IEEE 39 and 145-bus systems. The simulation results indicate that the proposed methods have better TSA performance than other existing methods.     

一种基于无线射频通讯的共享雨伞系统

目前,以资源优化可利用和绿色出行为理念的共享经济蓬勃发展,基于此,本发明针对用户遇到突发性降雨天气时对雨伞临时需求,本文设计并实现了一款共享雨伞。本设计发明设计一类伞上装有电子标签的雨伞及雨伞借还系统,使用射频识别技术读取电子标签,使用Java技术编写微信小程序,利用STM32单片机控制伞桩的内部运行,便捷用户突遇突发性天气时及时满足用户对伞的需求,还提高社会资源的利用率。     

基于智能手机平台的计算光学显微成像技术研究综述

计算光学显微成像技术将光学编码和计算解码相结合,通过光学操作和图像算法重建来恢复微观物体的多维信息,为显微成像技术突破传统成像能力提供了强大的助力。这项技术的发展得益于现代光学系统、图像传感器以及高性能数据处理设备的优化,同时也被先进的通信技术和设备的发展所赋能。智能手机平台作为高度集成化的电子设备,具有先进的图像传感器和高性能的处理器,可以采集光学系统的图像并运行图像处理算法,为计算光学显微成像技术的实现创造了全新的方式。进一步地,作为可移动通信终端,智能手机平台开放的操作系统和多样的无线网络接入方法,赋予了显微镜灵活智能化操控能力与丰富的显示和处理分析功能,可用于实现各种复杂环境下多样化的生物学检测应用。文中从四个方面综述了基于智能手机平台的计算光学显微成像技术,首先综述了智能手机平台作为光学成像器件的新型显微成像光路设计,接下来介绍了基于智能手机平台先进传感器的计算光学高通量显微成像技术,然后介绍了智能手机平台的数据处理能力和互联能力在计算显微成像中的应用,最后讨论了这项技术现存在的一些问题及解决方向。     

TBM试验台支撑推进节能系统设计与仿真分析

针对全断面硬岩隧道掘进机(hard rock tunnel boring machine,简称TBM)在撑靴以设定压力撑紧围岩后支撑推进系统存在较大流量损失的问题,设计出一种具有负载敏感、恒压控制和蓄能器辅助支撑功能的支撑推进(简称LSCPGT)系统。利用AMESim软件搭建了LSCPGT系统模型,仿真分析了LSDRGT系统在变推进负载下的压力流量响应,并对比分析了在支撑工况下LSCPGT系统和恒压控制泵型支撑(constant pressure gripper,CPG)系统,以及在推进工况下LSCPGT系统与负载敏感泵型推进(load-sensing thrust,LST)系统和定量泵型推进(ration thrust,RT)系统的压力流量响应.结果表明:LST系统和LSCPGT系统在推进过程中都没有流量损失;CPG系统在支撑工况下存在流量损失,而LSCPGT系统由于蓄能器的保压作用没有流量损失;相对于LST系统+CPG系统的支撑推进系统,LSCPGT系统在撑靴达到设定压力后效率至少可提高43.5%。所设计的LSCPGT系统在满足支撑推进要求的同时,避免了流量损失,具有较好的节能效果。