基于DeepLab V3+的无人机航拍绝缘子图像自动化分割方法

绝缘子是输电线路的重要组成部分。为了实现输电线路巡检的智能化，对绝缘子区域的自动化识别是基础性工作之一。笔者提出了一种基于DeepLab V3+的无人机航拍绝缘子图像自动化分割方法，同时将DeepLab V3+的分割性能与现有的主流卷积神经网络U-Net、Residual U-Net、Dilated U-Net进行了比较。结果显示DeepLab V3+方法不但在DICE指标上得到了93.28%的分割精度，在IOU指标、敏感性和Jaccard定量分析中也都表现出最好的性能。实验证明该方法为自动化分割绝缘子区域，提高输电线路巡检的效率和准确性提供了一种潜在的工具。     

复杂阻抗分布时多APF并联谐振分析和抑制

此处主要对弱电网下考虑电网阻抗和设备间线路阻抗时并联有源电力滤波器(APF)系统进行研究。当仅考虑电网阻抗时,并联APF系统中每个APF系统均采用电容串联电阻的无源阻尼,系统稳定运行。但由于设备间存在线路阻抗,并联系统中APF通过公共节点电压相互耦合,易产生谐振。由此建立APF多机并联模型,结合公共耦合点矩阵方程,对系统谐振问题进行分析。通过分析,当考虑电网阻抗和设备间线路阻抗时,仅采用无源阻尼的APF系统不再稳定,即使引入基于电容电流的有源阻尼,也不能消除APF的谐振,且设备的公共耦合点周围阻抗越复杂,谐振现象越严重。为此,在此引入基于公共耦合点电压前馈的有源阻尼,针对该矩阵提出的有源阻尼模型,得到不同电网阻抗时系统的幅频特性曲线,可知该方法能够有效抑制并联产生的谐振。最后通过搭建仿真和实验平台,验证上述理论分析的正确性和抑制策略有效性。     

基于Dark-YOLO的低照度目标检测方法EI北大核心CSCD

在复杂的低照度环境中获取的图像存在亮度低、噪声多和细节信息丢失等问题,直接使用通用的目标检测方法无法达到较为理想的效果.为此,提出低照度目标检测方法——Dark-YOLO.首先,使用CSPDarkNet-53骨干网络提取低照度图像特征,并提出路径聚合增强模块以进一步增强特征表征能力;然后,设计金字塔平衡注意力模块捕获多尺度特征并加以有效利用,生成包含不同尺度且更具判别力的特征;最后,使用预测交并比(intersection over union,IoU)改进检测头,IoU预测分支为每个预测框预测IoU值,使得目标定位更加准确.在ExDark数据集上的实验结果表明,相较于YOLOv4,均值平均精度(mAP)提升了4.10%,Dark-YOLO方法能够有效地提高在低照度场景下目标检测的性能.     

基于自适应注意力的任意形状场景文本检测

大量基于卷积神经网络的场景文本检测方法对于密集的长文本容易检测不全，且泛化能力较差。针对这些问题，提出一种面向自底向上的场景文本检测方法。使用自适应通道注意力机制(ACA),通过局部跨通道交互获得更具代表性的文本特征，提高深度卷积神经网络的性能；利用特征增强金字塔(FPEM)融合低层和高层信息进一步增强不同尺度的特征；为解决长文本尺度变化问题，提出一种加权感知损失(WAL),通过调整不同大小的文本实例的权重来增强鲁棒性。实验在CTW1500及MSRA-TD500标准数据集上验证了该方法的优越性。     

基于时空卷积的机会网络拓扑预测

机会网络拓扑的高动态性导致其拓扑预测极具挑战。现有拓扑预测方法主要关注网络长期时空依赖，忽视了短期时空特征。综合考虑机会网络长短期时空依赖关系，提出一种基于动态时间规整算法与时空卷积的机会网络拓扑预测方法（DTW-STC）。基于动态时间规整算法确定切片时长，将机会网络切分为快照，用快照的链路状态矩阵表征其拓扑信息；采用时序卷积神经网络获取短期时序特征，结合网络变化构建时空图表征短期时空关系，利用图卷积运算提取网络的短期时空特征，经过多次卷积的堆叠，得到网络长短期时空特征；基于自编码器结构实现向量空间切换，预测下一时刻网络拓扑。3个真实机会网络数据集ITC、MIT以及Asturias-er上的实验结果表明，DTW-STC方法的预测性能优于基线方法。     

基于结构张量筛选和局部对比度分析的空中红外小目标检测算法

针对复杂云层背景下红外小目标检测的虚警现象和实时性要求，提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点，滤除大部分非目标区域，保留少量可疑区域，再对可疑区域进行局部对比度计算，能够增强目标、抑制残留背景，并有效减少计算量。算法步骤如下：首先，在滑动窗口捕获的局部图像区域内构建结构张量矩阵，将最大特征值大于特定阈值的区域标记为可疑区域；然后，对可疑区域进行比差联合型局部对比度计算，生成显著度图；最后，利用自适应阈值分割实现小目标的分离。实验结果表明：该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。     

新型可重构电容传感器对有毒气体的检测北大核心CSCD

文中设计了一种可调频率、可选择界面且可重构的新型电容传感器,该传感器由一对金属贴片以及PDMS材质的微流体主管道和支管道组成。微流体主管道对液态金属进行控制,支管道的功能是对柠檬酸溶液进行储存。PDMS材料良好的渗透性使得柠檬酸蒸汽沿着支管道内壁渗入主管道,在接触到金属表面氧化层后发生理化反应,还原其流体特性,金属液滴可以在管道里运动。最后,采用液态的金属微流体设计可调频率、可选择界面、可重构的新型电容传感器。管道内的金属液滴的具体位置以及形貌对调谐性有着关键性的作用。通过对有毒气体浓度的检测实验可知:设计的新型电容传感器可应用在电子器件及毒气检测领域。     

基于电压波形分割-聚类的配电网弧光接地辨识方法研究

本研究提出了一种基于波形子序列分割和联合三相电压-零序电压波形特征提取聚类的单相弧光接地故障辨识方法，用于解决传统基于阈值判断方法在配电网中检测弧光接地故障时受到电流的限制。该方法首先对录波器电压波形故障段进行分割，建立三相电压和零序电压的波形子序列。然后通过特征指标分析和主成分分析方法对波形特征进行全面描述和降维处理。最后采用基于波形子序列的K-means聚类算法对降维后的特征分布进行故障辨识。实验结果表明，该方法在试验样本中具有较高的准确采集率，达到96.78%,对于配电网故障监测和诊断具有重要的实际应用价值。     

基于结构张量筛选和局部对比度分析的空中红外小目标检测算法

针对复杂云层背景下红外小目标检测的虚警现象和实时性要求，提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点，滤除大部分非目标区域，保留少量可疑区域，再对可疑区域进行局部对比度计算，能够增强目标、抑制残留背景，并有效减少计算量。算法步骤如下：首先，在滑动窗口捕获的局部图像区域内构建结构张量矩阵，将最大特征值大于特定阈值的区域标记为可疑区域；然后，对可疑区域进行比差联合型局部对比度计算，生成显著度图；最后，利用自适应阈值分割实现小目标的分离。实验结果表明：该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。