基于特征融合的可见光与红外图像目标检测

为提升目标检测任务在复杂环境下的识别效果,提出了一种基于特征融合的红外与可见光目标检测方法。该方法首先采用并列的卷积神经网络分别提取红外和可见光特征信息,并利用通道和空间注意力机制提升有效特征的权重;其次,为充分利用红外和可见光特征进行信息互补,设计了特征自适应融合结构,以自主学习方式将红外与可见光特征以最优方式加权融合;最后,针对不同尺度目标,通过交替采样方式充分融合深层和浅层特征,保障各维度目标检测效果。通过实验表明,所提方法可以充分利用并融合不同模式、尺度的目标特征信息,实现目标准确识别及定位。同时,在实际电网设备检测中,该方法也体现出较优的鲁棒性和泛化性。     

基于改进Yolov5模型的实时人脸检测算法

针对疫情背景下,在一些人流密集场所进行体温筛查或身份识别,当待检测对象快速通过时,人脸检测实时性不高的问题,提出了一种改进Yolov5模型的实时人脸检测算法。该算法首先对骨干网络层进行轻量化改进并引入注意力机制减少冗余信息;其次修改了检测层网络结构,增加了对小目标人脸及倾斜人脸检测的适应性;随之使用Focal EIOU损失函数代替Yolov5原始损失函数中的GIOU损失函数来计算定位损失,有效解决了预测框在目标框内部或预测框与目标框大小一致时无法精确定位的问题。实验结果表明：提出的实时人脸检测算法检测精度达到97.2%,检测速度达到66.7 f/s,相较于原始Yolov5算法,检测精度提升了19.7%,检测速度提升了24 f/s,满足实时人脸检测要求,同时对于黑暗环境及不同表情姿态人脸检测也有较好的适应性。     

蓝光激光增材高反射率金属研究现状及发展趋势

激光增材制造技术利用逐点逐层的加工方式,对于复杂金属构件的制备具有极大的技术优势。对于高反射率金属材料,它们在不同波长下的激光吸收率相差较大,提高其对激光吸收率是改善成形件质量的重要途径之一。为获得质量良好的成形件,可采用如蓝光激光、绿光激光等短波长激光光源对高反射率金属材料进行增材制造。阐述了金属粉末材料对蓝光激光的吸收机理、蓝光激光器的研究及发展现状,分析并总结了高反射率金属蓝光激光选区熔化及沉积技术的研究现状,并展望了其未来的发展趋势。     

中国电力中长期市场分时段交易价格形成机制及模型

电力中长期市场分时段交易是中国电力市场改革的重要举措之一。针对当前电力中长期市场分时段交易价格形成机制不合理、不完善的问题,提出了中国电力中长期市场分时段交易价格形成机制及其模型。首先,分析影响中国电力中长期分时段交易价格形成的因素,提出电力中长期交易的4种典型场景;然后,综合考虑生产成本和用户效用,探索性地提出适用于中长期分时段交易的系统平均成本定价、用户失负荷价值定价、系统边际成本定价和发电企业失负荷价值定价4种成本定价机制,构建了基于成本定价的分时段交易定价模型;最后,以某省实际数据为例进行测算,验证了模型的有效性。     

电-碳联合市场下虚拟电厂主从博弈优化调度

为使虚拟电厂更好地适应新型电力系统的发展,针对含综合能源的虚拟电厂,设计电-碳联合市场交易框架,在此基础上,提出一种考虑需求响应的虚拟电厂主从博弈优化调度策略。以虚拟电厂运营商为领导者、新能源热电联供运营商和综合能源用户系统运营商为跟随者,形成一主多从的Stackelberg博弈模型,同时优化虚拟电厂运营商定价策略、供能侧出力计划和用户侧需求响应方案,并对博弈均衡解的存在性和唯一性进行证明。最后,通过算例验证所提策略的有效性,虚拟电厂内部各主体利益得到有效提升,算例结果也表明不同类型需求响应占比对各主体利益有很大的影响,同时所提的优化调度策略为虚拟电厂制定内部购售电价格、调度计划和参与电-碳联合市场交易提供了参考。     

考虑综合需求响应的综合能源系统多能协同优化调度

在能源互联网迅速发展的背景下,综合能源系统多能耦合互补特性为需求侧参与系统调度提供了更大的优化空间,如何建立切实有效的多能源、多类型需求响应模型对提升系统运行性能具有重要意义。为此,建立了考虑激励型、替代型和基于实时定价机制的价格型多能源、多类型需求响应精细化模型,在此基础上,以电、气、热、冷多能耦合园区系统为研究对象,考虑系统运行、需求响应、用户用能满意度等约束条件,提出了考虑综合需求响应的综合能源系统多能协同优化调度策略。算例分析结果表明所提优化策略能够充分挖掘需求侧资源的调节潜力,在促进能源供需平衡的同时实现了系统多能协同互补与经济运行。     

基于改进YOLOv5的密集场景行人检测方法研究

当前的研究中密集场景行人检测精度较低,为提高检测精度,提出一种基于YOLOv5网络的改进方法V-YOLO,采用加权双向特征金字塔网络(bi-directional feature pyramid network, BiFPN)改进原始网络中的路径聚合网络(path aggregation network, PANet),加强多尺度特征的融合能力,提高对行人目标的检测能力。为了保留更多的特征信息,提高主干网络的特征提取能力,添加残差结构VBlock;引入SKNet(select kernel networks)注意力机制,动态融合不同感受野的特征图,提高对不同行人特征的利用率。使用CrowdHuman数据集进行训练和测试,实验结果表明,所提出算法比原始网络的精确度、召回率和平均精度值分别提高1.8%、2.3%和2.6%,验证了所提出算法能有效的提高密集场景下行人目标检测的准确率。     

基于Transformer与增强信息融合的双源情感识别

为解决当前多模态情感识别效果不佳的问题,提出了一种基于Transformer与增强信息融合的双源情感识别模型,模型由音视频编码分支网络和双源增强特征融合模块组成。其中,视频编码分支利用MobileViTv2提取每帧视频的空间特征,并通过在Transformer编码器结构中内嵌残差结构,强化各帧短期关联语义信息的提取能力。在音频特征提取部分构建了维度匹配器,避免了潜在异构鸿沟,提高了模型训练的鲁棒性。在音视频特征融合处引入低参数量跨模态注意力机制,从两个角度同时增强特征融合能力。通过对比和消融实验证明了方法在多模态情感识别任务中的有效性。     

基于改进Centernet的变电设备红外检测方法

变电站红外图像中小目标众多并且环境复杂,导致现有检测算法精度较低,因此本文提出一种基于改进Centernet的变电设备红外检测方法。首先以Centernet作为基础模型,将FPN结构引入上采样网络以充分利用小目标特征信息,从而解决小目标难以被精确检测的问题;然后,为提升网络在复杂环境中检测的鲁棒性,通过在主干网络resnet50中嵌入注意力机制来提升网络对重要目标的关注;最后,采用CIOU损失替换中心点偏移损失和宽高损失的训练策略以加速网络收敛、提升训练效果。实验结果表明,本文方法在小目标检测和复杂环境检测中都能有较好的检测效果,检测精度相比改进前提升3.1%,达到92.7%,相比Faster R-CNN等现有方法精度更高,在变电设备红外检测中具有一定参考价值。     

基于改进YOLOX-S的交通标志识别

交通标志是车辆在规范行驶过程中的一个重要指导,交通标志识别是无人驾驶汽车环境感知中必不可少的重要内容。本文基于YOLOX-S算法进行改进,通过在主干网络末端添加CBAM注意力机制模块,强化特征提取网络所得到的特征;使用Focal Loss函数,更好地消除正负样本不均衡问题,挖掘难例样本;使用GIOU损失函数,解决了原损失函数存在的优化不一致和尺度敏感的问题,进一步提高模型的识别准确率。本文基于TT100K数据集对提出算法进行了实验,对比了几种主流算法与本文算法的识别精度,实验结果表明在具有较高FPS的前提下,本文算法对大部分目标类别的检测精度都有所提升。相较于YOLOX-S模型,所提模型的coco精度评价指标mAP＿50提升1.9%,mAP＿50:95提升2.1%,FPS为35.6。证明了所做改进的有效性。