面向高光谱影像场景分类的轻量化深度全局-局部知识蒸馏网络

针对目标场景复杂的空间布局和高光谱影像固有的空-谱信息冗余等挑战,提出了端到端的轻量化深度全局-局部知识蒸馏（Lightweight Deep Global-Local Knowledge Distillation,LDGLKD）网络。为探索空-谱特征的全局序列属性,教师模型视觉Transformer(Vision Transformer,ViT)被用来指导轻量化学生模型进行高光谱影像场景分类。LDGLKD选择预训练的VGG16作为学生模型来提取局部细节信息,将ViT和VGG16通过知识蒸馏协同训练后,教师模型将所学习到的远程上下文关系向小规模学生模型进行传递。LDGLKD可通过知识蒸馏结合上述两种模型的优点,在欧比特高光谱影像场景分类数据集OHID-SC及公开的高光谱遥感图像数据集HSRS-SC上的最佳分类精度分别达到91.62%和97.96%。实验结果表明：LDGLKD网络具有良好的分类性能。根据欧比特珠海一号卫星提供的遥感数据构建的OHID-SC可以反映详细的地表覆盖情况,并为高光谱场景分类任务提供数据支撑。     

面向机器视觉的云母槽精确定位系统

针对机车电机整流子维修加工过程中,当前普遍应用的激光调制定位型云母槽削刻系统存在精度较低且需大量人工干预的问题,提出了一种基于机器视觉的云母槽精确定位方法,来克服电机整流子云母槽边缘难以精确提取的难点。本系统首先自主设计了精度补偿算法并构建了定位误差修正模型,基于此搭建了嵌入式系统平台,实现了对云母槽中心线的全自动快速精确定位;准确计算刻刀与中心线的偏差值;精确控制刀头移动到正确的下刻位置。实验结果表明,该仪器能精准计算云母槽中线位置,通过伺服电机对铣刀进行微调对准,并将刻刀定位误差控制在0.02 mm之内,实现了整个操作流程的自动化和精确化。