基于卷积神经网络的水下目标声呐图像识别方法

水下目标识别是水下无人探测的一项核心技术,为提高水下自动目标识别准确率,提出基于卷积神经网络的目标声呐图像识别方法,针对声呐图像特点,设计了融合图像显著区域分割和金字塔池化的水下目标识别模型。基于流形排序显著性检测方法分割和裁剪图像,减小输入数据维度并减少图像背景对目标特征提取过程的干扰;通过堆叠卷积层和池化层,从原始声呐图像中自动学习目标的高层语义信息,避免人工提取图像特征对有效信息的破坏;提出采用空间金字塔池化方法提取特征图中的多尺度信息,弥补声呐图像细节信息少的缺陷,同时解决输入图像尺寸不一致的问题。结果表明,设计的卷积神经网络模型在实测声呐图像数据集上能够比常规卷积神经网络更准确、更快速地识别水下目标。     

深冷处理对铜合金组织与性能影响

对经挤压后的Cu-6%Al铜合金进行-196℃的深冷处理,研究深冷处理时间对其组织和性能的影响。结果表明:Cu-6%Al铜合金经深冷处理后组织中剪切带细化,孪晶形成。随着深冷时间的延长,Cu-6%Al铜合金的布氏硬度变化呈现先增大再减小,后趋于平稳的趋势,在12 h处达到峰值,为181.6 HBS,并建立了布氏硬度与深冷时间的关系方程。随着深冷处理的进行,Cu-6%Al铜合金的抗拉强度和屈服强度得到提升,而均匀伸长率的变化并不明显。研究发现,挤压变形后的Cu-6%Al铜合金经过深冷处理,其微观组织更为均匀,力学性能更加优异。     

基于显著性检测的声呐图像快速降噪研究

声呐图像在获取过程中易受噪声污染,而降噪性能好的算法通常时间复杂度较高。鉴于人类视觉注意机制,将基于流形排序(MR)的显著性检测方法引入声呐图像处理,将图像自动分割为显著区域和非显著区域两部分。对于占比小的显著区域采用三维块匹配(BM3D)算法降噪以保护图像主要信息,对非显著背景区域采用执行效率较高的均值滤波(MF)算法。将所提算法同经典MF,BM3D算法进行主观和客观评价指标对比,结果表明,所提算法在提高图像视觉效果的同时,执行时间较BM3D算法大为减少,可以满足水下航行器实时作业的应用需求。     

基于三维形貌和剪胀效应的软-硬节理抗剪强度模型

上、下盘抗压强度不一致的软-硬节理的抗剪强度难以准确获取，应用Barton模型等常用的岩石节理抗剪强度模型也不能准确表征这类特殊节理的抗剪强度。借助三维激光扫描和3D打印技术，浇筑了具有自然节理形貌上下盘抗压强度相同以及上下盘抗压强度不同的人工节理试样，并对其进行常法向应力下的剪切试验。分析了法向应力、三维形貌特征以及节理强度比对软-硬节理的抗剪强度和剪胀角的影响。试验结果表明:节理抗剪强度与法向应力、节理强度比和节理粗糙度呈正相关；剪胀角与法向应力呈负相关，与节理强度比和节理粗糙度呈正相关。通过研究剪胀角在剪切过程中随法向应力和节理强度比的演化规律，建立了含有三维形貌参数和节理强度比的岩石节理抗剪强度模型。通过与Barton模型的对比分析，验证了所提出模型的可靠性。采用该文模型计算云南某水电站库区内不稳定斜坡平硐内出现的软-硬节理的抗剪强度，计算结果和试验值较为接近，论证了该模型的适用性。