关键词： 宽带雷达   相参积累   尺度效应   拉东-傅里叶变换   宽带缩放的拉东-傅里叶变换  

摘要： 在高速运动目标的检测中,信号在长时间累积中会在距离域和多普勒域引起跨距离单元走动和跨多普勒单元走动问题。“两跨”问题会严重影响积累增益,为解决此问题近些年已涌现出很多方法,但是已有研究大多针对的是窄带条件下的“停走”回波模型,没有考虑目标速度对回波的尺度伸缩影响,以此类研究中经典的拉东傅里叶变换(RFT)算法为基础提出了一种新的长时间相干积累方法,即宽带缩放的拉东傅里叶变换(WS-RFT)。深入研究了尺度效应对脉冲压缩性能的影响,分析了传统RFT变换的距离和速度偏移,并与WS-RFT算法的检测性能相比较。最后设计了仿真实验,证明了所提出的WS-RFT算法可以极大地提高宽带雷达对远距离、弱和高速度目标的检测性能。

关键词： 目标跟踪   传感器控制   联合风险   改进匈牙利法  

摘要： 在多传感器多目标协同跟踪过程中,雷达量测噪声方差随距离变化,距离相关噪声特性使得目标跟踪误差增加。雷达辐射风险和目标威胁风险将导致跟踪精度和传感器安全性下降。对此,在时变量测方差下构造了广义目标跟踪代价,综合考虑雷达辐射截获概率和目标威胁风险,建立时变量测方差下多传感器联合风险控制模型,提出了改进匈牙利法优化求解,通过最小化综合风险合理控制传感器跟踪目标。仿真显示,所提算法在满足对目标跟踪精度要求的同时降低了联合风险。

关键词： 配电网隐患   MobileNet注意力   位置注意力   移动端部署  

摘要： 配电网无人机巡检移动端设备需要准确实时地识别巡航路线上的安全隐患。无人机采集和拍摄到的图片背景复杂、尺度变化大,因此准确、及时地检测出隐患类别是一个挑战。提出了一种改进YOLOv5s算法,设计了注意力移网络(Attention MobileNet)来替换YOLOv5s的主干网络,用于配电网安全隐患的实时检测。针对配电网复杂的背景特征和隐患特征多样性的特点,需对关键区域进行关注,在模型的特征中融合位置注意力机制(Coordinate Attention),将其添加到YOLOv5s的检测头中,提高隐患检测分类的准确性。实验结果表明,所提出的改进网络模型内存占用量仅为原模型的85%,模型推理速度达到了30fps,满足实时性的要求。数据集平均精度均值(mAP)、精度(P)和召回率(R)分别为37.8%、69.2%和79.6%,mAP比原始模型提高了2.3%,高于SSD、FasterR-CNN等,满足实际的应用要求。

关键词： 深水检测   隐蔽病害识别   损伤识别   目标检测   人工智能  

摘要： 大坝长期服役过程中,在水环境和外部荷载的交互耦合作用下,其深水结构部位易出现各类缺陷病害,影响工程服役安全稳定和功能发挥。水下机器人搭载可见光相机,可以非接触形式实现结构损伤的高分辨率空间信息采集,如何从海量图像视频数据中提取结构损伤密切相关信息成为当前亟待解决的关键问题。结合机器视觉和深度学习理论方法,提出了一种兼顾检测精度和推理效率的大坝深水多类别缺陷实时目标检测方法。该框架以单阶段目标检测网络YOLOv5-s为基模型,构建大坝多类别缺陷识别器;利用模型稀疏化和剪枝策略,改变模型批处理层权重分布并去除模型冗余参数;进一步地,综合运用模型迁移和知识蒸馏理论,恢复由于剪枝压缩带来的精度劣化问题,据此构建出强背景干扰下大坝深水多类别缺陷实时检测方法。以某高坝深水探测工程为实例,引入多种深度学习目标检测算法作为对比,验证所提方法在障碍物遮挡、低可见度、光照不均等复杂深水检测场景的效果。案例分析结果表明,该方法可有效克服多种水下不利成像环境干扰,并准确辨识、区分不同类型缺陷,量化其真实尺寸。此外,剪枝后轻量化模型每秒可推理超过100张缺陷图像,具备较强的实时推理能力。

关键词： YOLOv8   船只目标检测   可变形卷积   注意力机制  

摘要： 针对传统船只目标检测算法的精度较低、船只检测类别单一等问题,提出一种改进的DGA-YOLOv8海上船只目标检测算法。首先,网络采用可变形卷积扩大模型的感受野,通过引入可学习偏移量,使模型能够根据物体实际形状自适应调整感受野大小和形状,确保卷积区域能够精确覆盖船只物体的轮廓。其次,引入GAM(global attention mechanism)注意力机制,使网络能够有效突出船只目标的关键特征,提高目标识别能力。实验结果表明:改进后算法的精确度和平均精度均值(mAP)达到96.4%和92.2%,FPS(frame per second)为43.55,在提升精度的同时也保证了一定的检测速度,满足了实时性检测的需求。同时与其他主流算法对比,其中包括Faster R-CNN(faster region-based convolutional neural network)、YOLOv5s和YOLOv10等。结果表明:所提算法具有更高的平均精度和更显著的分类效果。

关键词： 开放世界目标检测   未知类目标检测   基于中心点的分组策略   形状感知   冗余度得分  

摘要： 针对开放世界目标检测中未知类目标预测性能不佳的问题,提出了一种基于形状感知与类平衡优化的开放世界目标检测方法。未知类指在训练阶段未标注的类别,由于缺乏标签的指导,未知类目标的检测是一个具有挑战性的任务。构建了一种未知类增强探测器,作为未知类检测分支,在训练阶段只利用已知类标签进行监督,让探测器学习已知类目标特征的相似性,进而推广到未知类目标。为了提高探测器对未知类的敏感度,利用区域生成网络(region proposal network, RPN)模块区分前景和背景的特性,使用特定筛选方式,从RPN输出中选择“具有未知类潜力”的结果作为伪标签参与探测器训练过程。由于缺乏置信度得分,传统非极大值抑制(non-maximum suppression, NMS)方法难以应用于未知目标的后处理,因此设计了一种冗余未知类目标框抑制器,该抑制器由基于中心点的分组策略和基于形状感知冗余度得分矩阵构成。其中基于中心点的分组策略包含三种根据未知类中心点的分组方法,用于确定抑制范围。接着根据组内每一个预测框的冗余度得分构建冗余度得分矩阵,从而抑制高冗余预测结果。在开放世界目标检测数据集上的实验结果表明基于形状感知与类平衡优化的开放世界目标检测方法在保证未知类召回率的同时,具有较高的未知类预测精度。基于形状感知与类平衡优化的开放世界目标检测方法能有效应对开放世界的难题,避免产生大量的无用预测结果。

关键词： 地震数据   随机噪声   去噪   生成对抗网络   CycleGAN   图像处理   卷积神经网络   深度学习  

摘要： 针对实际地震数据被大量随机噪声干扰而难以获得配对的无噪数据问题,文中提出一种基于CycleGAN(Cycle Generative Adversarial Network)的地震数据随机噪声压制方法来获得高质量的地震数据。将残差网络引入循环生成对抗网络的生成网络中,通过跳跃连接形式加快网络的训练速度,并扩充残差块中的卷积层,增强残差块结构来更好地获取样本特征。对合成数据和实际数据分别进行实验,利用SNR(Signal to Noise Ratio)和MSE(Mean Square Error)等评价指标验证其去噪效果,并将结果与CNN(Convolutional Neural Network)去噪方法进行对比。结果表明,相较于CNN,所提方法的SNR、MSE和PSNR(Peak Signal-to-Noise Ratio)在合成数据实验中分别提升了0.59 dB、23.72、2.81 dB,在实际数据实验中分别提升了4.63 dB、1.13、0.77 dB,训练时间缩短约58%。

关键词： 水下小目标检测   YOLO v5s   卷积注意力模块   Swin Transformer   α-iou  

摘要： 针对目前水下图像存在图像模糊以及小目标聚集导致水下小目标识别精度低的情况,提出一种基于改进YOLO v5s的水下小目标检测算法。在主干特征提取网络中嵌入卷积注意力模块,强化小目标信息,提高网络模型的特征提取能力。设计了一种改进的C3模块C3Swin,在原始C3模块中加入Swin Transformer结构,在不同滑动窗口间进行信息交互,增强了全局信息的提取能力。对原始YOLO v5s的检测层进行重构,增加小目标检测层,提升小目标的检测精度。改进损失函数,使用α-iou对原损失函数进行优化,提升预测框的回归精度。实验结果表明,在URPC水下目标检测数据集中,本工作提出的算法平均精度均值(mAP)为86.9%,相较于原模型提升了2.9%,检测速度为62.7 Hz,优于主流算法,在保证检测速度的同时提升了检测精度。

关键词： 机器视觉   煤炭分选   智能自动化   图像处理   模式识别  

摘要： 研究并实现一种基于机器视觉的煤炭智能分选系统。首先设计整体系统架构,其次重点研究煤矸分选中的图像处理与模式识别算法,再次基于六轴机械臂搭建自动化分选系统,并进行系统集成,最后通过实验评估系统性能,验证方法的有效性。

关键词： 重载铁路   红外图像   前景分割   目标检测  

摘要： 随着我国铁路网的不断完善,周界入侵的准确检测成为重要的研究问题。针对单一RGB相机的成像效果差、检测鲁棒性差的问题,本文提出了一种铁路红外与可见光融合的入侵检测算法,在远景内使用改进的ViBe算法对红外图像进行粗检测,确定坐标后使用可见光相机进行细检测。首先,对红外热成像相机实时采集的视频数据进行图像增强;其次,利用基于像素模型的前景分割算法分离出运动目标;再次,利用形态学操作提取出较完整的疑似入侵物体,对入侵目标进行定位,根据定位信息调整可见光相机的姿态;最后,使用YOLOv5算法对可见光图像进行检测。将算法部署到嵌入式设备上进行检测实验,实验结果表明该算法满足全天候的实时性和准确性,在工程应用上有较好的前景。