摘要:为防止吊车臂触碰输电线引发事故，设计一种基于双目视觉的输电线路防外破系统。首先，通过将双目视觉防外破装置安装在吊车吊臂上实时获取图像数据；接着，针对实际环境中存在的光照干扰、弱纹理区域以及视差图中的边缘空洞填充，提出一种改进SGBM立体匹配算法，利用最小二乘拟合插值法和双边滤波进行算法优化，从而准确获取输电线路的三维信息；最后，根据双目视觉原理与空间耦合电容分压原理搭建测距环境与10 kV输电线路测试环境并进行现场测试。结果表明，改进SGBM算法在干扰环境下的测距平均相对误差仅为1345%和1229%，对比传统SGBM算法与场强测距方法，分别减少2047%和1851%，算法运行时间为817552 ms，测距系统兼顾实时性与精准性需求，满足实际环境下的输电线路吊车防外破使用。

摘要:社会经济快速发展，然而土壤污染中重金属污染所占的比例越来越大，对生态环境和人们的生命健康造成了巨大的威胁。针对以上问题，提出一种基于混合策略改进的土壤重金属污染预测模型，即先采用随机森林选出最优特征子集，再利用随机搜索对LightGBM参数进行优化，最后通过训练得到的LightGBM模型预测土壤的内梅罗综合污染指数，从而得出土壤重金属污染状况。以我国华北平原的某区域为研究区，并与RSLightGBM、LightGBM、SVR模型的预测结果进行对比。结果表明，所提模型的均方误差、平均绝对误差相比于LightGBM模型分别降低了6909%、3909%，决定系数相比于LightGBM模型提高了611%。上述结果表明本论文提出的模型可以有效应用于土壤重金属污染预测研究中。

摘要:基于深度学习的辐射源个体识别研究主要关注识别精度的提升，往往忽视了识别过程中对抗样本的威胁。针对上述问题，本文在增加辐射源个体类别并提升模型识别精度的同时分析研究了对抗样本对高识别率深度学习识别网络产生的影响。首先获取小样本ADSB信号，通过数据随机切片进行数据增强；再对原有网络进行微调并加入卷积注意力模块提高模型对辐射源个体信号的识别率；最后使用4种攻击算法生成对抗样本并在辐射源个体识别网络上进行测试。除此之外，还将攻击前后的信号样本转化为图片进行可视化比较，以在攻击成功率和攻击隐蔽性之间权衡。实验结果表明，优化后的高识别率模型也容易受到对抗样本的攻击，基于动量的迭代攻击效果最好，相比于快速梯度下降的攻击方法的攻击效果高出10%。

摘要:为了更好地利用到脑电信号中的相关特征，改善运动想象脑电的分类性能，构建了一种基于混合特征和并行多尺度TCN模块的多层卷积网络（MTACNet）。首先，搭建基于混合特征的多层卷积神经网络，并在其中嵌入高效通道注意力机制，选取PReLU作为激活函数，以提取脑电信号中的时域和空域信息；然后对TCN模块进行改进，构建并行多尺度时域特征提取模块，接入多层卷积网络，进一步挖掘不同时间尺度的特征信息。在公开数据集BCI_IV_2a和自采数据集SCU_MI_EEG上进行测试，平均分类准确率分别为8615%、7710%，标准差分别为917%、1358%。并且针对自采数据集，设计了一种融合多频域脑电信号进行三通道输入的预处理方法，经过预处理后使平均分类准确率提升了329%。实验结果表明，与其他方法相比，本文所构建的分类网络取得了较为不错的分类效果，所设计的预处理方法能够降低复杂环境和无关干扰因素对分类结果的影响。

摘要:针对复杂杂波环境下悬停无人机检测问题，提出了一种改进的Kalmus滤波剩余回波时域均值相消自适应CFAR联合处理算法，对无人机微多普勒检测，实现空管监视目的。通过改进的Kalmus滤波器进行频域滤波，同时对目标回波高频信号和零频信号抑制，并提高零频附近微多普勒信号增益。采用剩余回波均值相消进行二次滤波，提高无人机高速旋翼的多普勒特征信号信噪比，采用短时傅里叶算法检测目标区域多普勒变化，最后通过恒虚警处理，进一步抑制杂波，提取微多普勒信息。试验结果表明本文算法可以对悬停无人机的旋翼多普勒特征进行有效检测，目标多普勒信号幅值提升了约20 dB，实现低空监视管控目的。

摘要:无人巴士在定位循迹过程中，采样信号受噪声方差、带宽和采样率的影响，易出现信号缺失或间断现象，加之相关滤波算法缺乏异步采样和平滑能力，导致定位失败。为了提高定位精度并补充缺失数据，本文基于异步扩展卡尔曼滤波和非因果滤波平滑，提出一种改进的传感器异步采样融合平滑算法。首先利用异步扩展卡尔曼滤波对连续时间随机微分方程进行指数离散化，以处理任意时刻的测量值，预测更新下一时刻状态值之后，引入非因果滤波平滑给定可用的初始方差信息，使噪声方差影响更小，估计性能更好。将本算法在无人巴士上进行物理实验验证，结果表明这种多传感器异步融合平滑算法在车辆行驶中效果良好，与异步卡尔曼滤波算法结果相比，可以达到优于05 m的定位精度，数据预测误差均有明显降低，提高了定位精度和补充缺失数据。

摘要:构建智慧生态林业中核心环节为对森林火灾的监测及防范，为了第一时间扑灭火源防止火势蔓延并将可能发生的山火隐患于第一时间消除，提出了两种适用于无人机高空巡检的森林火灾检测模型YOLO_MC与YOLO_MCLite。其中YOLO_MC可对标准图像中的明火及烟雾进行检测，并基于YOLO_MC模型进行轻量化设计，提出适用于热图像中高温区域的检测模型YOLO_MCLite。在网络结构的设计中，首先在常规的卷积神经网络中融合加入了Transformer模型，提升了主干网络对于全局特征信息的感知能力；同时对Transformer模型进行轻量化设计，首先在网络结构上通过分组计算的形式减少tokens数量以降低计算量，其次通过通道注意力机制对特征块的通道数进行去冗余并提权来减少tokens的维度参数以降低计算复杂度，并且采用蒸馏算法从所设计的网络中提取出超轻量化网络应用于无人机红外影像的森林高温点检测,以预防森林火灾的发生。经过实验得出以下数据：所设计的两个检测模型中，其中适用于标准图像中对于明火及烟雾的检测准确率可达948%，适用于热图像对高温点的检测准确率可达972%，并且在英伟达JETSON TX2嵌入式设备上测试两个模型的帧率分别达到了225以及324。实验结果表明本文所设计网络能够对森林火灾进行有效检测并可以通过检测高温点及时预防火灾发生。

摘要:针对复杂纹理布匹瑕疵检测这一纺织工业质检环节中的技术难点，基于深度卷积神经网络提出一种图像检测算法模型。首先对比选用YOLOv7tiny模型为算法参考框架然后进行优化改进，包括使用SimAM模块重构特征融合层，以提升模型对瑕疵局部特征的提取能力并抑制背景特征；采用SIoU优化坐标定位损失函数，以加快目标框的回归效率；引入FReLU激活函数，以增强非线性激活层对空间信息的利用能力，提升激活函数的空间敏感性。实验结果表明，该模型在复杂纹理布匹五类典型瑕疵的检测任务上的查准率和查全率都优于现有其他算法，mAP达到最高值805%，且模型大小仅为92 M，在PC端上单帧图像检测只需2113 ms。

摘要:针对复杂场景下红外目标检测存在准确率低、召回率低的问题，为了提高红外图像中的小目标以及被遮挡目标的检测识别能力，提出基于Efficientnet的红外目标检测算法。首先，将高效轻量的Efficientnet作为模型的特征提取主干网，降低模型的参数量，提升训练速度。在Efficientnet主干网的最后一个输出层引入SPP模块，丰富特征图的表达能力，进行多尺度融合，扩大特征图的感受野；在模型特征融合部分，使用FPN特征金字塔网络，特征融合后增加CSPNet模块和ECA注意力机制，加强特征提取。检测部分使用YOLO Head，对目标进行分类和回归，并用CIoU Loss作为边界框回归损失函数，提高对被遮挡目标的识别能力。实验结果表明，基于Efficientnet的模型大小仅为YOLOv3的188%，并且在FLIR数据集上mAP达到8074%，相比于YOLOv3算法提高1012%，该模型在减少模型参数量的同时，提升了检测精度。该模型在FLIR数据集上具有良好的泛化能力，提高了对小目标和遮挡目标的检测能力。

摘要:针对复杂背景下汽车板簧轮廓特征点难以提取的问题，提出改进麻雀搜索优化的Kmeans背景分割算法并辅以投射线激光提取待测特征点。首先，通过遍历全局像素，根据梯度阈值确定最优方向，减小向最优方向移动的步长数值，以此改进麻雀搜索优化算法，克服算法全局搜索能力弱、容易陷入局部最优的问题；其次，将麻雀搜索的感兴趣像素点作为Kmeans算法的初始中心点，把具有相似特征的像素点聚为一类，使板簧从复杂的背景环境中分割出来，获取板簧的外形轮廓；最后，向板簧表面投射线激光辅助标记，相交于板簧轮廓，提取待测特征点。结果表明，提出的基于背景分割的汽车板簧尺寸检测方法可以提取待测特征点，且精度可达025 mm，形成在线测量数据，有利于改进生产工艺。

摘要:研究了一种用于肢体状态评估和运动姿态校正的人体运动分析系统。首先，针对人体运动时易出现的遮挡等问题，通过引入可变形注意力和生成对抗网络优化人体关键点热图位置检测，在Transformer的基础上设计了一种人体关键点识别算法。其次，利用所提出的算法，结合人体姿态的肢体空间约束关系以及体态分析相关知识，设计了一套运动分析系统。最后，通过在公共数据集上和真实场景中的测试，从质化和量化两个角度对所提出的算法和系统的可行性进行了评估实验。实验结果证明，本文算法在公共数据集上的检测精度最高可达937%；在实际场景的测试中，本文设计的算法和运动分析系统可以有效解决人体姿态识别中常见的遮挡等问题，并通过可视化系统展示了对人体运动姿态的多维度分析结果。

摘要:传统ORB-RANSAC算法存在相似特征点误匹配率高、稳定性较差的问题，无法满足铝锅生产基于锅底标签方向焊接手柄的工艺要求，提出了一种改进的ORBRANSAC算法。首先，采用ORB算法提取特征点并进行匹配，通过汉明距离阈值法对匹配点对进行粗剔除。其次，在RANSAC算法对匹配点对进行精剔除时，增加K折交叉验证实现对初始模型的一致性预判断。最后，在每次迭代过程中剔除上一轮迭代中的已归类点对，动态更新采样空间。分别对不同锅底标签进行测量实验，结果表明，在干扰环境下采用改进后的ORBRANSAC算法重复性精度相比于原算法提升了6604%，单帧计算耗时降低了613%；在多种类锅底标签测量实验中基于改进后的ORBRANSAC算法的角度测量误差为0201°，平均检测耗时为0255 s，满足自动化生产测量精度和实时性的要求。

摘要:温室湿度精准预测对病害防治策略制定、水肥自动灌溉等具有重要意义。本文研究了一种基于多模态数据驱动的预测方法。为解耦温室环境控制中环境变量复杂关系，提高模型预测效率，利用LASSO回归从多温室环境参数中筛选得到温室空气湿度变化强关联环境因子，结合CNN提取图像空间特征的优势，基于GAF理论将温室时间序列分别转化为GASF与GADF二维图像，进一步增强有效信息，抑制环境噪声，通过引入低复杂度的双卷积层充分提取图像潜在特征，识别湿度变化趋势，对不同湿度变化趋势的时间序列逐一构建Bayesian_LSTM预测模型，增加平稳输入提高预测精度。针对黄瓜温室，将室内温度、湿度、光照强度历史时间序列转化为二维图像作为输入，分析验证了模型的预测性能。试验数据显示当时间滑动窗口大小为15，选用GADF转化图像，Bayesian_LSTM隐藏节点数为100时，平均绝对误差、平均绝对百分比误差、均方根误差分别达到258%、456%、480%，为模型性能最优。对比 RNN、GRU、BiGRU、1DCNN共4种主流预测模型，试验结果均表现出良好的预测性能。

摘要:通过阵列惯性器件构成的可穿戴自主定位系统，可显著提高人员的定位精度，但是可穿戴自主定位系统中的阵列式惯性器件在工作过程中难以避免出现故障。针对应急救援人员穿戴的自主定位系统中阵列加速度计的噪声增大现象，提出了一种基于卷积神经网络的阵列加速度计故障检测方法，使用广义似然比检验对比得到阵列陀螺仪对照数据，再通过CNN计算加速度计数据与陀螺仪对照数据的映射结果，实现了对阵列加速度计噪声增大故障的快速检测。通过十二IMU阵列数据融合和故障检测试验结果表明，该检测方法能够快速有效检测地出阵列惯性器件中的加速度计噪声增大典型故障，故障检测率≥98%，效果明显。

摘要:针对油浸式变压器数据样本标记困难，有标签样本数据量较少，传统故障诊断方法精度低的问题，提出了基于GBDT与Kmeans增益聚类的少标签下油浸式变压器双层故障诊断模型。首先，采用SAE对表征变压器状态的高维特征气体进行降维，去除冗余信息，得到包含变压器运行状态的低维特征向量作为后续分类器的输入；其次，构建双层故障诊断模型；针对无标签样本，引入GBDT方法作为所提模型首层，获取无标签样本的伪标签；为进一步提高诊断精度，提出基于无标记样本伪标签的Kmeans聚类增益，作为新的特征向量，输入末层模型Kmeans用以实现二次诊断的目的。实验分析表明，在少标签状态下，所提的方法可有效提升变压器故障诊断精度，相较于传统方法，在诊断精度上至少提升了6%。为少标签下的油浸式变压器故障诊断提供了新的思路。

摘要:在探地雷达野外应用中，多次波是一种常见的干扰波，会影响雷达数据的真实性及可靠性，给目标解释工作带来困难。Radon变换在地震处理领域中广泛应用于多次波抑制，但在探地雷达领域中对此进行研究运用的仍不多。针对双曲线探地雷达反射波，对Radon变换理论进行分析阐述，在弱目标回波与强目标的多次波位置高度重叠，并且多次波强度接近弱目标回波强度的实例中，通过分析Radon域中弱目标与多次波位置与能量强度的差异，通过选择过滤窗并且在Radon域中对其进行多项式拟合恢复多次波能量，然后经过Radon正演在时空域中恢复多次波数据，再从原始雷达数据中减去多次波，实现对多次波的抑制，获得了无假象干扰的雷达数据。实验结果表明，在保留弱目标回波强度的同时取得了较好的多次波抑制效果。

摘要:为了提高相机标定精度，提出一种基于改良天鹰优化器的单目相机标定方法：通过张正友标定法计算得到单目相机的内外参数，根据所得相机参数计算标定图像中所有角点的平均重投影误差并建立目标函数，采用经过自适应分配机制、动态补偿策略以及非线性潮汐策略改良的天鹰优化器进行优化，获取最优的相机标定内部参数和畸变系数，从而提高相机非线性标定过程的寻优精度。实验结果表明，改良天鹰优化器算法在不同基准测试函数上寻优结果优越，本文提出的相机优化标定方法得到的标定结果精度更高，重投影误差为0006 pixels。

摘要:针对目前常见的计算机辅助检测系统对结肠镜图像中息肉的分类与检测准确性和实时性不足的问题，提出了一种以YOLOv4为基本框架，结合空间注意力机制与改进特征融合层的YOLOFCBAM模型，可对白光和窄带成像双模态内镜图像中的增生性息肉与腺瘤性息肉进行实时分类与检测。为了使息肉的特征提取更准确，在YOLOv4的主干网中增加CBAM模块，使网络特征提取层关注到更加重要的空间以及通道信息，抑制不必要特征向下传递；在此基础上，通过对特征融合层PANet进行剪枝操作优化网络结构，以此减少网络参数量，进一步提高模型的检测速度。为了对改进后的模型进行训练和测试，从河北大学附属医院收集了2 988张包含了白光和NBI的内镜图像，并按照9∶1的划分比例划分为训练集和测试集。实验结果表明，YOLOFCBAM在测试集上的mAP值为8644%，识别增生性息肉和腺瘤性息肉的召回率分别为8962%和8564%，精确率分别为9135%和8519%，且实时分类速度达到47 FPS，证明所提出的模型具有潜在的临床应用价值。

摘要:针对图像处理中的超越函数的计算，对传统的CORDIC算法进行研究改进，设计并实现了定点、浮点计算的硬件单元。提出两种CORDIC算法迭代的微旋转角度，扩展了函数计算的定义域，并采用角度编码的方式减少了三角函数计算的迭代次数。可在向量模式下实现反正切、开方以及旋转模式下正弦、余弦这4种超越函数的计算。定点、浮点单元均采用流水线的结构设计，可通过模式配置选择计算的函数。浮点单元采用IEEE754单精度浮点数的格式，数据通路包括对阶、迭代、规格化，以24个时钟周期完成一次浮点数的计算。编写SystemVerilog平台的验证，定点计算精度最差为10-3，浮点计算误差为10-7，并在FPGA上进行板级验证，32 bit定点数计算最大工作频率可达2439 MHz，相比传统的CORDIC算法占用的资源更小。将改进的定点CORDIC算法应用于图像Sobel边缘检测，边缘更加清晰，成像速度更快，并搭建FPGA图像数据采集、处理与显示系统，完成算法处理的实际验证。

摘要:目前遥感图像建筑物场景分类方法多采用人工标注样本，标注过程需要大量时间。针对该问题，提出了一种采用样本自动选择的高分遥感建筑物场景分类方法。首先，建立光谱特征、几何特征和深度特征的多维高分遥感图像影像对象特征空间；其次，采用决策树初步提取建筑物，构建建筑物场景密度直方图；然后，采用自然间断法对建筑物密度分级，并采用比例法分别在每类场景中提取部分场景图像作为训练样本；最后，采用ResNet50网络对建筑物场景分类。以辽宁省沈阳市浑南区为研究区域和Google Earth遥感图像为实验数据，实验结果表明本文方法能够实现非监督场景分类，总体分类精度和Kappa系数分别为089和082，较原有样本选择方法分类精度提高了3%和8%。

摘要:为推进车辆安全检查中同轴轮胎类型判别自动化的实现，提出一种基于孪生网络的轮胎花纹图像验证算法。该算法面向小样本轮胎花纹图像，在孪生网络的基础架构上，增加方向矫正的图像预处理模块，实现轮胎花纹的对齐，消除轮胎图像间明显纹理的方向特征差异；在其子网络的低层级卷积网络中使用Gabor方向滤波器，提升网络对轮胎花纹纹理特征的学习速度以及对不同质量轮胎图像识别的鲁棒性。在CIIP_TPID和WTP数据集上的实验表明，该算法的准确率分别达到0926和0849。

摘要:复杂背景下，不同尺度建筑物的特征差异较大，现有算法对多尺度建筑物分割存在分割不均以及误判等问题。为了解决上述问题，本文设计了一种适应多尺度变化的新型网络结构。首先，针对遥感图像场景提分割精度低的问题，引入坐标注意力机制，嵌入到基础网络中增强上下文信息捕获能力，消除噪声的同时增强网络对于空间特征的提取能力。引入了新型递归残差卷积模块，加深网络层次的同时减少信息丢失，提高特征提取效率。最后，在跳跃连接中引入了空洞空间卷积池化金字塔增大网络感受野，增强有效特征，抑制无用特征。设计系统验证模型的实用性。实验结果表明，本文方法在精确率、召回率、F1score和IoU指标中比UNet网络分别提高了305%、156%、13%、308%。

摘要:针对遥感图像中小目标众多，目标尺度变化剧烈，背景复杂所造成的目标检测精度低的问题，提出了一种基于改进YOLOX的目标检测算法，在YOLOX的基础上，首先在主干网络中加入注意力机制提高网络对遥感图像中小目标的感知能力，丰富语义信息；其次在特征融合部分中加入MSCER多尺度信息融合模块，通过融合不同尺寸的特征图，减少遥感图像因为尺度变化造成的图像细节信息损失；最后通过引入CIoU损失函数加快网络收敛速度，使其满足实时性的需求。本文将提出的检测算法在RSOD遥感数据集进行实验，平均检测准确率为9512%，相比于未做改进的YOLOX，检测精度提高了869%。实验结果证明，所提方法具有更高的检测精度。

摘要:由于无人机巡检图像中复杂背景的干扰以及航拍角度等外在因素的影响，会给绝缘子目标的识别带来一定的难度。常用的Faster RCNN模型在进行复杂背景下绝缘子目标检测时，存在远处的或被遮挡的小目标绝缘子的漏检问题，所以本文在现有的Faster RCNN模型上选择ResNet101作为骨干网络，引入FPN结构提高对被遮挡的小目标绝缘子的检测精度，降低了受遮挡影响的目标的漏检率，并增加通道注意力机制SENet以增强绝缘子特征，提高特征表达能力。实验结果表明，该基于Faster RCNN的改进模型在复杂背景下绝缘子目标检测中达到精度AP50为932%，相较于基线模型AP50提高了64%，并且优于目前一些先进的目标检测模型，对复杂背景下绝缘子的检测精度高，解决小目标绝缘子误检和漏检问题。