基于特征融合的多尺度窗口产品外观检测方法

为提高产品外观质量的检测精度和实时性,提出一种基于特征融合的多尺度滑动窗口机器视觉检测方法;在训练阶段,首先提取图像的HOG特征和Lab颜色特征,并采用典型相关分析法(CCA)进行特征融合;接下来,采用支持向量机(SVM)对融合的特征进行训练,生成分类器;在检测阶段,产品外观不同区域对精度的要求不同,为提高检测效率,生成不同尺度的滑动窗口,在每个窗口中都进行图像的特征提取与特征融合;最后,对采集的图像序列进行匹配,实现产品外观划痕的实时检测;实验中,选取不同的特征提取方法进行对比,并分别生成大小不同的滑动窗口,通过分析实验结果,结合检测时间与精度,确定各个区域的窗口尺度;实验表明,与传统的检测方法相比,所提方法在检测精度和实时性上具有显著提高。     

基于伪模态转换的红外目标融合检测算法

为提高红外图像目标检测的精度和实时性,提出一种基于伪模态转换的红外目标融合检测算法.首先,利用双循环的生成对抗网络无需训练图像场景匹配的优势,获取红外图像所对应的伪可见光图像;然后,构建残差网络对双模态图像进行特征提取,并采取add叠加方式对特征向量进行融合,利用可见光图像丰富的语义信息来弥补红外图像目标信息的缺失,从而提高检测精度;最后,考虑到目标检测效率问题,采用YOLOv3单阶段检测网络对双模态目标进行三个尺度的预测,并利用逻辑回归模型对目标进行分类.实验结果表明,该算法能够有效地提高目标检测准确率.     

基于特征融合的遥感图像舰船目标检测方法

针对常用的目标检测算法对遥感图像中的舰船目标进行检测时存在检测精度与实时性兼顾不佳的问题,提出了基于特征融合的遥感图像舰船目标检测算法来检测复杂场景下的多尺度舰船目标.该算法以多尺度单发射击检测框架为基础,增加反卷积特征融合模块和池化特征融合模块,增强网络特征提取的能力.同时设计聚焦分类损失函数来解决训练过程中正负样本失衡的问题.在高分遥感舰船目标数据集上的实验结果表明,所提方法能够有效地增强复杂场景下舰船目标的检测精度.此外,该算法对遥感图像中的模糊舰船目标的检测效果也优于多尺度单发射击检测框架.     

特征增强SSD算法及其在遥感目标检测中的应用

为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;最后将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位.在光学遥感图像数据集上的实验结果表明,该算法能够适应不同背景下的遥感目标检测,有效地提高了复杂场景下的遥感目标的检测精度.此外,在拓展实验中,文中算法对图像中的模糊目标的检测效果也优于SSD.     

基于深度迁移学习的复杂机场场景飞机目标检测方法

提出了一种改进的深度学习模型,旨在解决检测问题。首先基于迁移学习,微调预训练模型,提高了模型在有限的飞机数据集中的特征提取能力。其次,融入调整模块以增加深层特征图的感受野,提升模型的鲁棒性。引入特征金字塔网络,融合不同尺度的特征信息,进一步增强多尺度特征提取能力。最后,优化了检测头,融合轻量化的分类和回归并行分支,平衡了目标检测的准确性和实时性。构建了易于拓展的Aeroplane数据集,并对所提方法进行了实验验证。结果表明,所提模型在单架飞机、相互遮挡的飞机和小飞机的检测中平均精度分别提高了4.9%、4.0%和4.4%。所提方法在不同环境下表现优于其他经典方法,包括各类遮挡和夜间、雾天等复杂场景,具有良好的场景鲁棒性。     

一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法

基于深度学习的目标检测技术在目标检测领域有强大的生命力,但是将其用于合成孔径雷达(SAR)图像舰船目标检测时并没有达到预期的效果。提出了一种基于卷积神经网络的SAR图像舰船目标检测算法用来检测多场景下的多尺度舰船目标,在单发多盒探测器检测框架的基础上,使用性能更好的Darknet-53作为特征提取网络,加入更深层次的特征融合网络,生成语义信息更加丰富的新的特征预测图。同时在训练策略上使用了一种新的二分类损失函数来解决训练过程中难易样本失衡的问题。在扩展的公开SAR图像舰船数据集上进行验证实验,实验结果表明,所提方法对复杂场景下不同尺寸的舰船目标的检测展现出了良好的适应性。     

基于改进YOLOv5的无人机检测方法

针对小尺寸无人机目标检测精度低,且深层网络的参数量大、内存占用高等问题,提出一种基于改进YOLOv5的无人机检测方法。首先,调整了YOLOv5多尺度预测层的个数,裁剪掉冗余网络层,有效减少网络参数量,提高无人机检测速度;其次,通过在特征提取阶段引入多个不同采样率的空洞卷积,增强小目标的多尺度细节特征提取能力;最后,在多尺度特征融合阶段引入注意力机制,将深层特征进行通道加权后再与浅层特征进行高效融合,增强小目标特征表达能力。实验表明,改进的YOLOv5模型在自制数据集上mAP达到了99.02%,对于小尺寸的无人机目标,具有更好的检测效果。相较于改进前网络,检测速度提高了10.3%,内存开销节约了65%,降低了对设备计算和存储能力的要求,更加有利于无人机检测系统的工程部署和实际应用。     

基于兴趣区域掩码卷积神经网络的红外-可见光图像融合与目标识别算法研究

建立权重独立的双通道残差卷积神经网络,对可见光与红外频段下的目标图像进行特征提取,生成多尺度复合频段特征图组.基于像点间的欧式距离计算双频段特征图显著性,根据目标在不同成像频段下的特征贡献值进行自适应融合.通过热源能量池化核与视觉注意力机制,分别生成目标在双频段下的兴趣区域逻辑掩码并叠加在融合图像上,凸显目标特征并抑制...     

多尺度特征融合的目标检测算法研究

针对Faster R-CNN在多尺度目标检测时易出现小目标漏检和误检的问题,提出一种改进的多尺度目标检测算法。将利于小目标检测的低层网络和利于大尺度目标检测的高层网络进行多尺度特征融合;在训练阶段,采用在线难例样本挖掘算法维护难例样本分类池,加速神经网络模型迭代收敛,解决训练样本不均衡、训练效率低下的问题;计算并统计待检测目标的尺度大小,合理控制用于生成候选区域的锚框尺寸,提高模型泛化能力。采用PASCAL VOC2012公开数据集和类人足球机器人自建数据集进行算法验证,实验结果表明,相比Faster R-CNN算法,本算法的平均检测精度在上述数据集下分别提高了8.61和5.47个百分点。     

基于多尺度递归网络的图像超分辨率重建

提出了一种基于多尺度递归网络的图像超分辨率网络模型,该模型主要由多个多尺度特征映射单元级联而成,每个单元分别包含一组不同尺度的特征提取层、一个融合层以及一个特征映射层。特征提取直接在原始低分辨率图像上进行,最后采用亚像素卷积重构高分辨率图像。训练阶段使用自适应矩估计优化方法加速网络模型的收敛。实验结果表明,所提算法取得了较好的超分辨率结果,图像纹理清晰、边缘锐利,视觉效果明显得到增强。在Set5、Set14、BSD100以及Urban100等常用测试集上的客观评价指标(PSNR和SSIM)均高于现有的几种主流算法。     

高空无人机自动加油对接过程轨迹控制研究

针对无人机在高空自动加油对接过程中容易出现偏差的问题,提出了无人机空中自动加油精准对接的优化控制方案,研究并分析了影响加油锥管与受油接口快速准确对接的主要因素,通过运动轨迹生成器对浮锚加油锥套的运动轨迹进行模拟,无人机的自动飞行控制系统根据轨迹跟踪曲线对无人机的飞行姿态进行调整,引导无人机的受油接口与加油锥管进行精确对接,整个飞行轨迹跟踪控制过程优化了复杂高空环境中无人机加油对接的精准性。通过仿真实验表明,本高空无人机加油对接引导方法提高了空中管口对接的速度与抗干扰能力,可以满足各种复杂高空环境的无人机加油任务。     

基于LabVIEW Vision的无人机自主着降系统设计与实现

四旋翼无人机具有低成本、垂直起降、机动性好等优点,在民用领域诸如航拍、植保、物流、电力巡线等场合得到了广泛的关注和应用。随着四旋翼无人机应用的普及,一些新的问题也随之出现,其中一个厄待解决的问题是如何提高无人机的降落精度和可靠性,特别在超视距应用场景下,这一需求尤为突出。通过采用机器视觉技术,利用LabVIEW Vision编制视觉识别软件,可以控制四旋翼无人机实现高精度的自主降落。     

Pose estimation for UAV aerial refueling with serious turbulences based on extended Kalman filter

In recent years, many pose estimation algorithms were developed, and have been successfully applied to solve unmanned aerial vehicle (UAV) aerial refueling pose estimation problems. This paper mainly focuses on solving this problem under serious turbulences circumstance. The extended Kalman filter is a set of mathematical equations to estimate the state of a process, which is able to support estimations of past, present, and even future states. In reference to previous papers and some simulations, we build up the noise models of refueling boom and atmospheric turbulence. Then, an extend Kalman filter is adopted to solve the pose estimation problem in UAV aerial refueling with serious turbulences. The experimental results demonstrate the feasibility and effectiveness of our proposed approach.     

基于MARG的无人机抗干扰系统的研究

由IMU或电子罗盘组成的无人机航姿测量系统易受载体有害加速度或周围局部磁场干扰导致姿态角解算不准确。针对该问题提出将自适应扩展卡尔曼滤波算法应用于该系统。在卡尔曼滤波算法中提出引入分段函数构造自适应测量噪声方差阵。相比于传统噪声方差阵的阈值判断方法,该方法提高了传感器信息的利用率,进一步减小了外界干扰对系统姿态估计的影响,最终提高了姿态角的解算精度。最后针对该方法进行了仿真分析和无磁转台实验验证,仿真和实验结果表明,该方法能有效提高无人机航姿测量系统的抗干扰能力,具有一定的应用价值。     

无人机在复杂电磁环境下的效能评估

通过分析无人机的结构层次和研究复杂电磁环境对无人机的影响,建立了复杂电磁环境下无人机的效能评估指标体系,通过主观赋权法和客观赋权法得到各项指标的权重,针对评估指标的模糊性和不确定性,基于云理论的原理,实现一定条件下评估指标的定性与定量的描述,综合考虑了评估过程中的模糊性和不确定性因素,并利用评价云模型拟合出无人机在复杂电磁环境下的综合效能。结合实例模拟分析表明,复杂电磁环境下的无人机云效能评估模型,为复杂电磁环境下无人机的定量化效能评估提供参考。     

Unmanned aerial vehicles assisted rice seedling detection using shark smell optimization with deep learning model

Rice seedling classification using an unmanned aerial vehicle (UAV) images remains a challenging problem that needs to be addressed. It is still a difficult task because it is prone to low temporal and spatial resolution images. Recently, machine learning (ML) and deep learning (DL) models can be employed for several image preprocessing tasks such as classification, object detection, and segmentation. Therefore, this study focuses on the design of shark smell optimization with deep learning based rice seedling detection (SSODL-RSD) on UAV imagery. The presented SSODL-RSD technique recognizes the UAV images into arable land and rice seedlings. To achieve this, the SSODL-RSD technique employs the adaptive Wiener filtering (AWF) technique for the noise removal procedure. In addition, the SSODL-RSD technique exploits the NestNet feature extractor model. Moreover, the SSO algorithm is used for the hyperparameter tuning of the NestNet model. Finally, the long short term memory-recurrent neural network (LSTM-RNN) model is employed for the classification of rice seedlings. The extensive comparative study highlighted the improved outcomes of the SSODL-RSD technique over other existing models.     

多无人机协同的稳定控制机理研究

多无人机协同系统的过度扩散会引起协同失效, 对系统进行规模控制是解决该问题的一种潜在方法. 首先抽象出多无人机协同搜索系统的宏观运动特征, 进而建立平台的运动方程, 然后通过构造合适的李雅普诺夫函数, 获得该系统的稳定控制规律及其控制参数. 仿真结果表明: 1)本文所提的稳定控制机制不仅能够使多无人机系统实现有效的协同, 还能确保系统的稳定性; 2)在系统稳定时, 通过调整相关控制参数可以有效地控制系统规模. 关键词： 无人机 协同系统 稳定控制     

On the ergodic sum rate for multiuser satellite–aerial–terrestrial networks

In this paper, we investigate the ergodic sum rate (ESR) for the downlink of a multi-user satellite–aerial–terrestrial network (SATN) with decode-and-forward (DF) protocol, where a multi-antenna unmanned aerial vehicle (UAV) acts as an aerial relay to assist the signal convey from satellite to multiple terrestrial users, which is also corrupted by co-channel interference. To maximize the ESR of the considered system, a beamforming (BF) scheme based on statistical channel state information is proposed to conduct space division multiple access (SDMA) in the UAV–terrestrial links. Then, by assuming that the satellite–UAV link and the UAV–terrestrial links undergo correlated Shadowed-Rician fading and correlated Rayleigh fading, respectively, we derive the analytical expression of ESR for our considered system with proposed BF scheme. Finally, numerical results are provided to verify the correctness of the theoretical analysis and demonstrate the superiority of our proposed BF scheme.     

基于MDARM和VxWorks的小型无人机执行器故障检测方法

由于目前在小型无人机执行器故障诊断中存在着智能化程度较低,容易受到人为因素干扰,从而出现故障漏检等问题,难以满足小型无人机对飞行安全的要求。为此,本文提出一种基于多维数据关联规则挖掘(Multidimensional Data Association Rules Mining: MDARM)和VxWorks操作系统的小型无人机执行器故障诊断方法,通过建立执行器内部传感器测量的温度、压力、流速、力矩等相关变量的历史数据库,并对这些数据进行预处理,以避免带来噪声污染,并利用可测量参数与不可测量参数之间的关联性,建立故障诊断知识库,避免了诊断过程中的人为因素干扰,实现小型无人机执行器故障的精准测量。实验结果证明,这种方法能够有效地提高故障准确率64.7%,对小型无人机执行器的智能诊提供有效指导,应用前景广阔。     

URLLC-oriented secure communication for UAV relay-assisted network

In this paper, we investigate the unmanned aerial vehicle (UAV) relay-assisted secure short packet communication. The UAV acts as a decode-and-forward relay to transmit control signals from the source to the actuators in the presence of a ground eavesdropper (EV) whose imperfect channel state information is available at the UAV. Specially, non-orthogonal multiple access is adopted in our work to achieve more connections and improve the fairness of communication and the short packets are employed for data transmission to reduce the latency. Explicitly, we maximize the minimum average secrecy throughput among all actuators by jointly optimizing the UAV trajectory, transmit power and blocklength allocation, which generates a challenging optimization problem. Therefore, we propose an iterative algorithm based on block coordinate descent method and successive convex approximation technique to handle the non-convex problem. Numerical results show that the proposed scheme has better performance compared to the benchmark schemes.