基于双模态融合网络的目标检测算法

针对红外图像和可见光图像的融合目标检测问题,提出一种基于双模态融合网络的目标检测算法。在同时输入红外和可见光图像对后,利用设计的红外编码器提取红外图像空间特征信息;通过设计的可见光编码器将可见光图像从垂直和水平两个空间方向聚合特征,通过精确的位置信息对通道关系进行编码;最后,采用提出的门控融合网络自适应调节两路特征的权重分配,实现跨模态特征融合。在KAIST行人数据集上,与基准算法YOLOv5-n单独检测可见光图像和红外图像的结果相比,所提算法检测精度分别提升15.1%和2.8%;与基准算法YOLOv5-s相比,检测精度分别提升14.7%和3%;同时,检测速度在两个不同基准算法模型上分别达到117.6 FPS和102 FPS。在自建的GIR数据集上,所提算法的检测精度和速度也同样具有明显优势。此外,该算法还能对单独输入的可见光或红外图像进行目标检测,且检测性能与基准算法相比有明显提升。     

改进MobilenetV3-Small网络结构的药片定位识别方法

针对人工核药效率低的问题，提出了一种改进MobilenetV3-Small网络结构的药片定位识别方法。将获取的原始图片转换到LAB颜色空间，对LAB颜色空间下的L通道进行Canny边缘分割、形态学处理、图像填充、单一药片图像框选，实现对单一药片的定位；通过加载预训练权重，使用K-means聚类算法优化输入尺寸，根据特征图修改网络层等方法改进MobilenetV3-Small网络结构；结合图像处理的定位方法和改进MobilenetV3-Small网络的识别方法，实现对药片的快速准确检测。最终在处理得到的523张单一药片图像上，药片识别算法最终Loss值为0.000035,验证了算法的有效性。     

数字图像散斑相关技术的蚁群优化方法

基于蚁群优化方法提出新的数字图像散斑相关算法。该方法模仿了真实蚂蚁从其巢到食物找到最短路径的方式,通过对蚁群优化方法改进,减少迭代次数并改善解的质量。将新的数字图像散斑相关算法应用到计算机模拟的散斑图像和实验获得的散斑图像中,并与广泛使用的Newton-Raphson算法进行了比较。实验结果展示了新算法的精度、可行性和有效性。当数量级为0.01像素,误差离散均方根小于0.002像素。     

变光照环境下皮带撕裂视觉检测方法研究

针对变光照环境下给皮带撕裂视觉检测过程造成的识别干扰,提出了一种基于洛伦兹信息测度(Lorentz Information Measure,LIM)分块的改进Ostu分割算法的结构光视觉检测方法。首先将红色线性激光投射到皮带表面,通过CCD相机捕获高对比度图像;然后利用LIM方法将ROI(Region of Interesting)区域根据其水平方向光照强度分块,并逐块通过线性加权Ostu算法进行图像分割,进而合并出整幅图像的激光条纹;最后提取激光条纹中心线,并对其信息特征进行分析比较,判断皮带是否发生撕裂。通过现场在皮带机上进行试验,在轻度和重度污染环境下,892张样本的正确检测率为95.72%,平均单张样本检测时间为89ms,检测精度和速度满足实用要求。     

多联融合优化模板匹配的纱纸管分类方法

圆锥纱纸管的自动分类识别一直是该部件智能制造方面的技术难题,针对传统图像分类方法无法兼顾速度与精度,以及深度学习成本大、部署难、硬件要求高等问题,提出了一种基于多联融合优化模板匹配的纱纸管分类方法。采用多个改进算法及策略并使用三次数据降维加快模板匹配速度。将用于运动估计的优化算法SEA(successive elimination algorithm)用于模板匹配中,并把该算法的阈值改进为自适应阈值,用于加强算法鲁棒性;采用小波金字塔进行数据降维,减少运算量并提高运算速度;最后采用十字灰度特征模板代替传统SAD(sum of absolute differences)算法及其模板计算性能指标,并采用提前停止迭代搜索的策略进一步滤除数据,设置累计误差阈值来提前停止搜索。匹配实验表明,本文的改进算法保证了精度,并且匹配速度达到了0.126 s左右;对比、消融实验表明,本文算法在保证了精度的前提下,速度比传统SAD算法提升了近11倍,相比于一些其他经典的方法在速度上也均有提升,证明了该方法的有效性。     

改进的SSD算法及其对遥感影像小目标检测性能的分析

针对以Faster R-CNN为代表的基于候选框方式的遥感影像目标检测方法检测速度慢,而现有SSD算法在小目标检测中性能低的问题,提出一种改进的SSD算法,综合利用现有基于候选框方式和一体化检测方式的优势,提升检测性能。该算法利用密集连接网络替换原有的VGGNet作为骨干网络,并且在密集连接模块之间构建特征金字塔,代替原有多尺度特征图。为验证所提算法的精度及性能,设计样本数据在线采集系统,并采集飞机及运动场目标样本集作为实验样本,通过对改进SSD算法的训练,验证了其网络结构的稳定性,在无迁移学习支持下依然能够达到良好效果,且训练过程不易发散。通过对比以101层的残差网络(ResNet101)作为基础网络的Faster R-CNN算法和R-FCN算法可知,改进SSD算法较Faster R-CNN算法和R-FCN算法的MAP在测试集上分别提升了9.13%和8.48%,小目标检测的MAP分别提升了14.46%和13.92%,检测单张影像耗时71.8 ms,较Faster R-CNN和R-FCN算法分别减少45.7 ms和7.5 ms。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究。使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率。为此,提出一种基于数字图像处理技术的人脸检测算法。该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测。实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

中阶梯光栅光谱仪谱图背景去除算法

中阶梯光栅光谱仪凭借交叉色散特性实现全谱瞬态直读,面阵探测器接收的二维光谱图像需要还原成一维谱图以提取有效波长。由于二维谱图含有庞大的数据,且有效信息仅占极小比例,因此在谱图还原前进行背景去除能够减小数据量、提高运算速度。详细分析了中阶梯光栅光谱仪二维图像的特点,并针对其特点提出了背景去除算法。将图像边缘检测方法应用于弥散光斑的检测中,选择合适的边缘检测算子与原始图像卷积得到边缘图像,设置边缘图像的全局阈值对其进行二值分割,最终利用二值边缘图像映射原始图像得到去除背景的二维谱图。依据不同元素灯在不同积分时间下所拍摄的谱图,对比不同边缘检测算法的背景去除效果,分析了各算子对算法速度、精度的影响。实验结果表明本文提出的算法运算简单、边缘图像阈值易于计算、目标提取精度高,处理后的图像可以与谱图还原算法有效对接,谱图处理速度显著提升。     

基于去模糊空间变换RCNN的毫米波图像目标检测（英文）

提出一种包含去模糊的空间变换区域卷积神经网络的目标检测算法.首先,基于主动毫米波圆柱扫描成像原理对人体进行三维成像(频率24~30 GHz),建立毫米波图像数据集.然后,估计毫米波图像的模糊核,通过卷积去噪网络获得图像先验知识,将其集成到半二次分裂的优化方法中,以实现非盲目去模糊.最后,由定位网络、网格生成器和采样网络三部分组成空间变换网络,将它融入到特征提取网络中,在去模糊后实现目标检测.通过该非盲目去模糊算法得到的图像的峰值信噪比可达27.49 dB,目标检测算法的平均精度可达80.9%.实验结果表明,与现有的先进方法相比,该方法可以有效地提高图像质量和检测精度,为毫米波图像中隐藏危险品的目标检测提供了新的技术支持.     

基于特征点匹配的图像配准算法精度提升方法研究

图像配准是多种图像后续处理的基础,较为常见的有图像融合,图像拼接、图像的三维重建等,这些后续操作都需要在一个好的配准前提下才能完成,因此,对于图像配准精度改进的研究具有很重要的实际应用价值。对基于特征点匹配的图像配准算法提出了几个配准精度提升的方法,这些方法分别针对特征检测精度的提升和特征匹配精度的提升来达到图像配准精度提升的目的。     

A Study on Railway Surface Defects Detection Based on Machine Vision

The detection of rail surface defects is an important tool to ensure the safe operation of rail transit. Due to the complex diversity of track surface defect features and the small size of the defect area, it is difficult to obtain satisfying detection results by traditional machine vision methods. The existing deep learning-based methods have the problems of large model sizes, excessive parameters, low accuracy and slow speed. Therefore, this paper proposes a new method based on an improved YOLOv4 (You Only Look Once, YOLO) for railway surface defect detection. In this method, MobileNetv3 is used as the backbone network of YOLOv4 to extract image features, and at the same time, deep separable convolution is applied on the PANet layer in YOLOv4, which realizes the lightweight network and real-time detection of the railway surface. The test results show that, compared with YOLOv4, the study can reduce the amount of the parameters by 78.04%, speed up the detection by 10.36 frames per second and decrease the model volume by 78%. Compared with other methods, the proposed method can achieve a higher detection accuracy, making it suitable for the fast and accurate detection of railway surface defects.     

改进型 PSO‐SVM算法对井下多组分气体定量分析的研究

对于多组分混合气体定量分析而言,基于特征光谱的定量分析技术具有不可比拟的优势,而定量检测效率与精度取决于其采用的光谱数据处理算法的优劣。优化光谱分析算法参数与改进光谱数据处理方式是提高定量分析速度与精度的重要手段。针对井下多组分气体定量分析建模过程中支持向量机(SVM)参数难以确定,并且随组分数增多而呈指数增长的光谱数据运算量的问题,提出了一种改进型粒子群优化-支持向量机(PSO-SVM)算法。该算法主要针对多组分气体混合光谱数据量大,光谱特征信息存在交叠的问题进行研究。通过粒子变异约束PSO算法的收敛路径,再通过粒子信息共享提高模型优化效率,最后利用设置动态不敏感区提高模型精度。设计了一种井下多组分气体快速定量检测系统。该系统由CPU控制信号调制模块驱动红外光源,信号光经过滤尘除湿后的气室照射在探测器上。在压力与温度传感器补偿的基础上,由信号处理模块将探测得到的光信号量化传入CPU,最终,结合改进型PSO-SVM算法实现各组分气体浓度的定量分析。在完成井下实际样气采集、预处理的基础上,对浓度范围0～10.0%的CH₄和浓度范围0～1.0%的C₂H₆,C₃H₈,SO₂和CO₂共5种组分的混合气体进行了测试,获得了800组红外光谱数据,其中训练集400组,验证集400组。采用SVM建立了多组分气体的定量分析模型,利用改进型PSO对SVM中的参数进行了优化,并将获得的最优参数重建了定量分析模型。对采集的红外光谱数据分别由本算法与传统BP网络算法进行各组分气体浓度反演,实验结果显示,由于变异粒子对其产生的约束,使最优值收敛范围变小,从而提高了收敛速度,该算法建模时间仅为传统方法的1/10;由于通过气体光谱特性给出不敏感区,使特征光谱计算时交叉敏感效率降低,从而提高了模型预测的准确度,平均误差约为传统方法的1/5。由此可见,该算法在全局优化及快速收敛方面得到了显著提升,改进型PSO结合SVM用于井下多组分气体定量分析是可行的。改进型PSO-SVM算法对于多组分气体混合红外光谱数据的分离具有很好的适用性,其有一定的实际应用价值。     

基于光谱和改进极限学习机的土壤含盐量分析

研究盐碱地的性质、组成,对于生态环境具有重要意义。传统的含盐量测定方法大多基于化学分析,因其成本高、效率低的缺点使得应用于大面积土地的可行性很低。极限学习机（ELM）作为一种基于前馈神经网络构建的机器学习系统,在许多研究中作为一种光谱处理方法被成功运用。为了改进传统的盐碱地含盐量检测方法,采用光谱学结合改进的极限学习机（ELM）模型的方法对盐碱地进行研究。根据镇赉县采集得到的62个土壤表层样本得到对应的光谱反射率和含盐量数据,提出了基于随机值改进粒子群优化算法（RVIPSO-MELM）优化的多层极限学习机模型。首先使用主成分分析提取光谱数据特征,并使用ELM算法对光谱数据建立分类模型,引入改进的粒子群优化算法以提高精度和速度。该模型结合了具有随机值的多层ELM（RV-MELM）和改进PSO算法的多层ELM（IPSO-MELM）二者的优点,在运用启发式算法搜索最优值的同时还具有随机性,提高了模型优化速度,同时以提高模型性能为目的对隐含层之间参数进行优化和选择。并且该模型可以推广到多层,对隐含层之间的参数的两种选择方法,根据经验公式计算和使用改进的启发式算法搜索,进行了提高模型性能和优化时间的讨论,实践结果表明,选择第一层参数使用改进粒子群优化算法,确定随后的隐含层之间参数选择,使用经验公式进行计算得到一种更具现实意义的方法模型。模型在进行启发式搜索最优值之前,利用蒙特卡罗方法确定一个较好的初值,使得模型能保持较高准确率的条件下,优化速度进一步提高。相比于传统方法,这种光谱分析结合ELM的模型节省时间和经济成本,有一定推广意义。     

基于激光多普勒频移的钢轨缺陷监测

针对现阶段我国铁路上应用的探伤设备只能在天窗时间进行人工巡检,无法在线监测的问题,提出一种基于超声导波的激光多普勒频移法钢轨内部缺陷监测方法。首先,引入环境温度作为变量改进了半解析有限元方法,并应用该方法获得了我国无缝线路CHN60钢轨在特定温度下的频散曲线。通过分析振型并结合激励响应算法确定了适于检测缺陷的模态及其激励方式,从而激励该超声导波模态使其在钢轨中传播。然后,应用半反半透玻璃镜将激光分为参考光和测量光,测量光通过Bragg Cell进行频偏照射钢轨表面,通过反射光产生的多普勒频移与参考光干涉得到光强度变化曲线,经过信号处理及标定测得钢轨内部缺陷的回波速度信号,再经过数字化处理和计算得到缺陷的位置。最后,在北京环形铁路试验基地进行了现场实验,以钢轨接地孔模拟钢轨内部核伤,得到缺陷定位误差均小于0. 5 m,验证了该方法的可行性。使用激光多普勒频移方法检测导波信号从而定位缺陷的方法可以有效避免由于换能器接触性测量而产生的误差。该方法在不影响列车的正常运营的同时,实现了全天候无间断的在线监测,提高了检测效率。     

基于改进梯度幅值的包装缺陷检测算法研究及应用

针对包装质量检测精度易受外界光照影响的问题，在已有基于梯度幅值相似性的缺陷检测算法基础上，将局部二值模式算子引入到该算法中，提出了一种基于改进梯度幅值相似性的缺陷检测算法。该算法利用局部二值模式算子的旋转不变性和灰度不变性的特点，并将其与图像的梯度幅值特征进行融合后用于包装的缺陷检测中，提升了缺陷检测算法对光照的鲁棒性。实验结果表明，相比传统梯度幅值缺陷检测算法，该算法具有更好的抗光照影响能力，并且对于不同光照情况下的包装缺陷，该算法的检测准确率可达96.57%。因而，该算法能够被广泛地用于包装缺陷检测中，提高缺陷检测的精度。     

基于光声信号的高铁钢轨表面缺陷检测方法

针对传统的基于超声信号的高铁钢轨无损检测方法对于表面微裂纹检测效果不佳的问题,提出了一种基于光声信号的高铁钢轨表面缺陷检测方法.首先,使用有限元及K-wave方法建立了钢轨模型并获得了模拟光声信号;然后利用时间反演的方法对钢轨表面的光声图像进行了重建,并研究了不同传感器中心频率对成像结果的影响;最后设计实验采集了钢轨表面的光声信号并进行了处理和分析.实验结果表明,基于光声信号的高铁钢轨表面缺陷检测方法对于表面微裂纹有很好的检测效果,该方法在钢轨探伤领域有较大的可行性及发展潜力.     

制冷机驱动控制器中基于dsPIC的SPWM高效生成方法

文中介绍了制冷机驱动控制器中,基于dsPIC6015实现的SPWM数字化逆变控制信号的高效生成方法。阐述了SPWM逆变的基本概念和原理,及基于dsPIC实现下的发生方法和硬件原理、配置方法,以及软件的编写。利用近似值查表法和C语言与汇编混编的方式,对程序进行了优化设计,大大减少了PWM的实时计算量,极大的提高了程序运行速度。采用此种方法设计的程序拥有极高的运行效率和极低的CPU占用率。采用DSP芯片数字化生成SPWM驱动信号,以代替模拟器件的方法具有空间紧凑、可靠性高、波形精度高、编程调整易等特点,对实现红外、超导制冷应用中高温控精度要求和小型化具有较好的工程实用价值。     

基于IAGA的空间测量定位系统测站优化部署

空间测量定位系统是一种基于光电扫描的角度交汇测量系统,由于该系统是在多测站协同作用下实现坐标测量,因此测站的布局优化是应用时面临的重要问题。为了解决该问题,提出了一种基于改进自适应遗传算法的测站优化部署方案。以系统定位精度、覆盖度和使用成本作为多目标优化函数;将进化代数衰减因子与自适应遗传算法相结合,根据多目标函数建立改进自适应遗传算法优化流程;对2~4个测站进行仿真优化分析。仿真结果表明,与传统自适应遗传算法相比,该方法能在10~20代内收敛到最优解并获得更优的目标函数值。因此该方法在空间布局优化设计中能有效提高系统的测量性能。     

基于统计特征和显著度的光谱信号提取算法

各类光谱信号都会受到噪声和基线畸变的影响,在提取光谱信号过程中若不考虑基线畸变和噪声的影响,将会严重影响信号提取的精度和准确性,所以需要在信号提取前消除噪声和基线畸变的影响。大多数信号提取算法的步骤是先提取整体基线,再提取信号,这样难以保证基线的提取精度。为了降低信号提取过程中背景噪声、基线畸变等不利因素的影响,根据信号的存在总是会导致该区域的统计特征不同于背景的特点,提出了一种基于显著度和统计特征的光谱信号检测与提取算法（SSD算法）。首先,在待测数据的不同尺度空间中计算出信号在各尺度下的显著度,将检测出的显著信号点作为候选信号点;其次,利用信号特征去除候选信号点中的伪信号点;最后,对候选信号点所在区域采用二次多项式进行基线拟合以剔除伪信号区域并实现最终的信号提取。为验证SSD算法的综合性能,首先,通过仿真的方法对高斯信号和矩形信号在不同基线类型、不同信噪比下进行实验;然后将该算法与AirPLS算法、Wavelet算法以及DoG算法对两种信号在不同信噪比,不同基线类型下的提取结果进行比较。仿真实验结果表明：与其他算法相比,SSD算法信号提取结果基本不受信号类型和基线畸变类型的影响,且当信噪比大于40时基本不受信噪比的影响;在不同基线畸变类型下,SSD算法对两种信号提取结果的准确度、稳定性、离散度均较好,其他算法则只适用于某种基线畸变类型。从总体提取结果上看,SSD算法提取结果的绝对误差的均值仅为AirPLS算法的8.71%、Wavelet算法的3.52%、DoG算法的2.01%;绝对误差的均方根也仅为AirPLS算法的13.08%、Wavelet算法的5.45%、DoG算法的3.11%。因此,所提出的SSD算法在提取信号时具有良好的综合性能,能够在不同的信噪比及基线畸变情况下准确的提取出信号。     

基于结构光的植保无人机障碍物在线检测系统

为了确保植保无人机在飞行作业过程中的安全,要求植保无人机具有自动避障能力,为此提出了基于结构光视觉的障碍物检测方法。为提高障碍物检测的实时性,重点研究了基于嵌入式平台的植保无人机障碍物检测系统,通过将障碍物图像处理算法的并行计算映射到GPU硬件资源上完成,大大提高了算法的运行效率。实验表明,在保证障碍物轮廓线完整的前提下,通过对比CPU和CPU-GPU实现处理算法,障碍物检测系统获得了约46.15的加速比,采集及处理时间约为48.985 ms。该系统具有处理效果明显与实时性好等优点,为植保无人机的实时障碍物检测和进一步实现自动避障奠定了基础。