基于LSDANet的手机芯片屏蔽壳表面缺陷检测方法

为了解决手机芯片屏蔽壳表面白印缺陷微小、尺度各异等因素影响检测快速性和准确性的问题,本文提出一种基于长短连接通路和双注意力网络(long short link and double attention network, LSDANet)的手机芯片屏蔽壳表面缺陷检测方法。首先,通过构建基于编码和解码的语义分割模型和利用长短距离连接通路,提高网络模型对尺度各异缺陷的特征提取能力。其次,分别设计基于通道和空间的注意力机制,增大5—10 pixel尺寸的白印缺陷在空间和通道上的特征权重。最后,融合双注意力机制和长短距离连接通路分割模型,构建LSDANet缺陷检测网络,应用于手机芯片屏蔽壳表面缺陷检测。实验数据表明,LSDANet网络能够达到96.21%的平均像素精度、66.13%的平均交并比和39.03的每秒检测帧数,相比多种语义分割算法均具有更高的检测精度和速度。     

基于改进GMM与帧差法的运动棉杂率分析算法研究

针对清梳棉流程中产出棉含杂高、质量差的问题,结合改进高斯混合模型(Gaussian mixed model,GMM)与帧差法,提出一种局部运动棉杂率控制优化方法。首先针对清棉机除杂原理及棉杂特性进行分析;其次通过提取视频关键帧并改进GMM与帧差法对图像序列“与”运算实现目标的精确提取,进而通过设计GMM分类器获得棉杂率并进行分析;最后与传统的检测算法作对比验证。实验表明,改进后的算法在有效性以及实用性方面优于传统算法。同时,通过引入闭环控制能满足工业高精度、实时性的需求。     

基于SOANet的圆锥角膜辅助诊断

亚临床期圆锥角膜(subclinical keratoconus, subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus, kc)力学性能的改变早于形态学,因此从角膜生物力学的角度筛查亚临床期的圆锥角膜更加符合临床实际。本文运用角膜生物力学特征,以点云数据作为网络输入数据,将SO-Net (self-organizing network)和自注意力(self-attention, SA)机制结合构建SOANet,对圆锥角膜、亚临床期圆锥角膜和正常角膜进行分类。首先,利用可视化生物力学分析仪(corneal visualization Scheimpflug technology, Corvis ST)拍摄角膜受力形变视频,对其进行处理得到点云数据集,接着对点云数据进行增强处理,使3种类型的角膜数据量分布均衡。然后按照3∶1的比例划分训练集和测试集,分别对角膜进行二分类和三分类。最终模型在二分类和三分类测试集上的准确率分别达到98.3%和91.26%,即有效识别亚临床期圆锥角膜和圆锥角膜。实验...     

基于时域有限元的近场单站导体柱微波成像

介绍了一种在自由空间中对导体柱近场单站电磁成像的时域数值方法.提出以不均匀分布的点--离散点描述法,来代替通常采用的有限项三角级数逼近的形状函数来描述散射体.在正过程中采用时域有限元法获得其近区散射场,逆过程则通过遗传算法来寻找最优解.以不均匀分布于导体表面点的矢径的模作为优化变量.以在整个迭代过程中,目标散射场和计算散射场的误差总和与目标散射场场值绝对值之和的比值作为目标函数,使目标函数达到最小值来获得导体柱在自由空间中的电磁成像.     

再论发展Ka频段测控通信网的思考

讨论了Ka频段地球网测控通信的特点和主要技术问题,指出了它在高速数传、抗干扰、提高作用距离、提高测量精度、减小"黑障"影响、兼容Ka频段卫通等方面的优点,提出了用虚拟测控系统解决雨衰,用空间谱分析解决Ka频段窄波束捕获等的方案设想.     

雷达标校系统中定向灵敏度标定方法及其应用

针对目前船载测控设备放球标定中采用的自跟踪固定加偏工作方式的不足,通过对加偏电压乘以俯仰角度余弦的方法,消除正割补偿对标定的不良影响,提出一种采用自跟踪无级加偏与固定加偏相结合的工作方式,该方法操作简单、直观,并经过多次任务的检验,     

油品对DMCC甲醛排放的比较研究

为了研究甲醇燃料发动机尾气中甲醛的排放特征,在一台经过改装的组合燃烧发动机上,采用标准测试柴油(TF)和普通市场柴油(MF)进行了实验,比较了燃用不同油料时的甲醛排放特征.实验结果表明;在相同甲醇掺烧比时,两种油料均是在低负荷时甲醛排放最高,在中负荷时最低,在高负荷时甲醛排放居中,三种负荷下MF甲醛排放均比TF高;此外,实验还对比了相同负荷、不同甲醇掺烧比时的甲醛排放,均表现出MF的甲醛排放比TF高,在高负荷下甚至达到2.5倍;实验还表明单纯的依靠氧化催化转化器不能有效降低甲醛排放.     

结合视觉Transformer和CNN的道路裂缝检测方法

提出了一种结合视觉Transformer和CNN的道路裂缝检测方法。利用CNN来捕获局部的细节信息,同时利用视觉Transformer来捕获全局特征。通过设计的Fusion特征融合模块将两者提取的特征有机地结合在一起,从而解决了单独使用CNN或视觉Transformer方法存在的局限。最终将结果传递至交互式解码器,生成道路裂缝的检测结果。实验结果表明,无论是在公开的数据集上还是在自建的数据集上,相较于单独使用CNN或视觉Transformer的方法,所提出的方法在道路裂缝检测任务中有更好的效果。     

动态场景下基于视觉的SLAM技术研究

针对视觉同时定位与地图构建(SLAM)技术在动态环境中存在定位精度低、地图虚影等问题,提出了一种基于深度学习的动态SLAM算法。该算法利用网络参数少且目标识别率高的YOLOv8n改善系统的视觉前端,为视觉前端增加语义信息,提取动态区域特征点。然后采用LK光流法识别动态区域的动态特征点,剔除动态特征点并保留动态区域内的静态特征点,提高特征点利用率。此外,该算法通过增加地图构建线程,剔除YOLOv8n提取的动态物体点云,接收前端提取的语义信息,实现静态语义地图构建,消除由动态物体产生的虚影。实验结果显示,在动态环境下该算法与ORB-SLAM3相比,定位精度提升92.71%,与其他动态视觉SLAM算法相比,也有小幅度改善。     

低强度激光辐照对蝗虫活性的影响

为研究低强度激光辐照对蝗虫活动能力的影响,以减少农药的使用量和降低农药的浓度,选择大功率连续型近红外半导体二极管激光器,针对3龄至4龄期东亚飞蝗蝻虫头部位置,在距离激光发光面4cm处,进行2s和4s的辐照试验,分别观察比较辐照前后蝗虫的活性和活性降低程度．试验结果表明,辐照前,蝗虫具有较高的活性,辐照后蝗虫的活性降低,并逐渐趋于一致性;辐照时间越长,蝗虫的活性降低程度越高。说明低强度近红外激光辐照蝗虫头部位置能明显抑制其活动能力。