Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

基于RRPP技术的以太网组网应用

本文阐述了一种基于RRPP技术的环网拓扑传输系统及传输方法,主要适用于以太网的环网保护应用。该传输方法为:所述环网拓扑的结构包括一个汇聚节点和所述汇聚节点下带的多个环网,所述汇聚节点由若干台汇聚设备构成,所述传输方法通过IFR2(第二代智能弹性架构技术)将所述若干台汇聚设备虚拟化为一个设备,即虚拟化设备。在不降低双汇聚设备可靠性的前提下,简化了网络架构,确保了业务的快速倒换,提高了网络的可靠性。     

用于远程激光测距机的板条激光器

研制了用于远程激光脉冲测距机的板条激光器。使用半导体泵浦的MOPA激光结构实现了大于250 mJ的脉冲激光输出,输出脉冲宽度为12.83 ns,最终输出激光光束束散角为0.18 mrad。该激光测照器可应用于远程激光测距。对激光测距机的测距与照射能力进行了理论计算与分析。理论分析表明,应用于机载平台时,该激光测照器能够实现50 km距离的激光测距。该型激光测距机具有测距距离远,重量轻,结构紧凑等特点,具有广泛的应用前景。     

PCB废水总氮处理达标的工艺探讨

对PCB废水总氮的处理,从源头削减、分质收集、分质预处理到末端处理提出了多种方法,着重分析了MAP+管式微滤膜处理氨氮废水、多级组合式RO处理硝态氮废水和A2O+MBR处理综合废水,提出PCB废水总氮达标的组合工艺,项目建成后达到预期效果。     

物流信息管理系统开发

文章针对物流作业系统的现状及特点,设计并实现了一个基于J2EE的物流信息管理系统。该系统使管理人员可以通过浏览器轻松完成统计和监查物流信息、维护数据、分配和追踪终端实时状况等功能,清晰、层次化地体现了物流情况。     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。