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。     

基于双通道注意力的轻量化PCB缺陷检测研究

印刷电路板 (printed circuit board,PCB)在实际生产过程中存在缺陷样式多种多样、缺陷小、缺陷位置难以定位的问题,而一个巨大的模型难以实现实时检测的要求,且大量的深度可分离卷积层建立的轻量级模型也不能达到足够的精度,为此提出一种基于YOLOv5s的PCB缺陷检测算法。 将原始Backbone的Conv模块跟C3模块用GhostConv替换,在Neck部分则引入了一种新的轻量级卷积技术GSConv,减轻模型大小的同时保持精度,GSConv在模型的准确性和速度之间完成了一个极好的权衡,针对许多注意力模块无法关注全局信息同时模型大的问题,提出了多尺度的轻量化双通道注意力模块(double channel depthwise attention module,DWAM),进一步提高模型精度。通过多组实验, 结果表明,改进算法所有类别的平均mAP为99.14%,且模型的GFLOPs为7.194 G,Params为7.175,原始的YOLOv5s平均mAP为96.86%,GFLOPs为6.89 G,Params为6.596,虽然Params以及GFLOPs有所增大,但是还是满足轻量网络的要求,并且精度相对于YOLOv5s提高了2.25%,且对于每个类别的缺陷识别准确率都有改善,大幅减少计算量和模型参数的同时保证了准确率,满足工业检测生产需求的同时便于移动端部署。     

融合注意力机制的轻量级摔倒检测

摔倒检测大都依靠传感器设备,此类方法受设备自身和环境因素影响较大,常常无法发挥该有的作用,同时,基于视觉的方法往往实时性较差,鲁棒性不强。针对上述问题,本文提出了一种鲁棒性强、能有效部署在嵌入式设备上的轻量化摔倒检测算法。以YOLOv5为基准模型,首先,融合轻量级注意力机制模块,使网络更关注要识别的目标区域,增强网络的识别精度。其次,使用模型压缩方法对模型进行剪枝,减小模型体积和计算量,使模型轻量化,以提高推理速度和便于部署在嵌入式设备中。最后,对剪枝后的模型进行知识蒸馏,在不提升模型复杂度的前提下提升模型的检测精度。实验结果表明：本文模型相较于基准模型,mAP增加了1.7%,召回率提高了1.2%,模型体积减小了79.1%,浮点运算量降低了70.9%。将本文模型部署在嵌入式设备Jetson Nano上,检测速率达到13.2 frame/s,基本满足实时性摔倒检测的要求。     

红外光学终点检测的研究

终点检测是化学机械平坦化的关键技术,它决定着理想的平坦运行的停止点,在以纳米级别的控制上,终点检测尤为重要。目前主要的两种终点检测方法:电机电流存在着误判断,而可见光干涉存在着光蚀效应等。低能量的红外检测根据不同介质及同种介质不同厚度的红外吸收和反射系数不同的原理精确地选择平坦化终点完全克服以上检测手段的不足。阐述了其原理,设计了其硬件原理图,定性分析了红外测量曲线,并指出今后终点检测的方向。     

相干自外差布里渊光纤传感系统设计及性能分析

设计了一个外差检测式布里渊光纤传感系统,采用逐步调节微波本振信号与布里渊电信号相外差的方法,实现了布里渊信号的频移和强度的同时测定,从而实现光纤温度和应变的同时测量.最终实现了10 km传感距离1 m.的空间分辨率的基础上,0.5 K的温度分辨率和105με的应变分辨率.     

星基增强系统接收机中的导航比特同步设计与性能仿真

星基增强系统(SBAS)中导航电文速率为500符号/秒,针对其弱信号时找导航比特边界难的特点,提出了基于最大似然算法的比特同步算法,给出了在SBAS接收机中比特同步的应用公式和实现方法,并进一步创新性地设计了包含有软判决和多次判决的比特同步综合流程;最后在多种导航比特分布的情形下,对最大似然比特同步算法进行了不同载噪比下的性能仿真,确认了此算法在接收信号很弱时仍然有效。     

一种通用的数据采集系统设计及其FPGA实现

基于多相滤波技术和能量检测方法,完成了一种通用的数据采集系统设计及其FPGA实现,可兼容低速、高速和突发信号的采集。仿真和实测结果表明,该系统满足实际需要。     

认知无线电的合作频谱检测分析

认知用户需要持续快速地检测主用户的出现,对基于认知无线电的合作频谱检测机制进行了分析。在理想的两用户网络中,认知用户采用合作机制可以提高系统的平均侦测时间。在多认知用户网络中,参与合作的用户越多,单个认知用户对主用户的侦测概率越高。对于多用户网络,还考虑了整体的实现。     

A Fault Detection Method for Electrohydraulic Switch Machine Based on Oil-Pressure-Signal-Sectionalized Feature Extraction

A turnout switch machine is key equipment in a railway, and its fault condition has an enormous impact on the safety of train operation. Electrohydraulic switch machines are increasingly used in high-speed railways, and how to extract effective fault features from their working condition monitoring signal is a difficult problem. This paper focuses on the sectionalized feature extraction method of the oil pressure signal of the electrohydraulic switch machine and realizes the fault detection of the switch machine based on this method. First, the oil pressure signal is divided into three stages according to the working principle and action process of the switch machine, and multiple features of each stage are extracted. Then the max-relevance and min-redundancy (mRMR) algorithm is applied to select the effective features. Finally, the mini batch k-means method is used to achieve unsupervised fault diagnosis. Through experimental verification, this method can not only derive the best sectionalization mode and feature types of the oil pressure signal, but also achieve the fault diagnosis and the prediction of the status of the electrohydraulic switch machine.     

Detection and Classification of Small Traffic Signs Based on Cascade Network

Research on the traffic sign detection is significant for driverless technology,which provides useful navigation information.Existing object detection methods are only applicable to large-size objects or small-scale specific types of traffic signs,and the performance of detecting traffic signs in street views is not adequate.In this regard,we propose a method to detect and classify small traffic signs by constructing a cascaded network.Specifically,the RetinaNet network is adopted firstly to integrate multi-layer information to identify small traffic signs in traffic scene images.The focal loss function is used to balance the biased distribution of traffic sign categories.Then,a two-class network is cascaded after the RetinaNet,which helps identify valid traffic signs from the first-stage prediction results.Experiments show that our cascaded network structure could achieve the balance of different categories of predictions and an improvement in precision and recall.