士兵和装甲车目标多尺度检测方法

针对士兵和装甲车目标的尺度差异大以及目标距离远近造成的目标多尺度问题,以YOLOv4深度学习算法为基础,提出了一种多尺度目标检测方法. 通过针对性的数据增强方法丰富小目标样本的多样性,对输入图像进行分割预处理以提高网络输入小目标的分辨率,并基于特征金字塔网络实现大、中、小目标的分离检测,最后匹配检测结果并进行NMS处理去除冗余检测框,从而实现多尺度目标检测. 实验结果表明,本文方法在保持大目标检测效果的情况下,中、小目标的平均检测精度分别提升了1.20%和5.54%,有效提高了中、小目标的检测效果.      

叶片式旋流畸变发生器生成旋流角的影响因素

为提高叶片式旋流畸变发生器的设计效率,研究叶片式旋流畸变发生器生成旋流角度的影响因素,应用某型CDA叶型(可控扩散叶型)设计了一组整体涡旋流畸变发生器,并利用CFD计算研究了不同几何参数和外界条件对旋流角生成的影响。结果表明:旋流角的大小受叶片稠度和安装角的影响最大;相对而言,畸变发生器外径以及旋流向下游的发展对旋流角生成的影响较小;在所研究的亚音速范围内,马赫数与旋流角近似呈指数函数关系。综合以上影响因素,给出叶片式旋流发生器生成旋流角的拟合公式,利用拟合公式设计了对涡旋流畸变网,试验数据表明拟合公式可信度较高。