基于注意力反向知识蒸馏的车轮踏面异常检测

车轮是铁路列车走行部的重要部件,车轮踏面上产生的缺陷严重危害着铁路列车的安全运行。由于实际中车轮踏面缺陷样本有限,有监督检测模型对缺陷的检测不具有鲁棒性。针对此问题,提出使用无监督的知识蒸馏异常检测模型实现对车轮踏面的异常检测任务。首先,使用UNet对踏面区域进行分割,减少非踏面区域对异常检测模型的影响;然后,在多尺度特征聚合之后添加一个注意力机制,提升反向知识蒸馏结构中学生网络对正常特征的重建能力,增强学生网络对正常特征重建的效果。实验结果表明：在铁路车轮踏面数据集上,改进后的模型能够达到93.8%的受试者工作特性曲线下的面积、82.3%的精准率、95.4%的召回率、87.0%的准确率。与原模型相比,改进后的模型检测性能得到提升。     

基于星载激光雷达双通道信息的气溶胶消光系数廓线反演算法研究

星载Mie散射激光雷达是当前应用最为广泛的获取全球尺度气溶胶剖面信息的探测设备。然而,大气气溶胶类型多样,通常假定气溶胶遵循特定模式并以此为先验,从而实现从激光雷达信号反演气溶胶消光系数廓线,但这一定程度上会影响反演精度的进一步提升。鉴于此,提出了一种基于星载激光雷达双通道信息的气溶胶消光系数廓线的迭代反演优化算法。该方法首先在给定的先验气溶胶模式下获得初始消光-后向散射比（即激光雷达比）,并基于此分别反演两个通道的气溶胶消光系数和光学厚度。同时借助构建的气溶胶光学厚度与气溶胶质量柱总量之间的关系,得到两通道独立估计的大气气溶胶质量柱总量。最后以两通道大气气溶胶质量柱总量相同为约束,实现仅依赖激光雷达数据的激光雷达比及气溶胶相关光学参数的迭代优化。由于双通道激光雷达观测的限制,该方法适用于两种类型气溶胶混合下的反演,利用内蒙古包头地区的多年气溶胶背景场,对反演模型的精度和适用性进行了评估。与采用经验估算激光雷达比的Fernald方法反演结果相比,所提算法反演的气溶胶消光系数廓线在532 nm和1064 nm通道的平均精度分别提高了21.16%和3.00%。此外,还将该方法应用在CALI...