摘要:钢材的微观组织参数可以表征其多种物理特性,在役的核工业设施及关键钢带等需要开展在线无损检测其微观组织参 数。 本文分析了金属材料微观组织在线检测方法,归纳和分析了电磁方法(磁滞回线、磁巴克豪森噪声、多频涡流、切线磁场强 度的谐波分析)和超声方法(声速法、衰减系数法、非线性超声法及多超声参数结合)等金属材料微观组织无损检测方法的研究 现状及现存问题,探讨了金属材料物理特性与微观组织参数之间的联系及尚未明确的关系,展望了金属微观组织无损检测的发 展潜力与方向。

摘要:针对传统海面漂浮小目标的特征检测方法难以有效提取目标特征的问题,提出了一种基于 RCMDE-XGBoost 海面小目 标检测方法。 利用变分模态分解对信号进行去噪预处理,通过精细复合多尺度散布熵提取目标的多尺度特征,构建多维度特征 矩阵,输入 XGBoost 网络进行特征分类,通过模型训练,实现海面小目标检测。 利用 IPIX 雷达实测数据库,在#54、#311、#320 海 情 HV 极化方式下检测率分别达到了 93. 33%、92. 38%、95%,相较于图连通密度检测法平均提升 12%,证明了 RCMDE-XGBoost 检测方法有效。

摘要:针对目标检测算法模型在交通标志检测上容易出现错检和漏检等问题,提出一种融合前景注意力的轻量级交通标志检 测网络 YOLOT。 首先引入 SiLU 激活函数,提升模型检测的准确率;其次设计了一种基于鬼影模块的轻量级骨干网络,有效提 取目标物特征;接着引入前景注意力感知模块,抑制背景噪声;然后改进路径聚合网络,加入残差结构,充分学习底层特征信息; 最后使用 VariFocalLoss 和 GIoU,分别计算目标的分类损失和目标间的相似度,使目标的分类和定位更加准确。 在多个数据集 上进行了大量实验,结果表明,本文方法的精度优于目前最先进方法,在 CCTSDB 数据集上进行消融实验,最终精度达到 98. 50%,与基线模型相比,准确率提升 1. 32%,同时模型仅 4. 7 MB,实时检测帧率达到 44 FPS。

摘要:针对利用机器视觉对圆形仪表进行读数识别的过程中,由于镜头平面与仪表平面不一定平行导致采集图像发生几何畸 变的问题,提出一种基于轮廓的圆形仪表自动透视校正算法。 该算法分为校正矩阵估计与图像校正两个部分,首先通过圆形仪 表的轮廓来计算校正矩阵,再利用双线性插值校正畸变图像,该算法只需要获得圆形仪表轮廓的坐标集合就可以校正畸变图 像。 仿真实验结果表明,基于轮廓的校正算法与传统四点投影变换算法相比,校正精确度提高了 2% ~ 6%,同时实际仪表校正 实验也表明轮廓校正算法有着更高的精确度以及稳定性,对圆形仪表的自动读数的预处理有实际应用价值。

摘要:针对传统方式检测风力涡轮机表面缺陷时出现的精度不足、泛化性较差问题,提出了一种改进 YOLOv5s 的风力涡轮机 表面缺陷检测模型。 在网络结构方面,首先在主干特征提取网络引入改进的 MobileNetv3 网络,用于协调并平衡模型的轻量化 和精度关系;其次采用 BiFPN 式的融合方式,增强神经网络的多尺度适应能力,提高融合速度和效率;最后为轻量化的自适应 调节特征权重,运用 ECAnet 通道注意力机制,进一步提高神经网络的特征提取能力。 在损失函数方面,将边框回归的损失函数 修改为 αIoU Loss,进一步提升了 bbox 回归精度。 实验结果表明,基于 YOLOv5s 的改进算法可以在复杂环境下快速准确地识别 风机表面的缺陷目标,能够满足实时目标检测的实际应用需求。

摘要:为了引导并联机器人装料过程中的自动对位,提出一种高精度的罐口位姿双目测量方法。 通过图像预处理提取罐口图 像上下边缘亚像素点,建立空间圆双目投影椭圆锥模型,在世界坐标系下构建椭圆锥底面,通过成像椭圆轮廓像素信息与椭圆 锥底面之间的映射关系,寻找最优圆锥底面所在坐标系得到目标姿态,利用姿态修正计算对应真实圆心像素所在位置,用双目 三角测量法得到世界坐标系下的圆心三维坐标。 针对空间圆投影二义性问题,提出利用罐口沿口消除二义性。 经仿真和实验 验证,算法精度高且能满足大角度姿态测量,实验测量姿态的最大误差为 1. 8°,真实圆心像素提取最大误差为 0. 98 pixels。 方 法无需任何辅助测量和约束条件,有效提高了装料过程中的自动化效率。

摘要:精准感知水位信息变化是实现精细水务管控和洪涝灾害的关键环节之一,而低照度、雾霾、雨雪、冰冻、波浪、镜头抖动 等恶劣场景给水位检测带来极大挑战。 针对现有方法中难以实现水位精准检测难题,构建一种融合 Transformer 与残差通道注 意力机制的 Unet 模型(TRCAM-Unet),进而提出基于 TRCAM-Unet 的恶劣场景水位智能检测方法。 关键技术包括通过全尺度 连接结构实现多层次特征融合,通过 Transformer 模块强化区域特征的关联性,通过残差通道注意力模块强化有用信息的表达 并削弱无用信息的干扰。 相关试验和实践表明,TRCAM-Unet 取得了 98. 84%MIOU 评分与 99. 42%的 MPA 评分,在约 150 m 距 离外水位检测最大误差不超过 0. 08 m,水位偏差均值(MLD)仅有 1. 609×10 -2 m,优于 Deeplab、PSPNet 等主流语义分割算法。 研究结果对解决恶劣场景下水位精准检测难题及洪涝灾害预警具有重要应用价值。

摘要:深度卷积神经网络是水下图像增强的主要方法之一,但其过高的内存消耗和计算需求阻碍了在实际应用中的部署。 为 此,提出一种轻量级的密集残差卷积神经网络( dense residual convolutional neural networks, DRCNN)用于水下图像增强。 为降 低计算成本,DRCNN 采用深度可分离卷积提取高级特征;通过密集连接和残差学习促进不同通道之间的信息交互,提高模型表 征能力;将输入的退化图像与中间特征图融合,保留图像全局相似性,同时防止模型梯度消失。 实验结果证明 DRCNN 能有效 提高水下图像质量,较于现有算法,DRCNN 参数量减少了 85%,PSNR、SSIM 值分别提高了 3%、2%,测试速度提高了 3%。 DRCNN 使用更少的参数实现了更好的性能,利于在低资源设备的实时场景中应用。

摘要:车辆重识别是智能交通领域重要应用之一,现有的车辆识别方法大多集中于预定义的局部区域特征或全局外观特征。 然而,在复杂的交通环境下,传统的方法难以获取预定义的局部区域,同时很难捕捉有价值的车辆全局特征信息。 因此,本文提 出一种具有多视图融合的混合注意力机制和全局特征增强的端到端双分支网络。 该网络旨在通过增强车辆的特征表达能力和 特征质量来获得更完整、更多样的车辆特征。 本文通过视图解析网络对车辆图片 4 个视角的视图进行分割,并通过视图拼接方 法缓解分割不准确导致的信息丢失问题。 为了更好地突出拼接视图中的显著性局部区域,本文提出一种由通道注意力机制和 自注意力机制组成的混合注意力模块。 通过该模块从车辆拼接视图中分别获取关键局部信息和局部信息之间的相关性,更好 地凸显拼接视图中车辆局部的细节信息。 除此之外,还提出了一个全局特征增强模块,通过池化和卷积获得全局特征的空间和 通道关系。 该模块不仅能提取到语义增强的车辆特征,而且还使车辆特征中包含完好的细节信息,解决获取的车辆图像受视角 变化、光照条件变化等因素的影响。 在 Veri-776 和 VehicleID 数据集上的大量实验表明,mAP、CMC@ 1 和 CMC@ 5 分别达到了 82. 41%、98. 63%和 99. 23%,优于现有的方法。

摘要:针对单轴转台搭载 2D 激光雷达进行场景扫描的系统中的激光雷达动态位姿估计问题,提出一种利用 V 形棋盘格标定 板进行位姿估计的方法。 通过相机拍摄标定板上的两条光条直线的图像,提取光条直线特征,计算光平面及两条光条在相机坐 标系下的方程;再结合雷达提供的扫描数据,计算出雷达坐标系与相机坐标系的变换关系;通过控制转台做 3 次以上的旋转运 动,解算出转台轴在相机坐标系下的直线方程,拟合出雷达光心、雷达坐标系的坐标轴关于转台旋转角度的函数关系。 位姿估 计实验中计算得到的雷达光心位置与样本的平均误差在 1. 2 mm 以内,计算得到的雷达坐标轴方向与样本的平均误差在 0. 7° 以内;目标测量实验中通过单轴转台搭载 2D 激光雷达对目标尺寸测量的平均误差在 3 mm 以内。 实验结果表明该方法具有较 好的准确性。

摘要:针对深度强化学习视觉导航算法因导航场景变化而导致导航精度下降,影像匹配的实时性和可靠性降低的问题,提出 一种融合拆分注意力机制和下一次预期观测(NEO)的视觉导航模型。 首先使用 ResNest50 骨干网络提取当前状态和目标状态 的特征以降低网络冗余,利用跨阶段部分连接 CSP 强化捕获浅层目标特征信息以增强模型的学习能力。 然后提出改进的损失 函数,使得推理网络更加接近于真实后验,从而智能体能在当前环境下做出最佳决策,进一步提升不同场景下模型的导航精度。 在 AVD 数据集和 AI2-THOR 场景进行训练及测试,实验结果表明,本文算法导航精度高达 96. 8%,平均 SR 提升约 3%,平均 SPL 提升约 6%,可以满足导航精度和实时匹配的要求。

摘要:无监督行人重识别因其在真实监控场景中具备良好的可扩展性而备受关注。 现有的无监督行人重识别方法主要通过 基础骨干网络获取粗略的全局特征来训练网络,很少利用局部细化分支与全局特征共享来形成更具有鉴别性的特征描述符。 本文提出一种基于局部细化多分支与全局特征共享的特征提取网络,该网络融合了粗略的全局特征和局部细化分支中的细腻 特征来获取行人多样化的特征表达。 另外,为了提升分支网络对潜在关键区域信息的捕获能力,在分支操作前放置通道细化信 息融合的注意力块来增强网络对行人特征的关注力度,执行细化特征的专注学习。 通过在 Market-1501、DukeMTMC-reID 和 MSMT17 数据集上的实验结果验证了所提方法的有效性,平均精度(mAP)分别提升了 4. 4%、3. 2%、6. 4%,其中在 Market-1501 数据集上的平均精度达到了 83. 3%。

摘要:随着深度学习的不断普及,卷积神经网络已成为遥感图像场景分类的主要手段,然而当前的研究主要集中于多网络主 干的信息融合以及注意力机制等领域,在提高分类精度的同时也带来更高的计算复杂度。 针对上述问题,分别从改进卷积神经 网络损失函数和设计新的样本训练策略两个角度出发,在不增加计算复杂度的前提下,提升卷积神经网络的分类性能。 首先, 在对传统交叉熵和 Focal loss 损失函数进行分析的基础上,提出一种阶段聚焦损失函数,该损失函数可以在训练阶段对卷积网 络进行有侧重的性能挖掘。 其次,设计了一种并行样本训练策略,将采用 Gridmask 算法增广后的样本图像和原始样本图像,分 为两路输入卷积网络进行并行训练,进一步提升卷积网络的分类性能。 实验结果表明,所提出的算法分别在 AID 和 NWPURESISC45 两个大规模数据库上取得了 96. 72%和 93. 95%的检测精度,可以显著提升遥感图像场景分类的性能。

摘要:针对液压管路背景多变、管道弯折、管道重叠排布等复杂现象且现有图像分割方法对管路分割精度不高等问题,提出一 种以 U-net 网络为基础,结合 Mobilenetv3 网络、 SE 注意力机制模块、自校正卷积模块的液压管路分割方法。 该方法以 Mobilenetv3-large 模型作为骨干网络,结合 LR-ASPP 网络处理特征图;在解码过程中,融入 SE 注意力模块和 SC 自校正模块,提 升了特征提取能力;最后采用 Dice 函数和 BCE 函数的组合来作为网络的损失函数,有效地提升了网络的收敛能力。 实验结果 表明本文提出的方法在交并比、像素精度指标上的均值分别达到 90. 8%、95. 2%,且模型体积为 16. 9 M,推理每张图像所耗时间 20 ms,可应用于需实时部署的场景,为液压管路渗漏的准确识别提供了基础。

摘要:针对输电线路巡检中可能存在拍摄图像质量不高的问题,以及线路缺陷目标小而分布密集而导致传统方法检测精度不 高的问题,提出一种基于超分辨率重建与多尺度特征融合的输电线路缺陷检测方法。 首先,使用超分辨率网络对巡检图像进行 重建,提升清晰度,丰富图像中包含的特征信息;然后使用改进的 YOLOX 网络检测巡检图像中的缺陷,在主干网络中嵌入卷积 块注意力机制,强化模型对重叠小目标的定位能力;为进一步提升小目标的检测能力,在 YOLOX 的特征融合网络中新增浅层 检测尺度进行特征融合;最后,通过使用 CIOU 优化边界框损失函数提升模型收敛能力,降低缺陷目标的漏检率。 实验结果表 明,所提方法能在提升巡检图像质量的基础上对输电线路缺陷准确地检测,精度达到 93. 27%,相比 SSD 等经典模型,对小而密 集的缺陷目标有着更强的提取能力和鲁棒性。

摘要:为了克服当前边缘检测器中难以准确估计边缘的对比度和宽度,且易受到噪声影响,导致其边缘提取精度降低的问题,设计了 一种尺度与对比不变的边缘检测算法。 首先,借助 Gaussian 分布函数来描述目标边缘,求解闭合形式的位置、宽度、对比度、偏移和方 向等参数,并且将噪声滤除为低对比度特征。 其次,定义了一种尺度归一化方法,确保所有像素点在尺度空间中都能获得稳定的极值。 然后,通过梯度幅度信息,基于 Laplacian 计算方法,构建尺度与对比度不变的边缘检测器,消除对比度参数的影响,准确获取图像的边 缘。 测试数据显示,较已有的边缘检测方法而言,所提方法呈现更优的提取效果,得到的边缘更加清晰与完整。

摘要:针对 3×3 光纤耦合器三路输出信号非旋转对称易导致相位解调产生误差的问题,提出了基于 3×3 光纤耦合器两路输 出信号的非对称光纤耦合器相位解调系统理论,通过软件仿真分析验证了系统对单频周期信号与三次谐波信号的相位解调能 力,并在相位敏感光时域反射仪(Φ-OTDR) 上开展了光纤振动传感系统相位解调性能测试。 实验结果表明,系统能够实现 200~ 4 000 Hz 频率范围内的相位解调,振动定位绝对误差在±10 m 以内,系统空间分辨率为 21 m。 本方法在减少系统硬件成 本的基础上,为 Φ-OTDR 系统光纤耦合器分光比与相位差不恒定问题提供了新的解决思路与参考方案,可在交通安全监测等 领域进行应用推广。

摘要:焊条湿度过高会导致焊接中产生气泡、气孔等明显的质量问题。 为满足焊条湿度的现场无损检测,提出一种柔性叉指 电容式焊条湿度检测方法。 首先,以新型柔性叉指电容式传感器为基础,建立有限元模型,研究叉指电极结构参数对传感器性 能的影响;然后,利用 BP 神经网络和遗传算法对叉指电容式焊条湿度传感器的结构进行参数优化,得到湿度传感器最优的设 计方案;最后,设计 U 型弹性机构起到完全包裹焊条的作用,完成 J507 和 J607 焊条湿度检测实验和标定实验。 仿真与实验结 果表明,叉指电极结构参数为最优时,传感器检测深度约为 1. 4 mm(小于焊条药皮厚度),焊条湿度值与电容值拟合优度达到 0. 98。 本方法对湿度值在 0. 117% ~ 2. 5%的焊条具有良好的检测能力,为实现焊条湿度的现场、无损检测技术提供了新思路, 有助于避免焊接过程中产生焊接缺陷。

摘要:锂离子电池健康状态(SOH)的精确估计是电池管理系统面临的核心问题之一。 针对实际的电池容量很难直接测量和容 量再生导致的 SOH 估计误差问题,提出了一种基于增量能量法和双向门控循环网络(BiGRU)-Dropout 的锂离子电池健康状态估 计方法。 首先分析增量能量曲线随电池老化的衰退规律,提取出最大峰值高度作为电池 SOH 的新健康因子。 通过翻转层和门控 循环网络层所搭建的 BiGRU 网络得出健康因子与 SOH 的映射关系,同时添加 Dropout 机制网络层防止出现过拟合现象,建立 SOH 估计模型用于电池 SOH 精确估计。 实验结果表明,在不同充电倍率条件下,该方法均可快速、准确地估计电池 SOH。

摘要:针对经典双稳随机共振(CBSR)系统在微弱信号放大检测方面的困难,提出了 Levy 噪声下的欠阻尼指数型三稳随机共 振(UETSR)系统。 将双稳态和指数势函数相结合,利用非高斯噪声可有效提升信噪比的特性,构造出 UETSR 系统。 首先推导 该系统的稳态概率密度函数,以平均信噪比增益为衡量指标,采用量子粒子群算法进行参数寻优,研究在 Levy 噪声的不同参数 α 与 β 下,系统各参数对 UETSR 输出变化规律的影响。 最后将 UETSR、CBSR 和经典三稳系统(CTSR)应用于轴承故障诊断中, 系统输出后的内外圈故障频率处的幅值较输入信号分别增长了 197. 58,1. 153,18. 81 和 238. 87,26. 63,39. 72,最高峰与次高峰 的谱级比分别为 5. 44,4. 03,3. 85 和 5. 10,3. 79,5. 05。 实验结果表明,不同系统参数均可诱导产生 SR 现象,且 UETSR 系统的 性能明显优于 CBSR 和 CTSR,具有良好的工程应用价值。

摘要:针对复合插值包络经验模态分解(CIEEMD)方法存在非平稳系数阈值无法自适应确定的问题,提出了一种改进复合插 值包络经验模态分解(ICIEEMD)方法。 首先,以边长为 ε 的网格覆盖振动信号求出其分形盒维数,实现信号非平稳阈值自适应 选取,分解得到若干固有模态函数(IMF);其次,结合互相关系数、时域峭度和包络谱峭度建立互相关系数-TE 峭度(C-indexTE) 复合指标,筛选出有效 IMF 分量并重构信号,使用 Teager 能量算子解调获得重构信号的能量谱,实现滚动轴承故障特征提取; 最后,基于仿真信号和实验台滚动轴承数据集进行实验分析,与 CIEEMD 方法和谱峭度法相比,所提方法能够提取出更加清晰 的故障特征频率,证明了所提方法的可行性和有效性。

摘要:随着目前空战武器装备的迅猛发展,对于高空高速大机动目标的轨迹预测越来越占据重要的战略地位。 为了解决目前 存在的目标轨迹预测不足的问题,本文提出了融合小波分解(wavelet decomposition, WD)和长短期记忆(long short term memory, LSTM)网络的模型来对机动目标的轨迹进行预测。 首先,通过小波分解将输入的轨迹时间序列分解为 1 个低频分量(CD1)和 3 个高频分量(CA1,CA2,CA3)。 然后,利用长短期记忆网络对时间序列处理的优势进行分量预测。 最后,将分量预测结果进行 重构并与原始轨迹进行对比验证,结果表明所提模型对于轨迹预测具有较高的精确度。 为了排除实验结果的偶然性,本文用两 组数据进行验证。 通过对比实验显示,所提模型与其他两种模型相比预测误差更小。

摘要:作为高速铁路车地通信的关键设备,应答器信息传输的准确性直接影响列车安全高效运行,为研究列车速度与应答器 倾斜、俯仰、偏转角度偏差对其传输性能的影响,针对应答器传输系统作用过程,分析其工作原理,建立 BTM 天线接收上行链路 信号动态模型,应答器角度偏差理论模型,计算穿过 BTM 天线磁通量、BTM 接收天线感应电动势,仿真不同列车速度及应答器 安装角度偏差下 BTM 接收线圈感应电动势幅值曲线,计算分析上述情况下应答器作用距离、BTM 作用时间、接收比特数等性能 指标变化情况。 研究表明,应答器作用距离随列车速度增大而减小,速度每增加 50 km/ h 应答器作用区磁场强度减小 0. 2 dB, BTM 作用时间、动态接收比特数、动态接收报文安全帧数与列车速度均呈反比关系;列车速度一定,BTM 动态接收比特数随应 答器倾斜角、偏转角的增大呈线性减小,在现场施工维护过程中应重点对应答器倾斜偏转进行查验;满足 BTM 接收报文误比特 率的条件下,现状应答器传输系统的适用性速度限值为 420 km/ h。

摘要:单向阀作为液压系统重要元件,发生内泄漏故障时影响液压系统的工作效率和设备的安全稳定运行。 针对单向阀内泄 漏预测,提出了一种基于多源信号和布谷鸟搜索支持向量回归(CS-SVR)的单向阀内泄漏无损预测方法。 首先建立单向阀内泄 漏检测实验平台,获得不同工况不同故障特征下单向阀内泄漏的振动信号和声发射信号。 然后利用小波包能量分析方法,提取 两种信号最优频带重构信号的均方根值作为预测变量,并结合阀前压力建立基于布谷鸟算法优化的支持向量机回归(CS-SVR) 的多源信号预测模型。 最后,将模型进行对比分析。 结果表明,布谷鸟搜索算法相对于网格搜索法(GS)和粒子群算法(PSO) 对 SVR 模型参数寻优优势更大;基于多源信号输入的预测方法相对于单源输入的预测方法精确程度更高, 同时该方法能实现 不同压力、不同故障类别、不同故障程度的单向阀内泄率预测,平均相对误差为 8. 97%鲁棒性较高,为阀内泄漏无损检测应用技 术的开发奠定了基础。

摘要:利用多个不同质地未受扰动的原状土壤样本,对其进行质量体积含水率测量和电容式频域反射 FDR( frequency domain refletrometry)土壤水分传感器体积含水率对比测量,得到传感器的标定方程。 对每个样本重复多次从含水量饱和至几乎不含自 由水状态全过程对比测量,得到不同土壤湿度上的动态测量重复性;同时在土壤湿度不变的每一次对比测量中,等间隔旋转土 壤水分传感器,得到在同一湿度值上的不同方位的静态测量重复测性。 以实测的数据对两种重复性进行了分析,实验研究表 明:在环境温度相差不大的情形下,FDR 土壤水分传感器的原状土壤标定有较好的全量程重复性,试验用原状土壤样本体积含 水率动态重复性误差最大为 3. 57%(cm 3·cm -3 ),最小为 2. 29%(cm 3·cm -3 ),平均为 2. 81%(cm 3·cm -3 );体积含水率方向性静态 误差最大为 0. 22%(cm 3·cm -3 ),最小为 0. 01%(cm 3·cm -3 ),平均为 0. 02%(cm 3·cm -3 )。 原状土壤动态重复性较好,能够作为站 点后期校准标准物质,体积含水率方向性静态误差小,在测量中可以忽略。

摘要:针对开关磁阻电机在惯性状态下难以测算初始位置的问题,设计了一种基于脉冲注入法的初始位置估算策略,该策略 可以在电机静止状态和惯性状态都可以有效获取电机的初始位置。 首先该策略对脉冲电流励磁时间和注入频率的选取原则进 行了分析,使得开关管等器件在安全工作环境下正常运行,保证实验操作的可行性;其次使用脉冲注入法对开关磁阻电机实施 电感平均分区,分别对电机静止和具有惯性速度下的位置定位进行研究,最后在一台三相 6 / 4 结构的开关磁阻电机上进行了实 验。 实验结果验证该方法在不增加额外硬件电路的条件下,可以有效测算出电机在静止状态或惯性状态下的初始位置,同时该 控制算法简单、操作方便,具有较强的普适性以及可移植性。