用于单片机实验教学的红外激光气体检测仪

为了实现科研反哺教学、促进教学与科研的深度融合,研制了一种基于嵌入式多核处理器和数字信号处理器的实验教学用红外激光气体检测仪。该检测仪包括光学系统和电学系统,其中电学系统包含光谱信息感知模块和嵌入式控制模块。利用研制的检测仪开展了氨制冷冷库现场的泄漏氨气浓度的检测应用。结果表明,与传统气体检测仪相比,该检测仪实现了检测仪的网络化与智能化,而且性能满足实验教学要求。

助推段火箭发动机喷焰红外辐射特性数值计算

助推段火箭发动机尾喷焰具有显著的红外辐射特性,成为天基红外预警系统重点关注的对象。以三组元固体发动机为研究对象,建立连续流域和过渡流域的尾喷焰反应流场计算模型,采用两级助推段质心弹道法确定飞行弹道,通过反向寻优法完备发动机型谱参数,基于等效单喷管法简化流场计算,基于窄谱带法和视在光线法计算尾喷焰的红外辐射特性。研究结果表明:复燃效应使得尾喷焰红外辐射光谱强度升高约20倍,谱带积分强度升高约10倍;尾喷焰红外光谱存在2.7μm和4.3μm的特征峰值;低空流域的光谱强度较高,且不同谱带内积分强度随高度的升高呈现出波动规律和暗区现象;助推段尾喷焰辐射强度差值高达3个量级,尤其在4.3μm较为明显。所得成果可为火箭在助推段的探测和识别提供一定的理论参考。

海洋油膜偏振反射特性仿真与测试

为了海洋溢油的检测与识别,在偏振特性建模中综合考虑天空的偏振辐射、油膜表面的动态反射、接收探测器的姿态和性能,进行全数字仿真,开展外场动态水面的实测,进行油膜偏振半实物仿真,最后对海洋溢油进行了偏振测试与分析。试验结果表明:在区分油品方面,汽油和水的强度差值为29.33%,线偏振度差值为0.97%,二者结合可较好的分辨溢油。

基于红外成像技术的城乡局部环境监测与分析研究

结合红外探测成像技术在复杂环境监测中的独特优势,研制了基于连续变焦中波红外成像技术的城乡局部环境监测系统,对城乡局部地区燃煤情况开展实时监测,并完成数据处理分析,为研究城乡地区燃煤趋势和特点、实施监控管理提供有力技术和数据支撑。经过在某市城乡结合地区开展的实地监测试验验证,证明该系统运行稳定、成像清晰,可实现对燃煤地区全局和重点位置的全天候在线监测,数据处理准确有效,该系统具有良好的工程应用价值。

核用锆合金管氧化过程中光谱发射率特性研究

发射率在锆合金管非接触测温的准确性和失水事故情况下的传热分析上具有重要意义。本文采集了SZA4、SZA6和ZIRLO 3种锆合金在400,500,600℃下氧化100min过程中4~12μm内的光谱发射率数据,分析了温度、氧化膜厚度和合金组分对材料光谱发射率特性的影响规律。结果表明,3种锆合金在氧化过程中发射率变化趋势基本相同,但组分差异导致在发射率的数值和振荡特性上略有差别。通过建立薄膜干涉模型,解释了光谱发射率在波长方向上的振荡现象,并结合振荡极值与干涉效应原理计算了合金表面氧化膜厚度,在0.6~8μm范围内测量精度达到±0.3μm。

含端壁涡轮导叶红外测温的误差影响机理研究

由于涡轮叶片所处的工作环境复杂,受到壁面及燃气辐射干扰,导致测温十分困难。为进一步分析涡轮叶片表面在端壁影响下的温度分布情况,采用数值模拟结合自定义编程的方式进行了含端壁涡轮导叶的温度误差验证计算。利用自定义编程对经典同心球模型进行了角系数,有效辐射等可靠性验证计算,验证方法可靠。基于该方法进行了端壁与涡轮导叶各网格单元的角系数,叶片表面间的辐射换热计算,输出涡轮导叶的表面辐射特性分布,运用玻耳兹曼定律反推导出该工况涡轮导叶所受到的辐射能流分布情况;计算分析了不同误差影响机理下,含端壁的涡轮导叶温度误差分布情况,探明了热辐射环境下对叶片表面辐射特性的影响。结果表明:当进口黑体辐射温度在1 400~1 800 K之间,进口辐射强度是对叶片换热影响最大的因素;利用有效辐射和所计算的误差分布可知,进口辐射温度影响区域主要是叶片前缘区域,最大计算误差不超过2.82%;通过有效辐射及误差分布可见,出口黑体辐射温度的变化对于涡轮导叶的影响较小,受温度影响区域也主要为叶片前缘区域,最大计算误差不超过2.35%;叶片表面发射率与温度成正相关,当叶片表面发射率增大时,叶片表面温度随之均匀升高,在真实工况下,叶片材料物性的改变较小,在发动机设计中可以近似忽略由于叶片温度变化导致物性参数改变带来的影响。

深度学习与图像融合的行人检测算法研究

为解决智能辅助驾驶技术中可见光摄像机受光照和气候影响而导致行人目标识别困难的问题。通过研究图像融合技术,结合深度卷积神经网络,实现并改进了一种道路行人目标检测算法。方法是利用多源传感器图像融合技术,采用可见光相机与红外热成像相机融合的策略,以Faster RCNN算法为基础,从改进网络结构、特征融合、优化模型训练等方面展开研究,对复杂环境下的行人检测与定位跟踪展开研究,提出一种基于图像融合技术和改进的深度卷积神经网络的道路行人目标检测算法。实验结果表明,该算法对复杂气候环境下行人目标检测提高了检测效率和准确率,增加了智能辅助驾驶汽车的安全性。

低空轻量级红外弱小目标检测算法

精准的红外弱小目标检测是实时监控、追踪、制导的关键;红外弱小目标存在检测难度高、误检高、漏检严重的问题。为了提高红外弱小目标检测算法的实时性和检测精度,提出了一种超轻量红外弱小目标检测算法SL-YOLO。首先,重设计下采样方案,针对红外图像特征信息调节网络架构,解决红外弱小目标特征梯度降低和特征消失问题;然后设计网络模型剪枝算法,实现剪枝算法与网络结构的融合,去除冗余参数,实现检测速度的提高;最后设计Varifocal-SIoU损失函数,在均衡正负样本与重叠损失的同时,对正样本进行加权处理,解决背景干扰问题。实验结果表明,在SIRST和IDSAT数据集下检测精度分别提高至96.4%、98.1%,模型体积和计算量可压缩至190 kB、0.9 GFLOPs,推理速度降至3 ms以下。与主流算法进行对比,改进后算法在检测精度、模型体积、计算量等方面均取得了不错的成绩。能够满足实时性检测需求。

基于GLMB滤波的复杂场景下红外弱小目标自适应跟踪算法

针对红外弱小目标在复杂场景下受到漏检和杂波影响,导致跟踪不连续甚至失效的问题,本文提出一种红外弱小目标自适应跟踪算法。在预处理阶段,为了减少不必要的计算,首先定义一种衡量图像复杂度的算法。然后该算法通过计算红外图像多个特征得到场景复杂度来确认场景类型,再根据场景类型选取对应的检测算法提取目标候选位置、灰度以及局部直方图等特征建立对应的量测模型与似然函数。在目标跟踪阶段,为了自适应地匹配广义标签多伯努利(Generalized Labeled Multi-Bernoulli,GLMB)滤波器的滤波参数,在GLMB的基础上提出一种适应视频图像的新生算法进行航迹起始;针对红外图像序列目标检测概率未知的情况,将未知检测概率的基数化概率假设密度(Cardinality Probability Hypothesis Density,CPHD)滤波器集成到GLMB中实时估计目标检测概率以提升跟踪精度。仿真结果表明,所提出算法能有效地排除量测漏检和虚警的干扰,跟踪不同红外复杂场景下的弱小目标。

温变环境下优化机载IRST系统探测包线研究

基于目前温度变化对机载红外搜索跟踪(IRST)系统探测距离的影响,建模分析了系统探测流程中目标与背景辐射对比度、大气透过率、光学系统、探测器性能随温度的变化情况,基于此提出了依据温度变化设置探测系统阈噪比的思想,且给出了具体设置算法。进一步仿真对比了优化阈噪比与传统恒定阈噪比条件下的探测概率包线,结果表明,前者的探测包线明显增大,说明依据温度设置阈噪比的方法可以显著提高IRST的探测性能。

激光红外技术下物联网异常节点状态监测研究

为了在海量物联网数据中准确监测异常节点状态,提高无线网络的安全性,提出激光红外技术下物联网异常节点状态监测方法。采用基于角度测量的激光红外定位方法判断出物联网异常节点的大概范围,将该区域作为采集区域展开异常节点特征数据采集和降维,通过奇异值分解对采集到的异常节点数据展开去噪处理,结合随机矩阵理论和平均谱半径判断节点的异常状态,以此实现对物联网异常节点状态监测。实验结果表明,所提方法的定位误差值最大仅为4.3%、监测时间在79.85 ms以下、丢包率低于0.22%,具有良好的监测能力。

基于预训练固定参数和深度特征调制的红外与可见光图像融合网络

为了更好地利用红外与可见光图像中互补的图像信息,得到符合人眼感知特性的融合图像,该文采用两阶段训练策略提出一种基于预训练固定参数和深度特征调制的红外与可见光图像融合网络(PDNet)。具体地,在自监督预训练阶段,以大量清晰的自然图像分别作为U型网络结构(UNet)的输入和输出,采用自编码器技术完成预训练。所获得编码器模块能有效提取输入图像的多尺度深度特征功能,而解码器模块则能将其重构为与输入图像差异极小的输出图像;在无监督融合训练阶段,将预训练编码器和解码器模块的网络参数保持固定不变,而在两者之间新增包含Transformer结构的融合模块。其中,Transformer结构中的多头自注意力机制能对编码器分别从红外和可见光图像提取到的深度特征权重进行合理分配,从而在多个尺度上将两者融合调制到自然图像深度特征的流型空间上来,进而保证融合特征经解码器重构后所获得融合图像的视觉感知效果。大量实验表明:与当前主流的融合模型(算法)相比,所提PDNet模型在多个客观评价指标方面具有显著优势,而在主观视觉评价上,也更符合人眼视觉感知特点。

基于改进CoF的红外与可见光图像融合

为了使红外与可见光图像融合能够保留图像边缘信息和背景信息,提出改进共现滤波算法。首先分析共现滤波效果取决于滤波尺度标准差、图像内容;接着基于像素强度偏斜度和基于像素能量对滤波尺度优化,自适应确定像素对距离阈值提高了滤波的速度;最后NSST算法对图像的低、高频子带使用不同融合方法,低频子带图像的融合使用Delaunay插值计算、最大对称环绕显著性方法,高频子带图像的融合使用修正拉普拉斯和方法。实验仿真表明,本文算法融合结果边缘细节部分更丰富,没有伪影出现,主观视觉和客观指标上均具有明显的优势。

基于改进Faster R CNN的光伏组件红外热斑检测算法

光伏故障检测对光伏电站智能运维具有重要意义。针对光伏组件红外图像中热斑目标小、难检测的问题,研究了基于改进Faster R CNN的光伏组件红外热斑故障检测模型。将Swin Transformer作为Faster R CNN模型中的特征提取模块,捕获图像的全局信息,建立特征之间的依赖关系,提高模型的建模能力;进一步利用BiFPN进行特征融合,改善了热斑故障由于目标小和特征不明显容易被模型忽略掉的问题;同时为了抑制光伏红外图像中背景和噪声的干扰,加入轻量级注意力模块CBAM,使模型更加关注重要通道和关键区域,提高对热斑故障检测精度。在自建光伏组件图像数据集上进行实验,热斑故障检测精度高达915,验证了本文模型对光伏组件热斑故障检测的有效性。

结合WGAN GP与CNN SVM的滚动轴承故障红外诊断

针对实际工程应用中由于滚动轴承故障状态出现的时间很短而导致数据集不平衡难以采用深度学习算法进行故障诊断的问题,提出了一种基于Wasserstein距离的梯度惩罚生成对抗网络(WGAN GP)和基于支持向量机分类的卷积神经网络(CNN SVM)相结合的滚动轴承故障红外诊断方法。从红外热像图中构建不平衡数据集,通过采用WGAN GP对不平衡数据扩充以达到数据集均衡,之后将CNN SVM模型应用于数据集,提取样本深度特征完成故障分类。实验表明,WGAN GP与CNN SVM相结合的模型在不平衡数据集下表现良好,相较于其他模型有更好的故障诊断能力,并且在故障分类阶段的用时可减少16.89%以上。

基于YOLOv5s的轻量化红外图像行人目标检测研究

基于红外图像的行人识别是现代安防系统的重要组成部分。在计算资源受限场景,由于红外行人检测算法中模型尺寸的影响,检测精度与部署难度往往难以平衡。针对此问题,本文提出了一种基于YOLOv5s的轻量化目标检测算法:首先引入MobileNetv3轻量化特征提取网络,并使用深度可分离卷积减小模型尺寸,使其更易部署至CPU设备;其次,将最近邻插值上采样方式替换为CARAFE(Content-Aware ReAssembly of FEatures),明显提升了图像重建效果;最后使用EIOU Loss作为边界框损失函数改善模型回归性能。本文在采样后的LLVIP红外行人图像数据集上进行了测试:对于红外图像下的行人目标,本文在保持高检测精度(AP=95.4%)的同时,模型大小减少80.6%,参数量减少82.8%;在使用CPU平台进行推理时,推理速度提升43.3%,且检测多尺度目标的性能有所提升。以上两方面结果验证了算法的有效性。

基于注意力机制和残差网络的手部热痕迹识别

手部热痕迹红外图像识别对刑事侦查具有重要意义,但热痕迹图像往往存在模糊问题。传统识别方法依靠人工设计特征,存在局限性,常规的深度学习方法对样本数量存在依赖性,均难以直接应用。利用卷积神经网络强大的特征表达能力,引入残差网络增强模型学习特征的性能,设计注意力机制模块从空间和通道维度提高模型对重要特征的关注度,最终构建了基于注意力机制的残差卷积神经网络。实验验证了该算法的有效性,取得了最高的识别准确率。

一种基于传感器MLX90640的红外热成像仪设计方案

通过实验法,以传感器MLX90640和单片机GD32F103为内核,搭配ILI9341显示屏,设计一款非接触式快速测温便携式的红外热成像仪器。仪器通过IIC接口实现单片机与传感器的数据交换,并将获取的红外测温温度值进行灰度转化与RGB565编码转化,最终以图像的形式显示在TFT-LCD上。如果设备检测到中心点温度高于设定阈值时可触发仪器报警,蓝牙通信模块发送异常信息到手机终端。方案证明了传感器MLX90640在红外热成像技术上的应用,在应对大流量的人员密集时具有较好的快速测温能力,且能够较精确地对当前环境进行测温监控,满足侦测隐藏式电子产品的需求。

基于显著性的双鉴别器GAN图像融合算法

针对红外图像与可见光图像在不同场景的特征表达不同的问题,提出一种基于显著性的双鉴别器生成对抗网络方法,将红外与可见光的特征信息相融合。区别于传统的生成对抗网络,该算法采用双鉴别器方式分别鉴别源图像与融合图像中的显著性区域,以两幅源图像的显著性区域作为鉴别器的输入,使融合图像保留更多的显著特征;并将梯度约束引入其损失函数中,使显著对比度和丰富纹理信息保留在融合图像中。实验结果表明:本文方法在熵值(entropy,EN)、平均梯度(mean gradient,MG)、空间频率(spatial frequency,SF)及边缘强度(edge intensity,EI)4个评价指标中均优于其他对比算法。该研究实现了红外图像与可见光图像高效融合,有望在目标识别等领域中获得应用。

基于改进YOLOv7的机载红外弱小目标检测算法

随着现代化战争的技术升级,机载红外探测领域对更快更远更准地发现目标的需求日益强烈。为满足机载环境下对红外弱小目标高精度高帧率的检测,本文提出了一种基于YOLOv7改进的目标检测算法,以YOLOv7目标检测算法为基础,进行了修改网络结构和加深卷积层数来使特征提取更多的小目标信息特征;并对骨干网络获取的特征层引入注意力机制来提高神经网络对小目标的感知能力以及提高小目标所在区域的权重占比;使用EIOU损失函数替换原本的CIOU损失函数,提高了收敛速度和定位精度。实验结果表明,相较于原算法YOLOv7,在极小损失帧率的情况下,改进后的算法mAP可以达到98.49%,相较原始算法提升了1.24%,有助于提升对机载红外弱小目标的检测准确率。