基于自适应注意力机制的红外与可见光图像目标检测

针对红外和可见光目标检测方法存在的不足,将深度学习技术与多源目标检测相结合,提出了一种基于自适应注意力机制的目标检测方法。该方法首先以深度可分离卷积为核心构建双源特征提取结构,分别提取红外和可见光目标特征。其次,为充分互补目标多模态信息,设计了自适应注意力机制,以数据驱动的方式加权融合红外和可见光特征,保证特征充分融合的同时降低噪声干扰。最后,针对多尺度目标检测,将自适应注意力机制结合多尺度参数来提取并融合目标全局和局部特征,提升尺度不变性。通过实验表明,所提方法相较于同类型目标检测算法能够准确高效地在复杂场景下实现目标识别和定位,并且在实际变电站设备检测中,该方法也体现出更高的泛化性和鲁棒性,可以有效辅助机器人完成目标检测任务。

基于特征增强与融合的红外目标检测算法

针对红外图像中目标对比度、信噪比以及分辨率都较低等特点,将传统图像处理方法与深度学习技术结合,提出了一种基于特征增强与融合的红外目标检测网络。网络首先利用图像滤波、锐化以及均衡化等方法突出红外图像中的目标特征,丰富网络输入信息;其次,针对单个维度以及不同维度间的特征,设计多层次信息聚合的特征提取结构,充分提取并融合目标空间语义信息;同时,为提升特征提取结构中关键特征权重,引入混合注意力机制,以多种方式捕获目标全局上下文信息后增强对应空间及通道信息;最后,针对不同尺度目标,采用自适应加权方式来综合相邻维度特征,实现各尺度红外目标准确高效的检测。通过在KAIST、FLIR以及RGBT数据集上的实验结果表明,所提方法与现有基于神经网络的红外目标检测方法相比有效提升了红外目标检测性能,并且在复杂场景下,该方法也比其他同类算法具有更高的适应性。

基于混合注意力及自适应多尺度的语义分割算法研究

为提升语义分割网络特征提取的有效性以及尺度不变性,提出了一种基于混合注意力机制和多尺度特征自适应融合的轻量级语义分割算法。算法采用颜色空间转化、边缘提取以及灰度化等图像预处理方法增强输入图像信息;利用深度可分离卷积、池化和H-Swish激活结合残差结构逐步提取目标局部和全局特征,并设计混合注意力机制从最大、均值和标准差等角度分别捕获特征通道及空间位置的全局上下文信息,使网络聚焦目标关联特征,降低背景信息干扰;针对不同大小目标,引入了多尺度特征自适应加权融合结构,以自主选择的方式来避免各尺度目标特征相互影响。通过在标准、仿真以及实际场景数据集上的实验结果表明,所提方法有效提升了特征多样性以及关键特征的贡献,保障了多尺度目标准确识别,并能较好地应用于实际场景中,高效实现语义分割任务。

用于输煤廊道的智能巡检机器人自动化巡视系统

为了满足电厂输煤廊道的日常巡检需求,设计用于输煤廊道的智能巡检机器人自动化巡视系统。在机器人本体上搭载高清摄像头、温度传感器、声音传感器等传感器,利用轨道传动模块保障机器人巡检过程中灵活移动,利用搭载的传感器采集输煤廊道的图像信息与环境信息。利用通信模块在输煤廊道中布置通信基站,基于通信基站构建通信网络拓扑,利用通信网络将所采集的输煤廊道巡检信息传送至监控平台。监控平台通过控制软件以及远程数据显示软件的设计,输出输煤廊道巡视结果。经测试所设计系统可以实现输煤廊道的日常巡检。

微处理器监控器件MAX706及其应用

详细介绍了微处理器监控器件ＭＡＸ７０６的性能、特点和工作原理，并给出了该器件的典型应用电路。

基于激光测距仪与里程计融合定位技术的变电站智能巡检机器人研究

随着科技水平的提高,智能巡检机器人已在逐步替代人工巡检。在巡检过程中,定位功能是其合理巡检的关键。基于此,本文对多信息融合定位技术进行研究,明确该技术应用在变电站智能巡检机器人定位工作中的可行性。

变电站智能巡检机器人的系统设计研究

随着智能化、现代化的推广,越来越多的机器人进入了人们的视野,在生产、巡检、军事领域做出了极大的贡献,推动了社会的发展。尤其在变电站中,智能巡检机器人的应用极大程度上提高了巡检的效率及精度,也减少了人工巡检的安全风险问题,为变电站的巡检工作提供了极大的帮助。基于此,本文从控制系统、后台控制系统以及硬件系统出发,对智能巡检机器人系统设计进行了研究,为智能巡检机器人的发展提供了正向助力。

7号信令及7号信令网技术

７号信令及７号信令网技术＠赵松璞７号信令及７号信令网技术赵松璞公共信道信令系统１．公共信道信令系统的概念对于任何通信系统来讲，系统不仅要传送数据，而且为了使设备之间能够正确发送、接收数据，还应传输一定的控制信号。如图１所示，在简单的从ａ呼叫ｂ，到通话完毕的...