安全帽佩戴检测网络模型的轻量化设计

现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型,对YOLOv4-Tiny目标检测模型进行改进,通过增加一个检测层提高模型在密集场景下对小目标的检测能力,并引入空间金字塔池化模块,提高模型对不同尺寸目标的检测能力。使用局部稀疏因子衰减算法进行稀疏化训练,从而使经过稀疏化训练后模型的平均精度均值(mAP)得到提高。根据缩放系数判断通道的重要性,并进行模型的通道剪枝,压缩模型的大小和计算量。使用TensorRT推理加速引擎进行网络层水平和垂直融合,消除拼接层操作,并将参数压缩成16位浮点型,提高模型的推理速度,最后在Jeston Nano边缘计算设备上实现模型部署。实验结果表明,与YOLOv4-Tiny模型相比,DT-YOLO模型的mAP提高了3.6个百分点,模型大小减少了83.5%,帧率提高137.7%,能够满足安全帽佩戴检测的要求。

改进注意力机制的电梯场景下危险品检测方法

针对电动自行车和煤气罐搭乘电梯引起的火灾隐患,提出一种改进注意力机制的电梯场景下危险品检测方法。以YOLOX-s为基线模型,首先在加强特征提取网络中引入深度可分离卷积替换标准卷积,提升模型的推理速度。然后提出一种基于混合域的高效卷积块注意力模块(ECBAM)并嵌入主干特征提取网络中。在ECBAM模块的通道注意力部分,使用一维卷积替换两个全连接层,既降低了卷积块注意力模块(CBAM)的复杂度又提高了检测精度。最后提出一种多帧协同算法,通过结合多张图片的危险品检测结果以减少危险品入侵电梯的误报警。实验结果表明:改进后模型比YOLOX-s的平均精度均值(mAP)提升了1.05个百分点,浮点计算量降低了34.1%,模型体积减小了42.8%。可见改进后模型降低了实际应用中的误报警,且满足电梯场景下危险品检测的精度和速度要求。

基于注意力机制和卷积神经网络的测井图像裂缝分割方法

成像测井解释中裂缝解释是油气田开发地质研究的重要内容之一,然而裂缝分割一直以来是成像测井解释的难点之一。为此,提出一种新的融合了注意力机制的测井图像裂缝分割方法。首先,在UNet分割网络结构的启发下,构造一种基于跳跃连接的卷积神经网络模型,提升了编码和解码部分的信息交换和信息融合,以提取裂缝丰富的结构信息。然后,为了对裂缝进行准确分割,在网络解码部分中的连接层后面加入了注意力机制模块,提升了网络捕捉裂缝全局信息的能力。最后,利用最小生成树算法修复了存在断点的裂缝,有利于更好地统计裂缝信息,实现后续的裂缝定量分析。相较现有的图像裂缝分割方法,该方法的分割结果无论在主观视觉上还是客观指标评价上都是最优的。实验结果表明,所提出的方法能够准确地提取出测井图像的裂缝信息,为后续裂缝参数的定量计算及测井资料解释奠定了良好基础,具有较好的实用性。

随钻声波井下全景成像技术现状及展望

为了提高油气开采效率,油田在勘探开发过程中,越来越多地需要同时实现井周成像和前视成像。当前随钻井下成像仪在测量时存在着一定的盲区,影响成像效果,且需要多次起下钻来实现井周成像和前视成像,影响了效率。因此,文章调研了随钻声波井周成像和前视成像技术的发展现状,探讨了融合随钻声波井周成像和前视成像的井下全景成像技术。在此基础上,分析了目前随钻声波井周成像和前视成像所面临的挑战,提出了从测量盲区的突破、声电复合、井周—前视融合、数字孪生可视化四个角度来实现随钻声波井下全景成像技术的升级,为切实推进随钻井下成像系统的可视化和智能化提供参考和借鉴。

自适应阈值的超变分正则化图像盲复原

针对一阶总变分盲复原块效应严重的问题,提出了一种自适应阈值的超变分正则化图像盲复原方法来恢复点扩散函数未知的退化图像。对总变分形式进行了分析,提出了超变分正则项,并给出了代价函数的数学模型。用估计的图像噪声确定模型中阈值的大小,然后引进3个辅助变量等价转化代价函数,以便简化后续计算并提高复原效果。最后,利用半二次规整化对模型迭代求解。实验结果表明,复原后图像细节增加且块效应减少,相对于目前已有的方法,信噪比提高了近1dB。恢复效果表明该方法具有较大的实用价值。

采用Hough变换的离焦模糊参数的估计

在离焦模糊图像的复原过程中,点扩散函数(PSF)常常是未知的,须事先估计其参数。通过分析离焦模糊点扩散函数的频谱特性,提出了一种估计离焦模糊点扩散函数半径的新方法。该方法采用Hough变换原理检测频谱同心圆,进而估计点扩散函数的半径,在一定程度上有效地解决了传统方法估计精度不高的问题。同时,在算法中引入合适的阈值,对阈值变换后的二值频谱图做聚类分析,剔除噪声所带来的奇异点,并充分利用Bessel函数多零点的特点提高抗噪性能。实验结果表明:该方法具有估计精度和稳定性高的优点,能有效地用于图像复原过程中的事先参数估计中。

基于改进YOLOv5的实时交通标志识别

针对在检测较小的交通标志时检测精度不高、检测速度慢的问题,提出一种改进YOLOv5的交通标志检测算法。改进的算法利用Cluster NMS(Non Maximum Suppression)替换YOLOv5算法的加权非极大抑制(Non-Maximum Weighting,NMW),Cluster NMS可以提高小目标检测的准确度和速度,另外利用标志替换法对数据集进行扩增进而提高模型的检测精度。在TT100K数据集上通过将改进的方法与经典算法进行实验对比,证明了改进的方法效果更好,改良的YOLOv5算法mAP@0.5(mean Average Precision)高达89.8%,检测速度为92.59帧/s,不只检测精度高而且检测速度也快。

基于数字孪生的实验室行为监控系统

以提高实验室教学、管理水平和实现智能化为目标,将深度学习、数字孪生技术结合应用于实验室场景,提出了一种实验室数字孪生智能监控系统。首先,通过构建基于目标检测算法YOLOv5的实验室行为检测模型,结合监控摄像头实现了对实验室学生行为的实时智能检测。其次,以检测算法为基础设计并实现了一套对应的数字孪生系统,该系统通过基于三维数字化空间构建的系统客户端实现了实验室的实时三维可视化智能监控以及相关应用与服务。最后,该系统的实际测试结果表明,系统能够实现预期功能,并具有一定的实时性和有效性,将进一步推动实验室的智能化。

数字语音处理课程的研究性实验教学设计——以声纹识别系统为例

为提升数字语音处理实验课程的教学效果,在项目驱动教学模式下,提出了研究性实验教学设计,以解决当前数字语音处理课程中实验教学只注重基础知识而忽略高阶知识,只注重书本而忽略创新的缺点。现以“声纹识别系统”为例设计了研究性实验教学方案。该方案取自于企业项目,包含了声纹特征提取和声纹识别两个方面,将语音分析和语音处理两个模块有机地结合起来。实验过程的实施不仅能够反映出学生对基础知识的掌握程度,同时还能提升学生的兴趣,激发主观能动性,培养创新意识以及提高解决工程问题的能力。

基于Gauss-Markov随机场的贝叶斯盲复原

针对图像盲复原中图像细节恢复的同时块效应放大的问题,提出了一种贝叶斯盲复原算法。首先使用贝叶斯框架模式,对原始图像、观察图像、点扩散函数(PSF)及模型参数分别建立先验模型,并将能有效描述图像局部统计特征的带有高斯特性的Markov(Gauss-Markov)随机场模型作为原始图像的先验模型;然后利用贝叶斯公式推导出原始图像及点扩散函数的迭代公式。实验结果表明,与总变分(TV)先验模型的恢复图像相比,所提算法的恢复图像块效应明显减少,并且视觉效果更好;在点扩散函数的大小已知和未知的情况下,相比TV先验模型,所提算法的改善信噪比(ISNR)能提高1 dB左右。

任务驱动下的信息论与编码课程的教学实践

信息论与编码是信息学科一门理论性强、数学推导严密且实践性强的重要的专业核心课程。为了提高教学效果,激发学生的学习兴趣,该研究从任务驱动法的内涵出发,结合信息论与编码课程自身的特点,提出将任务驱动法融入信息论与编码课程的教学中,并且讨论了该方法的具体实施过程。

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换(UDCT)多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。

基于非下采样Bandelet变换的多聚焦图像融合

针对同一场景的多聚焦图像,提出了基于非下采样Bandelet变换(NSBT)的图像融合方法。首先求出源图像的平均图像,再利用该图像的小波系数计算出最优的几何流,进而构造出一组Bandelet基,然后将源图像通过这组基进行表示,对得到的系数按所对应的不同物理意义分别进行融合,最后将融合系数进行非下采样Bandelet逆变换得到融合图像。实验结果表明,与基于小波变换(WT)和非下采样小波变换(NSWT)的融合方法相比,本文所提方法取得了更好的视觉效果和量化指标。

基于NSUDCT的红外与可见光图像融合

针对同一场景的红外与可见光图像,提出了基于非下采样均匀离散Curvelet变换(NSUDCT)的图像融合方法。首先使用标记控制的分水岭分割(MCWS)算法对源图像进行区域分割,对各分割结果进行叠加得到联合区域图。然后对源图像进行非下采样均匀离散Curvelet分解,分解后的低频系数采用区域对比度和区域标准差作为量测指标进行融合,高频方向系数使用基于局部能量的融合规则进行融合,并对融合系数做一致性检测。最后通过各频带融合系数重建得到融合图像。实验结果表明文中方法取得了比较好的视觉效果和量化数据,相比基于NSUDCT的像素融合方法,此文方法的熵值提高了9.87%,交叉熵减少了68.04%,互信息提高了80%。

DMC算法在CSTR温度控制中的应用

连续搅拌反应釜(CSTR)的温度具有强非线性的动态特性,传统的控制方法效果往往不尽人意,而动态矩阵控制(DMC)算法在处理非线性问题时有一定的优势。以非线性CSTR系统的反应釜温度为控制目标,通过仿真试验研究了DMC算法在该系统分别处于理想状态、存在输出干扰及模型失配3种情况时的目标控制效果。仿真结果表明,DMC算法能有效地控制反应釜温度;理想状态下的控制效果表现出上升速度快、调节时间短、无稳态误差等优点;存在输出干扰和系统模型失配时仍有良好的控制效果,具有较强的抗干扰能力和鲁棒性。

DMC算法在电加热炉时滞系统中的仿真研究

对电加热炉时滞系统的优化控制研究中,系统炉温的控制是至关重要的。而电加热炉的温度具有时变性、滞后性和大惯性等特性,常规的PID控制难以保证效果。为此,引入一种先进的控制——动态矩阵控制(DMC)。介绍了DMC的算法原理,给出算法实施的具体步骤;针对已辨识出的一阶时滞电加热炉模型,设计DMC控制器。仿真研究表明,相对于传统的PID控制,动态矩阵控制能兼顾调节时间短、超调量小的优点,在系统时滞变化的情况下,DMC依旧能保持良好的控制效果。因此,对于一阶时滞系统的优化控制,DMC是一种值得推广的控制方法。

改进YOLOv5s的输液瓶目标检测

针对医疗环境趋于复杂,为提高输液瓶目标检测的精度,本文利用视频和图像素材,提出一种改进的YOLOv5s方法检测输液瓶目标。采用CIoU Loss和DIoU NMS等方法进行优化。在PASCAL VOC数据集和自建输液瓶目标数据集上检测mAP(mean Average Precision)和FPS(Frames Per Second)。相较于原始YOLOv5s,改进后的YOLOv5s_CIoU在mAP上提高5.53%,检测速度可达34.7FPS。目标检测在监测、追踪等领域发挥着重要作用,将目标检测与医疗输液相结合,可以提高医护工作效率。

一种基于改进生成式对抗网络的低照度图像增强方法

目前,图像作为人类接收信息的重要途径,发挥着重要的作用。针对暗光环境下图像清晰度低、无法识别等问题,提出了基于生成式对抗网络(generative adversial networks,GAN)的改进算法。首先,利用亮度均衡化对网络进行约束,使其产生的结果能够更加关注图像整体的亮度均衡。其次,为了提升网络的判别准确率以及加快网络收敛能力,实验选用PatchGAN作为判别器。最后,在特征提取网络之后加入融合注意力机制CBAM模块,用来提升网络的特征表达能力。实验结果表明,改进的GAN网络算法在结构相似性(structural similarity index measure,SSIM)及峰值信噪比(peak signal-to-noise ratio,PSNR)指标上较Enlighten GAN分别提升了7.4%和10.6%,可见改进算法能够有效地提升图像的亮度均衡和对比度。

融合注意力机制的轻量级摔倒检测

摔倒检测大都依靠传感器设备,此类方法受设备自身和环境因素影响较大,常常无法发挥该有的作用,同时,基于视觉的方法往往实时性较差,鲁棒性不强。针对上述问题,本文提出了一种鲁棒性强、能有效部署在嵌入式设备上的轻量化摔倒检测算法。以YOLOv5为基准模型,首先,融合轻量级注意力机制模块,使网络更关注要识别的目标区域,增强网络的识别精度。其次,使用模型压缩方法对模型进行剪枝,减小模型体积和计算量,使模型轻量化,以提高推理速度和便于部署在嵌入式设备中。最后,对剪枝后的模型进行知识蒸馏,在不提升模型复杂度的前提下提升模型的检测精度。实验结果表明:本文模型相较于基准模型,mAP增加了1.7%,召回率提高了1.2%,模型体积减小了79.1%,浮点运算量降低了70.9%。将本文模型部署在嵌入式设备Jetson Nano上,检测速率达到13.2 frame/s,基本满足实时性摔倒检测的要求。

基于图像稀疏表达的模拟退火图像复原

针对现有的图像复原方法振铃效应严重的问题,提出了一种基于图像稀疏表达的模拟退火的图像复原方法来恢复模糊图像。首先根据模拟退火算法的要求,建立价格函数并通过图像的模糊因子确定参数;然后在价格函数中的约束项引入图像的稀疏性,以提高复原图像的质量;接着给初始解一个随机扰动,产生扰动解,并根据扰动解所造成的价格函数的变化判断是否接受该扰动解;最后,当价格函数小于某一预设值时所得到的解即为复原图像。实验结果表明,复原后图像细节增加且振铃效应明显减少,相对于目前已有的复原方法,峰值信噪比(PSNR)平均提高了2~3dB。恢复效果表明,本文方法具有较大的实用价值。