无人机不停机巡检路线规划方法

传统的无人机风机巡检路线规划方法只能采用固定飞行速度,导致无法准确巡检所有监测点,因此本文设计一种不停机巡检的无人机风机巡检路线规划方法。设置相应的约束条件,包括无人机的最大航程、最小步长和最大路径偏移角。在满足这些约束条件的情况下,提高无人机的飞行速度,构建无人机风机巡检模型,模拟无人机在风机间的巡检过程。采用极坐标编码来表示无人机风机巡检路线,对风机巡检路线进行优化。试验结果表明,本文设计的不停机巡检的无人机风机巡检路线规划方法在5次试验中均巡检13个监测点,准确性和应用价值更高。

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。

风机叶片小目标缺陷精准检测算法研究

小目标检测作为目标检测任务中的一种,存在检测率低、特征信息不足和漏检率较高等问题。针对这些问题,本文提出一种改进YOLOv5的小目标检测算法,将聚集-分发(Gather-and-Distribute,GD)机制加入YOLOv5网络,该机制通过改进卷积和自注意力2种操作提高了多尺度融合能力,用于捕获不同尺度间像素级的关系,取得了延迟和准确性之间的理想平衡。改进后的算法在自制的砂眼数据集上进行试验,平均检测精度mAP指标达到98.8%,与基线模型相比,mAP值提高了2.5%,验证了改进算法的可行性。