面向工业目标检测的密集控制阀零件数据集

工业生产中的自动化智能化离不开自动目标检测,而高准确性的自动目标检测则依赖于与实际场景相适应的数据集。本文针对工业实际场景,发布了一个密集控制阀零件数据集,命名为PD4CV(Part Detection for Control Valve)2023。该数据集的图像全部来源于控制阀生产车间,图像采集完成后,首先对数据集图片进行预处理操作,接着对数据集图片中的零件目标进行标注,然后再对数据集图片进行训练集、验证集以及测试集的划分。PD4CV2023数据集共涵盖9类零件,包括510张工盘图像和15 015个零件样本,平均每张图像含有约29个零件样本。与现有的目标检测数据集相比,该数据集具有零件摆放密集、遮挡,零件尺寸差异大,部分零件外形相似,零件样本数量不均衡等特点。最后,在不同类型数据集上的预训练对比实验表明,一般场景数据集、特定工业场景数据集只适用于一般和特定任务,而代表实际控制阀生产工况下的PD4CV2023数据集,可用于控制阀零件目标检测,其具有其特殊性和不可替代性;一系列目标检测算法在该数据集上的综合对比则验证了PD4CV2023数据集在一般性目标检测、多尺度目标检测、小规模、不均衡数据下目标检测中的有效性。PD4CV2023数据集可用于面向工业的目标检测的相关研究。

YOLO系列目标检测算法研究进展

YOLO算法是目标检测中研究的热点方向之一。近几年,随着YOLO系列算法及其改进模型的不断提出,使其在目标检测领域取得了优异的成绩,被广泛应用于现实中各个领域。针对YOLO系列目标检测算法,整理了目标检测典型数据集及评价指标;回顾了YOLO整体框架以及YOLOv1~YOLOv7目标检测算法的发展历程;总结了在输入、特征提取和预测这三个阶段下的数据增强、轻量化网络构建和IOU损失优化等八个改进方向的模型及性能;介绍了YOLO算法应用领域;结合目标检测目前存在的实际问题,总结并展望了YOLO算法的发展方向。

基于布里渊光纤振荡器的可调谐窄带微波光子滤波器研究

为了使微波光子滤波器兼具宽调谐范围与高频率选择性,本文基于窄线宽单纵模光纤受激布里渊振荡器首次提出并验证了一种具有宽调谐范围、窄滤波带宽特性的微波光子滤波器。该滤波器的核心是腔长为10 m的布里渊光纤振荡器,受激布里渊散射泵浦光与光载波信号分别由两个不同的可调谐激光器提供,布里渊增益与光调制信号相互作用后,利用该布里渊光纤振荡器压缩光谱线宽,实现窄带微波光子滤波;通过简单地改变泵浦光波长,实现滤波器通带大范围稳定调谐。实验结果表明,该微波光子滤波器在0~20 GHz的频率范围内可稳定调谐,带外抑制比约为20 dB,其3-dB带宽和最大Q值分别为6.2 kHz和3.222×10^(6)。本文提出的单通带微波光子滤波器不仅具有目前已知的最高Q值,同时具有宽可调性、高带外抑制和结构简单等优势。