Human intrusion detection for high-speed railway perimeter under all-weather condition

Purpose – The paper aims to solve the problem of personnel intrusion identification within the limits of highspeed railways. It adopts the fusion method of millimeter wave radar and camera to improve the accuracy ofobject recognition in dark and harsh weather conditions.Design/methodology/approach – This paper adopts the fusion strategy of radar and camera linkage toachieve focus amplification of long-distance targets and solves the problem of low illumination by laser lightfilling of the focus point. In order to improve the recognition effect, this paper adopts the YOLOv8 algorithm formulti-scale target recognition. In addition, for the image distortion caused by bad weather, this paper proposesa linkage and tracking fusion strategy to output the correct alarm results.Findings – Simulated intrusion tests show that the proposed method can effectively detect human intrusionwithin 0–200 m during the day and night in sunny weather and can achieve more than 80% recognitionaccuracy for extreme severe weather conditions.Originality/value – (1) The authors propose a personnel intrusion monitoring scheme based on the fusion ofmillimeter wave radar and camera, achieving all-weather intrusion monitoring;(2) The authors propose a newmulti-level fusion algorithm based on linkage and tracking to achieve intrusion target monitoring underadverse weather conditions;(3) The authors have conducted a large number of innovative simulationexperiments to verify the effectiveness of the method proposed in this article.

Novel scheme of high precision inertial measurement for high-speed rotating carriers

In order to satisfy the requirement of high precision measurement in a high dynamic environment, a kind of gyro aided multi-accelerometer inertial measurement unit （GAMA-IMU） with six accelerometers and two gyros （6A2G） was proposed in this paper. The available configurations have the problem of low measurement precision In a high dynamic environment due to channel coupling. The three channels were decoupled when calculating the angular velocity in the proposed configuration. The yawing and pitching angular velocity were directly measured by gyros, while only the rolling angular velocity was obtained by the GAMA-IMU indirectly from the rolling angular acceleration and quadratic component of rolling angular velocity. Then a single channel rolling angular velocity calculation model was established and the extended Kalman filter （EKF） was used to do state esti- mation. Simulations were carried out and results indicated that the calculation precision of the proposed 6A2G configuration could meet the demand of high precision measurement for a high-speed rotating carrier.

Model of Rotation Accuracy of High-Speed Spindles on Ball Bearings

For the purpose to improve a design quality of high-speed spindle units, we have developed mathematical models and software to simulate a rotation accuracy of spindles running on ball bearings. In order to better understand the mechanics of ball bearings, the dynamic interaction of ball bearings and spindle unit, and the influence of the bearing imperfections on the spindle rotation accuracy, we have carried out computer aided analysis and experimental studies. When doing this, we have found that the spindle rotation accuracy can vary drastically with rotational speed. The influence of bearing preload has a secondary importance. Comparison of the results of these studies has demonstrated adequacy of the models developed to the real spindle units.

Numerical Simulations of Snow Accumulation in the Bogie Region of a Train Considering Snow Particle Rotation

To investigate the influence of snow particle rotational motion on the accumulation of snow in the bogie region of high-speed trains,an Euler‒Lagrange numerical approach is adopted.The study examines the effects of snow particle diameter and train speed on the ensuing dynamics.It is shown that considering snow particle rotational motion causes significant deviation in the particle trajectories with respect to non-rotating particles.Such a deviation increases with larger snow particle diameters and higher train speeds.The snow accumulation on the overall surface of the bogie increases,and the amount of snow on the vibration reduction device varies greatly.In certain conditions,the amount of accumulated snow can increase by several orders of magnitudes.

Stellar Rotating Black Holes

Both mass and charge are needed to create a rotating Black Hole as has been investigated in great mathematical detail by the Reissner-Nordstrom metric and the Kerr-Newman metric. It is their application to astronomical phenomena that they have stated difficulty with because astronomical objects have no net electric charge and that is what we are exploring. While the energy in the gravitational field of the mass of a Neutron Star alone cannot create a stationary Black Hole, together with the energy in the strong magnetic field created by a rotating Neutron Star a rotating Black Hole is formed. Black Holes are the portal to the next higher spatial dimension.

An advanced wind vector retrieval algorithm for the rotating fan-beam scatterometer

The rotating fan-beam scatterometer （RFSCAT） is a new type of satellite scatterometer that is proposed approximately 10 a ago. However, similar to other rotating scatterometers, relatively larger wind retrieval errors occur in the nadir and outer regions compared with the middle regions of the swath. For the RFSCAT with the given parameters, a wind direction retrieval accuracy decreases by approximately 9 in the outer regions compared with the middle region. To address this problem, an advanced wind vector retrieval algorithm for the RFSCAT is presented. The new algorithm features an adaptive extension of the range of wind direction for each wind vector cell position across the whole swath according to the distribution histogram of a retrieved wind direction bias. One hundred orbits of Level 2A data are simulated to validate and evaluate the new algorithm. Retrieval experiments demonstrate that the new advanced algorithm can effectively improve the wind direction retrieval accuracy in the nadir and outer regions of the RFSCAT swath. Approximately 1.6 and 9 improvements in the wind direction retrieval are achieved for the wind vector cells located at the nadir and the edge point of the swath, respectively.

YOLOv5-LR:一种遥感影像旋转目标检测模型

真实遥感图像中,目标呈现任意方向分布的特点,原始YOLOv5网络存在难以准确表达目标的位置和范围、以及检测速度一般的问题。针对上述问题,提出一种遥感影像旋转目标检测模型YOLOv5-Left-Rotation,首先利用Transformer自注意力机制,让模型更加注意感兴趣的目标,并且在图像预处理过程中采用Mosaic数据增强,对后处理过程使用改进后的非极大值抑制算法Non-Maximum Suppression。其次,引入角度损失函数,增加网络的输出维度,得到旋转矩形的预测框。最后,在网络模型的浅层阶段,增加滑动窗口分支,来提高大尺寸遥感稀疏目标的检测效率。实验数据集为自制飞机数据集CASIA-plane78和公开的舰船数据集HRSC2016,结果表明,改进旋转目标检测算法相比于原始YOLOv5网络的平均精度提升了3.175%,在吉林一号某星推扫出的大尺寸多光谱影像中推理速度提升了13.6%,能够尽可能地减少冗余背景信息,更加准确检测出光学遥感图像中排列密集、分布无规律的感兴趣目标的区域。

基于改进YOLOv5的鱼眼图像目标检测算法

针对自动驾驶场景下车载鱼眼相机采集到的图像存在畸变严重、场景复杂、尺度变化剧烈、小目标多以及传统的目标检测模型的检测精度不高的问题,提出了一种基于YOLOv5s改进的鱼眼图像检测模型YOLOv5s-R.首先,为解决小目标难识别的问题,提出随机裁剪多尺度训练的数据增强方法,该方法优于消融实验所得的最优数据增强方法.其次,为了提高模型的检测精度,在网络头部添加置换注意力机制与轻量化解耦头,增强模型对特征的提取能力与识别能力,并抑制噪声干扰.最后,模型额外增加角度预测项,实现旋转框目标检测.通过构建环形标签并用高斯函数对标签平滑,解决了旋转框角度的周期性问题;又对损失函数进行了优化,提出了RIOU,在CIOU的基础上增加角度惩罚项,提高了回归精度并加快了模型的收敛.实验结果表明,提出的YOLOv5s-R模型在WoodScape数据集上取得良好的检测效果,相比于原始的YOLOv5s模型,mAP@0.5、mAP@0.5∶0.95分别提升了6.8%、5.6%,达到82.6%、49.5%.

基于旋转目标检测的青贮机精准抛送系统设计与试验

现阶段青贮收获机主要采用驾驶员或其他操作人员手动控制抛送筒转动的方式完成物料装车,存在操作要求高,劳动强度大,影响收获效率且易造成田间损失等问题。针对上述问题,该研究根据机器视觉原理,设计青贮收获机精准抛送填装系统,通过构建R-YOLOv5旋转目标检测算法,实现对旋转车厢、车内物料、抛送物料流的识别及落料位置判断;根据反馈的期望落料点与实际落料点信息,并通过Arduino控制器实现青贮收获机抛送筒的运动控制,将青贮物料精准抛送至跟车车厢,实现物料的高效填装。试验结果表明:当抛送筒在-60°~60°范围内旋转且角速度低于15°/s时,所构建的R-YOLOv5目标检测算法对料车车厢的识别平均精度高于90%;实际距离与图像像素比值为0.533 cm/px时,青贮收获机抛送筒的理论运动轨迹与实际运动轨迹平均误差保持在4%之内,满足实际作业要求。研究结果可为研发自走式青贮收获机精准抛送填装系统提供借鉴。

Pareto解集旋转的分类多策略预测动态多目标优化

为更有效地解决Pareto解集(Pareto set,PS)旋转的动态多目标优化问题,提出PS旋转的分类多策略预测方法(rotation-based forecasting method,RFM)。将PS的旋转类型分为PS中心点旋转、PS原点旋转和非标准旋转;针对以上不同的PS旋转类型,自适应地选择合适的预测模型,建立不同点集的时间序列,为后续进化提供初始种群。引入拉丁超立方策略(Latin hypercube strategy,LHS)生成的随机种群与上述预测种群共同构建新种群,保证种群的多样性。为验证算法的有效性,将RFM算法与DNSGA-II、PPS、SPPS和MMP算法在8个标准的动态测试函数上进行实验对比。实验结果表明,RFM算法取得了6个最优IGD值、7个最优SP值、3个最优MS值,证明了RFM算法可以更有效地解决基于PS旋转的动态多目标优化问题。同时验证了RFM算法的普适性,在FDA系列函数上进行实验对比,实验结果表明,该算法在处理非旋转的动态多目标优化问题中仍具有较优性能。

基于区域掩码对比蒸馏的遥感图像目标检测

为解决遥感图像中存在背景干扰以及目标密集分布的问题,采用了一种以区域掩码对比蒸馏为基础的目标检测方法,旨在提高遥感图像目标检测性能.首先,通过对目标特征区域进行掩码操作,以区分前景和背景并捕捉目标的细节纹理,生成细致的特征掩码.其次,结合对比蒸馏算法,通过对教师网络和学生网络的区域掩码进行对比学习,使学生网络更加充分地吸收教师网络在目标特征纹理检测方面的知识.同时,在检测阶段引入了一种旋转定位损失算法,该算法通过量化真实边界框和预测边界框之间的格点向量差来进行损失估计,从而减小了预测边界框与真实边界框之间的旋转损失.结果表明,改进算法的均值平均精度在DOTA和HRSC2016数据集上分别较传统算法提高了3.57%和5.22%.

基于视觉图像的飞行区大型目标监视方法改进研究

机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明:MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0~60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。

基于深度学习的遥感图像旋转目标检测研究综述

由于遥感图像中的目标具有方向任意、分布密集和尺度差异大等特点,使得遥感图像目标检测成为一个颇具挑战性的难题。针对该难题,系统梳理了近三年来深度学习遥感图像旋转目标检测的相关工作。首先介绍旋转框的表示方法及其特点;然后按照特征提取网络、旋转锚框和候选框生成、标签分配及采样策略、损失函数四个方面对当前遥感图像旋转目标检测的现有方法进行分析;再对常用的遥感图像旋转目标数据集进行介绍,对比分析不同算法的性能;最后对遥感图像旋转目标检测进行了展望。

混合蛙跳算法在旋转货架货位优化中的应用

以集群旋转式货架存储货物的自动化立体仓库为研究对象,以提高货架整体和运动状态的单层稳定性、货物相关性和出入库效率等基本货位优化原则为目标,提出一种通用性较强的多参数混合蛙跳算法,对多目标优化问题进行建模,使用MATLAB工具进行仿真。通过实验结果的对比可知,多参数混合蛙跳算法比混合蛙跳算法具有一定的优越性,并且对于分析其他问题的适应性较强,对于多目标优化问题具有一定的理论意义。

基于虚拟数据和旋转目标检测分析的大豆豆荚表型参数测量方法

为解决传统大豆考种过程中人工测量大豆豆荚表型参数耗时费力的问题以及现有的自动化测量方式存在的人工数据标注需求量大、环境适应能力弱、计算代价高等问题,本研究提出一种基于虚拟数据集生成和旋转目标检测分析的豆荚关键表型参数自动化测量方法,重点关注荚长和荚宽的测量。该方法基于YOLOv7-tiny提出一种改进的豆荚检测模型(CSL-YOLOv7-tiny),通过引入环形平滑标签使模型获得对旋转目标的检测能力,提升对无序摆放的狭长豆荚目标检测的质量。为避免人工标注训练数据,采用虚拟图像生成方法得到含标注信息的虚拟豆荚数据集和虚拟硬币与豆荚混合数据集。利用迁移学习策略,将模型从虚拟豆荚数据集迁移至虚拟硬币与豆荚混合数据集,积累模型对豆荚特征的提取能力。设计一种基于K-均值聚类的后处理方法,对检测到的旋转边界框进行分析,得到荚长和荚宽,以减少拍摄环境差异带来的测量误差。试验结果表明,在无任何训练数据标注的条件下,使用虚拟图像训练的CSL-YOLOv7-tiny对硬币和豆荚目标检测的最优mAP_(0.50)和mAP_(0.50∶0.95)分别达到了99.3%和78.0%,其模型大小和推理时间分别仅为12.92 MB和12.5 ms,荚长和荚宽测量的决定系数(R^(2))分别达到了0.94和0.86,与实际测量均值分别仅相差0.42 mm和0.02 mm。此外,通过对本研究提出的方法进行对比分析,验证了其在模型训练、轻量化部署以及不同考种环境适应能力上的优势。研究结果可为大豆豆荚表型参数的自动化、智能化测量系统的研发提供参考,为加速优质高产大豆的选育进程提供支撑。

基于YOLOv8L遥感图像旋转目标检测

针对遥感图像复杂背景下的目标(如船舶、飞机等)具有朝向任意、尺度变化较大、数量多、目标排列密集等特点,提出一种基于改进YOLOv8L的旋转目标检测算法,用带有角度的旋转框能够更加精确定位目标。首先,在网络Head部分增加解耦角度预测头,预测目标的角度信息;其次,融合坐标注意力机制模块提高模型抑制噪声的能力;最后,在Neck部分引入自适应空间特征融合模块,抑制不同尺度特征图之间融合特征信息时的不一致性,保留有效的信息并进行融合。实验结果表明,所提算法在DOTA数据集上的检测精度达到了73.85%,较原有YOLOv8L模型提升了3.53%。

基于鸟瞰图融合的多级旋转等变目标检测网络

随着自动驾驶系统的发展,针对道路场景下的3D目标检测受到研究人员的广泛关注。然而,大多数基于单一传感器或者多传感器融合的目标检测方法未考虑实际道路场景中车辆旋转,使得捕获的场景同步旋转,从而导致目标检测性能降低。针对这类问题,提出一种基于多传感器融合的多级全局旋转等变目标检测网络架构,以缓解场景旋转造成的目标检测困难,从而提高目标检测性能。首先,对体素内部进行各点之间距离编码,增强局部点云几何信息,并提取体素的全局旋转等变特征;其次,引入图像的语义信息并提取全局旋转等变特征,进一步提高网络性能;最后,将具有旋转等变性的点云和图像信息在鸟瞰图上进行融合,并嵌入群等变网络提取融合鸟瞰图级全局旋转等变特征。实验结果表明,该网络架构在nuScenes验证集上达到了68.7%的平均精度均值(mAP)和71.7的nuScenes检测分数(NDS),以及平均角度误差均值(mAOE)降低到0.288,相比主流的目标检测方法,其实现了网络架构本身的旋转等变性并在性能上得到了提升,此外,各个组件对于整体网络架构的目标检测性能提升都起到了重要作用。

基于改进YOLOv7的光学遥感图像船舶旋转目标检测

针对在遥感图像复杂背景下船舶目标尺度变化大以及方向任意的特点,提出一种基于YOLOv7改进的光学遥感图像船舶旋转目标检测算法.在骨干网络中融入全局注意力机制(GAM),使模型在复杂背景中更加关注船舶对象;在颈部加入自适应空间特征融合模块(ASFF),消除了特征金字塔内部特征信息不一致的问题;针对船舶比例细长且方向任意的特点,加入了高斯建模表示的旋转框检测,提高了定位精度并保留了船舶目标方向信息.结果表明:改进的算法在保证检测速度的同时,在HRSC2016数据集取得了90.73%的检测精度,检测效果也有所提升.

混合注意力特征增强的航空图像目标检测

针对航空图像背景复杂、目标分布密集、尺度差异大等特点,提出一种新的航空图像检测网络,称为混合注意力网络(hybrid attention network,HA-Net)。在主干网络中设计同时兼顾局部注意力和全局注意力的Transformer结构,利用注意力消除背景噪音,使密集目标边界更加清晰,提升密集目标特征提取能力;在特征融合前,提出使用连续平均池化和最大池化的空间金字塔池化模块来丰富图像特征信息,增强不同尺度目标的表示能力;在特征融合时设计特征重构模块重新调整特征金字塔的特征信息,此模块混合了跨尺度空间注意力和非局部通道注意力,可以减少不必要信息的干扰,提升多尺度目标的检出率。在DOTA航空数据集上对HA-Net进行评估,在单尺度和多尺度测试上评估指标mAP分别达到77.04%和78.28%,较基准网络,mAP分别提升了2.38个百分点和3.62个百分点。在HRSC2016数据集上mAP达到89.95%。实验结果的提升证明了HA-Net在航空图像目标检测中的有效性。

基于R2CNN的天气雷达边界层辐合线识别算法

边界层辐合线是触发对流的中尺度天气系统之一,边界层辐合线的精细化识别对于揭示其形成、演变及与其他系统相互作用机制至关重要。目前自动识别技术在适应边界层辐合线多样性(如尺度、强度和形状)方面存在局限。旋转区域卷积神经网络(R2CNN)可提高识别准确性、鲁棒性和泛化能力。综合考虑天气雷达型号和分辨率的多样性,针对性构建识别数据集用于模型训练,调整相应参数得到识别模型,并利用交并比和置信度评估检验识别效果。结果表明:基于R2CNN的边界层辐合线识别算法在使用较低交并比阈值时命中率更高且空报率更低,当置信度为0.7时,TS(threat score)评分最高。与现有的阵风锋识别算法(Machine Intelligence Gust Front Algorithm,MIGFA)效果相比,R2CNN在减少误报、提升命中率及平衡识别频率等关键性能方面优势显著,适用于业务应用与推广。