Measurements of NO_2 mixing ratios with topographic target light scattering-differential optical absorption spectroscopy system and comparisons to point monitoring technique

A topographic target light scattering-differential optical absorption spectroscopy （＇IbTaL-DOA~） system is de- veloped for measuring average concentrations along a known optical path and studying surface-near distributions of atmospheric trace gases. The telescope of the ToTaL-DOAS system points to targets which are located at known dis- tances from the measurement device and illuminated by sunlight. Average concentrations with high spatial resolution can be retrieved by receiving sunlight reflected from the targets, A filed measurement of NO2 concentration is performed with the ToTaL-DOAS system in Shijiazhuang in the autumn of 2011. The measurement data are compared with con- centrations measured by the point monitoring technique at the same site. The results show that the ToTaL-DOAS system is sensitive to the variation of NO2 concentrations along the optical path.

基于LightGBM的气象目标分类技术

为克服传统气象目标分类算法对人为设置经验参数的依赖性,本文提出一种基于轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)的气象目标分类技术。将KVNX气象雷达获取的4个极化参量(水平反射率因子、差分反射率、相关系数和差分相移率)作为气象目标的特征参数,结合参考分类标签,制作向量数据集,再进行预处理,生成满足模型需求的数据集。以此数据集为驱动,建立一种LightGBM算法的气象目标四分类模型,该模型可有效识别3种气象目标(中小雨、冰雹和湿雪)及杂波(生物杂波与地杂波)。最后,根据气象雷达观测测试数据集进行测试,结果表明该模型在有高效率识别速率条件下,识别准确率可达95%以上。再用KTLX雷达两次实际观测数据来验证模型通用性,结果表明LightGBM分类模型可有效完成4种气象目标识别,具有优越的鲁棒性。

一种改进YOLOv5s的森林火灾烟雾检测算法

提出一种基于改进YOLOv5s的森林火灾烟雾检测算法。构建包含16573幅图片的火焰烟雾数据集,解决训练数据不足的问题,提高训练模型的泛化能力。设计一种轻量化的GC-C3模块替换原有的C3模块,减少模型参数量和计算量;将加权双向特征金字塔网络结构融合到Neck结构中,增强网络对于中小目标的检测能力;修改网络空间金字塔池化结构,使用SimSPPF结构替换SPPF,提高了网络的计算效率和检测准确度;将边界框回归损失函数CIOU替换为Focal-EIOU,加快模型的收敛速度,解决正负样本不匹配的问题。实验结果表明:改进之后的网络平均检测准确度提高2.3%,模型参数数量下降46.7%,模型计算量下降47.5%。

OCC系统目标LED阵列解码算法研究

针对强日光环境下OCC(Optical Camera Communication)系统接收端解码困难的问题,提出了基于分段式线性灰度变换的Gradient-Harris解码算法。首先搭建一套OCC实验系统,接收端相机采集原始图像,利用标准相关系数匹配方法提取目标LED阵列区域。其次通过分段式线性灰度变换对目标LED阵列区域进行图像增强,利用Gradient-Harris解码算法进行目标LED阵列的形状提取和状态识别。实验结果表明,应用基于分段式线性灰度变换的Gradient-Harris解码算法,强日光环境下OCC实验系统的平均解码速率为128.08 bit/s,平均误码率为4.38×10^(-4),最大通信距离为55 m。

基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型

露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,同时对矿区小目标障碍物的识别也有较大误差,不适用于矿区特殊环境下障碍物的检测与识别。针对上述问题,提出了一种基于双曲嵌入的露天矿区暗光环境下多目标检测模型。首先,在模型的图像预处理阶段引入卷积神经网路Retinex-Net对暗图像进行增强,提高图像清晰度;然后,针对数据集中特征过多而无重点偏好的问题,在加强特征提取部分添加全局注意力机制,聚集3个维度上更关键的特征信息;最后,在检测模型预测阶段引入双曲全连接层,以减少特征丢失,并防止过拟合现象。实验结果表明:(1)基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型不仅对露天矿区暗光环境下的大尺度目标具有较高的分类与定位精度,对矿用卡车及较远距离的小尺度目标即行人也可准确检测与定位,能够满足无人矿用卡车在矿区特殊环境下驾驶的安全需求。(2)模型的检测准确率达98.6%,检测速度为51.52帧/s,较SSD、YOLOv4、YOLOv5、YOLOx、YOLOv7分别提高20.31%,18.51%,10.53%,8.39%,13.24%,对于矿区道路上的行人、矿用卡车及挖机的检测精度达97%以上。

基于改进YOLO v7-tiny的玉米种质资源雄穗检测方法

针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异,无人机搭载可见光传感器相比地面采集图像分辨率低,以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题,提出了一种改进YOLO v7-tiny模型的玉米种质资源雄穗检测方法。该方法通过在YOLO v7-tiny中引入SPD-Conv模块和VanillaBlock模块,以及添加ECA-Net模块的方式,增强模型对雄穗特征的提取能力。利用自建的玉米种质资源雄穗数据集,训练并测试改进模型。结果表明,改进YOLO v7-tiny的平均精度均值为94.6%,相比YOLO v7-tiny提升1.5个百分点,相比同等规模的轻量级模型YOLO v5s、YOLO v8s分别提升1.0、3.1个百分点,显著降低了图像中雄穗漏检及背景误检为雄穗的发生,有效减少了单穗误检为多穗和交错状态下雄穗个数误判的情况。改进YOLO v7-tiny模型内存占用量为17.8 MB,推理速度为231 f/s。本文方法在保证模型轻量化的前提下提升了雄穗检测精度,为玉米种质资源雄穗实时、精准检测提供了技术支撑。

基于ID-YOLO的数字仪表检测方法

当前针对数字式仪表检测算法在边缘设备具有实时性差、泛化性差的问题,对此提出一种采用ID-YOLO(instrument detection-you only look once)模型的变电站数字仪表检测识别方法。所提算法以YOLOv5模型为基础,首先设计轻量骨干网络(light weight-YOLO, LW-YOLO)提取图像特征,降低网络参数,提高检测实时性;然后设计了一种双级路由注意力模块(bi-level routing attention moudle, BRAM),提高网络对小数点的检测精度以及网络的鲁棒性和泛化性;最后,引入损失函数α-IoU,通过设定不同的可调节参数α数值得到更准确的真实框与预测框的交并比计算,可以提高模型的检测精度。结果表明:相比于其他基于深度学习的数字仪表检测识别方法,所提方法在不同显示方式的数字仪表识别任务上具有更好的准确性和泛化性,而且可以在检测准确率领先的情况下,将模型在边缘设备上的检测速度从6.87帧/s提升至8.77帧/s,其实时性和检测精度均能够满足实际变电站智能数据采集、检测识别的工程需要。

基于目标可见光图像的着落姿态计算方法研究

针对复杂环境下威胁目标攻击场景,基于实际目标可见光图像特征,提出一种目标着落姿态计算方法。通过Roberts算子和Hough变换构建目标图像特征提取模型和目标中轴线确定模型;基于双目交会理论,确定中轴线关键点位置信息,基于三角形理论建立目标姿态角求取方法。通过仿真案例分析表明,所提出的目标着落姿态计算方法可有效提取目标特征,并解算出目标着落姿态角,具备较好的光学测量图像适应性。

基于双N型的六光幕天幕立靶测量方法研究

弹丸的着靶坐标一直是身管武器外弹道测试领域经常测量的参数,针对现有六光幕阵列天幕立靶存在的系统复杂,主探测器比较笨重的问题,提出一种集成化双N型六光幕立靶测量方案,在每台主探测器的一个光学镜头内集成三个探测光幕,两台主探测器在空中形成两个N型的三光幕探测阵列。当弹丸依次穿越六个探测光幕,对应的两台主探测器三光幕天幕靶的电路依次输出六个弹丸信号,采用数据采集仪对弹丸信号进行采集,并通过弹丸信号处理算法对采集到的弹丸信号进行处理,得到弹丸穿越六个探测光幕的时刻值,再进一步通过对应的探测光幕参数和靶距参数计算得到弹丸的着靶坐标值。对系统着靶坐标测量误差进行了分析,并通过两种不同口径的实弹测试验证了系统的弹丸着靶坐标测量精度。

改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的Swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。

轻量化智能汽车行人目标识别算法研究

为解决YOLOXs行人目标识别算法效率低、体积规模大的问题,采用轻量架构卷积神经网络替换主干网络,深度可分离卷积替换,特征增强网络中的3×3卷积层,提出轻量化增强网络,并应用于智能汽车行人目标识别试验。结果表明,轻量化增强网络模型能够在确保行人目标识别精度的基础上有效缩减参数量和所占内存,对参数缩减了44.1%,所占内存缩减了41.9%,该算法更适合于嵌入式与移动端设备的搭建,对智能汽车的开发具有一定的参考价值。

早稻幼苗生长发育对不同波长蓝光的响应

为确定适合早稻工厂化育秧的蓝光二极管(LED)最佳补光波长,以白光LED为对照(CK),设置T1(400 nm)、T2(420 nm)、T3(450 nm)3种波长蓝光处理,研究不同波长蓝光对湘早籼24号幼苗生长发育的影响。结果表明,3种波长蓝光均能加快水稻幼苗的生长,较CK显著降低了幼苗株高和丙二醛含量,T3处理幼苗的叶面积、根长和壮苗指数最大,分别较CK增加14.04%、53.45%和60.00%。与CK相比,T3处理幼苗的叶绿素(a+b)、可溶性糖、淀粉、可溶性蛋白和脯氨酸含量分别增加37.81%、59.76%、68.80%、106.41%和38.54%。此外,T3处理幼苗的气孔密度较CK显著增加55.22%,同时也增强了幼苗的根系吸收能力和抗逆能力,使植株生长更健壮。综上,T3可作为早稻工厂化育秧的较佳补充光源。本研究结果为确立水稻工厂化育秧的精准补光技术提供了理论依据。

基于共面靶标的线结构光机器人视觉标定方法

建立了线结构光视觉系统的数学模型,提出一种基于共面靶标的线结构光视觉系统标定方法,包括相机的内、外参数的标定,线结构光平面在相机坐标系下的标定方法,提出一种利用微分的思想映射到世界坐标系下逼近标定特征点纵坐标的实际值,使用相机标定时的外参将多个特征点转换至相机坐标系下,组成光平面超定方程组,使用最小二乘法估计光平面方程参数。为验证方法的准确性和实用性,实现以CMOS工业相机、线激光发射器组成的视觉系统,通过对棋盘格标定板测量,进行实验。实验结果表明,该标定方法测量得出的相对误差为0.14%,能够满足焊接机器人的精度要求。

深度学习与图像融合的行人检测算法研究

为解决智能辅助驾驶技术中可见光摄像机受光照和气候影响而导致行人目标识别困难的问题。通过研究图像融合技术,结合深度卷积神经网络,实现并改进了一种道路行人目标检测算法。方法是利用多源传感器图像融合技术,采用可见光相机与红外热成像相机融合的策略,以Faster RCNN算法为基础,从改进网络结构、特征融合、优化模型训练等方面展开研究,对复杂环境下的行人检测与定位跟踪展开研究,提出一种基于图像融合技术和改进的深度卷积神经网络的道路行人目标检测算法。实验结果表明,该算法对复杂气候环境下行人目标检测提高了检测效率和准确率,增加了智能辅助驾驶汽车的安全性。

基于视频的夜间航标灯多目标检测模型

为了实现夜间航标灯的智能检测,提出一种基于视频的航标灯质检测网络模型,首先利用检测模块捕捉航标灯质的颜色特征,接着利用跟踪模块对灯质颜色特征进行跟踪以锁定目标,再利用分类模块完成目标的灯质闪烁序列识别,最后采用二元相关性方法将颜色与灯质闪烁序列结合形成航标灯检测结果。检测模块基于YOLOv5模型,改进了其骨干网络并采用了新的SIoU损失函数,实现了视频单帧图像的灯色检测;跟踪模块基于DeepSort,并结合卡尔曼滤波和匈牙利算法实现间歇出现灯色的稳定跟踪;分类模块利用简单的网络结构实现了灯闪频率的快速识别。利用3 500 min的航标灯视频对模型进行训练和测试,结果表明模型的航标灯检测准确率可达90%,检测速度也满足实时性要求。

一种小尺寸轫致辐射转换靶设计

以减小直线感应加速器X射线光源横向尺寸为目标,开展轫致辐射转换靶的设计。对聚焦打靶过程中电子束运动轨迹进行分析,指出同一个电子束轨迹分布,既可以描述为电子束在某纵向位置处具有一定的横向展宽,也可以描述为电子束保持较小横向尺寸时的轴向分布展宽,由此提出在束腰附近放置多个小靶片实现聚焦电子束有效阻挡的小尺寸多层靶概念设计。采用EGS4程序对X射线产额进行计算,发现靶厚度在一定范围内改变时X射线产额变化较小,基于这一规律完成了小尺寸多层靶的结构设计。进一步考察了一个设计应用实例,当聚焦电子束最小包络直径3 mm、会聚角100 mrad时,对比大尺寸靶,采用小尺寸多层靶可以获得等效直径减小约50%、产额减小约10%的X射线光源。该设计方法有望在相同的电子束品质和聚焦条件下,获得横向尺寸小于电子束最小束包络直径的X射线光源,具有一定的应用价值。

斜入射下四光幕精度靶着靶位置测量原理误差分析

为研究飞行弹丸斜入射时着靶坐标测量原理误差的分布规律,根据四光幕精度靶几何结构,建立了斜入射下着靶坐标测量原理误差模型,研究有效探测靶面内不同着靶位置与不同入射角下原理误差分布规律;分析工程应用中发射位置确定下,不同散布半径与不同射击距离对测量原理误差的影响,给出着靶坐标测量的修正公式,并进行实弹射击试验。试验结果表明:飞行弹丸斜入射时必然存在原理误差,必须修正着靶坐标;射击距离一定时,发射枪散布半径越大,原理误差越大;散布半径确定时,原理误差随射击距离增加而减小;在发射位置确定下,采用修正公式后,四光幕精度靶测量误差小于1 mm。

基于可见光与红外图像的弱光条件下目标检测

图像融合是将多个输入图像合并成一个单一图像的技术。可见光红外图像融合能提高目标检测的准确性,但在低光照场景下往往效果不佳。基于此,提出一种新的融合模型DAPR-Net。该模型具有跨层残差连接的编解码结构,将编码器的输出与解码器的对应层的输入相连接,加强各层卷积层间的信息传递。在编码器中设计了双注意力特征提取模块AFEM,使得网络能够更好地区分融合图像与输入的可见光和红外图像之间的差异,同时保留两者的关键信息。在多个公开数据集上与6种先进方法进行对比,实验结果表明,与基准PIAFusion模型相比,该模型在LLVIP和MSRS数据集上的信息熵、空间频率、平均梯度、标准差、视觉保真度指标分别提高了0.849、3.252、7.634、10.38、0.293和2.105、2.23、4.099、27.938、0.343;在YOLOV5目标检测网络上,LLVIP和MSRS数据集的平均精度均值、召回率、精确率、F1值指标分别提高了8.8、1.4、1.9、1.5个百分点和7.5、1.4、8.8、1.2个百分点,相较于其他融合方法表现出更显著的优势。

基于改进YOLOv5的电力设备轻量化检测算法

提出一种轻量化红外目标检测算法MEGI-YOLOv5。该算法基于YOLOv5模型,首先将主干网络替换为轻量化Mobilenet-v3网络,并将颈部网络中的部分CBL结构块替换为倒残差结构的深度可分离卷积、C3模块由普通卷积和GhostConv组合代替,降低模型的参数和计算量;其次在颈部网络中嵌入ECA(Efficient Channel Attention)模块,提高模型通道间信息的注意力,从而提升模型特征提取能力。实验结果表明,该模型相较于YOLOv5模型,参数量减少22%,检测速度提升37%,模型检测精度达到96.42%,能满足变电站设备类别及发热点识别的准确性和实时性要求,为后续能够及时发现变电站设备故障提供保障。

探测距离对光幕系统探测灵敏度影响研究

针对探测距离会对光幕系统探测灵敏度产生影响,分别建立弹丸进入系统时遮挡激光产生的光通量变化与系统接收弹丸反射激光功率的数学模型,得到最终弹丸过靶产生的光功率变化的数学模型,根据能够引起系统响应的最小光功率,得出了弹丸处于不同探测距离条件下光幕系统能够探测最小弹丸的尺寸,最后通过实验对数学模型结果进行验证。该研究对于根据所需探测灵敏度设计合理探测靶面,具有重要意义。