结合自适应阈值与动态ROI的地标线检测方法

基于机器视觉的地标线检测一直以来都是车间自主巡检机器人研究的重点和难点问题之一.针对检测过程中易受车间地面积水、光照不均以及油渍粉尘污染等环境因素的影响从而导致误检率、漏检率较高,难以满足工程实际需求的问题,本文提出了一种基于自适应阈值分割与动态感兴趣区域划分的车间地标线检测方法(AT-DROI),该方法以分块图像为基础,首先按照特定特征对子块进行搜索,并剔除其中的离群噪声点,然后将环境因子与采样点相结合计算出特征颜色的双门限阈值,最后利用粗细粒度掩膜抑制特征图像中的干扰信息,有效实现了室内复杂环境下对地标线的高精度检测.通过在自采集的实际车间场景视频序列上进行大量对比实验,实验结果表明,本文方法在自采集的多组实际车间场景视频序列上测试的平均准确率、假阳性率和假阴性率分别达到了95.15%、3.73%和4.85%,平均每秒检测帧数为26fps,能够满足实际生产中对地标线检测的准确性和实时性要求.

刚性接触网磨耗动态检测系统视觉标定方法研究

接触线磨耗是综合反映接触网服役性能的重要指标。针对接触线空间布置范围大,磨耗检测精度要求高,人工检测效率低的难题,提出综合运用激光三角和沙姆成像原理,研究构建基于线结构光测量技术的车载接触线磨耗主动视觉检测方法。提出采用高斯-牛顿非线性最小二乘优化方法,对像平面与光平面单应性矩阵、镜头畸变参数进行交叉迭代求解,建立面向接触线磨耗动态检测的大视场、高精度视觉模型及其参数标定方法,解决接触线磨耗检测系统视觉建模及参数标定难题。立足现场实际需求,研制接触线磨耗车载检测装置,分步开展室内静态标定实验和现场动态检测试验。结果表明,实验室标定重投影误差控制在0.083 mm以内,与传统模型相比提高53.1%。接触线磨损宽度、磨损深度及磨损面积动态检测数据与人工静态测量数据相比,RMS误差分别控制在0.119 mm, 0.115 mm, 0.788 mm2以内。

基于动态模拟技术的混动车辆发动机电控单元检测系统设计

电控单元是混动车辆发动机中的重要组成部分,对于发动机以及混动车辆的行驶性能产生直接影响,为保证电控单元的运行正常,利用动态模拟技术,优化设计了混动车辆发动机电控单元检测系统;改装温度、转速等传感器设备以及信号处理器设备,调整系统电路的连接方式,实现硬件系统的优化;利用动态模拟技术模拟混动车辆发动机电控过程,结合不同故障类型下电控单元的运行特征,设置系统的检测标准;采集电控单元输出信号,从时域和频域两个方面提取信号特征,最终通过特征匹配确定电控单元状态、故障类型以及故障位置,实现系统的电控单元检测功能;综合混动车辆发动机的3种运行场景,通过系统测试实验得出结论:与传统检测系统相比,优化设计系统的漏检率和误检率分别降低了2.59%和2.05%,由此证明优化设计系统具有良好的检测功能。

多光线追踪与高度特征约束的激光雷达动态点云检测方法

基于激光雷达同时定位与构图方法生成的导航地图通常含有动态点,为保障点云匹配精度及路径规划等任务的正常执行,检测并移除导航地图中的动态点云至关重要。光线追踪算法是一种常用的动态检测方法,然而传统光线追踪算法存在因光线误穿越占据体素导致的体素状态误判问题。针对上述问题,提出了一种多光线追踪与高度特征约束的激光雷达动态点云检测方法。利用邻近射线辅助体素状态的判定,减少假阳性情况;基于高度特征约束方法解决了地面点自干扰问题。室内外数据集上的实验结果表明,所提方法在不同场景下的动态检测性能优于OctoMap方法、Removert方法和ERASOR方法,其中静态保留率高于80%,动态剔除率高于97%。

基于边缘引导和动态可变形Transformer的遥感图像变化检测

卷积神经网络(Convolutional Neural Network,CNN)和Transformer的混合架构能够有效建模图像的局部与全局特征,已成为遥感图像变化检测任务的主流网络.然而这类网络仍面临着一些挑战. CNN分支中的卷积和池化运算通常会抑制遥感图像中的高频信息,降低目标边界的精度;此外,Transformer分支对图像像素进行等同长程依赖关系建模,忽略了变化目标的形状及语义关联信息,导致网络对变化目标特征的表达不足.为解决上述问题,提出了基于边缘引导和动态可变形Transformer的遥感图像变化检测网络.在CNN分支中设计了边缘信息引导模块,利用高频信息增强目标区域的边缘信息,从而改善变化目标的轮廓精度.同时设计了一种新颖的动态可变形Transformer,能够自适应地匹配形状不同的变化目标,选择与变化相关的特征建模长程依赖关系,以提高网络的特征表达能力.实验结果表明,提出的方法在三个公开数据集LEVIR-CD、CDD和DSIFN-CD上显著提高了检测精度,在变化目标的边界精度和内部完整性方面都明显优于当前的主流网络.

基于动态网络的文本敏感信息感知脑响应检测模型

针对文本敏感信息感知过程复杂和个体差异大造成敏感信息感知脑响应潜伏期不确定性的问题,提出了一种基于动态卷积神经网络的脑响应检测模型——DyCNN_CBAM。该模型通过增加的动态卷积模块,让每层的卷积参数在训练的时候随着输入可变,可提升模型的尺寸与容量。然后在模型第一、二层后增加的注意力机制模块,自动计算贡献度较高的时空信息。实验结果表明:该模型比现有的单尺度模型平均分类准确率提高了4%,F1分数提高6.7%,同时比现有多尺度网络平均分类准确率提高了2%,F1分数提高1.2%。此外,在公开数据集上取得最好的F1分数。由此说明,该网络更够适应文本敏感信息感知脑信号潜伏期抖动性,有效地提升了文本敏感信息检测模型的稳定性。

多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测

初烤烟叶等级的快速准确检测对开发烟叶智能分级设备以促进农产品精细化管理有着重要意义。针对相似度较高但等级不同的初烤烟叶难以区分的问题,本文提出多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测网络(Flue-cured Tobacco Leaf Grade Detection Network,FTGDNet)。首先,FTGDNet采用CSPNet作为特征提取主干网络,采用GhostNet作为辅助特征提取网络以增强模型的特征提取能力;其次,在主干网络末端嵌入显式视觉中心瓶颈模块(Explicit Visual Center Bottleneck module,EVCB)以实现全局特征信息与局部细节特征信息融合;然后,构建多感受野特征自适应融合模块(Multi-Receptive Field Feature Adaptive Fusion module,MRFA_d),利用注意力特征融合机制(Attention Feature Fusion,AFF)将不同感受野特征图进行自适应加权融合,在增强模型局部感受野的同时突出有效通道信息;最后,设计了一种新的定位损失函数(More Complete IoU Loss,MCIoU_Loss),结合预测框与真实框面积损失以解决在回归定位过程中二者宽高比相等且中心点重合时CIoU_Loss性能退化导致定位精度下降问题,此外,引入矩形相似度衰减系数在训练过程中对真实框与预测框的相似度判别项进行动态调整,加快模型拟合。实验结果表明,FTGDNet对十个等级的初烤烟叶的验证精度达到90.0%,测试精度达到87.4%,且推理时间仅为12.6 ms。相较于多种先进目标检测算法,FTGDNet具有更高的检测精度和更快的检测速度,可为高精度初烤烟叶等级检测提供关键技术支撑。

无信控交叉口网联车辆动态碰撞风险检测与预警策略

针对无信控交叉口碰撞事故多发的问题,面向网联人工驾驶环境,研究提出了一种基于车车通信的无信控交叉口网联车辆碰撞动态风险检测与预警策略。在构建典型无信控交叉口场景的基础上,设计了一种基于多项式拟合的车辆轨迹模型;融合利用碰撞到达时间和风险暴露时间作为风险检测指标,构建了一种圆形-双圆车辆模型实现车辆碰撞风险检测;综合考虑了驾驶人异质性及其交互行为,提出一种基于博弈论和遗传算法的两级碰撞预警策略;基于SUMO搭建仿真环境对预警策略的有效性及适用性进行测试分析。结果表明,所提策略能够准确识别出所有的碰撞事件并触发预警,预警成功率达到100%;在不同比例驾驶人组成测试工况下,所提预警策略均能显著降低碰撞率和平均碰撞动能。

一种基于目标检测的动态环境下视觉定位系统

传统的基于同时定位与建图模型的视觉定位方法需要满足目标点静止假设,但大多数小型机器人的实际应用场景为动态,这限制了现有视觉定位算法在小型机器人上的使用。为此,文中使用YOLOv5卷积神经网络对环境中的动态目标进行检测,然后剔除分布在图中的移动特征点,进而改进位姿估计准确性的动态消除方法,并将此方法集成于ORBSLAM2视觉定位系统。改进方案在TUM公共动态数据集上的测试结果表明,基于YOLOv5的检测方法能够快速、准确地识别场景中的动态目标,并显著降低动态环境下位姿估计的绝对误差和相对漂移,是一种有效的动态场景视觉定位方案。

基于组合相似度动态聚类和词熵的网络话题在线检测

[研究目的]为实现网络热点话题的在线检测,提升增量式聚类算法的聚类效果,提出了基于组合相似度的动态聚类算法,同时通过计算词熵实现主题词提取和演化跟踪。[研究方法]通过CIFG-BiLSTM-CRF模型实现文本的命名实体识别,计算文本与话题的实体相似度,再取文本词向量与话题中心余弦相似度的最大值作为词向量相似度,二者结合判断文本所属话题。在聚类过程中利用时间窗口策略实现话题中心和成员文本的动态更新。同时,计算文本词熵,生成话题的词熵和列表,实现话题主题词提取和演化跟踪。实验以新冠疫情新闻为数据实现话题在线检测,并展示了话题主题词的演化和跟踪过程。[研究结论]实验表明,与传统相似度计算方法相比,组合相似度能够获得更好的聚类效果,聚类过程中提取出的话题主题词也正确地反映了原始数据的热点话题内容。

基于特征值的动态数字信道化子带检测算法

动态数字信道化接收结构通过检测所有子带,判断信号是否存在,为综合滤波器组处理提供依据,因此子带检测在接收结构中起着关键作用。针对传统检测算法存在低信噪比(signal-to-noise ratio,SNR)下检测性能不高的问题,依据随机矩阵理论,提出了基于最大最小特征值之差与平均特征值之比的检测算法,利用平均特征值和最小特征值的极限分布规律来推导算法的检测门限。其次,根据所有子带数据获取的特征值信息对所提算法进行了优化。最后,在动态数字信道化接收结构中,分析不同因素下算法的性能,表明了所提算法能够克服低SNR的影响,子带检测的性能更好。

语义重建的动态监督伪装物体检测

伪装物体检测旨在分离视觉上高度融入周围环境的物体,但是物体前景与背景存在大量相似干扰,导致分割过程中易于出现明显错误.针对上述问题,文中提出基于语义重建的动态监督伪装物体检测网络(Dynamic Supervised Camouflaged Object Detection Network with Semantic Reconstruction,DSSRNet),通过重建特征图的空间语义和引入置信度指导网络训练,实现对伪装物体的准确分割.首先,提出空间语义低秩重建机制,精细感知不同尺度下伪装物体具有区分性的语义特征.然后,生成预测置信度图,对分割过程进行动态监督,减少网络因过于自信造成的假阳性和假阴性判断.最后,提出模糊感知损失函数,对网络施加强约束,改善预测时产生的图像模糊问题.在3个具有挑战性的基准数据集上的实验表明,DSSRNet可较好地排除相似信息干扰,取得精准的分割效果.

基于AOD-Net的雾天高速公路能见度动态检测方法

单纯以图像帧差特征为主的公路能见度动态检测方法,缺乏足够多样且具有代表性的真实数据集,使得能见度的智能检测精度下降,为此,利用生成对抗网络的博弈迭代计算优势,设计一种基于AOD-Net(An All-in-One Network)的雾天高速公路能见度动态检测。首先,采用生成对抗网络中的带雾图像生成算法,主要是判断生成的带雾图像的真实程度,旨在使判别器准确地区分真实图像和生成的图像。然后,捕获不同尺度下的特征,从而更准确地估计雾霾参数,利用AOD-Net完成雾霾动态识别与能见度检测。最后,构建团雾分级预警模型,以实现团雾智能预警。通过对比实验证明,所提检测方法可以实现对雾天高速公路能见度动态高精度检测,检测结果与实际能见度偏差不超过5m,具备较高的应用价值。

用于微量生物样本检测的显微动态光散射系统研制

针对微量生物样品的粒径检测需求,提出了一种显微动态光散射测量系统。传统的动态光散射技术在微量生物样品检测中通常需要毫升级别的样品,这种大量样品消耗不适用于微量生物样品的检测。为解决这一问题,设计了一套融合普通显微镜和动态光散射技术的显微动态光散射系统。通过整合这两种技术,文章成功将测量样品的用量降低到几十微升的水平,实现了两个数量级的提升,从而显著减少了样品的消耗,满足了实验室对微量生物样品检测的需求。为验证该系统的可行性,对不同材质和尺寸的纳米颗粒以及生物外泌体样本进行了评估。实验结果显示,针对60nm的聚苯乙烯微球颗粒和208.6nm的外泌体颗粒的测量尺寸误差分别为1.5%和-3.4%,与实际尺寸吻合良好,证明了该系统在实际应用中的可行性。

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明:与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。

基于多元离群点检测的动态目标去除SLAM方法

考虑动态环境下的目标移动对同步定位与建图(SLAM)位姿估计精度的影响,提出一种通过稠密光流计算像素运动并经过离群点检测的动态目标SLAM算法。采用稠密光流法计算图像序列的每个像素的运动信息进行动态目标判断,利用离群点检测对动态目标进行提取,通过均值滤波对动态目标进行模糊剔除,消除动态目标对SLAM精度的影响。在TUM数据集与定制数据集上进行实验,在TUM数据集测试中,与基于特征点法的Orb-slam3标杆算法进行对比分析,在动态目标影响条件下,该算法得到的轨迹误差降低43.25%;搭建开放式四旋翼无人机测试系统,在定制数据集中,进行飞行试验,得到的估计轨迹位置误差控制在1 m内,满足使用场景要求,进一步验证了算法的有效性。

基于动态蛇形卷积和非跨步卷积的绝缘子缺陷检测

针对复杂场景下绝缘子缺陷检测存在小目标识别困难的问题,提出基于动态蛇形卷积和非跨步卷积的绝缘子缺陷检测方法。首先,算法引入动态蛇形卷积,构造出符合绝缘子特点的特征提取模块,提高对绝缘子及其缺陷的特征提取能力。然后,采用“空间-深度”的非跨步卷积,减少融合过程中的特征丢失。最后,为进一步降低模型复杂度,对模型进行通道剪枝,减少冗余部分。在绝缘子缺陷数据集上进行实验对比,与基准算法相比,绝缘子的破损、污闪以及自爆缺陷的识别率分别提升了5.7%、2.4%和0.8%,改进算法在绝缘子的检测率上提升了0.5%。同时平均精度均值较改进前提升了2.3%,模型大小降低了50.07%。实验结果表明,改进算法在提高绝缘子缺陷小目标检测精度的同时,有效降低了模型大小,对绝缘子缺陷检测的研究具有一定的参考和应用价值。

刚性架空接触网弓网动态检测探讨

刚性架空接触网设备安装精度要求高,且基本设置在环境相对复杂的隧道内。为确保设备良好工作状态,本文通过对刚性架空接触网检测依据、项目进行分析,对实际检测数据进行对比,提出了有效的刚性架空接触网检测方法,为后期隧道内刚性架空接触网相关设计提供参考。

基于连续变化检测和分类算法的动态遥感生态指数构建

沿海地区经济社会高速发展,是生态环境变化的焦点区域。然而,沿海地区云雨天气频发,遥感信息获取能力受限,导致遥感生态质量指数(RSEI)评价结果受成像日期变化而波动,可比性较差。针对以上问题,研究利用连续变化检测和分类(CCDC)算法构建时间序列模型,通过合成任意时刻影像、重构遥感生态指数以及改进指数归一化方式,研发了一种动态遥感生态指数(DRSEI),细化了RSEI在区域生态质量监测的时间尺度,并应用于沿海城市宁波生态质量时空变化监测。结果表明:(1)RSEI对时间差异较为敏感,当影像年内成像时间相差逾1个月,RSEI差异可达0.147,这种差异会对长期生态质量动态监测的稳定性和准确性造成影响。(2)基于合成影像的DRSEI平均绝对偏差为0.097,接近成像时间相差半个月的RSEI差异(0.072),误差相对较小,一定程度上减小了真实影像时相差异引起的误差。(3)DRSEI能够表征任意时刻生态质量,通过年际(1986—2019年)和半月际(2019年)DRSEI分析揭示了宁波市生态质量总体下降趋势和时空异质性加剧过程。具体地,1986—2019年宁波市南部和西部森林区域的DRSEI持续上升,而近郊农田快速转化为建成区导致DRSEI不断下降。研究提出的DRSEI能够精确描述区域生态质量变化趋势,准确定位生态质量变化转折点,有望服务海岸带地区的生态质量定期监测与评估工作,支持沿海城市高质量发展与生态环境保护。

基于动态规整与改进变分自编码器的异常电池在线检测方法

针对电池生产成组过程中,传统异常检测方法对混入的容量及压差异常电池检测精度低及生产结束后离线异常检测方法效率低等问题,该文提出一种集合长短期记忆变分自编码器与动态时间规整评价的锂电池异常在线检测方法(VAE-LSTM-DTW),实现了异常电池的在线检测,避免了离线异常检测所造成的时间和能源的浪费。该方法首先将长短期记忆网络(LSTM)引入变分自编码器(VAE)模型,训练电池时序数据重构模型;其次,在电池异常检测的度量标准中引入动态时间规整值(DTW),并基于贝叶斯寻优获得最优检测阈值,对每个单体电池重构数据的动态规整值进行异常辨别。实验结果表明,相较该领域传统异常检测方法,VAE-LSTM-DTW模型性能优越,查准率和F1值都得到了较大的提升,具有较高的有效性和实用性。