基于轻量化卷积神经网络模型的云与云阴影检测方法

大多数遥感影像数据不可避免地受到云层的污染导致数据的失效。因此,对云进行检测是非常必要的预处理步骤。随着航天技术的飞速发展,更加轻便的卫星被设计出来,为在这些算力有限的微小卫星上配备遥感影像预处理模型。设计一种高精度、算力要求低的轻量化云与云阴影检测网络模型具有重要意义。针对上述问题,提出一种基于深度可分离卷积的轻量化卷积神经网络(lightweight M-shaped network,L-MNet)模型,L-MNet网络模型是在M-Net(M-shaped network)模型的基础上引入深度可分离卷积(depthwise separable convolution,DS-Conv),设计一种深度可分离卷积模块(DS-Conv Block),以减小算法的复杂度及计算量。结果表明:所提方法在保证检测精度的前提下,可以有效减小像素级云检测的模型大小及计算量,有助于实现微小卫星在轨云检测的任务。

SNTP协议分析及其在CPR1000系统中的应用

本文详细分析介绍了简单网络时间协议(SNTP)在工程项目中的应用,解决了CPR1000项目中,跨系统时钟不一致的问题。因时间偏差的存在,随着时间的推移偏差将进一步扩大,从而给交换机日志及操作系统日志分析带来困扰。本文提供了一套时间同步方案,并对方案进行了充分分析和说明。