联合结构重参数和YOLOv5的航拍红外目标检测

无人机进行红外航拍目标检测在交通、农业和军事等方面有着广泛应用。该领域的主要挑战有目标较小、相互遮挡、非刚体形变大以及红外成像纹理信息少、边缘特征弱等。针对以上问题,基于YOLOv5和结构重参数化优化思想,提出了一种针对航拍场景的目标检测模型Rep-YOLO。首先,在主干网络中引入RepVGG模块,提升模型特征提取能力;在模型推理时对RepVGG模块的多分支进行结构重参数化,减少网络分支和结构复杂度。其次,结合数据特征,改进检测网络颈部的路径聚合网络,提升检测算法在机载平台的精度-速度均衡能力。最后,在两个公开红外数据集进行对比实验,表明该算法的有效性。以南航ComNet航拍数据集为例,统计结果显示主要检测指标各类平均精度(mean Average Precision,mAP)提升5.9%,同时参数量和模型大小分别减少约29.7%和23.2%。另外,对Rep-YOLO在典型机载平台Jetson Nano上进行了模型部署验证,为航拍场景的检测算法改进和实际应用提供了可靠的技术支撑。

一种从Object-Z到CSP规格说明的转化方法

面向对象形式规格说明语言Object-Z与进程代数CSP相结合是当今的一个热点,它既可以表示复杂的模块化数据与算法,又可以表示系统的行为,但求精与验证对它们结合后的规格说明需要分别进行处理。本文提出了一个方法,把Object-Z规格说明转化为CSP规格说明,可以方便地处理结合后的规格说明,因此求精与推理对结合后的规格说明可以按CSP规则与方法一致来进行处理。此外,转化后的Object-Z规格说明可以按照CSP方法进行模型检查。

基于改进YOLOv5s的硬核期葡萄簇检测

为实现自然环境下硬核期葡萄簇的快速精准检测,提出一种改进的YOLOv5s网络。首先,将YOLOv5s主干特征提取网络和加强特征提取网络中的卷积模块(Conv)替换为拥有更强特征提取能力的RepConv模块;然后,将YOLOv5s主干特征提取网络中C3结构的BottleNeck也替换为RepConv模块;接下来,将高效通道注意力模块(ECA)添加到YOLOv5s加强特征提取网络中的C3结构;最后,将YOLOv5s卷积模块中的激活函数SiLU改为ReLU6。试验结果表明,改进YOLOv5s网络对葡萄簇检测的精确率为96.5%、召回率为94.5%、平均精度均值为98.0%、检测速度为260 f/s。相比Faster R-CNN、SSD、RetinaNet、YOLOv3(Ultralytics)、YOLOXs和YOLOv5s,其平均精度均值分别高10.4、44.1、13.9、0.2、8.9和1.0个百分点。提出的改进网络能够较好地检测自然环境下模糊、遮挡、簇粘连、不完整、昏暗及逆光等各种状态的硬核期葡萄簇,且方便在移动设备上部署。

基于Object ARX的带轮的CAD系统

研究在Visualc ++6 .0的环境下使用微软基础类库MFC和AutoCAD实时运行ObjectARX二次开发Auto CADR2 0 0 0的应用程序设计 ,以带轮为例进行了参数化程序设计。

基于Object ARX的塑料注射模大型模架的AutoCAD二次开发

Object ARX是最先进的AutoCAD开发技术。用此方法对塑料注射模大型模架进行AutoCAD的二次开发,并且重点阐述了设计过程中的技术要点。利用此方法,实现了绘图、标注的自动化和标准化,提高了设计效率。

采用重参数网络的Transformer目标跟踪

针对目前基于Siamese结构的目标跟踪计算量大且不能实现模板与搜索区域间充分信息交融的问题,提出基于重参数网络的Transformer目标跟踪算法.首先采用重参数法降低跟踪过程中骨干网络计算量,训练时采用多分支并行结构,测试跟踪过程中使用重参数法将多分支并行结构重构成单分支串行结构;然后对骨干网络提取的模板特征图和搜索区域特征图使用Transformer结构进行自注意力加强,通过交叉注意力层实现像素级信息交融;最后将完成充分交融的信息映射到分类分支、中心度估计分支与边框回归分支,其中,边框回归分支采用最新的CIoU-Loss进行训练,使得跟踪算法精确度更高,具有更强鲁棒性的同时满足实时性.实验结果表明,所提算法在大规模基准数据集GOT-10k上平均重叠率为0.606,超越SiamFC++算法0.011;在大规模数据集LaSOT上,成功率、归一化精确度、精确度分别达到0.554,0.659和0.581,比SiamFC++算法提高了0.010,0.036和0.034.

基于结构重参数化技术的轻量化目标检测算法

现有目标检测算法消耗大量算力资源、参数量大、占用内存空间多,不利于在小型设备上推广使用。因此,基于结构重参数化技术并结合YOLO系列算法的研究成果,提出了一种轻量化目标检测模型Rep-YOLO。使用结构重参数化技术实现模型在训练时的多分支结构和推理时的线性结构之间的转换,从而减少模型推理时对算力资源的消耗。另外,为了降低模型的参数量,利用深度可分离卷积、网络裁剪等方法,重新设计了多尺度特征融合网络和检测头。实验结果表明:在PASCAL VOC上,Rep-YOLO-s1精度可达82.7%,Rep-YOLO-s1与YOLOv6s相比,在参数量减少54.8%的情况下,精度提高了2.4百分点,推理速度提升了6%。在NVIDIA RTX 3060 GPU上,Rep-YOLO-s0比YOLOv6s的推理速度快10%,Rep-YOLO-nano比YOLOv7-tiny快4%,精度提高了0.5百分点。Rep-YOLO与规模类似的模型相比,体积更小,精度更高,更加利于资源有限的部署应用。

改进YOLOX-S模型的施工场景目标检测

现有YOLOX-S模型在施工环境干扰下目标检测平均精准率(AP)偏低,不能较好满足实际应用需要。针对上述问题,从引入结构重参数化模块、引入卷积注意力模块、引入AdamW优化算法三方面对YOLOX-S模型进行改进。首先,利用RepVGGBlock解耦训练阶段与测试阶段的模型结构,在训练阶段模型的Backbone与Neck中构建更多残差结构,提高模型的特征提取能力。其次,利用LKA模块提取局部特征信息与长距离依赖关系,为后续计算目标边界框位置与大小提供更加有效的注意力指引,提升检测平均精准率。然后,使用AdamW优化算法替代Adam优化算法更新模型参数,进一步改良模型收敛结果,提升模型泛化能力。最后,在建筑工地运动目标数据集(MOCS)上进行实验,结果表明,改进YOLOX-S模型检测所有目标的平均精准率提升3.3个百分点,检测大目标、中目标、小目标的平均精准率分别提升3.2、2.3、2.2个百分点。同时,改进YOLOX-S模型计算代价未明显增加,可在实时运行的同时更好满足施工场景下对目标检测平均精准率的需要。

基于改进YOLOv5的多目标垃圾分类研究

针对垃圾分类问题,传统图像识别算法通常只能对单个垃圾图像进行识别,效率低下,且对硬件要求高。本文实现了对YOLO模型改进的多目标实时轻量的目标检测模型,使用RepVGGBlock模块和结构重参数化技术来改进模型的特征提取结构,使模型轻量,方便移植进嵌入式设备中。使用BiFPN特征融合技术来融合不同特征图的信息,提高了模型对目标的定位能力。实验表明,改进后的模型比原始模型以及其他多目标检测模型的精度更高,速度更快,体积更小。

基于结构重参数化的目标检测模型

虽然多尺度感受野特征融合能显著提升目标检测模型的精度,但同时也大大增加了模型的运算成本。针对这一问题,本文提出了基于结构重参数化的目标检测模型。首先,使用深度卷积代替SPP中的最大池化,并利用结构重参数化降低模块运算量,提出了新的感受野特征融合模块CspRepSPP。接着,基于结构重参数化技术,提出了新的特征提取模块RepBottleNeck。实验结果表明,在VOC 2012数据集上,相比原模型YOLOv5s,本文模型在mAP0.5:0.95指标上提升了3.22%,单张图片的推理速度提升了0.5 ms,GFLOPs降低了1.0。与其他YOLOv5s改进算法相比,本文算法检测精度更高,推理速度更快,参数量更低。

基于多目标遗传算法的差速器壳体轻量化设计

针对某新能源汽车差速器壳体需在满足行驶工况的刚强度要求下实现轻量化,提出一种基于多目标遗传算法NGSA-Ⅱ和参数化模型相关联的优化设计方法。首先通过SolidWorks和ANSYS的联合仿真,对差速器壳体的大端、小端、法兰及主减速器外圆等部位的厚度实现参数化手段,并通过模态分析和静力学计算证明壳体有足够的优化空间;然后构建尺寸变量同优化目标之间的响应曲面;最后基于多目标遗传算法,建立以质量最小和壳体最大应力最小为目标的优化模型,对差速器壳体进行轻量化设计。结果显示:优化后壳体总质量从6.80 kg减为6.10 kg,减少了10.3%;壳体最大应力降低了9.9%;同时壳体的最大变形量在安全范围内,证明基于多目标遗传算法进行轻量化设计是可行的。

面向对象的参数化CAD二次开发方法研究

通用CAD系统采用开放式结构体系,提供相应的二次开发手段和方法。研究了面向对象的参数化二次开发技术及方法,以期为CAD的二次开发提供指导,并以Pro/Engineer为软件平台,利用其二次开发工具Pro/Toolkit,实现了面向对象技术在参数化设计二次开发中的应用。

精密级进模结构设计标准化的研究

精密级进模广泛应用于电子信息类产品冲压制件的生产中,由于其具有结构复杂、精度极高等特点,设计过程复杂而耗时。为了提高设计的效率和质量,本文对精密级进模结构设计的内容进行了深入分析,并将面向对象方法和参数化技术应用于模具标准化设计的研究中,提出了精密级进模零部件标准化层次结构模型和参数化标准件库功能结构模型。在此基础上,以AutoCAD2002为平台,开发了精密级进模结构标准化设计系统。

基于面向对象技术的参数化CAD系统

介绍了面向对象方法学在开发参数化CAD系统过程中的应用，并根据参数化CAD系统的需要提出了一种基于对象多态性的面向功 能/数据的数据结构，该结构实现了几何约束的显式表示，增强了系统的可靠性、稳定性和灵活性。在此基础上开发的轮胎胶囊CAD系统已经用于工程实践，并取得良好效果。

面向对象的摩托车车架参数化设计系统研究

介绍了面向对象的参数化设计方法:使用面向对象的设计语言对设计对象进行封装,封装的设计对象通过在其方法中调用三维设计平台的二次开发函数实现参数化建模。该方法增强了设计系统的可靠性、稳定性和灵活性。并把此方法成功应用到摩托车车架的参数化设计系统中。

采用遗传算法的离心叶轮多目标自动优化设计

针对离心叶轮多目标自动优化设计,首先提出了一种离心叶轮参数化方法,通过对离心叶轮型线数据进行转换,分别建立了圆柱坐标系下叶轮控制参数与归一化长度参数之间的关系,采用非均匀有理B样条进行叶型重构,获得叶片和叶轮子午流道构型.将离心叶轮参数化方法、多目标遗传算法及商业化数值计算软件NUMECA相结合,建立起离心叶轮自动优化设计平台.以总压比和效率为设计目标,在设计工况下,采用该方法对Krain高速离心叶轮进行气动优化设计,获得一系列优化叶轮,并采用数值模拟方法对叶轮内部流动特性及其气动性能进行了比较分析.结果表明,优化叶轮的总体气动性能有不同程度的改善,在叶轮出口截面上流场分布更加均匀,总压比和等熵效率约提高了2.5%和1.0%,同时也验证了所发展的多目标离心叶轮自动优化设计方法的有效性.

增压器压气机级多目标气动优化设计

针对某型号增压器压气机级的叶轮和蜗壳进行稳态分析改进,采用NUMECA公司的FINETM/Design3D软件对叶轮型线进行优化设计,以效率、压比、功率为优化目标,整个过程贯穿了参数化建模,三维黏性气动数值分析、试验设计方法、遗传算法和神经网络技术;通过调整蜗壳环量来降低流动损失。对优化前后压气机的整体性能进行了比较,结果表明:整机效率提高了6%,压比提高了0.11,功率增加了0.5 kW。

股骨颈骨折内固定方式优选方法研究

为了避免在股骨颈骨折手术中人为选择内固定方式产生的不良后果,满足用PC机优选内固定方式的需要,从生物力学的角度出发,基于有限元法开发了集合前处理、求解、后处理于一体的股骨颈骨折内固定方式优选程序,目的是将最优固定效果下的紧固螺钉数量、内固定角度及组合方式提供给医生施术.该系统在分析了股骨与载荷之间的力学关系的基础上,运用参数化的思想,建立个体化的股骨有限元模型和骨折内固定模型,并应用有限元法进行模型解算,得到相应内固定方式下的股骨头下沉位移、股骨头横向位移、股骨头扭转位移、股骨头总位移及骨折面之间最大断裂位移的解算结果,并根据评价算法优选出最合理的内固定方案.为临床选择内固定方式提供有效的定量参考.

基于GIS的参数化飞行程序辅助设计系统

文章结合参数化技术设计并实现了基于GIS技术的飞行程序辅助设计系统(ComputerAided-designingFlightProcedureSystem,CAFPS),建立起CAFPS分层次的参数化模型及总体结构。该系统以MapGIS作为支撑平台,采用面向对象技术实现系统各功能模块,并将一种求解二维几何约束的方法和GIS平台的图元实体的数据结构特点结合起来进行参数化求解。CAFPS可有效提高机场建设和飞行程序设计的效率。

绿色设计在植保机械中的应用

由于植保机械的特殊使用环境和要求,绿色设计显得尤为重要。为此,提出了植保机械的绿色设计的分析方法,并设定了植保机械的绿色设计的参数化目标。依据目前在植保机械上的研究成果,提出了在植保机械各功能部件进行绿色设计的一系列方案,旨在提供绿色设计的思路及评价方法。