用于目标跟踪的特征融合孪生网络算法研究

针对目标跟踪过程存在的动态不确定性的问题,传统跟踪方法容易产生目标漂移甚至跟踪失败,而基于深度学习的跟踪算法随着网络结构的加深容易导致深层特征过于稀疏抽象,不利于克服上述问题.为此,本文提出SiamMask三分支网络融合注意力机制的孪生网络目标跟踪新方法,旨在加强网络对特征选取的学习能力,加强目标有效特征的抽取,并减少冗余信息对网络负担的影响.特征提取主干网络选用改进的Resnet-50,通过融合深层和浅层特征,实现跟踪目标特征的有效表达.利用4个数据集(COCO、ImageNet-DET 2015、ImageNet-VID 2015、YouTube-VOS)对提出的特征融合孪生网络框架进行训练,并使用VOT数据集进行在线测试.实验表明:与文中其他跟踪方法相比,该算法在面对动态目标尺度变化、环境光照、运动模糊等场景表现更优异.

重组竹顺纹冲击力学性能研究

重组竹是一种新型竹基复合材料,其力学性能优于落叶松等木材。为评价重组竹在动态加载下的顺纹抗冲击力学性能,以密度1.06 g/cm^(3)、含水率8.52%、龄期3~5年的毛竹基重组竹为研究对象,通过准静态单轴压缩和循环加卸载以及动态加载实验,研究了重组竹加载变形过程、各项力学性能指标以及对应变率的敏感性。结果表明:重组竹顺纹压缩过程可以分为弹性变形和弹塑性变形阶段,破坏类型为延性破坏,其各项强度指标随应变率的提高而提高,动态增长因子与应变率之间呈现线性关系,斜率为0.0024;重组竹压缩过程中的应变比能与应变之间呈线性关系,且随应变率的增长而增大,证明其吸能能力随着应变率的增大而提高。实验结果证明,重组竹顺纹具有良好的抗冲击力学性能和显著的应变率效应。

基于卷积神经网络的SCMA-VLC接收机研究

发光二极管(LED)有限的带宽与其非线性电光转换引起的信号失真,是限制可见光通信(VLC)传输性能的重要因素。传统的消息传递算法(MPA)在稀疏码分多址(SCMA)-VLC系统中对抗信号非线性失真的能力有限。针对上述问题,文章提出了一种基于卷积神经网络(CNN)接收机,通过对接收信号进行特征提取、分类和判决,可有效提升SCMA-VLC系统抗非线性失真的能力。实验结果表明,在非线性失真较强的情况下,CNN接收机比MPA接收机表现出了更优的误码率(BER)性能,有效地扩大了偏置电压的动态范围,减少了系统对信噪比(SNR)的要求。

基于超声相控阵的小径薄壁管座角焊缝检测CIVA仿真

小径薄壁管座角焊缝由于特殊焊缝结构、壁厚、曲率等结构因素的影响,导致常规超声相控阵检测存在一定的局限性。针对薄壁管座角焊缝超声相控阵检测难点,利用CIVA仿真软件对小径薄壁管座角焊缝专用超声相控阵探头进行表面粗糙度、晶粒度等材料特性对声场影响的仿真研究,揭示其对声场的影响规律。并对不同大小、位置裂纹进行缺陷响应模拟分析,总结裂纹响应变化规律及特征,验证专用超声相控阵探头的检测能力。仿真结果表明:探头置于母管侧的超声相控阵接触式横波检测方式可有效检出不同位置、大小的裂纹缺陷,并实现对其定位、定性和定量,特别是对于坡口裂纹具有较高的检测灵敏度。

足部三维有限元建模及其多姿态生物力学分析

背景:足部的生物力学特性和损伤机制一直是医生、运动科学研究人员重点关注的问题,而三维有限元分析已成为生物力学行为数值模拟的有效技术手段。目的:建立有效的足部有限元分析模型,分析足部不同着地姿态的生物力学特性。方法:采集1例健康成年男性的足部CT图像,用Mimics软件进行阈值分割得到三维点云数据,运用Geomagic软件进行模型的点云处理和优化,得到光滑的足部3D几何模型。再将几何模型导入Hypermesh软件完成有限元前处理工作,最后利用Abaqus软件进行求解计算。将仿真结果与足底压力测试结果进行对比,验证模型的有效性,再根据仿真得到的内部应力分布结果对足部多姿态生物力学特性进行分析。结果与结论:(1)提出的网格质量控制办法提高了有限元分析前处理划分的网格质量;在未显著提高计算成本的情况下,很好地解决了有限元分析模型不收敛的问题;(2)对足部不同姿态进行仿真分析发现:前掌先着地时,足部负荷集中于前掌,导致跖骨应力和足底筋膜受力增加,容易引起跖骨和足底筋膜的损伤;足跟先着地时,足部负荷集中于后跟,跟骨应力增加,加大了足跟痛和膝盖损伤的风险。(3)因此在运动过程中应避免长时间和高负荷的重复刺激,特别是已有相关疾患的人群更应该避开加重病情的运动方式。

基于机器学习的金属近表面缺陷超声检测方法

在超声脉冲回波检测技术中,由表面回波产生的“死区”会隐藏近表面缺陷的回波信号,对于近表面缺陷的实际检测造成一定的干扰。针对上述问题,提出一种将数字信号处理与支持向量机相结合的方法,通过识别缺陷一次回波和二次回波,实现对近表面缺陷位置的准确计算。实验中,通过垂直入射超声脉冲回波法采集轴承内圈的A波信号,使用支持向量机分类法对缺陷的一次回波和二次回波数据进行训练、测试和分类。实验结果表明,该文所提方法能有效对缺陷一次回波和二次回波信号进行识别和对缺陷实际位置的预测,分类的平均准确率可达95.22%,近表面缺陷位置的预测误差绝对值在0.2 mm以内。

地坪磨抛机器人轨迹纠偏算法研究与实现

提出了一种基于误差矫正的轨迹纠偏算法,通过误差控制机器人快速矫正姿态。算法通过自适应蒙特卡罗定位(Adaptive Deterministic Monte Carlo Localization,AMCL)算法实时获取机器人位置和姿态,根据当前位姿与超前点求取偏差量,使用距离PID、角度PID将偏差量解算为机器人运动控制指令。最后,定位算法获取修正后的位姿,重新计算误差和控制量,形成闭环控制。实验结果表明,基于该控制系统的地坪磨抛机器人能够应对较大的轨迹偏离情况,在处理[0,15]度范围内的角度偏差和[0,22]厘米范围内的横向偏离的情况下,能够快速修正偏移量,保证导航精度。经过矫正,最后轨迹偏差在0.03 m范围内。与现有方法相比,提出的轨迹纠偏方法能够应对较大程度的偏移量,有效解决了地坪磨抛机器人的轨迹偏离问题。

基于CIVA仿真小径薄壁管座角焊缝检测的相控阵探头优化设计

针对电厂锅炉中接管外径小于32mm、壁厚小于4mm的小径薄壁管座角焊缝存在的检测难题,采用了母管侧接触式横波检测的方法进行超声相控阵检测的CIVA仿真研究,在不同相控阵探头参数下开展了声场仿真分析,进行了根部未焊透、坡口未熔合和裂纹等典型缺陷的缺陷响应模拟,实现了对相控阵探头的优化设计,为实际检测时相控阵探头参数选取和检测工艺设计提供参考和指导。

基于机器学习的帕金森运动症状量化评估

临床上采用量表评分的方式对帕金森病运动症状的严重等级进行诊断,存在主观性强、评估结果差异大等问题。因此,利用佩戴于患者手腕的可穿戴设备采集手部运动信息,并基于运动传感器数据提取与震颤和运动迟缓症状严重程度相关的特征参数,构建机器学习多分类评估模型,从而得到症状的严重程度等级(0~4分)。算法验证试验结果表明,相比随机森林(RF)和K最邻近方法(KNN),支持向量机(SVM)分类模型具有最高的分类精度,对震颤和运动迟缓症状的严重程度分类准确率达96%以上。该文研究验证基于运动传感器的帕金森病量化评估方法的可行性,该方法能够作为一种有效的量化评估方法,辅助医生在临床上给出客观的诊断结论。

微区X射线荧光光谱喷墨打印电路无损分析

金属喷墨打印作为拥有巨大潜力的新兴电子制造技术,但对喷墨打印产品的检测尚未有全面可靠的方法,针对此问题,提出一套检测喷墨打印产品的新方法。利用微区X射线荧光光谱仪对金属喷墨打印样品进行微区扫描,然后提取每个扫描点的不同元素的射线荧光强度,最后将不同元素的荧光强度拼接成二维图像;另一方面,对金属喷墨打印样品进行光谱共聚焦线扫描,得到样品的三维轮廓图。通过对样品的微区X射线荧光微区扫查得到样品的元素分布及元素分布的均匀性,对样品的光谱共聚焦线扫描得到样品线宽、线高。通过微区X射线荧光光谱法及光谱共聚焦线扫描法建立一套可靠的质量检测评价方法,有望为提升金属喷墨打印工艺提供技术支撑。

基于自校准卷积网络的行人检测方法

针对已有行人检测算法存在的小尺度行人信息描述不充分的问题,提出一种基于自校准卷积网络的行人检测算法。通过将CSP算法的主干网络更换为SCNet自校准卷积网络,有效扩大了网络的感受野范围;将主干网络的低层特征像素信息和高层特征语义信息进行融合,有效促进小尺度行人的检测;对精细的多尺度卷积特征进行多层连接,将行人检测简化为直接的中心和尺度预测任务。实验结果表明,所提算法在数据集CityPersons和Caltech上的平均漏检率为10.97%和4.3%。算法可以增强小尺度行人的信息描述能力,在检测速度方面也有一定的优势。

基于卷积自编码网络的织物瑕疵检测方法研究

针对织物瑕疵数据集搜集和织物瑕疵检测困难的问题,提出了一种使用深度学习与传统算法相结合的织物瑕疵检测算法。首先提出特征金字塔结构的自编码网络,对正常样本进行学习。其次检测过程中提出同一尺度下进行多模型融合,在降低漏检率的同时移除纹理噪声的干扰。实验结果表明,所提出的学习方法对织物中线状瑕疵检测率高达98%以上,对织物中的面状瑕疵的检测率也达到了84%以上。对于实际生产过程中的瑕疵检测具有应用价值。