结合YOLO-FGE网络的商标检测与分类

为了解决商标样式众多、背景复杂、尺度变化大等问题,基于YOLOv5框架,提出了一种YOLO-FGE网络模型,以更精确地分辨出商标类别信息。提出一种新的特征增强模块来提升特征层对不同类型商标的适应性,使网络更多关注待检测商标的有用信息。在YOLOv5的C3模块中嵌入全局注意力模块对骨干网络和颈网络进行优化。提出了一种增强空间注意力模块,利用空洞卷积扩大感受野,并结合通道注意力和Transformer模块来提升商标检测精度。在图形类商标数据集上的实验结果表明,该模型将mAP提升至92.3%,比大多数现有方法具有更高的检测精度。

基于机器学习的PINMAP封装电磁辐射抑制研究

探讨利用机器学习方法预测PINMAP封装的辐射。首先,为解决全波仿真方法在计算封装电磁辐射时的时效性问题,构建的卷积神经网络(CNN)模型在5 GHz以上频率实现了小于2%的平均相对误差,且预测时间达到毫秒级,显著提高了封装远场辐射的计算效率。其次,为了解决封装设计中的辐射抑制问题,引入了逆向结构设计网络以达到辐射预期。该网络融合逆向Transformer与正向CNN的级联架构,优化了网络的收敛性和预测准确性。最后,开发了一种接地焊球位置优化方案来优化封装结构并抑制辐射,通过微调接地焊球的位置,设计了多个新的封装模型,并使用已训练的CNN模型进行辐射预测,从而选出辐射抑制效果最佳的优化模型。并通过实例分析验证了这些方法的有效性,这两种辐射抑制技术在缓解越来越小型化的电子设备的电磁兼容问题上具有广泛的应用前景。

中长距离压力管道裂缝缺陷微波检测研究

本文探究了微波无损检测技术在中长距离压力管道的裂缝缺陷检测中的应用。从理论上分析了微波在具有弯曲的压力管道内传输的特点以及裂缝检测的方法。通过仿真模拟了微波在中长距离管道内的传输以及经过弯管后的微波模式的改变,验证了在直管道与弯曲管道中检测裂缝缺陷的可行性。构造长度超过5 m,直径为8 cm的直管道与弯曲管道,使用矢量网络分析仪与螺旋天线将微波导入管道中,对轴向、周向以及斜向裂缝进行检测,观察无缝与有缝甚至多条裂缝情况下的S11参数的幅度的改变并确定裂缝所在的位置。对于直管道中的轴向,周向和斜向裂缝检测,误差分别为管道总长的0.047%、0.018%和0.298%,对于弯曲管道中轴向、周向和斜向裂缝检测,误差分别为管道总长的0.074%、0.065%和0.203%,表明建立了一种有效的远程检测中长距离管道裂缝的方法。

基于微波圆形天线阵列检测管道裂缝的研究

提出了基于微波圆形天线阵列无损快速检测方法,用于检测管道纵向缝和横向缝。采用内径为5.4 cm和8 cm管道进行裂缝检测实验。首先使用HFSS软件进行仿真,确定微波可以在TE11模式下进行单模传输;然后搭建实验测试系统,天线阵列将矢量网络分析仪产生的信号发射到管道内传播,并将检测管道的反射波接收并传回矢量网络分析仪。通过不同圆形天线阵列检测2种管径的管道,结果表明,2根天线阵列可以检测到内径为5.4 cm管道的裂缝,6根天线阵列能清楚检测到内径为8 cm管道的纵向缝和横向缝,天线阵列的检测效果优于单棒状天线,为天线阵列检测管道裂缝进行了有益探索。

基于可拉伸反射基底介质超光栅的太赫兹增强吸收谱

提出了一种利用纳米银浆作为反射层的可拉伸介质超光栅的亚波长增强结构,在指纹谱检测时可以有效提升待测物周围的局域场而实现超宽带太赫兹吸收谱信号增强。当太赫兹波以一定角度照射到可拉伸弹性衬底介质超光栅上表面时,对衬底进行一系列拉伸,不同的拉伸因子激发出一系列导模共振,对应的介质超光栅响应曲线上的谐振峰频率覆盖0.46~0.61 THz。选择0.2~1.0μmα-乳糖薄膜作为待测微量分析物时,各拉伸因子对应的谐振峰幅度随待测物的吸收谱大幅度改变,其包络线组成的吸收谱峰值比没有介质超光栅周期结构时,最多增强111倍。该基于金属基底的可拉伸微结构为微量分析物的太赫兹高灵敏度检测提供了一种新的有效方法。

支持快速索引的高效大数据存储结构

Trie树为处理字符串数据提供了高效的存储和索引。然而,当字符串数据很大时,利用Trie树进行数据存储会导致空间效率变得很低。因此,提出一种支持快速索引的高效大数据存储结构,称为16-bit Trie树,该结构使用16位表示子节点信息,同时用映射表帮助快速索引至指定的子节点,使得16-bit Trie树在处理大数据时仍然具有高效的空间效率。结果表明,16-bit Trie树保留了传统Trie树较高的索引速度,同时提高了其空间效率。与红黑树和B+树相比,16-bit Trie树的插入时间和空间消耗基本相同,但在索引速度上比其快了2倍左右。

面向粒子图像测速的光流金字塔插值优化方法

提出了一种面向粒子图像测速的光流金字塔插值优化方法,可以减小重建角度误差和均方根误差,尤其是图像边缘部分的角度误差。使用该优化算法分别对单涡流、双涡流、DNS湍流粒子场进行速度场重建,得到三种流场的均方根误差和平均角度误差比优化前至少降低了15.96%和19.87%。搭建二维PIV实验系统,在待测流场中均匀撒入100μm的PSP粒子,进行旋转实验和注水实验,分别模拟涡流场和射流场,所提出的优化算法可以获得与常见算法流形一致的速度场。

基于LSMR算法的火焰三维温度场重建

光场成像技术可以同时记录入射光线的空间分布信息和传播方向信息,结合相关反演算法,可以进行火焰三维温度场的重建。最小二乘QR分解算法(least squares via QR factorization,LSQR)可以有效求解基于大型稀疏矩阵的线性问题,但是在对火焰辐射强度求解的过程中,难以保证求解的非负性和准确性。非负最小二乘算法(non-negative least squares,NNLS)可以保证求解的非负性,但是计算效率太低。本文提出将最小二乘残差方法(least square minimal residual,LSMR)用于火焰光场成像三维温度场重建,并研究其重建精度、计算效率、抗噪性能等指标。仿真实验表明,LSMR和NNLS算法可以在不同噪声水平下保证求解火焰辐射强度的非负性。在噪声为5%、10%、15%和20%的情况下,LSMR和NNLS算法对辐射强度的求解精度均比LSQR提高了10%以上,且LSMR算法的求解时间比LSQR和NNLS分别降低了一个数量级和四个数量级。可见,LSMR算法可以在保证求解精度的情况下大幅提高运算效率。最后用LSMR算法对模拟光场火焰进行温度场重建,在不同噪声水平下,平均相对误差都保持在1.2%以内,验证了LSMR算法在重建时的准确性和可靠性。

结合稠密小波变换的双分支低照度图像增强

针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注意力模块和特征提取模块,充分提取全局和局部特征。通过双分支结构对图像进行色彩增强和细节重建,使得低照度图像具有较好的增强效果。引入了新的联合损失函数从多方面指导网络训练,以增强网络性能。将所提方法与主流方法相比较,实验结果充分表明,所提方法有效提高了低照度图像的亮度,抑制了图像噪声,并取得了更丰富的细节和色彩信息,得到的增强图像更清晰自然,在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。

面向光场火焰温度场重建的特征提取优化方法

近年来,利用深度学习的方法从光场火焰图像中重建三维温度分布已成为辐射测温研究领域的一个新方向。传统的温度场重建网络仍沿用平面图像的特征提取方法,不仅忽略了光场图像中记录的三维光线信息,而且没有充分考虑追迹光线的分类问题,致使先验信息的缺失和不同类型特征的杂糅,对温度场的重建精度产生负面影响。本文对网络中的特征提取过程进行了优化,首先将子孔径图像的视角信息添加到网络输入端,然后使用双分支卷积方法分别提取光场的空间特征和角度特征,最后利用注意力机制对特征在不同尺度上的重要性进行建模。本文通过正交实验验证了上述因素对重建精度的影响。仿真结果表明,与传统网络相比,优化方法重建的温度场平均相对误差降低了44.82%,最大相对误差降低了34.76%。

基于注意力机制的改进残差网络火焰温度场重建

基于卷积神经网络重建火焰温度场的方法近年来已被广泛采用,但是传统卷积神经网络模型随着其网络层数的增加极易出现过拟合或者模型退化的现象,导致重建误差较大。本文提出一种改进的方法,使用ResNet18网络进行火焰温度场重建,并引入注意力机制和局部重要性池化,优化提取内容,实现已知信息的充分利用,减少重建误差。实验结果表明,同时引入局部重要性池化和注意力机制后,温度场重建的平均相对误差为0.13%,最大相对误差为0.75%;相较于初始ResNet18网络,平均相对误差减少了31.58%,最大相对误差减少了34.21%。通过消融实验验证了两种因素对重建精度的影响,结果表明:同时加入两个改进模块后的温度场重建精度要优于加入单个改进模块后的精度,局部重要性池化模块对精度提升的作用更大。

基于云的矢量网络分析仪在线系统软件设计

矢量网络分析仪是射频与微波检测领域中不可或缺的现代电子测量设备。传统的矢量网络分析仪检测方法主要依靠工作人员驻守在仪器旁操作控制,这种方法效率低且灵活性不强,无法满足现代电子测量所需要的智能化与便捷性需求。针对传统矢量网络分析仪检测中的难题,设计了一种基于云服务器的矢量网络分析仪在线软件系统。系统通过SCPI协议实现矢量网络分析仪与本地电脑进行连接,本地电脑通过SSH协议上传矢量网络分析仪检测到的S参数以频率点、实部与虚部的数据格式至云服务器的MySQL数据库中,使用Django开发的网站可以使用户通过任意设备登陆网站实时获取S参数的可视化数据,包括频域、时域和驻波比等相关波形图。将系统应用于矢量网络分析仪E5071C对矩形不锈钢管10~12 GHz的双端口S参数检测中进行试验,结果表明检测数据在仪器与本地电脑短时间内多次传输中无数据损失,相关S参数数据与仪器检测结果的误差小于0.01%,用户可通过多个设备同时访问网站获取实时S参数波形图,证明了该系统的实用性,为矢量网络分析仪的检测提供了新的可靠方案。

基于因果不变表示的领域泛化算法

目的:针对当前领域泛化方法没有考虑到数据和标签之间潜在的因果机制,忽视特征间潜在的语义依赖关系的问题,提出了一种通过解耦因果不变表示(decoupling causal invariant representation,DCIR)实现的领域泛化方法。方法:首先利用矩对原数据进行因果干预,生成具有相同因果特征不同非因果特征的增强数据,模拟非因果特征的可变性。并且提出了解耦邻近因子分解算法(decoupling proximity factorization algorithm,DPFA),基于经验协方差矩阵,通过设置滑动窗口与削减值,获取干预前后的特征不变表示及特征之间潜在的语义依赖关系。结果:在Digits、PACS和CIFAR10-C 3种基准数据集上进行了广泛实验,提出的DCIR方法相较于现有的的基线模型,平均精度分别最高可达到13.6%、26.29%、18.9%的提升。结论:通过解耦因果不变表示实现的领域泛化方法能够有效提升模型的泛化性能。

基于柔性混合电子制造技术的蓝牙传感系统

文中结合了柔性印刷电子技术与传统硅基电子技术优势,采用DA14580蓝牙模块、数字温度传感器TMP100和心率传感器SON7015等元器件设计了一种柔性可弯曲的无线传输人体生理参数采集电路。通过优化导电银浆的设计,提高了柔性电路板的抗弯折性能;通过实验探索制作工艺,实现了柔性多层线路制备方法及其与硬质芯片的有效结合,最终制作出功能可靠、轻薄柔性的电子系统。该系统有望直接贴敷于皮肤表面,实时监测人体温度、心率等生理信号,并将信号实时的以蓝牙方式发送到手机显示端。该电路的信号监测对人体体温的分辨率为0.0625℃,心率差别在1次之内,其良好的可弯曲性能使其更适合应用在可穿戴电子产品中。

基于双向LSTM神经网络可穿戴跌倒检测研究

针对老年人跌倒后不能得到及时救助带来的伤害,研究跌倒检测算法和及时告警,可以减轻跌倒给老年人带来的严重危害和后果。为了提高跌倒检测精确度和实时性,本文提出基于双向长短期记忆神经网络的可穿戴跌倒检测算法,该算法可以对输入的数据(取自惯性传感器)自动提取跌倒行为内部更深层的数据特征,实现数据从预处理到检测结果的过程处理。算法模型通过神经网络提取加速度传感器的特征向量,并利用双向长短期记忆神经网络进行跌倒检测。通过跌倒公开数据集SisFall验证算法模型,结果表明该算法在SisFall实验数据集上具备较高的检测精度,满足准实时检测要求,具有较好的实用性和较强的泛化能力。

基于深度残差网络的小样本杯沿缺陷检测

目的:为解决软包装产品在出厂检测时速度慢、效率低、误检率高、标准不统一等问题。方法:通过数据预处理和迁移学习,使用ResNet50网络模型框架,对软包装杯沿缺陷检测进行了实验和分析。首先对小样本数据集进行预处理,其次采用迁移学习的方法,将特征提取能力较强的参数引入本地模型,再针对杯沿数据集重新训练提高模型分类精度。结果:在小规模软包装杯沿图像集上神经网络模型准确率可达97.69%。结论:由此可见,该实验设计对解决食品软包装杯沿缺陷分类问题有效。

混合粉末加载对隔离滤波器性能的影响实验

粉末材料的微波耗散机理不同于块状材料,非磁性的金属与氧化物混合粉末展现出对微波磁场较强的吸收特性。本文针对金属与氧化物混合粉末的电导率和微波磁吸收特性开展研究,并利用特定比例的混合粉末加载基于静磁表面波的隔离滤波器,研究其对非互易滤波器的隔离度和插入损耗的影响。实验结果表明:30%Cu+70%CuO的混合粉末电导率为217.435mS/m,对微波磁场具有较好的吸收特性;利用此混合粉末加载非互易滤波器后,插入损耗减小,隔离度获得了明显提升,达到了21.56 dB。

一种基于LTCC技术的新型Marchand巴伦滤波器

设计了基于Marchand巴伦结构的小型化分布参数式巴伦滤波器。该巴伦滤波器基于低温共烧陶瓷(LTCC)技术,充分利用该技术的多层优势,通过LTCC多层布线的实现方式缩小巴伦滤波器的体积。该巴伦滤波器的结构采用了螺旋线宽边耦合带状线结构(SBCS),同时采用独特的螺旋交叉堆叠结构,有效减少了巴伦滤波器的体积。设计的巴伦滤波器采用相对介电常数为9.8的介质材料,其尺寸仅为2.0mm×1.25mm×0.95mm,在1.805GHz^2.17GHz范围内回波损耗小于-12dB,幅度不平衡度小于±1.2dB,相位不平衡度小于±10°,完全能够满足当今通信设备小型化的需求。

基于特征金字塔网络的肺结节检测

目的:研究可以检测肺部结节的基于卷积神经网络的目标检测算法。方法:使用Faster R-CNN作为目标检测算法;使用ResNet作为特征提取网络;使用特征金字塔网络检测小目标肺结节;使用水平和垂直翻转对数据集做数据增强。结果:Faster R-CNN能检测出肺结节;特征金字塔网络检测比普通Faster R-CNN高出15个百分点,其检测小目标肺结节的能力确实较强。结论:使用Faster R-CNN、ResNet和特征金字塔网络能够检测出肺结节,对于小结节也有较好的检测能力,可以进行计算机辅助诊断。

改进的SegFormer遥感图像语义分割网络

随着遥感技术的发展,遥感图像的语义分割在城乡资源管理、城乡规划等领域有着更为广泛的应用。因为小型无人机在遥感数据采集方面具有成本效益、灵活性和操作便捷等优势,所以使用无人机拍摄图像已经成为收集遥感图像数据集的首选方法。由于小型无人机低空斜角拍摄的特性,相较于传统遥感拍摄设备获取的图片,无人机图片目标细节信息更加丰富、目标关系更加复杂的特性导致基于局部卷积的传统深度学习模型无法再胜任此项工作。针对上述问题,提出了基于SegFormer的改进遥感图像语义分割网络。基于SegFormer,在编码层额外添加轮廓提取模块(edge contour extraction module,ECEM)辅助模型提取目标的浅层特征。鉴于城市遥感图像建筑物居多的特点,在编码层额外添加使用多尺度条纹池化(multi-scale strip pooling,MSP)替换全局平均池化的多尺度空洞空间卷积池化金字塔(multi-scale atrous spatial pyramid pooling,MSASPP)模块来提取图像中的长条状目标特征。针对原始解码器操作不利于特征信息还原的缺点,参考U-Net网络解码层的结构,将编码层接收到的特征融合之后再执行上采样提取以及SE通道注意力操作,以此加强特征的传播和融合。改进网络在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的Vaihingen和无人机遥感图像语义分割数据集UAVid上进行了实验,网络分别取得了90.30%和77.90%的平均交并比(mean intersection over union,MIoU),比DeepLabV3+、Swin-Unet等通用分割网络具有更高的分割精确度。