无人机立体视觉识别船舶航行风险仿真

由于船舶交通受碰撞、搁浅、走锚等随机干扰因素的影响,导致对船舶航行目标的跟踪与风险预警具有较大难度。为增强海上航行的安全性,提出一种基于无人机立体视觉的船舶航行风险识别方法。引入双目视觉立体技术,获得目标船舶在航行过程中的图像数据。利用卡尔曼预测器优化连续性自适应均值漂移算法,跟踪目标船舶,通过高斯混合模型识别船舶航行风险。实验结果表明,研究方法对不同海域的船舶跟踪曲线与船舶实际航行曲线具有较高拟合度,且上述方法的船舶航行风险识别正确率高于90%,且误报率低于0.2%,说明提出方法的应用可靠性较高。

多传感器融合的自动驾驶汽车制动主动控制

针对目前方法进行汽车制动主动控制时,存在控制时间长、丢包率高以及控制的误差大的问题,提出多传感器融合的自动驾驶汽车制动主动控制。该方法首先建立了数据的支撑裕矩阵,通过多传感器融合算法对汽车的传感器监测信息进行融合处理。依据融合后的信息设计控制器,使用自适应遗传算法优化控制器参数。最后将监测信息输入优化的控制器中实现汽车制动主动控制。仿真测试结果表明,运用该方法主动控制自动驾驶汽车进行制动的时间较短且丢包率较低。

基于激光视觉传感的渔船目标无人机低空识别研究

为了提高渔船目标无人机低空识别的准确率,提出基于激光视觉传感的渔船目标识别方法。采用阈值分割和角点定位标定渔船目标激光视觉传感图像的方位特征点;提取渔船目标的位置信息、速度信息、加速度信息、运动轨迹信息,建立渔船目标激光视觉传感图像的背景差分检测模型;通过帧动态检测和差分图像聚类,计算相邻目标质心的距离;根据参数估计和像素灰度值检测,结合目标方位估计,实现对渔船目标激光视觉传感图像的定位识别。结果表明,采用该方法能够有效识别渔船目标,目标方位识别准确性达到90.95%以上,提高了渔船目标无人机低空识别准确性。

基于毫米波传感器与激光雷达信号融合的自动驾驶障碍物感知方法

由于自动驾驶无法准确感知障碍物信息,且感知误差较高,为了提高自动驾驶避障能力,提出基于毫米波传感器与激光雷达信号融合的自动驾驶障碍物感知方法。将毫米波传感器内置于自动驾驶装置中,采集自动驾驶装置与障碍物之间的激光雷达回波信号,采用匹配滤波器进行干扰滤波处理,提取传感信号的功率谱密度特征量,采用小波多尺度分解的方法实现信号时频转换,通过Wigner-Vill分布检测和多分辨特征聚类,分析自动驾驶激光雷达毫米波传感信号回波特征,根据波束形成和信号融合结果实现对障碍物感知和自适应定位。测试结果表明,采用该方法进行自动驾驶障碍物感知的准确性较高,感知误差较低,最低为0.01,响应速度较快,最快为0.1 s,收敛迭代步数较小,定位能力较强,提高了自动驾驶的环境适应性。

基于深度学习的近红外光谱图像处理的农作物虫害检测研究

采集农作物虫害图像时常因外界干扰使特征区域划分不明,导致虫害检测精度不足,为此,提出基于深度学习的农作物虫害近红外光谱图像分割算法。利用分块匹配模型对近红外光谱图像进行视觉纹理提取,通过高斯滤波技术去除噪声干扰。采用边缘特征重构和角点匹配方法,构建近红外光谱图像分割和相似度度量模型,采用分块帧点检测的方法对目标关键特征点定位和包络检测,多模态特征匹配后得到虫害特征分布,完成虫害检测。测试结果表明,该方法对虫害定位均方根误差平均为0.14,耗时平均为256.4 ms,检测精度平均为96.68%,具有较好的应用性能。

基于机器学习的无线传感网络通信异常入侵检测技术

无线传感网络通信因节点资源有限,易受第三方攻击,因此以机器学习为基础,研究了一种无线传感网络通信异常入侵检测技术。将机器学习中的支持向量机应用于无线传感网络中,在初始权重空间构建支持向量机节点定位模型;明确现阶段网络通信状态;创建节点重要性概念,将重要性强的节点设为易被攻击对象;推算异常行为造成的潜在损失,若大于设定临界值,视该节点为异常入侵并进行隔离。仿真分析表明:所提方法的误报率始终低于6%,漏报率最高为4%,网络能量消耗低于2 J,在25次迭代仿真分析过程中异常入侵检测时间的波动范围为2 s~6 s。仿真结果验证了所提技术具备优秀的异常入侵检测精度与效率,能有效降低网络能耗,鲁棒性强。

基于EMD.ARXG模型的网络舆情预测研究

针对复杂的网络舆情数据,传统的模型预测已经无法对大数据背景下的舆论趋势进行有效的预测,因此,提出一种基于EMD.ARXG(经验模态分解⁃自回归)改进的组合模型来应对复杂的网络舆情预测,该模型弥补了单一预测算法的缺陷,提高了预测模型的准确性。以“韩国萨德”事件和“全国两会”事件作为舆情热点对其进行预测实验,引入WNN(小波神经网络)与EMD⁃BPNN(BP神经网络)进行舆情预测,并与EMD.ARXG模型进行实验对比,实验结果证明,EMD.ARXG模型具有较好的预估准确度。

谱图傅里叶变换与谱图小波变换基分析研究

卷积神经网络在欧氏数据上取得巨大成功之后,开始在图结构、几何流行等非欧数据上泛化。当前图卷积神经已成为研究热点。在数字图像去噪、压缩、增强、融合以及加密方面傅里叶变换与小波变换是不可或缺的处理手段,在图卷积神经中有卷积定理将傅里叶变换用于实现图上的卷积运算,谱图小波变换也只是实现了卷积的快速算法,都是围绕如何在图结构上做卷积而展开的研究,没有真正发挥其作用,大大限制了图卷积神经网络性能的发挥。该文对谱图傅里叶变换与谱图小波变换基进行分析研究,同时研究基与图结构之间的关系。实验表明通过谱图傅里叶变换和谱图小波变换可以获取图结构的特征信息,为谱图小波变换和谱图傅里叶变换更深入地与图卷积神经网络结合提供了参考。

基于红外成像的夜间车辆行驶轨迹识别方法

为提高夜间车辆行驶轨迹识别的准确性,设计一种基于红外成像的夜间车辆行驶轨迹识别方法。通过红外成像技术建立行驶轨迹采集模型,利用边缘轮廓检测方法识别红外特征,建立显著图特征分析模型,获取夜间交通视频图像序列,并检测车灯等信息,根据检测结果提取车辆行驶轨迹信息。实验结果表明,采用该方法进行夜间车辆行驶轨迹跟踪识别,在三侧车道的识别精度平均可达到95%以上,中间车道的最高识别精度可达到97%,识别时间平均为1 s。

基于IRNet单阶段弱监督学习的语义分割方法

为了提高语义分割的精确性和完整性,提出一种单阶段弱监督学习的语义分割方法。首先,在像素信息保持神经网络的基础上,提出了归一化全局加权池化,并将焦点遮罩惩罚引入分类得分函数中,以促进图像语义的完整性。然后,提出像素自适应遮罩精细化,对外观线索相关的粗糙遮罩预测进行修正,更新后的遮罩作为伪真实数据进行分割。并在此基础上,利用随机门将深层特征与浅层特征相结合。实验在格萨尔唐卡数据集和Pascal VOC 2012数据集上进行,实验结果表明,与一些优秀方法相比,所提方法具有较高的交并比(IoU),且消融实验也表明各模块可以明显提高语义分割性能。

图拉普拉斯矩阵谱特性分析

卷积神经网络泛化到图结构上之后受到很多研究者的关注,由于谱图理论的强大支撑,基于谱域的图卷积神经网络的研究备受关注,文中研究图拉普拉斯矩阵的谱域特性,以及图拉普拉斯矩阵的特征向量与特征值之间的关系。通过实验,验证了图拉普拉斯矩阵的特征向量矩阵具有的频谱特性,重建图结构、图分割等优美的内在特性,为图卷积神经网络进一步研究提供参考。

论大数据环境下高校社团文化对校园文化的影响

社团作为高校聚焦学生人数最多的团体,开展的活动、创造的文化对高校人才的素质培养起到了重要的促进作用。重视高校社团文化活动,发展学生个性,通过分析高校社团文化对校园文化的影响,及大数据环境对其影响,完成文章研究,希望文章研究对校园文化传承起到辅助作用,促进学生的个性化发展与创新能力培养。

基于高性能云服务平台的遥感数据分析与处理研究

目前遥感数据的主流应用水平还停留在人工解译判读及数据浏览为主的初级阶段,遥感信息获取的自动化程度很低,高级空间信息的提取和利用的广度和深度还很不足。本文从原始遥感影像以及数据产品的云数据中心存储与维护服务、原始影像到初级产品的在线高性能处理、遥感影像数据中心的快速检索与在线空间信息服务等几个方面出发,研究新型高分辨率遥感影像在不同应用领域的高效能处理。通过本平台的服务,可以对基础测绘或涉及国家安全和保密的应用提供全面的云计算解决方案和软硬件建设服务,对开放的应用市场提供集中式的云遥感影像数据中心,包括影像数据存储、在线影像数据处理与空间信息服务。

基于图像的玉米籽粒粘连的分割方法研究

在对玉米进行自动化考种过程中,采用图像分割的办法来提取玉米籽粒性状参数是一种较常采用的方法。分水岭算法是一种图像区域分割法,它会在分割的过程中,把跟临近像素间的相似性作为一种参考依据,从而从空间位置上将相邻的灰度值相近的像素点连接起来构成,一个封闭的轮廓。基于此,本文将分水岭思想引入到玉米籽粒粘连分割应用中来,同时结合了图像的距离变换以及图像局部极小值,从而建立一种针对玉米籽粒粘连检测具有更高检测精度的分水岭分割方法,使得玉米粘连分割成功率可以达到99%以上。

基于单片机处理与ZigBee无线传输的不停车收费系统研究与设计

针对全国高速公路联网收费的实际需求,设计了一个基于Zig Bee与MCU技术的用户友好型不停车收费系统。该系统的通信模块以TI公司提供的Z-Stack1.4.3为基础进行设计,通过该模块可以实现车辆的自动识别和不停车收费功能;控制模块以宏晶公司生产的89C54为核心,利用按键、LCD和ISD1700实现了友好的信息查询和语音提示等功能。通过对车载单元和车道ZigBee通信模块实验,验证了本系统的可行性和可靠性。

基于高性能嵌入式AI计算平台的人机交互手势控制识别研究

本文以智能嵌入式应用系统中手势控制的非接触式人机交互开发为主要应用对象,深入研究深度学习应用与部署过程的基本方法,以华为Atlas 200 为智能计算平台完成深度学习算法的推理过程,通过摄像头获取手势信息,再通过Atlas 200进行手势信息的识别,降低嵌入式系统中进行手势图像智能识别的难度,从而为广大嵌入式应用开发者提供一种简便高效的基于手势控制的人机交互方法。

植保静电喷雾系统参数性能研究

针对静电喷雾存在有效作业效率低、目标植物靶向性沉积率不可控问题,采用理论分析、计算机仿真与台架实验相结合方式,在分析静电喷雾原理基础上,系统研究喷雾参数对雾滴沉积效果影响规律。分析喷雾水压、静电电流、试验时间、和雾滴粒径对靶标沉积效果影响,评价与优化试验结果。结果表明,优先考虑沉积效果情况下,喷雾水压为0.50 MPa,静电电流为15μA时性能最佳,对提高静电喷雾沉积率和作业效率具有指导意义。

新一代人工智能技术背景下的人机交互技术研究

智能化的人机交互需要实现对于物理世界的智慧感知,搭建智能化处理平台要以海量数据的储存、分析和计算为基础,若想要使平台更加人性化,则需要具有决策支持和协同处理功能的数据库和算法作为核心技术的支撑。本文通过研究新一代人工智能发展背景下各种人机交互形式,分析各种VR/AR/MR/语音/体感等各种人机交互技术的优点与应用场景,并且研究未来人机交互技术的发展形势,为目前各种应用场景的智能人机交互的方案选择和使用提供参考与借鉴。

基于本征信息分解的植物叶片分类方法研究

为提高植物分类的准确率,文章提出了一种基于本征信息分解的植物叶片分类方法。该方法采用能量优化算法对植物叶片图像进行本征分解,然后在反射率本征图像中提取颜色特征,在光照本征图像中提取纹理和边缘特征,并按照一定比例综合三种特征分类植物叶片。文章选取Swedish叶片数据集中的10种植物叶片(每种70张)进行实验。实验结果表明,每种植物叶片按照分解原始图像后的特征与原始图像特征分类相比,分类准确率有所提高。分解后,按照单一颜色特征进行分类,平均准确率提高4%,达到92%;按照单一纹理特征进行分类,平均准确率提高13%,达到80%;按照综合特征进行分类,平均准确率提高5%,达到97%。文章方法具有较好的植物叶片分类效果,对农业领域的植物分类具有一定的借鉴意义。

面向实景三维建模的倾斜影像像控点目标快速检索与高效刺点研究

本文针对无人机倾斜摄影测量处理过程中空三计算加密时需要通过人工进行像控点查找与刺点,从而导致工作效率低下的问题,研究像控点的形状特征和目标属性,采用YOLO算法进行目标检测与特征提取。针对YOLO算法只能处理1024×1024像素三通道图像的局限,本文将倾斜摄影测量影像进行像素分割后放入内存,使用416×416像素大小、正交方向步进值为208像素的滑动窗口截取小图,并采用循环调用目标检测框架的方法对小图进行预测,直到匹配到像控点目标为止,从而实现了像控点的快速检测和刺点目的。