军民合用机场混凝土道面表面特性一致性分析

军航规范与民航规范的差异造成军民合用机场在设计和施工中存在分歧。针对水泥混凝土道面表面的设计和施工控制指标展开研究。从道面宏观和微观构造特征入手,结合现行规范分别讨论道面摩擦系数、纹理深度及平整度;从道面-胎摩擦系统出发,结合现场实测数据的回归公式对道面拉毛机理展开了分析;结合现场实测数据的对比、积水宣泄能力和耐久性探讨道面刻槽机理;利用实际数据建立了刻槽前后平均纹理深度h1和h2与道面摩擦系数f之间的回归公式。研究发现:平均纹理深度相较于摆式摩擦仪更适合用于水泥混凝土道面的现场施工控制,并提出了军民合用机场水泥混凝土道面表面的设计思路及施工控制指标。     

基于灰度共生矩阵和支持向量机的茶叶病害诊断研究

针对茶叶病害由于致病机理不同导致病斑纹理不同的特点,通过灰度共生矩阵来构造茶叶病害的纹理特征和将支持向量机应用到茶叶病害的识别方法;由于支持向量机是一个二分器,提出了投票最大策略建立SVM多分类识别算法。首先对茶叶病害的图像进行预处理以改善图像质量,然后利用灰度共生矩阵构造和提取了5种纹理特征,最后建立支持向量机多分类识别器并对茶叶病害进行识别。实验结果表明:利用灰度共生矩阵构造的纹理特征对茶叶病害的识别效果好;不同核函数的识别性能不同,径向基核函数比较适合茶叶病害的识别,识别率高达86.67%;不同样本数的识别性能不同,支持向量机在解决小样本的病害识别问题上有很好的识别能力,最低识别率达到70%,稳定性好。     

基于深度学习和ArcMap的路面病害智能综合检测方法

为了提升路面病害检测效率,实现路面病害检测结果的可视化显示,结合深度学习技术和ArcMap地理信息系统,设计一种适用于沥青路面的路面病害智能综合检测方法.该检测方法首先利用基于视觉几何组(visual geometry group, VGG)模型的卷积神经网络进行路面图像分类,再利用基于单步多框检测(single shot MultiBox detector, SSD)模型的目标检测网络实现路面病害识别,最后利用ArcMap地理信息系统生成道路健康地图.测试结果表明：基于VGG-16模型的路面图像分类准确率为94.60%,能够判别正常路面和病害路面;基于SSD模型的路面病害识别平均精确度为87.36%,能够有效识别坑槽、松散、车辙、裂缝、泛油和修补等6类病害类型;基于ArcMap系统的道路健康地图能够实现病害定位与结果显现.     

基于视频处理的机场跑道入侵检测模型的设计与实现

跑道入侵是威胁民用航空安全的重要因素,有效的跑道入侵监测告警技术能够提高机场道面区域的安全。借鉴计算机图像处理方法,利用运动物体检测算法检测出视频图像上的运动物体,并引入航空器轮廓特征匹配,校验运动物体是否符合航空器轮廓特征,使检测结果更适用于机场区域。模型还分析了实时视频图像坐标和机场道面俯视坐标的对应关系,构建了坐标间投影模型,将运动物体位置投影至机场道面俯视图中。为了验证模型有效性,利用虚拟塔台视景技术对进行仿真实验。仿真结果表明:模型能够根据实时视频图像检测出道面运动物体,并能提供相应的俯视机场道面图和跑道、滑行道上运动物体位置,并给出跑道入侵告警,可为机场塔台管制人员提供辅助决策依据。     

基于三通道注意力网络的番茄叶部病害识别

对番茄病害进行识别,近年来一直是植物病害预防的研究热点。由于受到复杂背景干扰,番茄叶部病害识别准确率不高,针对这一问题,提出一种基于三通道注意力机制网络的番茄叶部病害识别方法。该网络基于ResNeXt50残差网络,将注意力模块嵌入至残差网络的ResNeXt模块中可以并行提取目标的通道特征和空间特征,获取有效的语义信息。训练阶段通过设计双损失函数和数据增强进一步提升分类准确度,并通过迁移学习网络预训练参数的方式提高网络训练效率。实验结果表明,使用双损失函数和数据增强后,基于三通道注意力网络的番茄病害识别算法在测试集上的平均识别准确率达98.4%,相比于传统机器学习方法和其他神经网络方法的准确率更高,检测速度满足实时性,Kappa系数为0.96,满足叶部病害识别的高精度要求。该方法能够有效地对10种番茄叶部病害进行识别,为植物病害识别提供了一种新的思路。     

基于深度卷积神经网络的人体动作识别

针对人体动作识别问题,提出一种基于智能手机加速传感器数据并运用深度卷积神经网络进行分类识别的方法,可以有效地分类人体的走、坐、躺、跑、站五类动作.该方法模型由输入层、两层卷积层、两层池化层、一层全连接层和输出层组成,使用滑动窗口折叠法将传感器数据变换为类似于三通道的RGB图像格式,自动提取加速传感器数据的特征,对各个动作进行分类,免去了传统方法繁琐的特征提取工程.该方法在Actitracker开源数据库上达到了0.912 6的识别率,验证了该方法的可行性.     

基于深度学习的三维路面裂缝类病害检测方法

为了在路面三维图像的基础上快速、准确、完整地识别裂缝,提出一种基于深度学习的路面裂缝类病害自动检测方法.首先,以子块图像为处理单元,将三维图像划分为裂缝面元和背景面元,其中背景面元包含了路面标线、不同纹理和桥接缝等复杂场景.根据对面元图像的分析,提出一种基于卷积神经网络的PCCNet分类模型,用于路面背景面元和路面裂缝...     

基于深度森林算法的分布式WSN入侵检测模型

针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理;然后将轻量级随机森林分类器部署到传感器节点和簇头节点,传感器节点和簇头节点合作对流量数据进行处理,并在基站上采用深度森林算法从大量流量数据中发现攻击行为;最后对WSN中的入侵行为进行实时分类入侵检测.使用无线传感器数据集WSN-DS和NSL-KDD数据集来评估所提出的模型性能.实验结果表明,该模型与现有的入侵检测模型相比,具有良好的检测性能,实时性较高,可避免模型过度拟合.     

基于融合特征提取与 LLE 方法的表情识别

为保证所提取特征表征作用的全面性, 提出一种基于几何特征和局部纹理特征相结合的特征提取方法。 将基于主动表观模型(AAM: Active Appearance Model)特征点标记提取的几何特征和基于局部二值模式(LBP: Local Binary Pattern)提取的眼部和嘴部纹理特征进行融合, 融合后的特征经局部线性嵌入(LLE: Locally Linear Embedding)方法进行特征降维, 并使用多分类的支持向量机(SVM: Support Vector Machine)进行分类识别。 该方法分别选取 JAFFE 数据集 7 类表情和小样本数据集 Yale 的 4 类表情进行实验, 识别准确率分别达到了 98. 57%和 91. 67%, 从而证明了该方法的有效性。     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

传感器网络时间序列数据的事件分类研究

目前智能环境中传感器网络所采集的海量数据面临着进行有效事件的模式分类及异常检测的难题.为了有效对智能环境中传感器网络采集的时间序列数据所表征的事件进行分类,提出了基于协方差特征空间映射数据的聚类分析方法.通过对采集得到的时间序列数据按时隙进行划分,映射到协方差特征空间,然后对映射后的数据进行了动态密度聚类,从而实现对事件的分类;并根据聚类结果建立分类模板,作为对日常事件进行分类划分的检测方法,同时利用所得的分类模板,实现对异常事件的检测.实验结果表明,基于协方差特征空间映射数据的聚类分析方法能有效对传感器网络采集的时间序列数据所表征的事件进行分类,并能有效提升异常事件的检测及筛选效果.     

基于C4.5算法的敏感图像检测方法

提出一种基于2次C4.5分类的敏感图像检测方法.该方法利用Daubechies小波和灰度共生矩阵提取图片的纹理信息,在HSI空间和YCbCr空间提取颜色特征,进行第1次基于C4.5算法的训练和分类;对分类生成的0,1二值空间进行特征提取,将所有特征分量融合进行基于C4.5算法和2次训练和分类.基于2次训练生成的规则进行敏感图片的检测.实验结果表明,该方法对于敏感图片分类正确率达93.3%以上,与基于颜色和纹理特征的直接检测方法相比,进一步提高了正确识别率.     

基于灰度共生矩阵的高效积分图像计算(英文)

基于局部特征描述符的主要方法正在被用于纹理分类、目标检测和识别.灰度共生矩阵(GLCM)是一个体现纹理图像的很流行的方法,也被证明是一个非常强大的纹理分析工具.灰度共生矩阵所带来的子图像重叠非常严重,要花大量的时间去计算.本文提出一种高效灰度共生矩阵的计算方法,并通过实验结果来显示其效率.     

考虑病害三维特征的沥青路面车辙异常检验方法

针对复杂路况下车辙深度异常或横断面数据不完整的问题,提出了基于病害三维特征的路面车辙异常检验方法.首先,对三维图像中激光点异常值进行筛选及修正,利用横断面深度数据应用包络线算法提取最大车辙.考虑到裂缝、坑槽和拥包对车辙提取存在误判,利用三维高程数据建立病害种子检测模型以自动提取裂缝、坑槽和拥包种子点.测试结果表明,车辙深度相对误差小于7%,车辙深度测量重复性小于4%,包络线算法结果与人工测量值的相关系数高达0.999 2.在车辙异常检验中,裂缝种子识别模型准确率和召回率的均值分别为92.18%和84.79%,且F值为88.33%,优于支持向量机及改进的Canny方法.坑槽及拥包种子识别模型检测正确率大于95%.所提方法不仅能高效地提取车辙深度,而且能准确地检验造成车辙检测异常的其他病害.     

基于连续数据量化的声纳传感器数据识别方法

为了有效识别声纳信号,提出一种基于连续数据量化的声纳传感器数据识别方法。首先用声学传感器采集数据;其次运用数据离散化方法,有效地将采集到的数据进行连续数据离散化;最后,通过数据挖掘技术(C4.5/C5.0决策树、SVM和Naive-Bayes分类器)对离散后的声纳信号数据进行分类识别。实验首先在UCI数据集上进行Naive-Bayes分类预测来评价提出离散化方法的性能,得到了较好的效果。其后,通过声学传感器收集到的Sonar数据集进行实验。结果表明,新的离散化方法提高了四个分类器的识别精度,表明该声纳传感器数据识别技术是非常有效的。     

基于HMM的手势识别研究

利用可穿戴式加速度传感器采集手势动作信息,研究了基于隐马尔可夫模型的手势识别技术.首先采集手势加速度数据,采用改进的SWAB算法进行自动端点检测,通过提取相应的手势特征,利用HMM对手势指令建模,并采用K-means算法矢量量化手势特征序列,以提高手势识别性能.实验表明,本文采用的方法能够有效识别手势动作.     

基于点云数据的道路变形类病害自动化检测方法

拥包、沉陷等路面变形是常见的病害类型,但传统基于二维图像的判断方法无法获取深度信息,线性激光扫描的方法精度较高但是单次扫描范围有限,难以短时获取全局状况,导致大尺度变形类病害识别困难.利用车载移动激光雷达系统获取三维点云数据,解决了变形类病害检测的难点,并可提取其三维特征.实测数据验证了方法的可靠性和有效性,可实现拥包...     

公路隧道结构服役性能快速移动感知技术

采用模型试验、力学分析、系统集成等手段,研究了公路隧道结构表观和浅层病害快速检测、带病结构精确诊断技术．针对表观病害的数字图像检测方法,研制高强红外补光、纳秒级相机阵列同步控制装置,提出隧道受限空间纵向里程动态修正模型和病害特征AI识别算法,隧道内一次行车即可完成全断面病害检测,最高检测速度80 km/h、裂缝宽度识别精度0.1 mm、病害定位精度达厘米级．针对浅层病害快速非接触检测的难题,研究揭示带病结构的热传递效应和衬砌病害部位的温度场“冷-热斑”发生机制,提出了基于红外热成像的浅层剥离、钢筋锈蚀的非接触检测技术和检测时机,当隧道结构内外温差不低于5℃时检测效果较好;针对服役性能快速高效分析难题,提出了数字重构模型转换为数值仿真分析模型的方法和基于数字模型的一体化数值仿真技术,实现基于检测重构模型的力学快速分析．集成上述技术,研发了公路隧道全断面快速检测车与服役性能智能分析平台,为隧道结构快速检测、服役性能精确诊断提供了新的技术手段和方法．     

非接触式磁致伸缩扭转导波传感器研制

针对钢管非接触式扭转导波检测的需求,基于Wiedemann效应设计了一种新型导波传感器,该传感器由永磁铁、回折线圈和屏蔽层组成.首先,采用ANSYS仿真软件研究了钢管中静态偏置磁场分布,并分析了传感器的工作原理,通过实验验证了传感器在钢管中激励和接收扭转导波的可行性.然后,分析了检测信号中噪声信号的产生原因,利用铜皮作为屏蔽层对回折线圈轴向段激励产生的周向动态磁场进行屏蔽,提高了检测信号的信噪比.接着,通过实验研究了传感器的频率特性,结果表明传感器的最佳激励频率与回折线圈的设计频率一致.最后,将传感器应用于钢管缺陷检测,结果表明该传感器能够识别出横截面积损失3%的周向刻槽缺陷.     

基于航迹分类的终端区交通流非线性特征

终端区空中交通系统是复杂的非线性系统，本文基于航迹分类与交通流混沌理论研究终端区交通流的非线性特征，为终端区交通流控制及预测提供科学依据。首先对获取的广播式自动相关监视(Automatic dependent surveillance-broadcast, ADS-B)航迹数据进行异常识别与处理。然后基于K-近邻算法(K-nearest neighbor, K-NN)与跑道方向设计终端区航迹分类方法，实现终端区航空器航迹的精确分类。根据分类结果构建交通流量的时间序列，结合相空间重构和最大Lyapunov指数分析终端区交通流的混沌特性。最后，选用北京首都机场终端区ADS-B航迹数据进行实例验证，结果表明本文方法可以实现航迹的精准分类，准确识别和分析多跑道机场终端区交通流的非线性特征，在验证时段内36R、36L跑道及整个终端区交通流均表现出混沌特性。