基于CNN的MIMO-OFDM可见光通信接收机研究

限制可见光通信（VLC）系统传输性能的主要因素是发光二极管（LED）的有限带宽以及它的非线性效应导致的信号失真。多输入多输出（MIMO）-正交频分复用（OFDM）技术虽然可以提升系统容量、频谱效率,但由于OFDM技术较高的峰均功率比(PAPR),使得VLC系统受到更多的非线性损伤。针对以上问题,本文提出一种基于卷积神经网络（CNN）的VLC接收机。该接收机通过对接收端失真信号和发射端原始信号的学习,能够实现MIMO-OFDM可见光系统的信号解调,有效提升系统对非线性失真的抑制能力并具有较低的复杂度。实验结果表明,与最小二乘法（LS）接收机相比,CNN接收机能有效补偿信号受到的线性和非线性失真以及不同用户间的信号串扰,平均误码率（BER）提升超过一个数量级,同时有效克服LED带宽受限问题,比特传输速率提升53%。     

基于深度强化学习的工业网络入侵检测研究

为了有效识别工业网络环境中由多条异常数据共同组合的新型攻击,提出了一种基于深度强化学习的融合模型DQN-LSTM.该模型将流量数据的空间特征和时序特征相结合,展开异常检测.在公开的工控网络天然气工厂数据集上进行实验,DQN-LSTM模型在准确率和F1值上与SVM、CNN、LSTM、DQN等方法相比,本文模型的综合性能更好.     

基于CTC与Transformer的普通话单音节发音错误检测

提出CTC与Transformer结合的端到端模型,使用多编码器和字层级一致的方法,降低在复杂录制环境下的识别错误率.该端到端模型在自建数据集PSC＿Monosyllable的测试集上的词错误率为5.6%.通过预训练,可以实现发音错误检测的正误分类,且比传统机器学习模型检测结果性能提升了16%,有效地提升了发音错误检出率,得出了较好的结果,检测率为0.589.     

睡眠类特膳食品中非法添加地西泮的快速检测

为快速检测特膳食品中非法添加的地西泮,文章基于经典的免疫层析侧流试纸(lateral flow strips, LFS)结合金纳米粒子(gold nanoparticles, GNPs)标记,建立一种快速、简单、方便的胶体金试纸条检测方法。结果表明：制备的试纸条能够在不到10 min的时间内完成检测,且无需复杂的预处理过程,特异性好,灵敏度高,视觉检测限可低至10.0μg/L。该方法操作简单、安全便捷,可以有效地实现睡眠类特殊膳食食品中非法添加地西泮的快速检测。     

结合逆非线性主成分分析和极值理论的桥梁损伤检测

为提高环境和运营变化（Environmental and Operational Variations, EOV）影响下的桥梁损伤检测可靠性,结合逆非线性主成分分析（Inverse Nonlinear Principal Component Analysis, INLPCA）和极值理论提出一种新的桥梁损伤检方法。该方法采用INLPCA对桥梁损伤特征进行建模,利用不完备健康监测数据的估计误差和添加神经网络训练惩罚项控制INLPCA的非线性程度。采用INLPCA对损伤特征的重构误差和马氏平方距离（Mahalanobis Squared Distance, MSD）建立损伤指标（Damage Indicator, DI）,最后基于DI的广义极值（Generalized Extreme Value, GEV）分布建立损伤检测阈值。以比利时KW51铁路桥和天津永和斜拉桥为例,验证所提方法的有效性。结果表明,所提方法能准确检测EOV影响下的桥梁损伤且对不同桥型和不同损伤特征均有良好的适用性。     

基于改进YOLOv7的输电铁塔塔基检测算法

输电塔作为整个电力传输系统最重要的组成部分之一,需要及时对输电塔进行检测保证塔基的稳固以保障后期的使用。针对无人机采集到的输电塔图像存在背景复杂、背景与目标塔基对比度低、小目标及塔基不完整等问题,提出了基于改进YOLOv7的输电塔塔基检测算法。首先,通过无人机采集不同地形地貌的输电塔图像,构建高质量数据集。然后,在原始YOLOv7的Backbone层中加入卷积注意力模块CBAM注意力机制,以提高输电塔塔基特征的提取能力。最后,引入WIoU v3代替原坐标损失函数CIoU,以提高目标检测任务的准确性和稳定性。在该数据集上,使用改进后的YOLOv7算法与目前主流的目标检测算法进行对比实验,实验结果中所提算法的mAP值高达99.93%,比原始YOLOv7提高2.19%,FPS值为37.125,满足实时检测需求,算法的整体性能较好。实验验证了所提算法在塔基检测上的可行性和有效性,为后续塔基区周围水土情况的研究奠定了基础。     

基于YOLO-PCB的印刷电路板裸板缺陷检测

针对当前印刷电路板PCB（Printed Circuit Board）裸板缺陷检测算法对小目标检测准确率较低、误检率过高等问题,一种改进的YOLO-PCB缺陷检测算法被提出。新算法在YOLOv5s算法的基础上引入注意力机制,增强特征图的通道特征;同时引入加权双向特征金字塔网络改进特征融合层,使网络实现更高层次的特征融合;而且增加小目标检测层,提高网络对印刷电路板上小目标缺陷的检测能力。实验结果表明,相较于原YOLOv5算法,改进后的检测算法具有更强的特征提取融合能力和更高的检测精度,YOLO-PCB算法的mAP_0.5提升了4.08%,mAP0.5:0.95提升了56.69%,精确度提升了1.81%,召回率提升了6.76%。     

融合特征通道重要性与相似性的深度YOLO网络压缩方法

基于深度YOLO网络的目标检测方法网络结构复杂、冗余参数过多、计算量大,极大影响模型检测性能。针对此问题,从降低网络中低效通道和冗余通道的影响出发,提出了一种融合特征通道重要性与相似性的深度YOLO网络压缩方法,基于深度网络压缩中的网络剪枝思路,采用2次剪枝剪去低效及冗余特征通道。构建通道重要性计算方法,将稀疏因子作为通道效能计算指标,结合剪枝率剪去低效通道;根据通道间存在的线性关系计算其相似度,对相似度较高的通道进行替代,剪去相似度较大的通道;微调模型参数,恢复剪枝前的检测精度。仿真实验表明,同当前性能较优的深度网络压缩方案相比,提出的方法在保证目标检测精度的同时极大减小了模型尺寸、提升了检测速度,方法可行、有效。     

面向微束等离子选区熔化的在线检测系统

为解决微束等离子选区熔化过程中的自动化检测问题,开发出一套面向微束等离子选区熔化的在线检测系统。该系统以每一层的成形金属为研究对象,基于深度学习目标检测原理,对金属成形表面进行缺陷检测,并根据检测结果控制设备的启停,确保每一层的成形质量达到要求。同时,通过双目相机和线激光的配合,利用线阵扫描的方式对成形表面形貌进行三维重建,并显示在自主开发的可视化软件上,实现了缺陷检测和三维重建相结合的检测方案。实验结果表明：该系统能够快速、精确的检测出成形过程中产生的缺陷,实时性强、漏检率低,并将结果及时反馈到系统,实现了成形过程的主动、有效调控。     

监测切削功率变化的刀具破损控制报警系统研究

刀具破损时其切削功率将瞬间降低或升高 ,因此其微分值将产生脉冲 ,利用此脉冲作为信号 ,可对刀具破损进行实时报警和控制 .