基于经验约束规则和证据理论的入室盗窃案件嫌疑人异常轨迹检测

根据系列入室盗窃案件嫌疑人的活动特征,提出了一种利用证据理论检测嫌疑人员的异常轨迹方法。该方法在进行时空距离约束的基础上考虑了案发前后主体位置是否异常、案发期间主体位置是否异常、案发前后主体速度是否异常等3个因素,利用证据理论,综合这3个指标来判别轨迹的异常程度,进而检测轨迹主体的异常性。实验结果表明,在海量的时空数据中,此方法能有效排除大部分在案件时空距离约束内的异常“噪声”,缩小侦查范围,能够一定程度上解决有预谋入室盗窃案件嫌疑人的异常轨迹识别问题。     

配合物[Cd (H2O) (PA)(3-dpye)0.5]的合成,结构和荧光性能

本文以合成具有荧光性能的金属-有机配合物为目标,分别选择帕莫酸(PA)和1,4-双(3-吡啶)酰胺乙烷(3-dpye)为羧酸和含氮配体,在溶剂热的反应条件下与Cd(Ⅱ)离子反应,得到了一个分子式为[Cd(H2O) (PA) (3-dpye)0.5]的金属-有机配合物.结构分析表明,配合物是一个一维的链状结构.其中,PA...     

微管流微扰-数值分析与转轴粗糙度检测模型

微流控设备中的转轴及轴承被黏性流体包裹,在工作过程会因为沉积、磨损和腐蚀等原因变得粗糙。为了评估转轴表面粗糙度对流场的影响和检测表面粗糙度,采用边界微扰法对微管内斯托克斯流的Stokes方程进行小扰动二阶展开。粗糙轴的表面形貌以两个余弦函数的乘积表示,周向波数和轴向波数分别为n和α,扰动项ε定义为余弦函数振幅与轴的平均半径b之比。得到了库埃特流动中单位面积上轴受到的转矩M和泊肃叶流动中的总流率Q随n、α和ε的变化规律。计算结果表明,M和Q被ε二阶修正。同时通过基于有限元法的数值模拟,验证了解析解的准确性,并拓展了应用范围。基于此提出了转轴表面粗糙度的检测模型,可实现微流控设备表面粗糙度的不拆卸快速检测。     

浅谈如何加强商品煤样人工采制样的代表性

煤炭产品质量检测是双方贸易结算的重要依据,商品煤样的采制是检测的重要环节,是误差的来源,不当的操作必将导致分析化验结果代表性较差。文章根据对商品煤采制样国标的理解,以及有关方面的理论知识的学习,结合工作实践经验,分析了影响煤样代表性的因素,探讨了在采制样过程中如何保证煤样具有代表性。     

基于相关性检测技术的阻波器参数测试研究

本文基于相关性检测技术,结合现代数字信号处理技术,提出了改进的电压表法进行电力高频阻波器阻塞特性的方法,基于DSP设计了阻波器测试系统,该系统由电源、微处理器、随机存储器、控制逻辑等组成,对具有典型参数的定K型宽带调谐阻波器进行分析,实验结果与计算结果的对比表明测试系统具有精度高、速度快、抗噪声性能强的特点。     

基于多模态深度神经网络的抓取检测方法

针对机器人抓取检测任务中对未知物体抓取检测精度低的问题,本文提出了一种多模态深度神经抓取检测模型。首先,在RGB和深度两个通道中引入残差模块以进一步提升网络的特征提取能力。接着,引入多模态特征融合模块进行特征融合。最终通过全连接层回归融合特征以得到最佳抓取检测结果。实验结果表明,在Cornell抓取数据集上,本文方法的图像拆分检测精度达到95.7%,对象拆分检测精度达到94.6%。此外,本文还通过消融实验证明了引入残差模块可以提高网络抓取检测性能。     

无监督和弱监督视频异常检测方法回顾与前瞻

随着监控技术的不断发展,监控摄像头已经被广泛部署到各种场景中。手动检测视频异常情况已经变得不可能。因此,作为智能监控系统核心的视频异常检测技术正在受到广泛关注和研究。随着深度学习的发展,视频异常检测领域取得了显著的成就,并涌现出许多新的异常检测方法。本文将梳理了应用在不同数据类型上的无监督和弱监督视频异常检测学习方法,分析现有方法的贡献,并比较不同模型的性能。此外,还整理了一些常用的和新发布的数据集,并总结了未来工作要面临的挑战和发展趋势。     

基于卷积神经网络的新奇检测技术在结构损伤识别中的应用

针对新奇检测难以同时识别结构损伤时刻和损伤位置的问题,提出在新奇检测中引入卷积神经网络以实现损伤时刻和损伤位置的一次性确定。首先,采用小波包技术处理结构响应得到小波包能量,并将相邻测点对应频带的能量比作为新奇检测模型的特征向量;然后,以结构健康时的特征向量作为训练数据,建立健康模式下的基于卷积神经网络的新奇检测模型;接着,将结构实时输出的特征向量输入到新奇检测模型,所得输出与健康状态的输出进行对比,并将输出和输入的欧氏距离作为新奇指标;最后,根据新奇指标的变化识别结构损伤时刻和损伤位置。数值模拟和实验室试验验证了该方法的有效性。     

基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,本文设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先本文引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,本文将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。     

基于生成对抗网络的气缸套表面缺陷图像生成

针对气缸套缺陷检测中缺陷样本不足限制气缸套缺陷检测性能提升问题,采用基于生成对抗网络的气缸套表面缺陷检测算法.首先,为了保持缺陷图像中原有缺陷位置与特征不变,通过循环生成对抗网络模型学习有缺陷气缸套图像与正常图像的关系;其次,利用学习得到的模型对有缺陷气缸套图像进行风格迁移,即把有缺陷气缸套图像背景替换成无缺陷气缸套图像背景,实现对气缸套缺陷数据集的扩充与增强;最后,通过基于数据增强的RetinaNet网络模型对生成图像的有效性进行验证.试验结果表明,通过生成对抗网络生成的气缸套数据集可以提升缺陷检测性能,进一步证明了生成对抗网络在工业应用的可行性.