基于分裂级联模型的多视角多姿态目标检测(英文)

提出将分裂级联模型用于多视角多姿态的目标检测任务,即通过使用从粗到细的自动集合划分策略,自动生成一个树形结构的分类器,树型分类器的每个节点都是一个具有拒绝功能的级联节点.该分裂级联模型可以使用任意的特征作为输入,并且有很大的适用范围,可用于通常目标而不仅仅是某类特定目标的检测.在INRIA行人库和多视角车辆库上的实验证明了算法的有效性.     

一种基于模糊判定的融合系统有效性评估方法

为满足对多传感器信息融合系统评估的需要,在综合分析融合系统的基础上,提出了包含性能度量、效能度量、作战效能度量的系统有效性指标集.结合模糊数学理论, 利用均衡平均型算子建立了多层融合系统有效性评估体系,提出较完整的评估方法,并将该方法应用于实际的融合系统中,实现了对融合系统运行有效性的较为全面的评估,为融合系统的设计、融合策略的选择提供了新的依据.实践表明,该方法数学表达清晰明确,便于工程实现,是信息融合系统有效性评估的一种有效方法.     

选择110 kV电力电缆线路的设计及施工思路思考

随着社会经济发展速度加快，人们生活水平日益提高，为了满足社会发展的需求，各地区电网建设规模不断扩大，其中在输配电线路方面，由原来的10kV电缆线路逐步朝着110kV电缆线路的思路前行，这种电缆入地的思路也顺应了城市整体规划与发展的要求。然而，由于城市地下管线错综复杂，给110kV电力电缆线路的设计及施工带来一定的难度。针对这种情况，必须选择科学合理且能促进城市可持续发展的设计方案及施工思路，这样才能避免设计施工过程中出现一些不必要的作业任务，导致设计施工成本增大。     

损伤张量与巷道围岩变形分析

通过对损伤弹塑性模型和常规塑性模型两种有限元模型的计算分析得知，采用岩石力学参数计算的损伤有限元模型比采用岩体力学参数计算的常规有限元模型更能反映岩体的不连续性，且围岩位移的计算值怀实测吻合较好。     

路面人造纹理定向设计及其抗滑性能研究

【目的】研究路面表面人造纹理与抗滑性能之间的关系。【方法】利用3D打印技术定向设计并制备不同形状的人造纹理试件（包含三角形纹理、矩形纹理和半圆形纹理3种形状和纹理高度为1、2、3、4、5 mm的5种纹理）,并以4 mm高的三角形纹理设置了一组磨耗纹理试件,采用摆式摩擦试验、构造深度试验以及提取纹理顶部接触区域对各个试件的抗滑性能进行评价。【结果】2 mm高的三角形纹理和3 mm高的矩形纹理的抗滑性能最好,摆值均可达到107。在构造深度和摆值两个方面,三角形纹理和矩形纹理的抗滑性能相近,且均明显大于半圆形纹理的抗滑性能。随着磨损率的增大,摩擦接触面积增大,但纹理表面粗糙程度降低,导致抗滑性能逐渐衰减。【结论】纹理的抗滑性能主要取决于纹理的粗糙程度,而接触面积的影响相对较小。本文提供了一种定向纹理设计方法,为深入理解路面表面纹理与抗滑性能之间的关系提供借鉴与指导。     

基于小波包和独立分量分析的微弱多源故障声发射信号分离

针对旋转机械设备中同时存在的裂纹、摩擦等多故障源信号难以检测和分离的问题,提出了一种基于小波包分析(WPA)与独立分量分析(ICA)的多源故障信号提取方法,即首先用WPA对含噪线性混合信号降噪预处理,由db2小波基函数进行5层分解后保留62.5~187.5kHz频段信号,然后采用ICA中的FastICA算法对降噪后的混合信号分离,最后对各通道分离出的信号用收缩函数进行频段内去噪处理.对不同输入信噪比的含噪微弱裂纹和摩擦信号进行提取和分析的结果表明,该方法能有效提取出输入信噪比大于-15dB的裂纹和摩擦信号.当混合信号信噪比为-15dB时,裂纹和摩擦信号的输出信噪比分别为-1.31和-1.36dB,相关系数分别为0.62和0.63,提取效果好于结合小波包和FastICA分离方法(信噪比分别为-1.74和-2.06dB,相关系数分别为0.59和0.59)以及单独采用FastICA算法(信噪比分别为-4.57和-4.31dB,相关系数分别为0.17和0.19).因此,所提出的综合WPA和ICA的方法是一种较好的多源微弱信号提取方法.     

微弱裂纹信号的ICA盲源分离提取

针对机械设备关键基础部件早期故障信号提取困难这一问题,提出了一种基于独立分量分析(ICA)的盲源分离去噪方法。采用Fixed-point ICA算法和基于负熵的判据,对不同信噪比下金属裂纹信号进行提取。研究结果表明,此方法受噪声强度及信号频段的影响比较小,可有效提取出所需信号;且获得的信号波形失真很小,是一种较好的微弱信号提取方法。     

基于YOLOv5和U-Net3+的桥梁裂缝智能识别与测量

为了克服传统数字图像处理方法进行桥梁裂缝识别时面临的效率低、效果不佳等问题,提出了集成深度学习YOLOv5和U-Net3+算法的一体化桥梁裂缝智能检测方法.通过调整算法宽度和深度参数,优化边界框损失函数,构建基于YOLOv5目标检测算法的裂缝识别定位模型,实现桥梁裂缝快速识别与定位;引入结合深度监督策略及预测输出模块的U-Net3+图像分割算法,训练并构建桥梁裂缝高效分割模型,实现像素级裂缝智能化提取;建立结合连通域去噪、边缘检测、形态学处理的八方向裂缝宽度测量法,基于U-Net3+裂缝分割结果实现裂缝形态及宽度高精度测量;利用LabelImg图像标注软件制作包含4 414张图像的裂缝识别定位模型训练数据集;利用LabelImg图像标注软件及CFD数据集制作包含908张图像的裂缝分割模型训练数据集;利用无人机航拍的485张5 280×2 970 pixels桥梁索塔裂缝图像,来制作裂缝智能检测模型的测试对象.将所提出的裂缝检测方法应用于上述裂缝测试对象,其裂缝识别定位准确率91.55%、召回率95.15%、F1分数93.32%,裂缝分割准确率93.02%、召回率92.22%、F1分数92.22%.结果表明,基于YOLOv5与U-Net3+的桥梁裂缝智能检测方法,可实现桥梁裂缝高效率、高精度、智能化检测,具有较强的研究价值和广泛的应用前景.     

基于完备和超完备表述的人脸图像压缩

以三个理论为基础结合数字信号的完备和超完备表述的优点,提出了一种新的压缩编码方法,并使用数据重排的策略提升了压缩结果.在人脸图像数据集上的实验,验证了理论推断.相比传统的超完备表述方法,该方法在PSNR和压缩时间上都有了更好的表现.