关键词： 混凝土   粉煤灰   图像处理   孔结构  

摘要： 为解决川藏铁路某桥梁工程所面临的混凝土表面气孔和孔隙结构问题,基于工程配合比,采用三种不同等级的粉煤灰进行混凝土试验研究。采用数字图像分析方法表征混凝土表面的气孔形态,以气孔最大直径和气孔面积率为指标,研究粉煤灰种类对混凝土表面气孔特征的影响;采用压汞测孔法测试硬化混凝土内部的孔隙分布,对孔隙结构进行了分析,得出不同种类粉煤灰混凝土内部孔结构体积分布和孔结构指标。研究结果显示,粉煤灰种类对高原桥梁混凝土的表面气孔和内部孔结构有明显的影响。Ⅱ级粉煤灰混凝土表面气孔数量最多,气孔的最大直径和气孔面积率最大,Ⅰ级粉煤灰次之,磨细粉煤灰最小;磨细粉煤灰混凝土的孔隙率最小,孔隙结构较Ⅱ级、Ⅰ级粉煤灰更好。使用磨细粉煤灰可以更好地细化混凝土的孔隙结构,提高混凝土的密实度,改善混凝土的表观质量。

关键词： 应变测量   图像处理   深度学习   图像修复   生成对抗网络  

摘要： 在非接触网格应变测量技术中,针对网格图像的局部缺陷带来的测量效率低、精度低等问题,提出一种基于深度卷积生成对抗网络的边缘信息辅助的融合谱归一化和分区小块补丁的两阶段网格图像修复模型(SPE)。该模型的第1阶段利用Canny边缘算子提取含有缺损的网格图像的边缘图像进行修复,作为第2阶段模型的先验辅助;第2阶段则对真实测量的图像的缺损区域进行修补,利用不同比例的掩膜与真实图像结合形成数据集,并进行模型训练;最后,用测试图像验证模型对网格图像缺陷的修复效果。结果表明:相比传统PM算法与DCGANs算法,SPE模型算法表现更优,可有效地修复由于光照与表面损伤等造成的图像缺陷,有效地提高了测量效率和结果的准确性。

关键词： 落叶树   鸟巢识别   无人机影像   深度学习   目标检测  

摘要： 针对从落叶树上识别鸟巢具有目标较小、背景复杂、目标与背景易混淆等问题,本文提出一种基于YOLOv5s改进的落叶树鸟巢检测模型YOLOv5s-nest。在Backbone中插入改进的注意力机制Bi-CBAM,提升网络对小目标的感知能力;在Neck中引入SDI结构,以融合更多层次特征图和更高级的语义信息;在Neck中插入InceptionNeXt结构,用于提高模型的性能和运算效率;在Head检测头中将普通卷积替换为PConv,可以更高效地提取空间特征及提高检测效率。实验结果表明,改进模型的平均精确率达到了89.1%,相较于原始模型提高了6.8个百分点。

关键词： 中国兵工学会   重点科研项目   基金项目   光电信息   传感技术   图像处理   ISSN   中北大学  

摘要： 《测试技术学报》(ISSN1671-7449 CN14-1301/TP)由中北大学和中国兵工学会主办,是“中国兵工学会测试技术学会”会刊,刊登有关测试技术的重点科研项目、基金项目的研究成果以及兵器及民用测试的应用技术,是“中国科技核心期刊”。本刊稿件来源于全国各大高校、研究院所及国外一些大学,在国内本专业学者中受到高度重视,重点关注测试技术与理论研究、光电信息与传感技术、故障检测、信号检测、数据采集、图像处理、通信技术等领域。

关键词： 深度学习   目标检测   林业   害虫检测  

摘要： 林业是我国重要的基础产业,能将生态效益、经济效益、社会效益集于一体。害虫暴发会对林业资源及生态安全造成极大威胁,给国家造成巨大经济损失。快速、准确、有效地检测林业害虫能够阻止病虫害的扩散蔓延,促进森林病虫害的综合治理,减轻对林业生产和生态环境建设的危害。深度学习方法的飞速发展促进了林业害虫检测精度的提高。文中概述了深度学习的发展进程,通过总结国内外关于深度学习方法在林业害虫智能化检测中的应用,探讨深度学习方法在实际应用过程中存在的问题,并展望其在林业害虫智能化检测方面的发展趋势,以期为林业害虫智能化检测发展提供参考。

关键词： 目标检测   指针仪表识别   YOLO   PReLU   FPN  

摘要： 为了提高对指针仪表识别的准确率与泛化能力,提出一种基于改进YOLOv4-Tiny的指针仪表自动读取方法。该方法一级模型基于YOLOv4-Tiny算法,提取指针仪表表盘区域以及仪表分类,并通过加深主干特征提取网络、增加FPN(Feature Pyramid Networks)结构与检测头、使用PreLU(Parametric Rectified Linear Unit)激活函数,提高原YOLOv4-Tiny模型的检测精度。二级读数算法通过(PPHT)累计概率霍夫变换和最小二乘法拟合指针,通过斜率推导仪表读数。实验结果表明,改进方法能够有效、准确地完成对指针仪表的读取,改进的YOLOv4-Tiny模型相比于原模型F1分数提升了10.65百分点,达到了93.31%,FPS达到了192,整体识别准确率达到了99.36%。

关键词： 遥感图像   深度学习   目标检测   标签分配  

摘要： 基于无锚框的检测方法在目标检测领域中发展迅速。然而在遥感图像中,目标存在角度任意、密集排列以及形状差异大等难点,使得遥感图像的检测仍是一项挑战。为此,本文提出了基于单阶段全卷积检测器(FCOS)改进的无锚框检测方法。首先,为了挖掘更多潜在的高质量锚点,提出基于椭圆方程的形状自适应特征点采样方法。然后,为进一步降低边界低质量样本点的影响,提出椭圆中心度量方法,相较原有的中心度量方法提供更合理的权重。此外,针对分类与回归的不一致问题,提出交并比(IoU)联合指导策略,将椭圆中心度量与IoU得分相结合作为质量分数监督分类分支,进一步提升检测精度。在DOTA 1.0数据集上的平均精度达到了79.17%,优于现有多数无锚框检测算法。

关键词： 伪装目标检测   特征融合   边缘检测   伪装图像   深度学习  

摘要： 针对伪装目标边缘模糊、相关检测模型上下文特征利用率低、边缘特征融合繁琐的问题,提出一种基于特征融合与边缘检测的伪装目标检测模型F2-EDNet。首先构造特征增强模块,细化主干网络的多尺度上下文特征,有效增强伪装目标特征信息;同时,引入跨层特征引导的边缘预测支路以集成来自主干网络底层和顶层的跨层特征,在辅助检测伪装目标边缘的同时,提取边缘特征;最后,提出多尺度特征聚合模块,通过结合注意力机制,充分融合边缘特征与上下文特征,有效提高预测精度。实验结果表明,F2-EDNet在公开数据集CAMO、COD10K和NC4K上的结构相似性、平均精度与召回率、相关性、平均误差指标均值分别提高了1.41%、1.74%、0.14%、0.77%;和同类模型相比,该模型具有更丰富的边缘,定位伪装区域更准确;在实际应用中,模型检测速率可达46帧/s,证明模型具有较好的实时检测能力。

关键词： 目标检测   地理测绘影像   边缘信息   多尺度特征   深度卷积网络   检测耗时  

摘要： 为了提高对地理测绘目标的检测准确度,设计了基于多尺度特征融合的地理测绘影像目标检测方法。初步提取地理测绘遥感影像的边缘信息,并计算其边缘密度与边缘分布情况,通过增强边缘信息实现对遥感影像的预处理,得到更明确的影像边缘信息;利用梯度采样法建立下降金字塔影像,并融合多尺度特征,为后续的目标提取提供更准确、特征更明显的信息;根据特征融合结果,采用深度卷积网络实现对地理测绘影像目标的有效检测。结果表明,应用该方法,检测结果的准确率、召回率和F 1分数数值均较高,检测耗时也维持在较低的数值范围,该方法可明显提高目标检测效果。

关键词： 弹道目标   有源假目标   目标跟踪   目标辨识   交互多模型  

摘要： 针对对抗条件下弹道目标和有源多假目标跟踪及辨识难的问题,基于稳健交互多模型(Robust Interacting Multiple Model,RIMM)策略,提出真假弹道目标的联合跟踪与辨识方法。该方法基于推导的真假目标运动模式集以及模式间的精细差异特征设计交互多模型(Interacting Multiple Model,IMM)策略,以扩展卡尔曼滤波(Extended Kalman Filter,EKF)为子滤波器,并引入概率调整因子与时变因子,实时更新概率转移矩阵,有效放大运动模式集的精细差异特征,不仅能实现对真假目标的稳定跟踪,提高跟踪精度,同时也能实时在线辨识真假目标,实现跟踪辨识一体化。仿真结果表明,该方法的跟踪效果比传统单模型EKF算法和经典的IMM+EKF算法更好,能实时跟踪并辨识出真假目标,有利于提高雷达资源调度的效率。