课程文献中心 更多>>

关键词： 多无人机   山地环境   协同搜索攻击   蚁群优化   向量直方图  

摘要： 针对多无人机在不规则山地环境下协同搜索攻击未知目标的问题,设计了一种基于蚁群优化算法(ACO)与向量直方图法(VFH)的无人机群智能自组织协同搜索攻击(IACO-VFH)算法。首先,以最大化搜索效率和攻击数量为目标建立了协同搜索攻击优化模型。其次,在协同搜索过程中先通过VFH方法计算无人机当前位置的代价函数,再利用代价函数改进ACO算法中的启发式函数,以提高无人机的避障性能。然后,使用信息素扩散更新与动态化递增因子来改进ACO算法中的信息素更新机制,在提升局部避障性能的同时有效兼顾搜索覆盖率。最后,仿真结果表明:在简单圆形障碍物环境中,IACO-VFH算法的平均覆盖率与平均摧毁目标数量分别比粒子群优化方法高出11.79%与2.46个,同时,在不规则山体环境中,IACO-VFH算法在保证无人机自身安全的同时,能够有效地搜索战场环境中的未知静态和动态目标。

关键词： 降水量   RF+OK耦合模型   残差信息   空间预测  

摘要： 为优化区域降水量空间插值精度。文章基于气象站点观测降水数据,结合海陆位置、地形要素等变量,新建了RF+OK耦合模型,预测辽宁省降水量空间分布情况。结果表明,RF非线性算法耦合OK外推残差的模型(RF+OK),克服RF模型忽视降水量空间自相关性的缺陷,验证精度较高,能较好地反映区域降雨空间信息。研究结果为区域降雨预测与灾害防治提供支持。

关键词： 柑橘   YOLOv8   BAM注意力机制   支持向量机  

摘要： 为了获取柑橘果实的准确特征信息,实现被遮挡柑橘的准确识别和定位,达到精确采摘的目的,提出了一种改进的被遮挡柑橘果实识别模型构建。该模型在YOLOv8目标检测模型中引入了BAM注意力机制,解决了被遮挡柑橘识别效果较差的问题,并采用支持向量机(SVM)实例分割模型提取被遮挡柑橘的精确轮廓,实现被遮挡柑橘果实的精确识别。仿真试验结果表明,与YOLOv8目标检测模型相比,该改进定位模型在被遮挡柑橘果实的平均定位误差和果径误差率分别降低了16.29 mm和8.03%。

关键词： 偏光片表面   缺陷检测   特征提取   跨尺度特征融合   YOLOv8  

摘要： 随着偏光片市场不断扩大,应用愈发广泛,对偏光片的生产要求也愈加严格。针对在偏光片表面缺陷检测中,存在缺陷形态复杂、小尺寸缺陷容易误检漏检的问题,提出一种基于YOLOv8-S偏光片表面缺陷检测改进算法。使用DCNv3替换主干网C2f模块中的普通卷积,同时结合EMA注意力机制,构建DEC2f特征提取模块,提升主干网对复杂缺陷的特征提取能力。基于特征细化模块构建轻量跨尺度特征细化融合模块(LCFRFM),提升通道净化能力并降低参数量,有效跨尺度融合主干网浅层特征。引入ConvMixer Layer构建CMC2f预测头,更大的预测视野带来更强的小尺寸缺陷检测能力。使用SIoU替换CIoU作为边界框回归损失函数,使用AdamW替换SGD作为网络训练时的优化器,提升检测精度和训练收敛速度。实验结果表明,该算法相比YOLOv8-S在mAP50和mAP50:95上分别提升了2.4和2.9个百分点,证明了提出算法的有效性。

关键词： 农业病虫害识别   改进PP-YOLO   深度学习   计算机视觉   目标检测  

摘要： 在农业生产活动当中,病虫害对粮食的产量产生了很大的影响。在无人机中利用计算机视觉精准识别病虫害为农业生产提供了保障,但是同时也带来了目标太小、精准度不高的问题。针对此问题,通过在PP-YOLO网络的基础上引入注意力机制SENet(Squeeze-and-Excitation Networks),增强其主干网络的特征提取能力,提高小目标番茄叶斑病的识别准确率。经过试验表明,该文所提出的方法在PlantVillage中番茄叶斑病数据集上的检测性能优于PP-YOLO,平均精度达到86.44%,具有一定的应用价值。

关键词： 加权关联规则   大学生心理健康   心理活动   心理发展变化   偏差预测  

摘要： 当大学生的心理压力过大时会出现严重的心理问题,需要通过有效的方式对其心理健康发展情况进行预测。基于此,本文对大学生心理健康发展偏差趋势预测算法进行研究。通过加权关联规则量化处理大学生心理数据,采用多边邻域矩阵表征心理数据发展趋势时序,基于自相关函数预测大学生心理发展趋势偏差,完成预测方法设计。实验结果表明:以不同的压力事件作为影响大学生心理健康发展的测试内容,分别通过平均绝对误差、均方误差、均方根误差进行预测对比,新方法能够实现最小误差下的发展趋势预测,误差值均在0.1以下。该方法能够保证对大学生心理健康发展的真实判断,具有应用价值。

关键词： 巷道掘进迎头   裂隙检测   定位算法   模型训练  

摘要： 为提高煤矿巷道掘进过程中迎头裂隙检测与定位的精度与效率,采用基于MaskR-CNN的深度学习方法,设计了煤矿巷道掘进迎头裂隙检测与定位算法方案,并通过实验测试评估了算法的有效性。结果表明,基于MaskR-CNN的裂隙检测算法在检测精度、效率等方面均优于传统方法,能精准识别与定位煤矿巷道掘进迎头的裂隙。研究成果为实际工程应用提供了可靠的技术支持。

关键词： 大规模粒子群算法   资源自动分配   扰动   变量重要度   多目标优化  

摘要： 为实现计算资源有效分配,提出一种基于资源自动分配大规模粒子群算法(VIDRA_MMOPSO)。利用随机分组对变量进行分组,得到不同变量平均位置组成的新个体,对新个体同组变量施加一定幅度随机扰动,确定每组变量重要度,根据不同组变量重要度,设计资源自动分配模型,实现不同变量组计算资源自动分配,提升大规模粒子群优化算法性能。9个标准测试函数仿真实验表明,VIDRA_MMOPSO算法在反世代距离和超体积2个性能指标上优于大部分对比算法。

关键词： 线结构光   Steger   感兴趣区域   直线拟合   特征提取  

摘要： 针对采用线结构光进行Ⅴ型焊缝特征识别时准确性不足和效率低的问题,提出了一种基于改进Steger算法的Ⅴ型焊缝识别方法。通过改进Steger算法流程和自适应感兴趣区域的选择,提升了Ⅴ型焊缝特征点提取精度和效率。首先,通过对焊缝图像进行平滑处理和阈值分割操作,将结构光条纹与背景信息分离;其次,采用一种新的感兴趣区域选择方法,有效地找出了结构光条纹所在区域;然后,采用骨架细化法和Canny边缘检测算法估算出光条纹宽度,根据宽度信息分割光条纹求取光条中心线;最后,采用最小二乘法得到Ⅴ型焊缝特征点的亚像素坐标。实验结果表明,改进Steger算法运行速度提升约60%,平均均方根误差降低0.23 pixels,提高了Steger算法的速度和精度。Ⅴ型焊缝识别误差均小于1.0 mm,证明了该方法能够准确地识别出Ⅴ型焊缝特征,满足实际焊接精度要求。

关键词： 天台光伏电池板涉电区域   YOLOv10   DeepSort   行为人跟踪   预警检测  

摘要： 随着分布式光伏接入规模的日益增大,安装于私人用户天台区域的光伏电池板及其附属发电系统可能对用户带来触电风险。针对区域监控设备算力受限和天台涉电范围内行为人越界预警问题,讨论采用一种改进YOLOv10、DeepSort和PNPOLY的天台光伏板区域行为人跟踪预警算法。基于YOLOv10重新设计了特征融合模块,模块引入部分卷积思想,解决了特征融合部分运算量大问题。同时针对受光伏电池板遮挡的行为人检测,引入了针对遮挡目标的损失函数(Repulsion-IoU损失函数),并在渐进特征融合结构AFPN(asymptotic feature pyramid network for object detection)基础上设计了更好融合多层次目标的三层特征提取结构AFPN-3。在改进目标检测的基础上,利用DeepSort实现对行为人的持续跟踪定位,使用轻量化分类网络Fasternet替代原本特征提取网络,有效降低了模型的体积,提高了行为人跟踪的质量。为了解决行为人越界判定问题,采用PNPOLY算法,使用检测行为人脚部坐标位置进行精确的越界判别。实验表明,与YOLOv10n相比,在仅损失检测精度0.3个百分点的前提下,改进后行为人检测模型运算量下降了18%,参数量下降了19%,结合改进后的DeepSort模型,平均跟踪精度较之前提升1.4个百分点,模型大小只有8.7 MB。真实场景实验中,所提算法天台光伏涉电区域行为人预警正确率达到94%,具有轻量化、精确度高的特点,能满足天台光伏板区域行为人跟踪预警的实际检测需求。