课程文献中心 更多>>

关键词： 目标检测   旋转测量   轨迹预测   深度学习   检测精度  

摘要： 物体在高速运动过程中受到的外力改变了其角动量，从而导致旋转的发生，而旋转产生的马格努斯力使物体轨迹变得难以预测。想要完成高速旋转目标的准确测量与轨迹预测离不开目标的检测、追踪以及运动建模。为提高研究人员对高速旋转目标转速测量与轨迹预测的了解程度，梳理体育、军事、自动驾驶等领域中关于高速旋转目标的研究文献，涵盖了从传统方法到深度学习算法的演变，重点分析计算机视觉算法及其难点、旋转测量与轨迹预测方法。通过全面梳理相关内容，发现现有高速旋转目标的转速测量及轨迹预测算法仍存在稳定性和实时性不足等挑战，后续仍需深入探索与实践。

关键词： 助行机器人   跌倒检测   卡尔曼滤波   数据融合   加速度特征   机器学习   支持向量机   风险函数  

摘要： 为了预防用户跌倒并提高助行机器人的安全性，文中提出了一种基于改进支持向量机(Support Vector Mmachine, SVM)模型的助行机器人用户跌倒检测算法。通过安装在助行机器人上的压力传感器和超声波测距传感器获取位移和速度数据集，采用改进卡尔曼滤波进行数据融合来获得用户运动意图，并进行加速度数据特征提取。基于改进支持向量机模型进行输出概率化及风险函数最优化处理，从而提高分类阈值精度。仿真实验结果表明，所提算法的正确率为98.68%,灵敏度和特异度分别96.66%和90.34%,具有较好的综合性能指标，并能在500 ms内触发防御保护机制。

关键词： 改进狼群算法   蝠鲼算法   混合算法   多目标优化  

摘要： 针对机械臂在特定轨迹下运动冲击较大、用时较长问题，提出基于改进狼群与蝠鲼混合算法进行机械臂轨迹规划研究。狼群算法（GWO）存在收敛速度未能达到理想预期、易陷入局部最优解及狼群在觅食过程中交互性缺乏及时性等缺陷，因此提出基于时间与冲击目标的改进狼群与蝠鲼混合算法（IGWO）,在种群初始化过程中，引入电子学中驱动机械电子转子与锁相环路的模型加入Circle混沌映射与反向学习，使得灰狼种群个体分布更加均匀提高种群多样性。基于时间与冲击目标的改进狼群与蝠鲼混合算法（IGWO）在捕捉过程中融入扰动，使得新个体出现时优于原生个体，完成种群更替目标，其次在捕食过程中引入启发性蝠鲼翻滚策略，进而提高算法寻优精度。最后进行多次目标找寻实验算法测试，与改进式狼群算法（GWO）相比，（IGWO）配合非均匀五次B样条插值法可以让机械臂整个运动时间提升2.2 s,提升幅度高达6.04%。而在整个涂胶工艺运动中起到关键作用的第5关节的关节加加速度的变化正向最大值为3.45 rad/s3,其改进效果低于关节冲击优化优化前的3.67 rad/s3,在最终结束收敛时的冲击更小，可得改进算法、B样条函数、涂胶工艺路径、机器人的性能匹配优化良好。

关键词： 采煤机   煤岩识别   特征库   K近邻算法  

摘要： 煤岩识别是实现无人化采煤需首要解决的问题，通过自动识别煤岩截割比，指导采煤机完成自动调高控制。为此，提出基于K近邻算法的煤岩识别技术。首先采集滚筒振动信号和截割电机电流信号，并通过小波包变换进行去噪；其次提取各信号特征值，建立不同煤岩截割比下的特征库；最后利用K近邻算法对检测信号进行处理，给出截割比分析结果。

关键词： 高斯方向导数滤波器   像素比较   角点检测  

摘要： 文章提出了一种基于图像灰度变化与像素强度比较的创新性角点检测算法，旨在克服单一利用这两种方法的局限性。该算法结合了高斯方向导数滤波器与像素比较策略，前者在光照和视角变化下提供良好的检测精度，但对图像旋转较为敏感，而后者在尺度变化上表现出色但对噪声、光照和视角变化的鲁棒性不足。为了解决这些问题，本文设计了一种优化的组合策略，有效融合了两种方法的优点，从而在复杂场景中实现更高的鲁棒性和检测精度。大量实验结果表明，所提算法在仿射变换、JPEG压缩及高斯噪声条件下具有优越的重复性和定位精度。在HPatches数据集的图像匹配实验中，算法在视角和光照变化下展现出显著优势，证明了其在实际应用中的广泛适用性。

关键词： 自主探索   未知环境   边界检测   代价评价   可视图   机器人操作系统  

摘要： 为了减少机器人在探索过程中容易忽视局部狭小区域、路径重复度高、探索效率低下的问题,提出一种基于分层边界与可视图的自主探索算法.首先,根据三维地图中状态变化的体素,实时提取局部边界并增量构建全局边界,对边界聚类得到候选目标点;其次,基于增量更新的可视图对候选目标点进行综合指标的评价,采用一种指数衰减形式的评估函数;再次,将可视图与D*Lite算法结合,基于动态规划的思想,引导机器人快速完成对未知环境的探索,避免重复路径;最后,在不同环境下进行仿真实验,通过数据验证所提出方法在移动距离、运行时间、探索效率方面都优于次优视图规划器(NBVP)、基于图的探索规划器2 (GBP2)和双阶段视点规划器(DSVP)算法.结果表明,该算法可以有效解决机器人在探索时忽视局部狭小区域、路径重复度高的问题,提高了机器人自主探索的效率.

关键词： 改进中值滤波   图像降噪   拉索表面缺陷  

摘要： 针对传统中值滤波算法在去除拉索表面缺陷图像噪声时，存在降噪效果不佳、耗时较长，导致无法准确检测拉索表面缺陷的问题，提出一种改进中值滤波算法。首先，检测图像中的极值噪声点，取其周围像素均值进行替换。其次，设置滤波窗口，计算滤波窗口的均值和每个像素的绝对值差值，通过绝对值差值寻找窗口中值。最后，移动滤波窗口，比较进入窗口的像素值和移除窗口的像素值，像素灰度值相同，则中值不变；若不同，确定新的窗口中值。通过改进中值滤波、中值滤波和均值滤波对兰州银滩黄河大桥拉索表面漆层脱落缺陷图像进行降噪处理。结果表明，在不同噪声浓度下，改进中值滤波相较于其他两种降噪算法，处理后图像PSNR值提高了3.47～5.9，降噪时间缩短了0.41～0.48 s，所提方法能够有效地去除图像中的噪声，保留更多的拉索图像细节信息，且处理时间较短。

关键词： 甲状腺结节   Mask R-CNN   目标检测   神经网络  

摘要： 目的/意义采用基于区域卷积神经网络的目标掩码分割算法(mask region-based convolutional neural network, Mask R-CNN)建立目标检测模型，智能识别甲状腺超声图像结节位置，为超声医生决策提供参考。方法/过程收集超声结节图像1 650张，使用labelme工具进行结节位置标注。对Mask R-CNN的主干网络分别采用MobileNetV3、ResNet50、ResNet101和ResNet152进行替换，并引入特征金字塔和感兴趣区域对齐，采用迁移学习训练策略训练模型，比较不同网络下目标检测效果。结果/结论主干网络采用ResNet101训练的模型平均精确度为86.8%,平均召回率为95.3%,平均F1分数为90.6%,优于其他主干网络，能更精确地检测甲状腺结节，具有一定临床应用价值。

关键词： 高龄产妇   产褥期   中重度疲乏   危险因素   决策树  

摘要： 目的：探究高龄产妇产褥期中重度疲乏的危险因素，构建决策树预测模型并验证。方法：选取2022年8月—2024年1月医院收治的145例高龄产妇作为训练集，采用产后疲乏量表评估产妇产褥期疲乏情况，并根据评分结果分为中重度疲乏组和非中重度疲乏组。采用单因素分析和二元Logistic回归分析筛选高龄产妇产褥期中重度疲乏的危险因素，并构建决策树模型；另选取2024年2月—2024年7月医院收治的55例高龄产妇作为验证集，对模型进行验证。结果：145例高龄产妇中88例（60.69%）发生产褥期中重度疲乏。Logistic回归分析结果显示，年龄、体质指数、妊娠并发症、产后出血量、喂养方式、睡眠障碍及爱丁堡产后抑郁量表（EPDS）得分是高龄产妇产褥期中重度疲乏的独立危险因素（均P<0.05）。据此构建的决策树预测模型节点数为13，终端节点数为7，深度为5；共包括5个特征，分别为年龄、体质指数、妊娠并发症、睡眠障碍、EPDS得分。模型的受试者工作特征（ROC）曲线下面积（AUC）为0.915[95%CI(0.868,0.962)]，敏感度为86.4%，特异度为84.2%；验证集ROC曲线结果显示AUC为0.942[95%CI(0.886,0.997)]，敏感度为81.3%，特异度为95.7%。结论：构建的决策树预测模型可有效评估高龄产妇产褥期中重度疲乏的发生风险，帮助临床对高风险产妇进行早期干预，以降低高龄产妇产褥期疲乏程度。

关键词： 葡萄收获机   对行局部路径   动态撒点采样   路径偏移计算   偏离代价寻优  

摘要： 葡萄精准对行采收可有效减少收获机振动机构与篱架碰撞几率，是实现大规模机械化采收的重要手段。基于Frenet坐标系下行间局部行驶场景模型，本文提出一种葡萄收获机自动对行路径规划算法。以全局作业路径为参考线，通过车载激光雷达实时识别前方葡萄行，利用K-means算法聚类葡萄点云；采用Lattice算法根据行驶车速对前方行驶区域动态点阵采样，基于五次多项式生成局部路径簇；以前、后轮转向极限位置为收获机轮廓特征点，进行特征点与横向条带分割的葡萄行最小包络矩形碰撞检测，并计算各条局部路径相对葡萄行和参考线的偏离代价；根据作业工况和环境条件确定葡萄行偏离参考线的决策限值，采用动态规划算法对加权求和后的偏离代价进行寻优，获得路径簇中代价最小路径作为当前局部路径；利用机器人仿真软件Gazebo和Rviz联合仿真并开展实车试验。结果表明，规划的局部路径相对葡萄行平均横向偏差为4.37 cm,最大横向偏差为10.95 cm,生成局部路径平均绝对曲率为0.061 2 m-1,最大绝对曲率为0.201 1 m-1。在全局路径相对葡萄行偏移较大时，局部路径能够有效纠正偏差，满足葡萄收获作业对行驾驶要求。在单次规划6 m路径的仿真试验中，本文算法平均耗时213 ms/次，最大耗时337 ms/次；规划6 m路径实车试验中，本文算法平均耗时577 ms/次，最大耗时816 ms/次。研究结果可为葡萄园场景下农机局部路径规划提供参考。