课程文献中心 更多>>

关键词： 草原航拍   LoFTR算法   图像拼接   图像融合   平衡监测  

摘要： 为准确获取无人机对地监测中更大范围草原航拍图像信息,实现草原植被盖度、长势等参数的有效测算及草畜平衡的监控,针对获取图像纹理差、特征点少且不易检测等问题,提出了一种改进LoFTR算法的草畜平衡监测图像拼接方法。根据有效航拍路径下拍摄获取的多张高分辨率无人机对地监测图像,该方法对图像局部拼接实现降采样处理,采用LoFTR算法对图像进行粗细粒度匹配,并通过聚类算法优化匹配对,对优化后的匹配对使用单应性矩阵变换、加权平均融合算法进行图像拼接及融合,以实现监测图像无缝拼接,从而获得完整的草原航拍图像。通过对比基于SIFT算法、ORB算法及本研究方法图像拼接后的实验效果和数据,结果表明在拼接效果上,使用优化后的LoFTR算法对低纹理草畜平衡监测的图像拼接质量更高,误差更小。

关键词： 路径规划   快速扩展随机树   动态步长   路径优化处理  

摘要： 针对军工移动机器人路径规划问题,提出一种基于RRT-Connect的改进算法,避免了算法规划过程中效率低、随机性大、搜索时间长、迭代次数及节点数过多、规划出的路径冗长等问题。首先,该算法以起点和目标点连线的中点作为扩展点,使算法由两棵树扩展变为四棵树同时扩展,同时引入范围限定函数,优化路径扩展及采样过程;其次,在改进算法中引入动态步长调节函数,使扩展过程有了更强的目标性;最后,对生成的路径进行后优化处理,去除多余冗余节点,缩短了路径长度。将改进的RRT-Connect算法与RRT及RRT-Connect算法在3种不同环境中进行仿真对比实验,改进算法相较于RRT-Connect算法在平均迭代次数上降低了83.8%,平均节点数减少了59.3%,平均规划速度提高了26.9%,平均路径长度减少了12%。

关键词： 目标检测   复杂场景   多尺度船舶检测   合成孔径雷达(SAR)   深度学习  

摘要： 针对复杂场景下的多尺度SAR舰船目标检测存在误检漏检的问题,提出了一种改进的SAR舰船目标检测方法。首先,利用多尺度目标特征提取网络提取特征信息,以提升多尺度目标的检测能力并减少冗余计算。其次,引入可形变卷积(DConv)通过自适应调整卷积核的形状来提升复杂场景下SAR舰船目标的检测性能。最后,引入了注意力机制来抑制背景杂波并增强特征信息。实验结果表明,在SSDD数据集和HRSID数据集上改进方法的检测精度分别达到了97.9%和93.1%,整体性能优于现有主流目标检测算法。

关键词： 建筑物提取   循环一致性生成对抗网络   谱归一化   全局注意力机制   半监督  

摘要： 建筑物提取需要大量的标注数据进行训练,收集和标注数据需要耗费大量时间。为了在小样本遥感图像数据集上基于半监督学习实现建筑物提取的目的,构建4组建筑物提取数据集,提出了一种基于循环一致性生成对抗网络(CycleGAN)的建筑物提取算法。首先,在生成器中引入全局注意力机制(GAM)以增强对建筑物和图像背景细节特征的区分;其次,在判别器中加入谱归一化层以增强训练稳定性,解决了训练过程中梯度消失问题;最后,改进对抗损失和循环一致性损失以提高生成图像的质量,避免生成图像的过度平滑化,并引入Identity损失以限制生成器不会自主修改输入图像的颜色,保证输入图像与输出图像颜色组成的一致性。实验结果表明,在第1组小样本数据集上,与UNIT、MUNIT、U-GAT-IT、SPatchGAN、QS-Attn模型进行半监督实验对比,结构相似性(SSIM)值和准确率分别至少提高了3、8.1百分点,在扩充数据规模的数据集上,使用改进后的算法进行全监督和半监督实验对比,验证了改进后的算法在小样本遥感图像数据集上实现建筑物半监督提取的有效性。

关键词： 可分离自注意力   Polarity采样   感知质量   多尺度   图像修复  

摘要： 针对图像修复任务中存在的纹理、局部细节丢失和全局结构一致性差等问题,传统的多尺度GAN图像修复算法无法很好地解决这些问题,提出了基于混合Polarity采样的多尺度GAN图像修复算法。首先,将可分离自注意力机制引入到网络的深层,能够捕捉像素之间的长距离依赖关系,提高了重建图像上下文感知性与全局结构性。其次,设计了具有混合Polarity采样能力的编码器。该编码器能够克服样本不平衡问题,以致能增强算法对缺陷区域的建模能力,从而更好地保持原始图像的局部细节,提高修复图像的质量。此外,在解码器中设计了自适应实例化层,增强算法对原图风格及轮廓的保留性能,进一步提升修复图像的感知质量。最后,将算法应用于公共数据集CelebA。实验表明,所提算法在峰值信噪比、结构相似性以及距离得分等指标上的表现均优于基线。

关键词： 水文测验   LightGBM   人工智能算法   潮位插补   黄浦江  

摘要： 为了提高传统潮位插补方法的计算精度,以黄浦江的4个站点为研究对象,采用了LightGBM(Light Gradient Boosting Machine)人工智能算法构建了潮位序列相关关系模型,并进行了误差分析。结果表明:LightGBM算法能够有效建立输入特征与输出响应之间的复杂非线性关系,适用于潮汐波动传播过程中的内在相关性分析。随着输入特征值维度的增加,模型预测精度在初期快速提高,随后逐渐趋于稳定,且预测误差随着源数据站点与目标数据站点距离的减小而减小,计算得出了误差均方根为0.0169 m的目标站潮位预测插补值序列,验证了该方法在潮位资料插补计算中的有效性。研究成果为潮位插补提供了一种新的方法,有助于提高潮位观测数据的连续性。

关键词： 石化行业   大模型   算法   AI   安全体系  

摘要： 本研究基于自然语言处理(NLP)技术和人工智能(AI)技术,通过建立安全体系咨询自然语言处理模型,利用深度学习算法定制化进行石化行业安全体系报告的学习训练,形成适用于石化行业的安全管理体系报告模型和算法,通过开发智能安全体系咨询管理平台,实现模型与算法的深度融合,实现“AI+安全体系报告编制”,提升安全体系报告的效率和准确度。

关键词： 无人机   路径规划   沙猫群优化算法   三角形游荡策略   Levy飞行机制  

摘要： 为了提高无人机在复杂战场环境中路径规划的能力,基于沙猫群优化算法(SCSO),提出了一种新型路径规划算法。将Iterative混沌映射融入种群初始化,得到分布更加均匀的种群。在搜索阶段和开发阶段,分别利用了三角形游荡策略和Levy飞行机制,提升算法的搜索范围与精度。再将一种消除和更新机制融入算法的选择阶段,提出了新型路径规划算法(MSCSO)。选择5种对比算法,使用了CEC2022测试函数、Wilcoxon秩和检测对算法性能进行测试。模拟了三维复杂环境,比较了路径规划能力。在真实环境的仿真中,验证了路径规划能力。实验结果表明,MSCSO具有更优秀的路径规划能力。

关键词： 矿井通风   风量按需调控   风量智能决策   人工蜂群算法   风阻  

摘要： 针对现有元启发式算法求解矿井风量调控无约束优化数学模型存在收敛速度较慢的问题,提出了一种基于改进人工蜂群算法(ABC)的矿井风量按需调控智能决策方法。以矿井调节分支风阻为决策变量、各分支实际风量与需风量相符合为约束条件,以目标用风分支风量与理想风量差距最小为目标,建立了矿井风量按需调控智能决策模型;运用拉格朗日松弛方法优化模型的约束条件,采用冲突数方法优化模型的目标函数,利用随机搜索方法和启发式算法优化模型的搜索策略。针对人工蜂群算法(ABC)利用能力不足的问题,提出了一种改进ABC算法,并将其用于求解矿井风量按需调控智能决策模型。该算法在采蜜蜂局部寻优时引入群体历史最优解引导采蜜行为,并利用一般反向学习策略保存侦查蜂的搜索经验,良好地平衡了算法的探索和利用能力。实验结果表明:与粒子群优化(PSO)算法、ABC算法、基于全局最优的人工蜂群(GABC)算法和基于一般反向学习的人工蜂群(GABC-GOBL)算法相比,改进ABC算法能更加快速、稳定地求解出矿井风量按需调控最优方案,且风量调控精度可达0.49 m^(3)/s。