课程文献中心 更多>>

关键词： 跌倒检测   YOLO   RepVGG   注意力机制   Bifpn  

摘要： 受到跌倒时动作变化快、姿态多和复杂环境的影响,跌倒检测算法会出现误检、漏检和检测速度慢的问题。为解决上述问题,提出一种基于改进的YOLOv5算法,进行居家环境下的实时跌倒检测。使用RepVGG对YOLOv5的Backbone进行优化,增强骨干网络特征提取能力;在网络中添加卷积注意力机制,强化模型对重要特征的关注;在特征融合部分引入加权双向特征金字塔网络并简化,充分融合不同尺度特征。实验结果表明,与未改进前相比,该方法在精度、召回率和平均精度上分别提高3.43%、1.41%和3.1%,优化了检测效果,更好地满足实际使用要求。

关键词： 无人机图像   YOLOv8n   注意力机制   可变形卷积   WIoU  

摘要： 针对无人机航拍图像中目标小、尺度变化大和背景干扰等因素导致检测精度低、定位不准确的问题,提出一种改进YOLOv8n的无人机航拍图像目标检测算法。首先改进C2f模块,利用可变形卷积(DCN)替换其Bottleneck中的卷积以适应航拍图像中物体的形变和尺度变化,同时,在主干网络引入LSK注意力机制,实现动态调整空间感受野,从而在特征提取阶段更灵活地适应不同目标对背景信息需求的差异;然后改进颈部网络,增加一个较浅的检测层并移除大目标检测层,使网络能更有效地捕获小目标的特征以提升检测精度;最后引入WIoU损失函数,使模型更加关注低质量样本,得到更高的检测精度。在VisDrone2019数据集上进行对比实验和消融实验,mAP_(50)值较基线算法模型提升了5.2个百分点,参数量减少了20%,检测速度(FPS)达到87帧/s,能够满足实时性的检测需求。与主流算法进行对比实验,所提算法表现优于目前的主流算法。在DOTA数据集上进行泛化实验,mAP_(50)值提升了1.7个百分点,证明所提算法具有通用性。

关键词： 光伏发电机组   异动信息   主动增量式   更新  

摘要： 针对进行光伏发电机组密集型异动信息更新操作时,出现更新时延长、更新结果不完整的问题,提出了光伏发电机组异动信息主动增量式更新算法。通过特征提取、小波变换和模极大值计算来获取有效的增量式特征;构建增量特征成词袋模型并进行标注;结合蚁群算法搜索异动信息,计算最小平均带宽和最佳更新路径,通过动态更新相容类和决策类异动信息完善数据;采用2阶段集合式更新方案进行信息增量收集和校验增量分发,以获取主动增量式更新异动信息。由实验结果可知,该算法更新时延在全部校验节点下未超过40 s,且能够保证更新结果具有完整性。

关键词： 农业机器人   粒子群   优化约束模型   避障   路径规划  

摘要： 介绍了粒子群优化算法的概念,并由数学模型、边界约束和环境约束对农业机器人优化约束模型进行了分析,实现了对农业机器人的动态避障和路径规划。仿真实验表明:针对复杂的作业环境,农业机器人可以进行最优避障路径规划,且算法收敛速度较快,能够满足设计要求,证明系统具有一定的可行性。

关键词： 电力通信网   链路故障   K-Means算法   人工蜂群算法   通信保护  

摘要： 由于电力通信网链路数量庞大、状态变化频繁且故障类型多样化,易导致业务中断,影响电力通信网络运行的可靠性,为此,提出一种大规模电力通信网链路故障保护算法。采集电力通信网每一段链路的流量数据,利用K-Means算法批量聚类,检测并排除链路故障。引入人工蜂群算法,利用无故障链路重新组建最优通信保护路径,实现大规模电力通信网链路故障保护。测试结果表明,所提方法求出的链路保护方案的路径总长度更短,节点跳数仅为5跳,业务传递耗费总时间更短,由此说明所研究算法的性能更好。

关键词： 微电网   调度   粒子群算法   自适应   变异  

摘要： 为克服传统粒子群算法在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节。为验证算法的有效性,文章与其他算法进行收敛性能对比,并对两种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例结果表明,改进算法能够对粒子全局最优搜索优化,效果优于其他算法,可合理调配分布式电源出力时段,具有良好的可行性。

关键词： XGBoost算法   电力虚假数据   注入攻击   残差检测   耗电量  

摘要： 电力系统中的负载波动、电压失调等不确定性因素会影响电力虚假数据注入攻击残差检测的准确性,导致电力虚假数据注入攻击电力系统,产生电力系统误判或失控现象,为此设计基于XGBoost算法的电力虚假数据注入攻击残差检测方法。根据XGBoost算法原理完成对电力虚假数据的辨识;构造完整的虚假数据集合,通过分析虚假数据注入攻击行为的方式,确定残差检测系数的取值范围,实现基于XGBoost算法的电力虚假数据注入攻击残差检测。实验结果表明,所提方法可以较为准确地检测出虚假数据的实时注入量,从而将检测结果与真实注入量之间的数值差控制在低水平状态,以便实现对电力虚假数据注入攻击行为的有效控制。

关键词： 关联规则   数据挖掘   青少年   体质健康促进  

摘要： 本文采用文献资料法、问卷调查法等研究方法,从关联规则相关概念入手,创新地利用计算机数据挖掘技术跨学科探究体育问题,以机器挖掘深层次探求影响山东青少年体质健康的因素以及与其青少年久坐、睡眠、面屏等因素的关联。研究旨在提升山东省青少年体质健康水平,为山东省青少年体质健康的促进提供系统、科学、有效的方案。

关键词： SAR图像   舰船检测   可变形卷积   舰船空间金字塔聚合结构   尺度扩展特征金字塔网络  

摘要： 由于环境复杂、舰船目标散焦和尺度的多样性,基于SAR图像的舰船目标检测仍然存在一些问题。提出了一种针对SAR图像的舰船目标检测算法。首先,基于可变形卷积构建舰船目标特征细化模块,提高对大长宽比姿态的舰船目标的特征提取能力;其次,在主干网络末尾引入了舰船空间金字塔聚合结构,增强对舰船目标的全局特征提取能力;最后,设计了尺度扩展特征金字塔网络,增强舰船浅层和深层特征信息的交互,提高对多尺度舰船目标的检测能力。实验结果表明,所提算法在HRSID数据集上的mAP达到了93.72%,F1分数达到了89.70%,优于所有比较算法,具有良好的检测效果。

关键词： 林业机器人   同步定位与建图   传感器   激光雷达  

摘要： 同步定位与建图(SLAM)算法可实现机器人在未知环境下的定位,并对周围环境构建增量式地图,是机器人实现自主导航的基础。针对单一传感器(全球导航卫星系统(GNSS)、激光、相机等)的SLAM算法在林区环境存在定位精度低、构建的地图一致性较差的问题,提出了多传感器融合的SLAM算法在林业智能化的应用与改进。首先,联合使用激光雷达、单目相机、惯导对林区环境构建三维点云地图的同时对林业机器人进行实时定位;其次,提出以时间为约束的RS-T回环帧搜索法,进行候选回环帧搜索。结果表明:针对M2DGR数据集,RS-LVI-SAM算法与当前经典的SLAM算法对比,RS-LVI-SAM算法生成轨迹的均方根误差与标准差分别为0.09和0.04 m,定位精度最高;在林区场景中,RS-LVI-SAM算法建立的林区点云地图中侧柏的胸径与真实胸径的均方根误差与绝对平均误差分别为1.27、1.16 cm,建图效果最佳;生成的轨迹与真实轨迹的均方根误差与绝对平均误差分别为0.46、0.34 m,定位精度最高。因此,RS-LVI-SAM算法可以实现林区环境下的精准定位与林区点云地图构建,为机器人林区作业提供了技术支撑。