摘要:针对市面上弱磁场测量装置成本高、精度欠佳及灵活性受限等问题，采用PNI磁场测量技术，研制了一款以RM3100为核心传感器的三维磁场测量装置，其能够进行nT级磁场强度的测量。该装置以ESP32为主控芯片融合现代通信技术与云服务技术，控制舵机模块、蓝牙模块、WiFi模块、显示模块，实现了测量数据的装置端与PC端的实时同步显示，三维移动平台的手机近距离精准控制，拓展了装置的灵活性与应用场景。实验结果表明，利用此装置测量得到地磁场的大小为28.93 μT，其测量范围覆盖±800 μT，误差在5%以内，最小测量精度为10 nT。该装置具有低成本、高精度、灵活性高、操作简单等特点，可用在物理课堂演示、实验教学、无损检测等多个领域，具有良好的应用前景。

摘要:针对京张铁路沿线频繁遭受强降雨灾害的问题，本文使用了层次分析法与随机森林相结合的组合权重分析法来对其进行风险评估与区划，以方便设立灾害预警。基于铁路沿线雨量传感器网获得的数据集，对包括致灾因子危险性、孕灾环境敏感性和承灾易损性三类指标进行权重的分配来建立铁路沿线受强降雨灾害的风险模型。结合雨量和地质数据计算出风险性大小，结果通过ArcGIS软件绘图示意，实验结果表明风险最高的地区分布于八达岭至南口段，青龙桥段等地，基本符合受灾实况。相比单一的层次分析法拥有更高的准度，为更好的建立灾害预警与完善救援系统提供了一定的参考作用。

摘要:针对基于嵌入式平台的结构光三维测量系统普遍存在算法不完整、实现复杂的问题，设计了一种基于ZYNQ的单目面结构光三维测量系统。该系统结合FPGA与ARM处理器，利用Vitis HLS技术实现了基于互补格雷码结合相移算法的高速解码与重建。首先，设计了FPGA图像采集模块，并对结构光图像进行灰度化和中值滤波预处理。随后，利用Vitis HLS实现了结构光图像二值化、相位计算和三维点云求解。最后，基于ARM处理器开发了CMOS相机和图像处理的控制程序，实现了系统模块控制以及灵活的系统参数标定，标定重投影误差低至0.0921 pixel。实验结果表明，系统对复杂物体表面具有高鲁棒性，标准球测量的直径拟合均方根误差低至0.103 7 mm，解码与重建耗时仅为112.67 ms，速度接近CPU的31.5倍，与集成GPU相当，ZYNQ平台功耗仅为2.696 W，验证了系统的可行性和有效性。

摘要:针对中小型轮胎制造企业胎胚物流管理中存在的出库效率低、误差率高等问题，设计了一种基于超宽带技术的轮胎胎胚先进先出系统。该系统通过构建UWB定位网络，结合多基站冗余协作技术、质心修正算法、先进先出算法动态确定胎胚出库优先级，并采用双模显示面板为操作人员提供实时可视化指引。通过对比实验验证，系统启用后胎胚平均出库时间由3.017 min降至1.009 min，缩短约66.6%；误差率由7.38%降至0.23%，显著提升了胎胚出库准确性，且各时段出库作业稳定性也有所提升。实验结果表明，该系统有效解决了传统人工模式下胎胚过期、出库耗时及操作误差等问题，为中小型轮胎企业仓储管理智能化提供了可行方案。

摘要:针对传统LLC谐振变换器增益范围较窄的问题，该文提出一种新型宽增益范围的LLC谐振变换器拓扑。该电路将四开关Buck-Boost变换器的输出端与LLC谐振变换器的前桥臂级联。全桥LLC谐振模块开关管工作在谐振频率点附近，通过改变四开关Buck-Boost模块开关管的占空比来改变LLC谐振模块的输入电压交流幅值。四开关Buck-Boost模块仅需承载部分负载功率即可实现对整机宽电压增益范围的调节。通过对该新型变换器进行模态分析、增益推导，得出所有开关管实现软开关的条件和宽增益的控制方法。最后搭建了一套 30 V/300 W 实验样机，变换器整机峰值效率为95.27%，相较传统两级拓扑效率提升2.13%。实验结果证明了所提拓扑电路的可行性和理论分析的正确性。

摘要:随着现代军事技术的快速发展，雷达系统在战场上的应用日益广泛，但受限于空域、地形等环境因素，雷达系统性能和可靠性的测试难以在真实信号环境中完成。针对这一挑战，本文提出了一种基于ZYNQ多核处理器和ADRV9009射频收发芯片架构的无人机载多体制宽频雷达波形模拟电子靶标设计方案。系统在雷达算法方面采用模块化设计，从捷变、重频等脉间特性以及调频连续波等脉内特性入手，设计了相应的生成算法，能够灵活扩展雷达的数量。实测结果证明，电子靶标在捷变模块测试相邻峰峰值和带宽误差分别为0.94%和0.121%，重频模块对参差、抖动、滑变的PW和PRI测量均方根误差分别为0.51、0.42和0.47，脉内模块中对调频连续波调频范围的测量误差为0.54%，对二、四、八相编码码元宽度的测量均方根误差分别为0.005 3、0.004 8、0.003 8。相比于传统雷达信号模拟器，本文设计的电子靶标具备高集成度、低功耗、小体积以及丰富雷达波形的同时发射支持和宽范围的发射频率调节等优势，有助于提升雷达系统的对抗演练和测试效果。

摘要:为了解决传统路径规划算法在路径规划时效率较低、路径不平滑、动态避障效果较差等问题，本文提出了一种将A*算法方法与人工势场法（APF）相结合的混合路径规划方法。针对A*算法采用了动态加权法，根据机器鱼行进的位置及机器鱼与障碍物的距离为指标来调整启发函数的权重，同时采用搜索角度规则表，减少搜索领域以提高效率；另一方面，采用高斯滤波法对所获得的最佳路径进行曲线平滑。然后将改进后的A*算法生成的路径最为APF算法的搜索路径，在实现最短路径规划的基础上实现了动态避障。最后进行了仿真实验，将改进的A*算法应用在4种障碍物不同的地图和6种大小不同的地图上。实验结果表明，与原始A*算法相比，改进后的A*算法4种障碍物不同的地图中，搜索时间平均减少了52.32%，搜索节点数平均减少了56.60%，路径长度减少了6.33%；在6种不同尺寸的地图下，搜索节点数平均减少了49.60%，搜索时间平均减少了40.89%，路径长度平均减少了5.55%；融合算法可以在具有动态障碍物的地图下成功地进行动态避障及路径规划。

摘要:利用无人机技术获取露天矿区地表正射影像图可以快速有效的实现对矿区地表形态的全面监测与分析。然而，阴影在露天矿无人机正射影像图中普遍存在，既干扰了部分地物信息的获取、还降低了无人机影像的解译和识别精度。针对目前矿区阴影提取的研究较少，现有方法不能满足露天矿阴影识别的需求，同时也未建立露天矿区阴影数据集等问题，首次采用人工标注的方法构建一组露天矿区无人机正射影像阴影数据集。模型基于UNet3+，提出了一种结合混合注意力机制（CBAM）与深度可分离卷积层（DSC）的阴影提取方法。通过引入ResNet特征提取器，对原始影像进行五个尺度上的特征提取，根据提取到的特征进行全尺度跳跃连接实现特征融合，并引入CBAM注意力机制，以增强有用的特征，最终通过深度监督机制及解码器恢复的特征图预测每个像素的类别。对比4种典型的目标提取网络FCN、UNet、UNet++、UNet3+。结果表明，所提方法与Unet3+网络相比，在mPrecision、mRecall、mF1和mIoU四个指标上分别提升了4.9%、0.44%、2.24%、4.51%。在AISD公开数据上对比多种已有的阴影提取方法，结果表明，所提方法与残差监督网络相比，F1与IoU提高了0.27%、2.62%，证明该方法在阴影提取方面具有准确性，适合应用于露天矿区无人机影像中阴影提取。

摘要:茎叶角检测是烟草表型检测的重要部分，在烟草农业的增产增效和疾病预防方面有重要的意义。针对不同环境下的人工茎叶角检测效率低、周期长、检测不方便等问题，设计并构建了轻量化的烟草茎叶角检测模型FAL-YOLO。该算法构建FAI主干网络结构来充分减少计算量和特征冗余，增加语义信息的利用效率。构建了融合空间注意力和通道注意力SA注意力模块的SAC检测头模块，进一步减少参数量和增强对茎叶角特征的感知能力。引入GSConv轻量化卷积降低模型复杂度和模型参数量。引入MPD-IoU损失函数来提升改进模型整体性能。采用自建的烟草茎叶角检测数据集，开展FAL-YOLO模型的对比和消融实验。实验结果表明，FAL-YOLO模型在自制数据集上的mAP达到了99.2%，相比YOLOV8-POSE模型在GFLOPs，Params分别降低了56.7%和52%，改进后的模型能够更快更精准的识别烟草植株茎叶角，为烟草农业选种育种智慧化提供支持。

摘要:针对北方苍鹰算法寻优精度低以及容易陷入最优值等问题，提出一种融合减法优化器和t分布小波变异的改进北方苍鹰算法。首先，在算法初始阶段利用Tent映射-动态反向学习策略，提高初始种群的质量和多样性，加快算法的迭代速度；其次，在勘探阶段融合减法平均优化器和最佳值引导策略更新种群位置；最后，采用自适应t分布小波变异策略对种群进行扰动，避免陷入局部最优。通过测试函数仿真实验并将改进后的算法与极限学习机相结合，用于预测光伏发电量的情况，同时应用于两种工程设计问题中，实验结果表明，改进后的算法对比其他改进算法在收敛精确度和鲁棒性方面有显著提升，并且有效提升了解决复杂问题的性能。

摘要:针对现阶段PCB缺陷检测算法在模型参数量和检测精度无法同时兼顾的问题，本文提出改进YOLOv8n的轻量化PCB检测算法ST-YOLO。首先，采用轻量化主干网络StarNet替换YOLOv8n的主干网络，调整网络结构。删除大目标检测层，新增小目标检测层。其次，颈部网络中将C2f模块与Star Block和CA注意力机制结合设计出C2f-Star-CA模块，能够更好的融合局部和全局的上下文信息。最后，设计轻量化检测头，通过使用共享卷积减少模型的参数量。实验结果表明：与YOLOv8n相比，本文算法模型参数量减少了45.5%，计算量减少了56.8%，mAP%0.5提升了0.2%，为满足移动端部署的需要提供了新的可能性。

摘要:为解决篇章级关系分析识别领域中存在多实体多匹配类别、上下文关系信息复杂等缺陷，本文提出一种融合实体特征信息和上下文特征信息的考虑多特征的英语篇章关系分析识别方法。首先，提出考虑多特征的关系分析识别框架。然后，对其中实体识别单元和上下文关系识别单元的机制进行详细介绍。最后，通过公开数据集和自选数据集进行对比实验和消融实验，验证并分析本文模型的优越性，并对模型识别效率以及相关参数的影响进行实验和分析。在2个数据集上，本文所提方法在F1和IgnF1两个指标上均能保持最优性能，较其他次优识别模型在F1指标上分别提升1.65%和1.13%，在IgnF1指标上分别提升2.78%和1.58%。实验表明：本文所提模型能够提取出表征篇章关系的关键特征信息，帮助理解篇章脉络以及各部分之间的关系，把握文章整体结构。

摘要:水下目标检测常面临复杂环境干扰、检测系统不稳定以及检测精度低等问题。为此，本文提出了一种基于自适应特征提取与跨尺度特征融合策略的轻量化目标检测算法WAD-YOLOv8。首先，在主干网络中引入基于上下文信息的残差特征提取模块(CCRF)，增强模型对全局和局部信息的综合能力。其次，采用可变大核卷积注意力机制引导的轻量化模块(ADFE)，使网络在下采样阶段能够自适应调整采样特征，提高目标特征提取的精准性。最后，重构颈部网络特征融合策略，增加新的跨尺度特征融合连接，增强模型的抗干扰能力和多尺度目标检测性能。试验结果表明，WAD-YOLOv8在模型参数量和计算量均低于基准模型的情况下，检测精度提升了3.0%，平均检测精度mAP50提高了2.6%，推理速度达到64 FPS。与经典算法相比，WAD-YOLOv8在复杂水下场景中表现出更优的检测效果和更高的稳定性，为水下移动检测平台提供了一种高效、轻量化的目标检测解决方案。

摘要:为提高风电功率预测精度，提出了一种基于SSA优化的TransformerBiGRU组合模型。首先，采用CEEMDAN将原始序列分解为多个模态分量和残差分量，降低数据复杂性和不稳定性。然后，结合Transformer的自注意力机制与BiGRU的双向时序建模能力，构建了一个高效的组合模型。针对Transformer-BiGRU模型超参数优化困难的问题，引入SSA麻雀搜索算法对超参数进行优化，进一步提升预测精度。最后，以龙源电力风电预测数据集为例，通过对比实验和消融实验验证了该模型优于其他传统模型和模型中各组件的有效性，实验结果表明该方法的R2达到了0.981 0。

摘要:针对现有交通监控检测模型参数量大，计算复杂度高，在一些边缘设备上部署会受到硬件资源限制的问题，对YOLOv8模型的网络结构进行了针对性改进，提出一种基于网络结构轻量化的道路监控检测模型。首先在骨干网络部分：采用极简网络架构VanillaNET替代原本的主干网络的中间部分进行特征提取，以减少模型的参数量和整体的计算复杂度。接着将FasterNet的优势与EMA注意力机制相结合,应用到骨干网络的C2f模块，有效降低了内存访问量，并一定程度上提升了模型的检测能力。然后将SPPCSPC结合分组卷积，提出G-SPPCSPC模块，提升了模型对监控视角下不同大小尺度信息的提取能力。最后，在颈部网络：将轻量级注意力机制MLCA结合到C2f模块，目的是减少无关背景信息对于道路监控检测的干扰。实验结果表明，改进后的模型参数量降低了53.3%，模型尺寸减小了51.3%，计算复杂度下降了48.1%，mAP/50%达到了93.7%，FPS达到了280.5。模型在显著降低模型参数量和计算复杂度的同时，保持了较高的检测精度和速度，适用于边缘设备的部署，具有较高的实用价值。

摘要:控制系统作为核能装备中的安全关键系统，在实际工程中往往需要长时间无人值守运行，其对自动化程度和运行可靠性的要求极高。高鲁棒性的信号表决算法可以确保控制系统在遇到故障或异常情况时能够自动应对并恢复正常运行。目前，核能控制系统中常用的信号表决算法为阈值检测方法。该类方法结构简单、易于理解，但其控制精度、可靠性、自动化程度等方面都表现欠佳。因此，基于长周期无人运行条件下的核能控制系统设计，以系统高可靠性和自动化需求为导向，提出一种基于投票机制的核能控制系统多余度信号多级表决算法。一级监控算法判断信号故障点位，在此基础上，二级监控表决算法输出最终表决值。截取模拟运行过程中的信号序列，验证所提算法的输出表决值、故障计数、故障点剔除和恢复以及输出安全值等功能。同时，模拟多种测试信号，进行对比验证。结果表明，所提算法在阶跃信号、斜坡信号和正弦信号上都能有效降低表决的错误概率，其表决值结果普遍优于平均数、中位数等传统表决算法，阈值操作结果优于传统阈值检测方法。最后，通过讨论算法时间复杂度和算法运行的平均用时，验证该方法满足核能控制系统的实时性需求。

摘要:针对空气PM2.5浓度检测过度依赖专业设备的问题，提出了一种融合多源信息及图像特征泛化的空气质量检测算法。首先采用EfficientNet-B0作为主干网络对输入的大气可见光图像进行特征编码，将温度、湿度、风速、气压和光照强度等多源气象信息映射为与大气图像对应的特征向量，并与大气图像特征进行拼接融合；然后利用全连接层将全局特征输出为标量，并利用损失函数检测出空气的PM2.5浓度；最后在网络模型训练阶段，通过对大气图像不同尺度的特征进行随机泛化增强来丰富样本分布空间，使网络能够在有限的数据样本中学习到更多特征，从而有效改善了检测网络的性能。实验结果表明：设计的检测方法与几种主流的方法相比具有更高的检测精度和稳定性，在测试集上得到的RMSE和 R-squared分别为21.55 μg/m3和0.923，通过对8个场景检测，得到结果的平均误差仅为5.2%，最大误差也仅为7.6%，能够适应各类极端大气污染环境的空气质量检测任务。

摘要:针对现有方法中多模态间的互补信息利用不充分、特征交互易引入噪声的问题，提出了一种深度特征交互网络。首先，在编码阶段提出了深度特征多层交互模块，使用深度特征作为特征交互的线索，以充分利用可见光的纹理信息和热成像的位置信息。其次，设计了纹理位置特征交互模块，通过纹理信息与位置信息进行交互以实现同层级间的特征互补。然后，在解码阶段提出了膨胀卷积特征融合模块，通过膨胀卷积块提高模型感受野，使模型关注网络中的多尺度信息。最后，在公共RGB-T数据集VT5000、VT1000、VT821进行了广泛实验，实验表明，所提出网络的平均绝对误差分别达到2.2%、1.5%、2.5%，与领域内先进的方法相比，取得了优异的性能。

摘要:在计算机视觉领域，单目深度估计在自动驾驶、场景重建等应用中的重要性引起了广泛的关注。然而，现有的自监督单目深度估计方法未能充分利用底层特征，导致了物体轮廓深度估计效果较差。为了解决这一问题，本文提出了一种多尺度特征融合解码方法，将原始RGB图像逐步高斯下采样以获得各级特征图，然后对其分别进行高斯上采样，利用上/下采样过程中相同尺寸的特征图对构建拉普拉斯金字塔，在解码时从各个尺度将下采样过程中丢失的轮廓线索与编码器提取到的特征相融合，从而引导解码器生成更精确的深度图，最大限度地提升编码器底层特征的利用效率。该方法与基线方法Monodepth2在KITTI数据集上的实验结果相比，绝对相对误差Abs Rel降低了1.69%，平方相对误差Sq Rel降低了6.80%，均方根误差RMSE降低了1.00%，表明该方法对全局深度估计精度有所提升，此外可视化分析也验证了该方法对物体轮廓的深度估计效果有明显改善。

摘要:在钢轨表面缺陷检测过程中，受光照不均、镜头抖动等外界因素的影响，采集的图像存在对比度低、背景不均匀和缺陷细节模糊等问题。为此，提出一种基于改进Retinex与双CNNs的钢轨表面缺陷图像增强算法。首先，将钢轨表面缺陷RGB图像转换为HSV空间后，采用引入均值和均方差，加入控制图像动态参数的Retinex算法，实现V分量对比度的调整，再通过自适应伽马变换校正图像曝光；其次，对S分量根据亮度进行自适应非线性增强，解决光照变化带来的背景不均匀问题；然后，为了进一步解决镜头抖动产生的缺陷图像细节模糊问题，设计了基于U-Net结构的去模糊子网络和超分辨细节恢复子网络组成的双CNNs网络，学习原始图像和增强后图像的语义特征，并提取其纹理特征，以获取高质量图像的纹理和细节信息。最后，采用RSDDs数据集和自制钢轨表面缺陷模糊图像数据集对模型进行训练和测试。实验结果表明，与现有的主流算法相比，峰值信噪比和结构相似性分别提高了2.61 dB和0.026，在视觉上较另外10种方法获得的钢轨表面缺陷图像具有较高的对比度、清晰的缺陷细节和丰富的纹理信息。