摘要:在视觉同步定位与建图（SLAM）中，地面信息不仅可以提供重力方向的参考，还能有效辅助障碍物的识别，因此地平面的准确检测对于机器人导航至关重要。针对计算资源受限、缺乏深度信息的单目视觉SLAM地平面估计问题，本文提出了一种基于单应性的地面检测方法。首先，通过RANSAC方法对初始环境下的匹配特征点对计算单应性矩阵，获取初始地平面和相应的地面点云。随后，基于已获得的地面种子点，在SLAM建图过程中结合单应性估计与动态增长策略，逐步扩展地面点云，以实现低计算成本下对地平面的精确分割。实验结果表明，所提方法在公开数据集和本地测试数据上的分割精度均超过92.52%，且地平面的角度误差小于0.13°，归一化平面距离误差小于0.008，验证了该方法的有效性。同时，所提出的算法仅增加了4.57%的计算耗时，能够满足实时运行要求。

摘要:由于非接触原子力显微镜的成像精度在很大程度上依赖于用于保持悬臂梁恒幅振荡的谐振频率解调与反馈回路的性能。为提升谐振频率的解调和反馈环路的性能，本文设计了一种参数自适应悬臂控制系统，对传统锁相环和幅度比例积分控制器的结构进行了改进，分别引入最小均方算法和单神经元PID算法，实现了系统关键参数的自适应调节。通过系统测试与实验验证，该方法成功实现了对微悬臂梁的稳定控制，将锁相环的频率锁定时间从41 ms缩短至32 μs，频率分辨率提升至0.04 Hz。同时，该系统有效抑制了悬臂梁振荡状态的发生，显著改善了成像实验中的非线性失真现象。最后进行了镀层表面应用测试，有效的测量出镀层厚度为50 nm。

摘要:轴承作为机械零部件中不可或缺的组成部分,长时间工作容易导致轴承磨损和疲劳失效,进而影响机械设备的正常运转。因此,对轴承的剩余使用寿命（RUL）的预测可以有效避免意外发生,确保设备安全可靠地运行。为了提高滚动轴承的的RUL预测精度,本文提出了一种基于空间时间注意力（STA）机制的自编码（AE）和双向长短期记忆（BiLSTM）的滚动轴承寿命预测方法,有效地整合轴承数据中的多种模态信息,从而捕捉轴承运行状态的变化。首先,将原始振动信号输入到自编码模型自动提取故障特征;然后,将提取的特征输入到STA模型中,对特征数据在特征维度上的空间信息和运行时间步长信息进行深度加权融合,以更全面地捕捉特征维度和时间维度的信息;再结合BiLSTM模型对轴承的剩余使用寿命进行预测;最后,通过PHM2012挑战赛数据集和ABLT-1A轴承全寿命周期数据进行试验验证,实验结果表明所提出的模型的RMSE平均降低了约 22.76%，MAE平均降低了约 26.57%，而 R2平均提升了约 12.47%，可以看出所提出方法对RUL预测准确度有明显的提升。

摘要:心电信号特征点的精确检测对医疗康复辅助设备、心脏监护系统及心脏病研究至关重要。针对传统方法存在的漏检、误检问题，本文提出一种基于ResNet-LSTM-差分阈值的心电信号特征点检测优化算法。本研究利用自适应阈值对心电信号特征点进行标记，然后采用ResNet-LSTM模型对标注有特征点的心电信号数据进行训练，最后结合差分阈值法在决策阶段并行检测心电信号r波，当神经网络模型或阈值法中的任一方法成功检测到R波时，该检测即为真正例。实验结果表明，该方法在MIT-BIH数据库上的R波检测准确率达到99.4%，相较于单一阈值法和传统深度学习方法，提高了检测精度和计算效率。提出的ResNet-LSTM-差分阈值心电信号特征点检测方法有效提高了心电信号特征点检测的准确率和鲁棒性，在面对复杂、多变的心电信号时，实现了高效、精准、实时的特征点检测，为各类医疗设备与医护系统提供了广泛的应用前景。

摘要:针对图像多阈值分割过程中存在的分割精度低、效率低、随着阈值增加分割效果不稳定等问题，提出了一种基于改进斑马优化算法（IZOA）的多阈值图像分割算法。首先，利用混沌映射方法初始化种群；其次，引入邻域波动策略精细化搜索；然后，结合杂交与变异操作生成新的解，提高算法全局搜索能力；再采用精英保存策略保留最优解。使用图像分割前后得到的最小对称交叉熵作为适应度函数进行多阈值分割，表现出了更高的分割精度、分割效率以及分割的稳定性。实验结果表明，与ZOA、GWO、WOA等算法对比，基于IZOA分割图像的质量指标FSIM、SSIM和PSNR方面具有显著优势，最优截断均值占比分别达到91.7%、88.9%、100%。

摘要:当前的自动睡眠分期模型存在特征提取能力不足以及多模态特征融合效果欠佳的问题。为了更有效地处理非线性信号，本文利用科尔莫戈罗夫-阿诺德网络（KAN）动态学习非线性激活函数，采用基于KAN和迁移学习的特征提取网络分别提取睡眠状态下的脑电和心电信号特征。利用外部注意力机制对不同模态分别施加注意力，通过结合外部注意力机制的多模态门控融合方案进行特征整合，缓解数据类不平衡对N1期精度的影响。在ISRUC-S3数据集上实现了85.6%的总体准确率、84.9%的宏平均F1值，N1期的F1分数为67.7%。相较于当前的其他先进方法，有效提升了自动睡眠分期算法的性能。

摘要:针对复杂动态场景中视觉SLAM因动态干扰而导致的特征点匹配精度下降及地图构建误差增大等问题，提出一种结合语义分割与稀疏光流的动态视觉SLAM算法。首先，引入自适应阈值策略，有效提升算法在复杂环境中获取特征点的能力；其次，将DY-Conv模块嵌入U-Net语义分割网络中，并结合LK稀疏光流场，实现对动态物体的精准检测与分割，有效提高视觉SLAM在动态场景中的特征匹配精度和鲁棒性；最后，基于TUM数据集和实际场景进行算法有效性验证。实验结果表明，改进U-Net算法的平均分割精度由原算法的92.1%提高到94.5%，而本文所提出的语义视觉SLAM算法相比于ORB-SALM3，图像处理速度提升60.13%，并且在三组高动态序列公开数据集上的位姿估计精度分别提升43.75%、77.33%和64.00%；另外基于TUM数据集和实际场景所生成的稠密三维点云地图，进一步表明本文算法可有效抑制动态因素的干扰，从而提升地图构建的准确性。

摘要:对于地铁站台和列车间缝隙之间异物入侵造成的安全防护，以及现有深度学习算法低光照下检测精度低，空间位置精度和小目标检测准确性不足等问题，提出一种改进YOLOv10地铁缝隙异物检测的深度学习方法SSS-YOLO，用于地铁缝隙中异物的监测，该方法首先通过SCINet构建了一个权重共享的光照学习过程，用于改善地铁缝隙暗环境下的图像质量问题，考虑到不同尺度部分特征权重，SSS-YOLO模型中引入了无参注意力机制，同时强化了空间位置信息，减小了信息损失量，最后使用Shape-IOU损失函数，增强了地铁缝隙中小目标检测和回归预测框的准确性，提升了对缝隙中小目标的检测精度。实验结果表明，该方法准确率达到了90.90%，平均检测精度提高了3.62%。

摘要:针对压力容器斜接管焊接区内部气孔缺陷在相控阵超声检测中因几何遮挡效应导致的信号衰减问题。本文通过构建结构几何张角声束传播衰减模型，结合声程补偿算法，系统研究了45°、60°、90°、135°四种试样张角下超声波的传播特性与缺陷检测效果。基于FDTD算法建立了斜接管动态响应仿真模型，并通过制备含预置缺陷的铝合金试样实验进行了验证。结果表明：经声程补偿后，45°缺陷信号幅值由50.4提升至97.4，信噪比从6.27 dB增至11.99 dB；60°缺陷信号幅值由77.5提升至97.5，信噪比从9.00 dB增至12.00 dB。且信噪比计算偏差小于1.5 dB，缺陷检出率提升23%。研究证实张角引发的遮挡效应显著影响声束传播路径与信号幅值。所提模型及修正算法可有效补偿非标结构的检测误差，为压力容器焊接区超声检测工艺优化提供了量化理论依据。

摘要:针对高波动场景下风电功率预测模型难以兼顾点值精度与区间可靠性的问题，提出一种融合参数优化与非线性分位数回归的混合预测模型。首先，构建基于双重注意力机制的TCNGRUDA组合预测模型，利用特征注意力挖掘多维气象特征的空间相关性，并结合多头注意力捕捉功率序列的时序依赖性；其次，提出改进鹭鹰优化算法(ISBOA)实现组合模型的4个超参数的智能寻优，该算法通过融合佳点集和量子计算初始化、分段非线性权重、北方苍鹰优化算法(NGO)的方向因子和柯西分布策略显著提升收敛性能；最后，构建基于多头注意力的非线性分位数回归模型，通过自适应损失函数动态调节不同分位数下的特征权重，显著提升了条件分位数估计的准确性。实例结果表明，在点值预测方面，所提模型较TCN-GRU的MAE和RMSE分别降低30.27%和27.28%；在区间预测方面，95%置信度下的PICP提升3.97%，PINAW下降20.76%。研究表明，所提模型有效解决了风电功率点值估计与区间估计的协同优化难题，不仅提高了极端天气下的预测鲁棒性，更为电网的日前调度与实时控制提供多维决策支持。

摘要:刚性陶瓷防热瓦具有耐高温、低热导率和化学稳定等优点，是当今航空航天领域中空天飞行器热防护系统的关键材料，被广泛应用于飞行器迎风面及其他高温部位。在其制造、安装和服役过程中，受到疲劳和外部冲击等载荷的影响，可能会出现表面、内部以及粘结层的损伤，严重影响热防护性能，甚至危及飞行器的安全。因此对防热瓦进行可靠有效的无损检测评估，是确保其结构稳定，降低维护成本，提高飞行器安全性及寿命的关键。本文调研了近年来适用于防热瓦材料的无损检测技术，分别对射线、超声、红外热成像、结构光和太赫兹检测技术进行了总结，探讨各种技术的特点和应用情况，以期为飞行器热防护结构的无损检测发展和应用提供技术支持。

摘要:随着恶意代码的多样性和隐蔽性不断增加，传统的恶意代码检测方法在面对未知恶意代码时往往面临高成本和不稳定性的挑战。本研究旨在提出一种轻量化且高效的恶意代码检测模型，以适应资源受限环境中的应用需求。本文提出了一种基于SecureViT的轻量化恶意代码检测模型。该模型通过引入ACF模块与MSDC模块实现高效特征提取与精准分类。ACF模块增强了模型对全局上下文信息的建模能力，MSDC模块则通过多尺度特征提取与动态显著性调整进一步提升特征表达的丰富性。实验结果表明，SecureViT模型在Malimg、Virus-MNIST和BIG2015数据集上的分类精度分别为97.46%、91.17%和95.49%，且计算开销仅为1.71 GMAC，显著提高了检测性能并有效降低了计算成本。该模型在恶意代码检测中展现了优异的检测精度与低计算复杂度，具备在资源受限环境中的实际应用潜力。

摘要:同步定位与建图（SLAM）是机器人自主导航的关键，然而传统的SLAM系统通常是针对静态环境设计的，当存在动态物体时，动态特征点会造成错误的数据关联从而导致精度和可靠性降低。并且当前的解决方案中依旧存在潜在动态对象无法检测，且动态对象占据主体时所保留的有用特征点不足等问题。为了克服这些限制，提出了一种基于ORB-SLAM2的视觉SLAM系统。首先利用yolov8目标检测提供语义信息，结合深度信息进行深度约束生成动态掩码；然后，基于动态概率进行特征点的四叉树均匀分配，剔除动态特征点的同时保留更多有用特征；最后，利用光流跟踪检测与剔除潜在动态对象上的特征点。其中动态掩码与关键帧结合实现运动分割，构建干净的密集点云地图。在TUM和Bonn数据集下的实验结果表明，相比于ORB-SLAM2，在高度动态场景中平均定位精度提高超过90%，并且在相对静止的场景中表现依旧可靠。此外，在保持实时运行的同时其性能对于当前同类别的先进方法也能有所提升。

摘要:针对反式钙钛矿太阳能电池中MeO-2PACz自组装单分子层因HOMO能级失配导致界面空穴传输势垒等问题，本研究提出一种混合SAM界面工程策略，通过将MeO-2PACz与偶极矩更大的Me-4PACz以特定比例复合，优化氧化镍空穴传输层的能级排列与缺陷钝化能力。实验表明，当Me-4PACz体积占比为10%时，M-SAM/NiOx复合层可显著提升界面电荷提取效率，并诱导钙钛矿薄膜形成致密晶体结构。基于此，所制备的p-i-n结构PSCs实现了1.079 V的开路电压、24.23 mA/cm2的短路电流密度及0.79的填充因子，光电转换效率从18.7%提升至20.76%。

摘要:针对谐振式光学微腔陀螺（RMOG）因环境温度与振动等因素导致的谐振频率漂移问题，本文提出了一种基于FPGA的高精度数字锁频及误差反馈技术研究方案。系统通过FPGA实现双相位调制与频差信号处理，结合20位数模转换器AD5791生成高精度反馈信号，利用PI控制器完成激光器频率对光波导谐振腔的实时追踪锁定，并引入基于误差反馈的实时输出补偿算法动态修正输出环路偏差。实验结果表明，该锁频系统响应时间为17.50 ms，锁频精度达48.51 Hz，显著提升了陀螺系统的动态性能与稳定性。相较于传统16位DAC方案，新系统在响应速度与锁频精度上分别提升了49.28%与72.10%，验证了数字化架构与双相位调制技术在抑制噪声和优化频谱分离中的有效性，为谐振式光学微腔陀螺的实用化提供了可靠的技术支持。

摘要:SAR图像中道路检测，能够实现不同复杂背景条件下不同尺度道路目标的精确判别，在战场监测、目标定位和跟踪等军事和民用领域中，发挥着重大的作用。相较于利用边缘检测或区域分割等方法提取道路的传统方法，目前基于卷积神经网络的方法具有优秀的特征提取能力和准确的分割效果，在道路检测中发挥着越来越重要的作用。然而SAR数据集往往包含多种分辨率图像，道路尺度不一，所需感受野不同，导致目前的方法仍难以解决多尺度道路检测问题。针对上述问题，本文提出了一种基于密集空洞金字塔网络的多尺度道路检测方法。该方法将密集连接与U-net结合，通过渐进式空洞率设计替代传统固定空洞率结构，在编码器中构建密集空洞金字塔模块，逐步扩展感受野以适配不同分辨率道路特征；结合多尺度注意力机制，动态融合浅层细节与深层语义信息，抑制复杂背景干扰，能够增强特征图的提取，提升对于小尺度道路的检测性能。针对高分三号SAR图像数据的试验结果表明,本文提出的网络在1 m、3 m、10 m分辨率下平均交并比达到74.39%、68.01%、66.32%，较对比方法提升2.04%~13.7%。针对于同幅图像中不同尺度道路以及不同分辨率SAR图像中的不同道路，本文所提方法均能有效降低对细小道路的漏检，同时能降低环境干扰带来的虚警，相较于其他方法能够达到最优的道路检测性能。

摘要:车辆目标检测技术在智能驾驶、智能交通和公共安全领域中具有重要意义。然而，真实环境中存在背景干扰、小目标检测难度大以及车辆密集时出现相互遮挡的问题。针对以上问题，提出一种基于边界特征与多尺度特征融合改进YOLOv8的车辆目标检测方法EM-YOLO。首先，设计了一种边界引导的多尺度特征块，以结合边界特征与多尺度特征，用于改进原始的骨干网络，增强抑制背景干扰的能力。其次，特征在网络流动的过程中会出现细节信息的损失，而小目标车辆能够提取到的有效特征较少，加重了细节信息的损失。为此提出细节特征增强块，通过充分结合不同层级的特征，缓解细节信息的损失，进而改善小目标问题。随后，分析了车辆相互遮挡导致检测性能下降的原因，并针对此问题提出了一种检测头。最后，结合PIoU、Focaler-IoU和WIoU，构造了WPF-IoU，以优化训练过程，进而提升检测性能。经实验验证，改进后模型的精度和召回率相比原始模型分别提升了1.9%和4.1%，mAP50和mAP50∶95分别提升了4.4%和3.3%。与其他方法相比，本文提出的方法在各项性能指标上表现更优，具有一定的实际应用价值。

摘要:针对磁瓦轴长、弦长等关键尺寸在检测过程中所面临的检测手段复杂、精度难以保障的难题，本文提出了一种改进LoG-Zernike矩的亚像素边缘检测方法。首先，对采集的磁瓦图像进行预处理，随后采用自适应中值滤波对传统LoG算子进行优化，通过滤波去噪实现像素级的粗定位。接着，利用Zernike模板计算边缘阈值，并通过二维Otsu算法确定最佳阶跃阈值，以确认边缘亚像素点。最后，采用最小二乘法对磁瓦边缘进行拟合。实验结果表明，磁瓦轴长与弦长的相对误差率分别为0.060%、0.018%，误差精度分别控制在±0.01 mm、±0.004 mm之间，单个磁瓦平均检测时间为1.56 s，证实了该方法的有效性与实用性。

摘要:针对X光图像中的骨折、软组织肿胀、骨病变等多类创伤的辅助检测问题，提出一种基于深度卷积神经网络的目标检测算法模型WristXNet。首先设计了多尺度注意力特征聚合模块C2f_MSAF来增强模型对多尺度目标的特征理解能力；其次构建了混合池化空间金字塔模块HPSP来增强对不同类别目标关联特征的提取能力；随后引入动态上采样模块DySample来进一步增强对细粒度特征的捕捉能力；最后设计了具有解耦结构的轻量化检测头LDDHead来提升模型计算效率。在儿童手腕创伤X光图像公开数据集GRAZPEDWRI-DX上的实验结果表明，所提算法针对X光图像中的7类常见目标的平均检测精度mAP取得最高值68.5%，相比现有最优算法提升了1.6%，且模型大小仅为3.3 M，处理效率达到每秒156.9张图像，体现了良好的综合性能。

摘要:风力发电机作为清洁能源系统的核心设备，其表面容易产生各种类型的缺陷，会严重影响设备的运行效率与安全性，因此及时发现并处理其表面缺陷至关重要。针对现有算法存在的漏检、误检以及小目标检测精度不足等问题，本文提出了一种改进YOLOv8的风机表面缺陷检测算法：PSSN-YOLO。该算法首先新增一个小目标检测层，可以为模型提供更多的尺度信息；使用Slim-neck范式作为特征融合网络，提高检测精度的同时减小模型的参数量；在每个检测头前嵌入SE注意力机制，使模型更加关注有用的特征通道，增强在复杂环境中对缺陷的检测能力；最后采用归一化NWD距离改进损失函数，使模型能更好衡量检测任务中边界框之间的相似性。实验结果表明，改进后的算法相比原算法在精确率P、召回率R和mAP50上分别提高1.1%、4.4%和2.6%，在提升检测精度的同时还降低了8.97%的参数量，能够更好地满足风力发电机表面缺陷检测的实际需求。