摘要:本文基于YOLOv8n模型提出了一种改进的电力杆塔部件隐患检测模型CML-YOLO，旨在解决复杂背景下多尺度电力杆塔部件隐患检测模型精度低、参数量多、计算量高、模型权重大的问题，主要应用于破损绝缘子、锈蚀防震锤和鸟巢等隐患目标的检测。首先，设计了C2f-HEFE模块，通过对检测目标边缘信息增强，提升了背景与目标的区分能力。其次，设计了MSFFPN模块，通过多尺度特征融合，增强了模型对多尺度目标的适应性。最后，设计了轻量化LSBDH模块，降低了模型的参数量和计算量。实验结果表明，CML-YOLO相比基线模型YOLOv8n，平均精度提升了4.4%，参数量、计算量和模型权重分别降低了33.9%、20.9%和26.4%。该模型在提升了检测性能的同时，实现了轻量化，在模型检测精度和模型权重方面实现了较好的平衡。

摘要:针对传统人工势场法在多车协同编队避障中易陷入局部最优、路径振荡及目标不可达等问题，本文提出一种改进型人工势场法。通过限定引力势场的最小势能、在斥力势场中引入欧氏距离、构建道路边界斥力势场及非线性编队稳定力势场，优化了引力和斥力的动态平衡机制，提升了编队的避障能力和行驶稳定性。数值仿真结果表明，针对三角形编队避障场景，改进算法将到达时间缩短至22.3 s（较传统方法减少37.7%），路径总长度缩短23.2%（55.7 m），编队恢复时间降低至2.5 s（缩短61.5%），且避免了局部最优问题，目标不可达率从25%降至2%。实物模型实验进一步验证了算法在动态环境中的鲁棒性，编队在避障后能快速恢复三角形队形。本文方法为多车协同避障提供了高效、稳定的解决方案，对智能交通系统具有重要应用价值。

摘要:针对在线监测设备在输电线路巡检中的续航不足、维护成本高以及巡检频次不足等问题，本文设计使用一种U型三线圈无线供电系统同时提出一种基于遗传算法的参数设计优化方法，以实现110 kV中远距离输电杆塔在线监测设备无线供电。在此基础上首先构建U型三线圈无线电能传输系统的电路模型，推导出输出功率、传输效率与负载阻抗、线圈互感、耦合系数之间的关系式，然后通过遗传算法对相关参数进行优化并得到最优解及其对应的参数值。最后根据仿真数据参数搭建实验平台，实验结果表明U型三线圈输电杆塔在线监测设备无线供电系统在380 kHz的工作频率及1.2 m传输距离下，系统输出功率达到81.19 W，验证了其能够满足在线监测设备的供能需求。

摘要:针对自然环境中番茄叶病害检测识别精度低、效果差的问题，提出了一种基于优化YOLOv8的番茄叶病害检测模型——GDDL-YOLOv8n。该模型通过采用GhostHGNetV2改进原有的主干网络，C2f-DWR-DRB改进颈部网络特征融合，并创新性地引入LSCG检测头，成功实现了模型的轻量化与高精度的检测效果。实验结果表明，GDDL-YOLOv8n模型在参数数量上下降了49.13%，计算量减少了37.04%，模型内存占用量降低了46.67%，同时保持了高精度的检测性能，mAP@0.5达到了98.4%，mAP@0.5-0.95达到了92.3%。此外本研究还开发了一个基于PyQt5的用户友好界面系统，支持图片、视频检测以及摄像头实时跟踪识别功能，农业智能化管理和番茄叶部病害识别技术得到了显著增强，模型更为轻量化极大地促进了这些技术在实际生产中的应用。

摘要:流式细胞术是一种广泛应用于生命科学研究和临床诊断的高通量检测技术，然而传统流式细胞仪在面对复杂的数据维度和噪声干扰严重的情况下表现不佳，为了提高流式细胞术处理多参数，高维数据的能力，同时保证数据的及时性和准确性，提出了一套智能流式细胞分析系统。该系统涵盖流式细胞系统硬件设备设计、流式细胞系统软件设计和智能流式细胞分析系统算法设计。硬件层面设计了一个基于FPGA和ARM协同工作的实时数据采集系统，软件层面构建了一个嵌入式Linux架构，提出了一套预处理、解析、和批次归一化方法，在流式数据智能分析层面中，引入自组织映射算法进行数据降维，结合深度学习领域的改进残差网络，构建了一种SE-ResNet-50深度卷积神经网络模型。实验表明，SE-ResNet-50模型与原模型ResNet-50相比，总体准确率提升了4%，精确率提升了3.8%。通过SOM与SE-ResNet-50的协同工作流程，有效地处理流式细胞仪采集的大量高维数据。实验结果证明了该方法的优越性。

摘要:随着轨道交通的快速发展，轨道缺陷检测成为保障安全的关键。本文系统综述了常见轨道缺陷类型，如钢轨的疲劳裂纹、灼伤、扣件松动等。详细介绍了超声波、涡流、漏磁、机器视觉等检测技术及其原理、应用与进展，涵盖常规超声、相控阵超声、激光超声、超声导波等多种超声检测衍生方法，以及涡流检测在抑制趋肤效应、结合热成像等方面的创新，漏磁检测在信号处理和新型提离层等方面的改进，机器视觉检测中传统图像处理与深度学习方法的特点。同时阐述了多源信息融合技术在轨道缺陷检测中的应用成果，如利用多技术采集数据结合深度学习模型进行缺陷识别定位，最后分析了多源技术融合面临的挑战并对未来研究方向提出建议，为轨道缺陷检测技术发展提供全面参考。

摘要:针对越障时机器人各关节频繁启停引起机械臂运动不平稳、易与线路金具发生碰撞的问题，本文提出融合七次非均匀B样条曲线的无碰撞抓线越障轨迹规划方法。首先，建立机器人越障模型，描述其行走轮组件位姿与关节空间坐标间的映射关系，结合越障原理求取其关节空间的无碰撞区域，制定无碰撞中间路径点选取原则；其次，采用七次非均匀B样条曲线拟合中间路径点，构造高阶连续、边界可控的无碰撞越障轨迹；最后，利用Adams/Matlab软件联合仿真，结合NSGA-II求取机械臂末端时间与冲击最优越障轨迹。结果表明，越障抓线过程中机器人能避免与线路金具发生碰撞，且各关节的加速度与急动度变化曲线没有尖点和突变，相对于直线多项式曲线混合轨迹插值方法，其伸缩关节加速度、急动度与轨迹平均急动度分别减少了18.1%、83.01%与78.32%，机器人运动更为平稳，提升了其越障过程的安全性。

摘要:本文针对井下复杂工况下油水两相的流量测量问题，开发了一种基于声速补偿的超声多普勒流量计。通过建立基于多普勒效应的一维流速剖面测量模型和基于脉冲回波强度的声速测量模型，并结合分层积分原理构建了声速补偿的流量测量模型,以实现流速剖面的自适应重构和流量的高精度测量。在此基础上，设计了适用于井下高温高压环境的超声波换能器及高速激励接收控制板，并利用数字信号处理技术实现了流量的在线解调。同时，为保障井下高温高压条件下的可靠工作，对测量管段进行了结构与密封设计。最终形成了井下流量测试样机。实验结果表明，该流量测量模块在实验室环境下的测量误差小于1%，且能够快速响应流体波动，能够在井下125℃和60 MPa的极端条件下稳定工作。该技术应用于渤海油田矿场油井，实测流量误差小于3%。未来智能油田井下测调场景，本技术可广泛接入智能化测控系统，为智能油田建设提供技术支持。

摘要:由于光伏发电的波动性和随机性，传统模型难以对其进行准确预测。针对这一问题，在聚类的基础上建立一种自适应权重的CNN-LSTM网络模型。首先，对光伏电站历史数据进行预处理，并采用基于肘部法的K-means算法进行聚类；其次，根据同聚类簇的训练样本与对应测试样本的特征中心间的距离建立自适应权重；然后，根据聚类结果和自适应权重建立适用于不同聚类类别的AW-CNN-LSTM网络模型，其中，CNN用于捕获不同特征间的关系，LSTM用于捕获时序特征；最后对各模型预测结果进行整合得到最终预测结果。在澳大利亚沙漠太阳能研究中心的光伏电站数据集上进行试验，证明了本文所提方法的有效性。

摘要:针对现代工业系统大多关注其预测性能而很少同时考虑设备维护决策问题，提出一种数据驱动的动态预测性维护方法，以避免系统因故障突然停机，确保系统安全运行。首先，通过对涡扇发动机的健康状态进行实时监控，获取运行数据，以此建立基于注意力机制结合卷积-双向门控循环单元的涡扇发动机剩余使用寿命模型，利用黑鹰优化算法对该模型的超参数进行调优；其次，将监测数据输入训练好的集成网络，并根据预测的剩余使用寿命，提出一种具有不确定系统任务周期的动态预测性维护策略；最后，以C-MAPSS数据集为例，验证本文所提方法能够提高设备预测性能，预测后维护效果良好。

摘要:针对无人机航拍图像检测任务中，存在目标尺寸微小且背景环境复杂，往往会导致漏检和误检的问题，本文提出了一种基于YOLOv11的航拍图像小目标检测算法WT-YOLO。首先，考虑到无人机航拍图像普遍为小目标的问题，调整了YOLOv11颈部网络的结构，改变了输出特征图的尺寸，提高了算法对小目标的检测能力。其次，结合WTConv，重新设计了Bottleneck和C3k2模块的结构，命名为C3k2-WT，来实现特征的高效提取。再次，引入Focal-Modulation来替换SPPF，通过在不同的空间尺度上聚焦和调制特征，使得模型在处理复杂场景时更具鲁棒性；最后，设计了共享卷积检测头，通过卷积共享机制，减少了模型的参数量，同时增强了特征图之间的全局信息融合能力。改进后的算法在VisDrone2019数据集上的实验表明，相较于基础YOLOv11s模型，准确率（P）、召回率（R）和检测精度(mAP50）分别提升了5.6%，5.9%和7.5%，并且参数量下降了约1/4，对比其他算法表现出了良好的性能。

摘要:针对细粒度图像背景信息对目标区域干扰以及目标最具判别区域特征难以辨识的问题，本文提出了一种基于改进的CVT细粒度图像识别算法研究。首先，在CVT模型中引入目标区域定位模块，该模块通过多层次的特征聚合方法提取目标区域的特征，并通过阈值判定方式进行目标区域的确定，之后对原始图像进行等比例裁剪，以减少背景信息的干扰。其次，提出了MDCSAIA机制，采用维度转换的方法，促进通道位置相邻的空间信息和空间位置相邻的通道信息间的有效交互，从而增强网络对目标局部细节区域的感知能力。实验结果表明，与基线算法相比，该方法在CUB-200-2011、Stanford Cars和Stanford Dogs三个数据集上的识别准确率分别提高了2.1%、1.7%和1.5%。此结果验证了所提方法的有效性。

摘要:在绿色柔性作业车间(GFJSP)中，生产过程复杂导致生产效率低下，有效调度自动导引车(AGV)运输可以确保生产效率，又能保证成本控制。本文提出了多步深度多Q网络算法(multi-step D4QN)用于处理绿色车间与AGV调度。该方法首先通过马尔科夫决策过程(MDP)设计一个可以提供AGV与车间进行交互的数学框架，通过状态特征、动作空间、奖励函数实时调整决策从而实现作业与AGV调度。其次设计针对训练决策的算法进行优化改进，通过改进Q值的计算方式以及深度网络的训练得到合适解。最后进行两种验证算法学习性能的实验。第1种实验为单目标柔性作业车间调度，以最小化完工时间为目标，通过算法对Brandimarte算例和Kacem算例训练并将实验结果进行多算法对比，结果表明算法的平均时间比其他深度学习算法缩短了5.1~17.2 s，平均最优差比率减少了7.5%~21%，证明了算法的优越性和稳定性。第2种实验为多目标车间中AGV调度实验，以最小化完工时间和AGV能耗为目标，在MK01算例上计算AGV最优数量，实验表明4台AGV相较于其他数量标准化指数提升了3%~31.8%，证明其能够更好的实现车间降本增效的效果。

摘要:目前数控机床轴承座缺陷检测主要依赖人工目检，无法满足工业生产高精度、高效率和低错误率的要求。针对以上问题，提出基于改进YOLOv5s的数控机床轴承座缺陷检测算法。首先以HardSwish激活函数替换ConvNeXtv2中的GELU，并结合CSC模块提出全新CSCConvNeXtv2-HS结构，用以替换backbone网络C3模块，在降低计算复杂度的同时提升关键信息的特征提取能力；在Neck网络中引入尺度序列特征融合模块，提升模型对多通道信息的提取能力；最后采用Focal-Inner Loss损失函数，在提高训练收敛速度的同时，降低了类别分布不平衡带来的影响。实验表明，改进模型的准确率为91.09%，召回率为81.97%，平均精度均值为84.40%，处理速度为61.73 fps，各项评估指标较原始模型YOLOv5s分别提升2.52%、4.47%、6.7%和1.12 fps，能满足工业生产需求。

摘要:针对航拍图像中小目标检测存在的精度不足和检测困难等问题，提出了YOLOv8s的改进型小目标检测方法，即YOLOv8-ERD。首先，利用Efficient Neck方法对YOLOv8s的Neck部分进行改进，有效整合了高层语义特征与低层空间信息；接着，引入感受野注意力卷积RFAConv，通过增强感受野中关键特征的权重，进一步提升特征提取能力；随后，采用经过动态卷积DynamicConv改进的DyC2f模块替换C2f，不仅能减少计算量，还能提升模型性能；最后，增设一个小目标检测层，有效增强了模型对小目标的检测能力。实验结果表明，在Visdrone2019公开数据集上，与基准模型YOLOv8s相比，YOLOv8-ERD的mAP@0.5提高了5.0%，准确率P提高了4.0%，并且在与其他主流目标检测方法的比较中表现优异。

摘要:针对现有PCB缺陷检测方法存在漏检率高、泛化性差且难以兼顾检测精度和速度的平衡问题，本文提出了一种基于改进YOLOv8n模型的PCB缺陷检测算法YOLOv8-CSM。首先，在主干网络末尾添加一个CoordAtt注意力模块，抑制复杂背景对PCB缺陷区域的影响以提高模型的检测精度;其次，在检测头中引入3个SEAM模块扩大模型感受野，提高模型对微小缺陷的识别的能力以降低漏检率;最后，使用MPDIoU替代传统的CIoU损失，优化边界框的回归效果并提高模型的收敛速度。实验数据表明，YOLOv8-CSM能更好的兼顾检测精度与速度的平衡且泛化性更强，与基础模型相比Recall、Precision、mAP50、FPS分别提高了4.3%、1.8%、2.7%、42.76，显著提高了模型在PCB缺陷检测任务中的性能。

摘要:在卷烟生产质量控制中，四类烟丝（叶丝、梗丝、膨胀烟丝、再造烟丝）掺配比例的精准检测已成为关键环节。针对烟丝因微小形态差异和普遍存在的重叠分布导致的检测难题，本研究提出基于改进YOLOv8的快速重叠烟丝分割算法。通过重构主干网络为Res2Net架构增强微小复杂特征提取能力，并在颈部网络嵌入ContextGuidedBlock（CGB）模块以提升重叠区域边界识别精度。实验表明，改进模型在保持67 fps实时处理速度下，取得mAP50(86.5%)、mAP50-95(67.8%)和召回率(81.9%)的显著提升，并通过消融实验与主流分割网络对比充分验证了模型改进的有效性和性能优势。该算法在提高分割精度的同时提高了模型的分割帧率，能更好适用于实际生产线中。

摘要:血细胞检测是临床诊断中的重要任务，尤其在面对细胞类型多样、尺寸差异显著、目标重叠频繁以及复杂背景时，现有检测模型的精度和鲁棒性仍面临挑战。为解决这些问题，本文提出了一种改进的YOLOv8目标检测模型——YOLO-BioFusion。该模型通过引入ACFN模块，提高了对细小目标和重叠目标的检测能力；应用C2f-DPE和SPPF-LSK模块增强了多尺度特征的融合与提取，提升了模型的鲁棒性和泛化能力；同时，采用Inner-CIoU损失函数加速了模型收敛并提高了定位精度。实验结果表明，在BCCD数据集上，YOLO-BioFusion的mAP@0.5为94.0%，mAP@0.5:0.95为65.2%，分别较YOLOv8-n提高了1.9%和3.2%。与此同时，计算成本仅为6.8 GFLOPs，展示了其在资源受限环境中的应用潜力。该研究为复杂背景下的血细胞检测提供了一种高效且精确的解决方案。

摘要:精密测量技术在生物医学阻抗分析、电化学、电力传输、射频天线分析等诸多分析仪器领域，一直作为核心技术而存在。现代的精密测量仪器中，阻容的数量动辄成百上千，并且对其阻抗参数要求极为严苛，所使用的阻容质量以及其自身阻抗值的稳定度是影响电子系统性能的一个重要因素，因此精密阻容测量成为诸多电子系统设计中重要的一环。在这一背景下，本文提出一种以硬件正交锁相结构为核心的高精度阻容分析仪。该设计以硬件正交鉴相为核心，围绕该部分设计了正交频率发生器、I-V转换调节模块、Sallen-Key滤波器等硬件结构，同时设计了用于模块控制与驱动、任务分配与调度以及数据采集与处理的单片机系统。最后对系统关键部件及实物整机进行性能测试，实现了对阻容的判断以及阻抗值的测量。经过系统实际测试并与标准电桥测试进行比对，该系统对于电阻测量误差的均值为0.032 4%，对于电容测量误差的均值为0.054 7%。并且在实现较低的测量误差的同时，保证了整体系统的小体积以及便携性，最终使设计达到预期目标。