摘要:针对复杂堆叠零件因遮挡导致的检测精度下降问题，提出了多维度协作注意力（MCA）机制与加权特征融合的改进型YOLO11目标检测算法YOLO11-MBM。该算法通过三重协同优化提升遮挡鲁棒性：首先，在骨干网络的C3k2模块中引入多维度协作注意力机制，融合通道、空间与尺度注意力，增强纹理相似零件的区分能力，有效抑制纹理混淆性误检；其次，在特征融合网络中设计加权特征融合架构BiFPN-SFF-Concat，通过双向特征交互与尺度敏感特征动态筛选加权策略，强化遮挡场景下的特征互补与细节表征，降低遮挡性漏检；最后，采用最小点距离交并比（MPDIoU）作为损失函数，提升定位精度与收敛速度。采用百度飞桨工业零件扩展数据集验证表明，YOLO11-MBM在保持实时推理速度（V100 GPU达110 fps）与轻量化设计（参数量仅增1.1×106）的同时，检测精度mAP50达到了87.8%，较基准提升了6%；mAP50:95达到了58.0%，较基准提升了9%。研究结果验证了其在复杂工业检测场景中的实用价值，为智能制造的视觉检测系统提供了可行的技术方案。

摘要:针对煤矿井下底板诱灾水体连续监测的实际需求，设计了一种基于STM32的矿用本安型电法分布式监测系统。高密度电阻率法具备高分辨率、结果直观且支持连续监测的技术优势，常用于监测煤矿井下底板突水情况，STM32具有丰富的外设接口，而且其低功耗和可编程程度高等特点契合本安化电法系统设计。以本安化为核心前提，进行电法监测系统的主机和电极转换器的设计。主机负责发射和采集，主要部分为STM32控制芯片、H桥稳压发射电路以及ADS1256采集传输电路。电极转换器主要负责电极状态切换，主要部分为STM32控制芯片以及固态继电器阵列电路。最后通过实验来验证仪器系统的稳定性与准确性，结果表明，该电法系统符合本安标准且能够准确获取电性信息，正确反映地质结构。

摘要:为解决复杂室内环境中多路径效应和信号遮挡导致的WiFi定位精度下降问题，提出一种融合卷积神经网络（CNN）与双向长短期记忆网络（BiLSTM）的信号强度指示（RSSI）指纹定位算法。该方法结合CNN的空间特征提取能力与BiLSTM的时间序列建模优势，实现对RSSI信号的时空特征深度融合。通过MATLAB仿真，与CNN、CNN-LSTM、线性回归（LR）、KNN、随机森林（RF）、梯度提升决策树（GBDT）和支持向量机（SVM）等方法进行对比。实验结果表明，算法在随机点定位测试中性能最优：平均误差降低52.1%，最大误差降低53.2%，标准差降低55.6%。进一步的Monte Carlo随机轨迹验证表明，CNN-BiLSTM在连续定位中具有更高精度与鲁棒性。研究结果证明该模型能有效抑制RSSI信号波动，为复杂室内环境下的高精度WiFi指纹定位提供可行方案。

摘要:空间惯性传感器检验质量电荷管理系统需要高频脉冲驱动紫外（UV）LED以控制检验质量表面电荷量，而目前多数电荷管理系统中使用的传统Howland电流源在高频方波驱动场景下面临输出阻抗衰减、带宽受限及稳定性不足等技术瓶颈，制约了电荷精准控制技术的进一步发展，进而影响空间探测任务的正常进行。针对空间惯性传感器电荷管理系统中紫外LED的高频脉冲驱动难题，提出一种双缓冲负载内含型Howland（DB-LIH）电流源方案，通过设计双缓冲Howland（DBH）电流源，利用双电压跟随器隔离反馈路径电流，结合0.01%匹配精度的精密电阻网络LT5400抑制电阻失配效应，将负载纳入反馈回路以阻断杂散电容电流路径，进而构成负载内含型架构DB-LIH电流源，并进行了仿真和实际测试。仿真测试结果显示，该电流源电路使输出杂散电容引起的输出电流平坦系数(FF)从DBH电流源的18%降至DB-LIH电流源的0.03%，且频率带宽可达1 MHz。实际测试结果表明，所设计的电流源在0.05~50 mA动态范围内输出准确度优于4.27%，分辨率偏差小于1.67%，1 mHz~1 Hz频带相对幅度稳定性达0.01 Hz-1/2量级。本研究有效解决了高频恒流场景下脉冲驱动电流源的精度与稳定性问题，显著提升高频恒流性能，满足空间引力波探测任务对电荷管理系统的严苛要求。

摘要:配电网线缆混合点、分支线众多，易导致故障行波幅值衰减过大而使行波测距装置无法启动。针对该问题，提出了一种考虑行波传输衰减的全区段可靠定位的行波测距装置布点方法。以配电网接地故障为例，从接地故障的初始电压行波定量计算出发，分别对架空-电缆混合连接点、多分支T节点对行波传输衰减影响进行了定量分析；通过构建既定拓扑配电网络故障行波传播有向衰减矩阵，由此基于装置检测行波阈值实现双端行波测距下的不可测线路判定；进一步地，基于不可测线路中故障行波传输范围，以增配装置最小化为目标选择节点增配装置。实验结果表明，该布点方法综合考虑了多种因素对故障行波幅值的影响，保证了全网络线路行波测距的可靠性。

摘要:针对机器人在有序抓取过程中，由于料盘机械加工误差、放置定位误差和机器人绝对定位精度偏差而引起的抓取点位出现偏差的问题，提出了一种基于随机样本一致算法（RANSAC）改进广义迭代最近点（GICP）点云配准算法的四点透视纠偏方法。首先通过点云处理技术提取定位孔轮廓和初始圆心坐标，并利用改进的GICP点云配准算法提取准确圆心坐标；其次，利用透视变换矩阵在料盘上每个抓取点进行纠偏；最后，控制机器人根据纠正后的点位进行抓取。实验结果显示：在点云配准方面，提取圆心的偏差最大值区间从［1.5 mm,2.8 mm］下降至［1.2 mm,1.6 mm］；在点位纠偏方面，四点透视纠偏将不同抓取点位XY方向上的最大偏差从3.1 mm降至1.1 mm。并且在满载料盘上工件抓取实验中，XY方向上最大偏差为1.0 mm。综上所述，本文提出的方法可以有效纠正工件抓取点位，提高抓取成功率和可靠性，满足实际生产需求。

摘要:场源边界识别是位场数据解释必不可少的任务，归一化磁源强度（NSS）因不受磁化方向影响而成为磁数据解释的主要方法。针对近场边界识别，单磁源及多磁源边界识别效果发散，以及多磁源边界识别时，磁源间相互耦合，且探测距离较远的磁源难以识别出其几何边界的问题。提出了一种新的磁性目标边界识别方法，在倾斜角边界识别方法中使用二阶偏导数并引入NSS，并将其应用于单个长方体磁源和3个长方体磁源相同平面以及深浅异常的边界识别中。仿真结果表明，所提方法不仅发挥了NSS可以减少磁源间耦合影响和倾斜角对埋深不敏感的优势，而且使用二阶偏导数使得识别出的磁源边界更加收敛。

摘要:模块化多电平矩阵变换器（M3C）因其模块化结构、高可靠性及优越的电能质量，在大型电机驱动、风电并网等中高压大功率场合应用前景广阔。然而，传统级联控制策略中外环比例-积分（PI）控制器响应速度有限，内环PI控制器对系统参数摄动与外部干扰的鲁棒性不足，制约了M3C在复杂工况下的动态性能。为解决上述问题，提出了一种基于内环鲁棒反演滑模控制的M3C级联控制策略。该策略保留外环PI控制以保证功率指令的稳态无差跟踪，核心创新在于内环采用鲁棒反演滑模控制，通过反演法递归设计控制律并引入滑模项，有效集成了精确线性化与强抗扰能力。基于李雅普诺夫稳定性理论严格证明了闭环系统的全局渐近稳定。MATLAB/Simulink仿真结果表明，与传统双PI级联控制相比，本文所提策略在负载突变及电网电压不对称等暂态工况下，具有更快的动态响应速度、更小的超调以及更强的参数鲁棒性，显著提升了系统的控制品质。

摘要:针对多输入多输出-正交时频空间（MIMO-OTFS）系统在高速移动场景下存在多径干扰、传统检测算法复杂度高且性能不稳定的问题，提出了一种基于低复杂度最小均方误差（MMSE）和K-Best联合优化的MIMO-OTFS系统检测算法（CG-MMSE-ADK-Best）。首先引入共轭梯度（CG）算法迭代求解MMSE矩阵方程，避免直接求逆以降低计算开销；其次，将CG-MMSE与K-Best检测结合优化，并改进传统K-Best算法的固定路径数策略，提出动态K值算法进一步优化复杂度；最后，通过仿真实验验证算法性能，仿真结果显示，在4-QAM调制、路径数K=8且信噪比（SNR）为20 dB时，所提算法较传统K-Best算法误码率（BER）性能提高45.9%；在结合动态路径数的算法后较固定路径数算法BER曲线基本吻合，却因路径数的减少显著降低计算复杂度。所提算法在同路径数下可提升BER性能，在同BER下可降低计算复杂度，有效解决了传统算法复杂度高、性能不稳定的问题，为大规模 MIMO-OTFS系统在高速移动场景中的应用提供技术支撑。

摘要:提出了一种针对受采样约束影响的四旋翼指定时间自适应输出反馈控制方案。首先，基于不变流形原理，开发了一种高效的基于滤波器的未知系统动态估计器（USED）用于总体不确定性估计。其设计引入了可变阈值事件触发状态观测器，以替代实际的速度测量值，从而在低计算成本下保持估计准确性。其次，考虑到四旋翼对响应速度的严格要求，设计了指定时间漏斗控制（ATFC）方案，确保位移误差在预定时间内收敛，并约束误差边界，提升系统瞬态和稳态性能。最后，通过李雅普诺夫分析理论证明了闭环系统的稳定性，并通过仿真结果验证了所提方法的有效性和优越性。

摘要:针对航空发动机转子叶片X射线图像中噪声多、边缘较模糊等问题，提出了一种噪声自注意力（NSA）双解码器图像降噪网络，能有效提升图像质量。本研究的网络在编码器和解码器之间引入噪声自注意力机制，增强了网络在噪声干扰下对图像特征的感知能力。网络采用双解码器结构，分别对图像进行降噪和边缘保持，并利用可学习门控融合机制整合双解码器的输出，使网络最终的结果同时抑制了噪声并保持了叶片的边缘结构。实验结果表明，所提方法对转子叶片X射线图像降噪的视觉效果均优于对比算法，峰值信噪比（PSNR）和结构相似性（SSIM）分别达到33.26 dB和0.883 7，证明了所提方法的有效性，为航空发动机叶片检测提供了可靠的X射线图像降噪方案。

摘要:针对无人机航拍影像中目标尺度多变、背景复杂所导致的小目标检测精度偏低和误检、漏检等问题，提出了一种基于RT-DETR改进的算法CSFF-DETR。首先，在主干网络中设计上下文感知增强模块来提升主干网络对小目标特征的提取能力并抑制复杂背景干扰；其次，在颈部网络中通过引入高分辨率P2特征层和设计跨尺度特征融合模块来实现不同尺度特征间的高效交互进而提高模型对小目标的检测能力；最后，设计多路径融合下采样模块来强化模型对小目标细节特征的保留与提取。在VisDrone2019、Tinyperson以及UAVVaste数据集上的实验表明，CSFF-DETR相较于基准模型RT-DETR，mAP50分别提升3.6%、1.0%、2.8%；mAP50.95分别提升3.0%、1.1%、1.6%，同时参数量降低40.7%，满足了无人机平台对检测精度和轻量化的需求。

摘要:为提升光伏电池缺陷检测在多类别、小目标等复杂场景下的准确性，基于RT-DETR提出了一种轻量化改进模型。首先，设计了一种轻量化的双路特征提取模块用于替代ResNet的基本模块，在减少模型参数的同时，使得模型具备局部与全局特征建模能力；其次，将基于注意力的同尺度交互模块（AIFI)中的多头注意力模块进行改良，删除部分注意力头，对剩下的注意力头进行线性变换，以缓解多头注意力机制中的冗余问题；最后，将网络中的卷积下采样模块替换为一种基于小波变换的下采样模块，改善下采样过程中存在的边缘信息丢失问题。实验结果表明，改进后的模型参数量相较原模型下降了47.3%，计算量下降了39.7%。在私有数据集上，改进模型的精确率、召回率、mAP@50相较基准模型分别提高了2.2%、4.1%、2.4%，这验证了改进模型的有效性；在公开数据集PVEL-AD上进行泛化性实验，改进模型的mAP@50达到了70.6%，比基准模型高6.3%，初步验证了其在未见数据上的泛化能力。

摘要:冯·诺伊曼式体系中感知与计算的物理分离导致大量数据在存储与处理单元间搬运，带来高延时与能耗，制约了边缘视觉应用的发展。为降低数据传输开销并提升前端计算效率，提出了一种基于光电忆阻器阵列与卷积神经网络（CNN）的混合识别方案，用于64×64手写字母的低带宽特征采集与分类。利用两组4k光电忆阻器阵列分别沿行、列方向对图像进行并行一维卷积压缩，得到两路64维特征并拼接为128维联合特征；在后端采用轻量级CNN并结合混合精度量化。实验结果显示，行列联合特征在未量化时可稳定达到约91%~93%的识别率，量化并微调后模型峰值识别率约为88.8%。

摘要:基于坐标输入的物理信息神经网络在声场重建中易受频谱偏差制约，难以准确表征声场的高频成分。本研究将有限声压数据条件下的声场重建视为图像修复问题，提出一种具备傅里叶特征的位置编码物理信息神经网络。该方法不仅将Helmholtz方程嵌入损失函数以施加物理约束，还通过多频率的正弦以及余弦函数对空间坐标进行高维映射，从而有效调控神经网络对声场在空间尺度上不同频率成分的表征能力。仿真结果表明，与基于坐标的物理信息神经网络方法相比，所提方法的重建误差降低超过10 dB，且迭代次数仅为前者的25%。扬声器实验进一步验证了所提方法在实际声场重建中的有效性。

摘要:传统事件相关电位（ERP）研究中，由于各个成分的潜伏时间和作用机理不同，通常仅聚焦于某个特定的特征进行信号提取分析，导致对特征间的联合作用研究不够，使得人脑处理视觉刺激的整体性机理认知不足。因此，为解决此问题，选取P1、N170和P3作为ERP实验的3个目标成分，提出一种基于动态权重分配的ERP特征提取与融合策略。首先对数据进行时频域处理，使各特征数据段在时域上保持维度相同；然后采用随机森林算法评估各被试在不同实验范式下各成分的基尼重要性，并对各成分数据段进行动态权重赋值，构建多成分融合特征；最后基于卷积神经网络对融合数据进行分类，以验证该融合特征显著的分类效果。实验结果表明，在Face Perception N170与Active Visual Oddball P3两个数据集下分类准确率分别达到96.4%和92.4%，比未融合特征提升了11.6%和10.2%，比等权融合提升了8.4%和5.3%，比引入注意力机制的融合特征更有效，证明了所提出的加权特征融合方法能够强化相关成分信号，提高分类准确率，为人脑处理视觉刺激整体过程的研究提供了新思路。

摘要:动态称重系统的测量精度易受多因素耦合影响，导致系统误差显著。本研究针对传统石英传感器内各个石英片的个体响应易被整体信号所掩盖，难以对传感器内部的误差传播机制进行深入分析，从而导致难以对动态称重系统精度进行有效补偿的问题，设计并实现了16通道石英片独立同步采集系统，包括石英称重传感器、电荷放大器、同步采集装置，使得原本连接在一起的16个石英片能够单独进行信号采集与分析。基于此实验平台，提出了一种多源误差解耦与传播模型。通过自适应加权融合算法对信号进行重构，然后利用蚁群算法优化BP神经网络，显著提高了动态称重系统的精度和鲁棒性。实验结果表明，相较于传统模型其平均相对误差从4.01%降低到了1.81%，最大相对误差从10.26%降低到了2.22%。为高精度动态称重技术提供了新的理论和实践参考。

摘要:针对现有钢材表面缺陷检测算法在资源消耗、检测精度上难以平衡的问题，提出一种基于YOLO11s改进的轻量级钢材缺陷检测算法（EEC-YOLO）。首先采用ADown下采样模块，缓解细粒度信息丢失的同时实现模型轻量化；其次，设计了一种新颖的跨通道交互的高效率注意力（EPCA），并嵌入YOLO11s主干网络中，从频域维度强化多尺度缺陷特征提取，减少特征信息缺失；最后，设计增强型筛选特征金字塔网络（ES-FPN），通过使用增强局部注意力（ELA）机制与组归一化优化特征选择与融合效果，对 YOLO11s 的特征融合网络进行重构，提升模型对小目标的关注和检测能力。在NEU-DET数据集上，较YOLO11s的mAP@0.5提升3%，达到79.8%，参数量降低45.1%，计算量降低30.5%；在GC10-DET数据集上，mAP@0.5提升3.2%，达到65.6%，参数量降低45.0%，计算量降低30.2%。该算法实现了检测精度、计算成本与效率的良好平衡，为边缘终端设备的工业落地提供有力支持。

摘要:针对大部分视觉同步定位与建图（SLAM）在室内动态场景下定位精度及鲁棒性不足的问题，提出了基于Photo-SLAM算法框架改进的实时语义SLAM可视化系统。首先在原有算法框架中添加轻量级语义分割网络，针对图像中的动态物体特征进行剔除；同时增加掩膜边缘自适应膨胀方法，剔除由于语义分割边缘识别不足导致的动态特征残留点，进一步提高系统在动态环境中的定位精度。其次，在三维高斯溅射过程中引入语义信息，去除动态物体部分的高斯体，构建静态、平滑且连续的3D高斯地图。最后，在Photo-SLAM算法框架中添加稠密点云建图线程，根据语义信息与关键帧构建静态背景的稠密点云地图，并添加多种滤波方法进一步剔除离群点对点云地图的影响。在TUM数据集上进行的实验结果表明，相较于Photo-SLAM算法，改进后算法在低动态场景下的定位精度提升40%以上，在高动态场景下提升93%以上。与其他动态SLAM算法相比，算法在大部分场景下拥有更高的定位精度，且更具实时性，同时还可以创建去除动态物体干扰后的3D高斯地图以及稠密点云地图，实现静态背景的可视化。

摘要:交通标志的自动检测对于提升自动驾驶车辆的环境感知鲁棒性至关重要。在实际环境中，交通标志常常受到遮挡，其检测面临背景环境复杂、目标尺度小以及标志信息不完整造成检测性能下降的问题。针对被遮挡交通标志在复杂背景下易与环境混淆的问题，提出一种基于颜色相关图的特征提取方法C2f_color，充分利用交通标志具有鲜明、稳定的颜色特征，以增强其在复杂场景下的可区分性；针对交通标志在图像中占比较小和分辨率有限的问题，提出一种融合自集成多尺度注意力机制（SEAM）的特征增强模块C2SEAM，通过多尺度特征提取增强遮挡交通标志的特征表征能力，以提升对小占比目标和低分辨率样本的检测精度；针对交通标志被遮挡后标志信息不完整的问题，提出采用上下文混合卷积（ContMix），通过融合更多上下文信息来补充缺失特征，以完善遮挡交通标志的表征。在CCTSDB公开数据集和自制复杂环境遮挡交通标志数据集 (TSOCC)上的mAP@0.5相较于基准模型分别提升8.4%和3.5%，P分别提升0.9%和6.2%。

摘要:为解决现有图像修复方法在修复破损壁画时存在上下文信息关注不足、图像模糊和纹理不一致等问题，提出了一种学习纹理一致性与连续性的壁画修复方法(LTCC-MIM)。以掩码自编码器理论为基础，首先采用Transformer架构的图像修复网络来融合图像的局部特征与全局上下文信息，增强图像各部分之间的相互关系和整体结构的理解能力。其次设计上下文特征增强模块（CFEM），实现区域联合学习和多尺度特征聚合，强化局部纹理连续性并生成精细的图像细节，缓解图像模糊。最后引入结构相似度（SSIM）作为约束有效关注壁画的纹理特性，以此约束学习过程，解决纹理不一致问题，优化修复效果。对真实壁画进行数字化修复的实验结果表明，所提出的方法在主客观评价方面均优于比较方法，其中峰值信噪比（PSNR）值平均提升了2~8 dB，SSIM平均提升了2%~10%，感知相似度（LPIPS）平均下降了2%~9%，FID分数平均下降了1~5。

摘要:针对小目标交通标志检测中存在的特征表达能力不足、复杂背景干扰强、定位精度低等问题，提出了一种改进YOLOv11的多尺度特征增强算法TSD-YOLOs。通过异构部分卷积和跨尺度特征融合结构设计CSP-MSFPF模块，有效增强小目标的特征表达能力；在网络颈部构建前景增强特征金字塔网络FE-FPN，通过上下文关联与前景增强机制突出关键目标，抑制复杂背景干扰；采用Haar小波下采样保留高频细节并降低计算开销，缓解小目标特征在下采样过程中的损失；引入WIoU v3损失函数，通过动态调节梯度权重优化正负样本分布，提升模型的定位精度；使用基于LAMP分数的通道剪枝策略对改进后的模型进行压缩，在保证检测性能的同时显著降低模型复杂度与计算量。实验结果表明，相较于基线模型，TSD-YOLOs在TT100k数据集上mAP50、mAP50:95分别提升2.6%、2.1%，检测速率达242 fps；在CCTSDB数据集上mAP50、mAP50:95分别提升1.6%、3.9%；且TSD-YOLOs计算量降低27.6%、模型大小压缩58.7%、参数量减少59.6%。实验结果充分验证了TSD-YOLOs在保证实时性的同时，显著提升了复杂场景下小目标交通标志的检测精度与鲁棒性。

摘要:针对无人机航拍图像中目标尺寸小、尺度变化显著、背景复杂以及计算资源有限等挑战，提出了一种改进YOLOv11的算法模型LMH-YOLO。首先，提出C3k2_PMDRB，以增强级联扩展路径生成的多尺度语义特征并减少模型参数量；其次，设计LCFI_Net网络架构，实现跨层信息的高效融合，并精准感知小目标的空间位置信息；再次，构建轻量化检测头LGDHead，降低计算开销以提升计算效率；最后，提出Wv3-MPDIoU损失函数，优化模型收敛并降低漏检率。实验结果表明，在VisDrone2019数据集，LMH-YOLO的mAP@50提升了4.8%，参数量减少了42.3%，模型大小缩减了32.7%；在TinyPerson极小目标数据集上，mAP@50提升了6.7%，参数量和模型大小分别下降了42.3%和30.8%。改进算法实现了性能与轻量化的最佳权衡，更适用于无人机航拍小目标检测任务。

摘要:为解决竹筷质检过程中小目标检测精度低、多目标聚集重叠时出现易漏检等问题，提出了一种基于改进实时检测Transformer (RT-DETR）的高效竹筷切片检测技术EBCS-DETR。首先，设计高效紧凑的空间到深度挤压激励模块SDSEM增强ResNet18浅层特征表达能力；其次，构建快速高效注意力模块FasterEMA，减少深层网络参数量，提升骨干网络的特征提取率；然后，采用内容感知上采样模块CARAFE与双向特征融合模块Bi-FPN修改颈部网络，改善小目标缺陷边界的定位及区分能力，减少背景噪声干扰。实验结果显示，在包含5 400张图像的自建数据集中，模型在3个测试集的平均检测精度（mAP50）相较于基线模型分别提升了3.3%、3.4%和3.1%，均优于其他相似参数量的先进模型。鲁棒性实验进一步证实了该模型检测竹筷切片表面缺陷的可靠性和应用潜力，这对于复杂生产环境下的竹筷质检至关重要，可以为精准竹筷质检提供新的参考和思路。

摘要:主要阐述了一种运用在工业检测中的图像采集、裁剪技术。首先，指出现有工业光学检测中遇到的传输瓶颈问题，并讲解基于边缘点的动态ROI裁剪的算法原理，通过实时Canny边缘检测定位特征点，生成一定像素宽度的纵向ROI窗口实现数据压缩。接着提出了对GVSP协议的修改，包括新增Index包并修改Leader包，以适配动态ROI的图像数据传输。随后详细说明如何在FPGA平台上实现动态ROI算法，采用BRAM替代1 280位宽寄存器优化存储资源，结合128位总线设计消除内部带宽瓶颈。最后，通过实验测试以及工业运用场景开展验证，结果表明该系统在保持原始灰度精度的前提下显著降低了有效数据量，可支持多相机数据传输。

摘要: