航电系统并行检测过程与检测设备解耦方法

航电系统在使用或升级改造过程中进行可靠性检测是必不可少的。特别是在当前批量航电系统大量投入使用的背景下，迫切需要能高效、快速、准确地对系统进行可靠性检测。由于航电系统安全性要求高，内置检测软件受限，需要外置检测设备通过航电系统指定接口进行检测，检测过程也不允许出现任何泄露等行为。检测设备与具体航电系统耦合，检测过程与具体检测设备耦合，难以实现批量航电系统并行检测。为此，通过引入逻辑检测设备，给出了一种航电系统并行检测分层框架，解决检测设备与被测系统耦合的问题，同时也保证了检测的安全性。通过逻辑检测设备、检测跳转机和被测主机上检测行为的描述，给出了一种面向通用航电系统并行检测的检测设备协同机制，解决检测过程与检测设备耦合的问题，从而支持多个航电系统并行检测。最后，实现了一个通用航电系统并行检测系统，并通过实际应用和实验对比验证所提方法的有效性。     

基于深度学习的无人机航拍视频多目标检测与跟踪研究进展

随着无人机航拍的数据采集愈加便捷，以无人机为平台的多目标检测与跟踪技术发展迅速，在智慧城市、环境监测、地质探测、精准农业和灾害预警等民用和军事领域有着广泛的应用前景，近年来深度学习的突飞猛进也为其提供了多种更为有效的解决思路。然而，无人机视角下目标外观发生突变、目标区域被严重遮挡以及目标消失和重现等挑战性的问题尚未完全解决。综述了基于深度学习的无人机航拍视频多目标检测与跟踪算法，总结了该领域的最新进展，包括多目标检测、多目标跟踪2个模块。多目标检测模块划分为双阶段与单阶段两个部分。对于多目标跟踪模块则依据基于检测的跟踪和联合检测的跟踪2个经典框架，分别阐述了2类算法的原理并分析其优缺点。随后对现有的公开数据集进行统计分析，并对基于无人机航拍视频的多目标检测与跟踪领域内标杆挑战赛VisDrone Challenge近年来的最优方案进行了对比分析。最后总结了无人机视角下多目标检测与跟踪亟待解决的问题并展望未来可能的研究方向，为后续相关研究的人员提供参考。     

航空透明件缺陷与结构参数的超声检测方法

航空透明件的质量对于飞行安全有重要影响。其特殊的材料性质、缺陷的复杂多样性以及需现场检测的特点，对其检测原理、方法及系统等提出了特殊要求。本文针对航空透明件中的常见缺陷模式及结构特点，结合所开发的计算机化专用外场检测系统，给出了利用超声波检测航空透明件缺陷及结构参数的原理和方法。典型实验证明了这些方法简单可靠，能够满足航空透明件在制造和维护过程中的检测要求。     

高分辨率光电尺寸检测系统研究

论述了高分辨率光电尺寸检测系统的工作原理和系统总体结构，并给出了设计要点和提高系统分辨率的途径，本系统具有高速，高精度，非接触在线检测，测量结果直接数字显示和打印等特点。     

超声显微检测系统在涂层检测中的应用研究

主要介绍了超声显微检测系统的组成及原理，采用超声显微检测系统对特种涂层的内部质量进行了超声检测的应用研究。结果表明：该系统能检测出涂层内部的裂纹、气孔、涂层与基体脱粘等缺陷。采用超声瑞利波声透镜，可有效检测出涂层表面及亚表面的缺陷。检测过程中实时显示被测样品的A、B、C三种扫描图像，缺陷检测结果直观。     

总线通信系统外场检测软件的设计与开发

结合某型飞机总线通信系统的研制实践，介绍了总线通信系统外场检测设备的组成及其与通信系统的交联关系，重点阐述了检测软件的性能设计、数据结构设计、功能模块设计和人机接口设计，以及在软件开发过程中采用的信息采集实时性技术、画面闪烁的解决和建立合理的数据结构等关键技术。     

复合材料的射线检测技术

简述了复合材料无损检测方面一些通用的射线检测方法，并通过对胶片射线照相技术、射线实时成像技术、计算机断层扫描成像技术、康普顿背散射成像技术等射线检测技术的系统介绍，展望了未来复合材料射线检测技术的发展趋势。     

智能检测技术在靶场测控设备中的应用及前景

综合运用先进的GPS授时技术和数字仿真、虚拟仪器结构、可视化编程等计算机软件技术，构建新一代靶场智能型检测系统，解决对野外分散站点上测控设备进行检测、标校、监控和测控网通信联试等技术问题。着重阐述智能化检测技术在靶场的应用及发展趋势，为技术人员开发测试软件提供参考。     

基于关键点检测的红外弱小目标检测

红外弱小目标检测旨在从复杂的背景中检测出红外弱小目标，该技术在监视预警系统、精确制导等方面具有重要应用价值。针对已有的传统算法存在漏检、误检，深度学习中基于语义分割的检测方法易受“过分割”与“欠分割”影响等问题，提出了一种基于关键点检测的红外弱小目标检测算法（KeypointNet）。主要创新点为：直接优化目标中心点坐标，提高了检测效率，有效地保证了目标的检测率与虚警率；设计了一种从低层级到高层级的特征融合模块，获取了目标的多尺度信息，提升了检测效果。在相关数据集上的实验表明：KeypointNet算法的检测率能够达到97.58%，同时虚警率在2%以下，与其他算法相比取得了最好的效果。     

基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。