基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。     

改进模糊马尔可夫随机场的SAR图像分割

模糊马尔可夫随机场利用模糊隶属度函数解决了马尔可夫随机场过于依赖灰度值的弊 端,然而在模糊马尔可夫随机场的分割中采用的是硬性基团和边缘判断准则,模糊分类使得 这些判断条件更加难以满足,从而图像分割中容易产生边缘分割错误的现象。改进模糊马尔 可夫随机场是在分段模糊马尔可夫随机场中引入模糊意义的后验概率公式及基团和边缘类型 “模糊相似性”概念,通过对不同基团和边缘类型的模糊相似性描述与判断,使得图像分割 对于边缘的判断和噪声的抑制具有更好的效果。仿真实验表明改进模糊马尔可夫随机场对于 边缘特别模糊的合成孔径雷达图像（SAR）具有较好的分割效果。     

基于SURF特征匹配的优化RatSLAM类脑导航方法

RatSLAM是模拟鼠类感知环境机制提出的一种定位与构图的导航算法。针对复杂环境如光线影响导致RatSLAM产生误差的问题,提出了基于SURF特征匹配与位置细胞校正算法的优化RatSLAM类脑导航模型。本方法通过一套移动视觉系统采集环境信息,构建的局部场景细胞通过SURF特征匹配算法获取到载体在环境中的方向与位置信息,头朝向细胞与位置细胞通过连续吸引子神经网络共同表示载体当前的位姿,利用上述细胞所获取的位姿与时间信息,通过路径积分计算当前载体在坐标系中所处的位置,最后构建基于认知点的拓扑经验地图。此外,在局部场景细胞获取环境信息的同时,通过SURF特征匹配算法来进行闭环检测与检测预先设置好的位置细胞节点,对当前运动轨迹进行修正。实验结果表明,在有光线影响的情况下,本文所提出的方法将绝对定位误差大大降低。     

分布实时计算远程操作引用机制研究

传统的面向对象程序设计(OOP)机制由于缺少对面向对象分布实时计算(DRTC)特殊性的计算语义支持,不能很好地支持DRTC应用。解决上述问题的一个有效途径是扩展传统的OOP机制、为DRTC特殊性提供计算语义支持。提出了一个面向对象分布实时计算模型;研究设计了支持该模型的几种实时远程操作引用机制:同步远程操作引用、异步远程操作引用和多复本实时操作引用;并在一个实验分布实时计算系统EDRTCS中进行了实现。     

空间细胞机器人系统关键技术及其应用

针对传统空间操控装置难以适应未来大型空间设施在轨建设的问题,提出一种能够实现多层次自重构的空间细胞机器人系统,并对其概念体系以及设计理念进行了分析。介绍了空间三角桁架装配场景下的空间细胞机器人系统硬件设计。提出了空间细胞机器人系统关键技术,包括多智能体协同不确定行为规划、多层次机器人系统构型决策、多智能体协同无环境地图自主导航以及多智能体分层协同分布式控制等。最后结合空间细胞机器人系统的特点与优势,对其应用前景进行了展望。     

一种月面采样量的在轨自主测量方法

月面采样量的在轨自主测量是实现月面自主采样的必要环节。本文设计了一种月面采样装置,根据图像信息实现对月面采样量的在轨自主测量。针对图像中目标与背景灰度差较小、背景区域噪声较多的特点,采用了改进型最大类间方差法与连通标记自适应去噪方法,实现了采样区域较为准确的分割。针对单目相机无法直接获取采样区域尺寸的特点,利用已知物体尺寸进行在轨自主标定,结合图像中提取出的采样区域,完成了采样区域尺寸的计算,实现了采样量的在轨自主测量。试验结果表明,在轨自主测量结果与实际结果吻合,本文提出的在轨自主测量方法有效。     

固定化细胞流化床生物反应器处理啤酒废水及其稳定性的研究

采用固化细胞的好氧生物流化床反应器处理啤废水,比较了有无内循环对废水处理效率的影响。通过对啤酒废水的连续处理,考察了反应器对废水处理效率的稳定性,据此提出稳定性常数α和性能指数δ的概念用来衡量反应器的性能。     

基于主动轮廓法的复杂背景下飞机图象的轮廓提取

研究了一种适合于复杂背景下单个目标轮廓提取的方法———主动轮廓法(ActiveContourModel)。主动轮廓法是统计学分割方法的一种。基于统计学意义上的图象分割是把图象中各个象素点的灰度看作具有一定概率分布的随机变量 ,观察到的图象是对实际物体作了某种变换并加入噪声的结果。从观察到的图象中正确分割图象从统计学的角度讲就是要找到最有可能的 (即概率最大 )的物体组合。主动轮廓法就是基于这种概率最大的思想提出来的。研究过程中 ,对原有方法进行了大的改进 ,增强了主动轮廓法对初始形状的鲁棒性 ,保持了轮廓的光滑性。仿真中 ,应用该方法提取飞机图象的轮廓 ,取得了较好的效果 ,计算所用的时间少。     

基于数据分割的鲁棒视频通信

提出一种新的基于运动估计的数据分割方法，在无线网络上传输视频流时能够有效地降低误差扩散。该方法将宏块作为基本的处理对象，根据两个方面将一个编码帧的所有宏块区分为重要性不同的级别：一方面是宏块对本帧图像质量的影响，另一方面是宏块对下一编码帧可能产生的误差扩散的影响。根据宏块中的像素被下一编码帧参考的次数总合来评估误差扩散的影响。在此基础上，码流被分为三种不同级别的子流，分别执行不同速率的信道编码，以保证在满足带宽约束的条件下，重要的信息和宏块数据能被优先保护。除了与其它方法一样能改善视频质量，本文方法的一个明显优势是平衡当前帧的质量与下一帧的质量。实验结果表明，比较263＋＋和h．264中给出的数据分割方法，在两状态马尔可夫信道模型下，本文方法能获得更稳定的和更好的视频质量，提高PSNR值超过0．3dB。