钛合金蜂窝结构蒙皮脱焊缺陷锁相红外热成像检测

蒙皮脱焊是钛合金蜂窝结构制造和服役过程中最常见的缺陷类型。受钛合金材料热导率低的影响,钛合金蜂窝结构中蒙皮越厚,红外热成像检测时其表面反映脱焊缺陷信息的温度差异信号就越弱,检测难度就越大。针对这一问题,研究了不同蒙皮厚度钛合金蜂窝结构锁相红外热成像检测时调制频率的选取范围。建立了钛合金蜂窝结构锁相红外热成像检测有限元模型,分析了蒙皮表面温度在调制热流作用下的变化历程,基于相关算法提取了蒙皮表面对应缺陷区和非缺陷区的相位差,分析了相位差与调制频率、蒙皮厚度的关系。利用锁相红外热成像检测系统对预制脱焊缺陷的蜂窝试件进行了实验研究,获得了缺陷区与非缺陷区信号相位差与调制频率的关系。研究结果表明,针对蒙皮厚度为0.6~2.0 mm的钛合金蜂窝结构,采用0.04~0.10 Hz的调制频率能够获得最佳检测结果。研究结果为钛合金蜂窝结构实际检测提供了工艺指导。      

进动弹道目标平动补偿与分离

弹道目标在中段高速运动时会造成微多普勒曲线的叠加折叠,此时传统的平动补偿方法并不适用于弹道目标。在分析进动锥体弹道目标各个散射点的频率特性后,发现曲线交点处的频率完全是由平动引起的。根据这一特性,提出一种利用时频图交点信息进行平动补偿的方法。首先,得到回波信号的时频骨架图;然后,采用基于双边滤波器的Harris角点检测方法提取出时频骨架中的角点进而得到时频图中的交点坐标;最后,利用交点坐标估计出平动参数进行平动补偿。针对传统Viterbi算法在曲线交点容易产生错误关联的问题,提出一种利用交点信息的分段Viterbi算法对补偿后的时频曲线进行分离。仿真实验验证了所提方法的有效性。      

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于相对最值点的最小二乘直线检测方法

为了解决传统目标检测中遇到的检测速度慢、精度低等问题,本文提出一种新的图像特征——相对最值点,并依据相对最值点提出一种新的最小二乘直线检测的方法。该方法首先搜索Canny边缘的闭合包络,并寻找闭合包络的相对最值点。包络上相邻相对最值点之间长度满足阈值要求的即为疑似直线的两端点,进而利用最小二乘拟合方法获得该疑似直线的拟合方差,最后利用拟合方差与拟合直线长度之比作为直线判定的标准用来检测出图像中的直线。实验表明,本方法与传统方法如PPHT直线检测、LSD直线检测方法等相比,检测直线的精度更高,检测速度更快。     

相关函数在涡流检测信号提取分析中的应用

为降低涡流检测信号处理的硬件复杂程度及提升后续数据分析处理灵活度,在不借助复杂硬件自平衡技术电路前提下,在LABVIEW图形化软件平台中设计了相关函数算法程序,对示波器MDO4024C所采集的原始交流电桥信号及电桥激励信号分别进行自相关及互相关运算去噪,提取分析不锈钢管不同位置的涡流信号的幅值及相位,最后再将检测信号在极坐标图中分析显示。实验结果表明,这一方法可有效实现对不锈钢管缺陷涡流信号的去噪及特征信号提取。     

集团化实验室信息管理系统中台建设实践

中台通过重新构建企业级的服务能力,消除企业内部各业务部门、各分子公司间的壁垒,可更好的适应企业发展。描述了当前中台发展现状,结合集团化计量检测机构特点,提出了实验室信息管理系统中台的一种划分方法,为集团化实验室信息管理系统建设提供一种解决方案。实现企业业务、资源、财务的综合管理,提升企业管理能力。     

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

基于倒置残差注意力的无人机航拍图像小目标检测

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和深层语义信息,提升小目标的检测精度;在特征融合部分设计多尺度特征融合模块,融合浅层空间信息和深层语义信息,并生成4个不同感受野的检测头,提升模型对小尺寸目标的识别能力,减少小目标的漏检;设计马赛克混合数据增强方法,建立数据之间的线性关系,增加图像背景复杂度,提升算法的鲁棒性。在VisDrone数据集上的实验结果表明：所提模型的平均精度均值比DSHNet模型提升了1.2%,有效改善了无人机航拍图像小目标漏检、误检的问题。     

无人机单片机控制系统软件容错设计

本文介绍了某型无人驾驶飞机系列MCS-51单片机控制系统的软件容错设计方法与实现。该软件采用了关键数据的余度管理技术,在充分考虑了本系统的任务功能及单片机固有特点的基础上,采用了若干行之有效的软件检错技术,包括执行条件检测、数据合理性检测、异常复位检测及软件陷井等。在检测到软件错误后,软件将执行一个恢复操作。恢复操作的基础是依据一组经过余度管理及相容性分析而保证为正确可靠的关键数据。恢复操作将消除软件系统所有可能的错误状态,将系统恢复至出错前的运行状态。实践表明,该软件的容错设计是可靠且有效的。