基于改进FCOS网络的遥感目标检测

找出目标的位置和类别是目标检测的主要任务。随着人工智能和深度学习的发展,目标检测可以达到人眼所达不到的精度。由于信息较少,覆盖面积小且基于锚框的检测算法易受锚框大小、比例数目的影响,对较小的目标难以精确检测。针对以上问题,改进无锚框算法全卷积单阶段目标检测(Fully Convolutional One-stage Object Detection,FCOS)实现了小目标检测的效率和精度。将FCOS算法的特征提取网络结构残差网络(Residual Network,ResNet)更换为轻量级网络结构MobileNetV3,随后在骨干网络中引入通道注意力机制和空间注意力机制对特征提取网络进行改进,最后设计T交并比(TIOU)代替原本的交并比(IOU),改善模型精度。实验结果表明,所改进的网络结构与FCOS相比,网络训练时间和模型大小为原来的一半,计算参数量由原来的32.12×10⁶减少为11.73×10⁶,减少到原来的三分之一,模型推理速度提升了10%,每秒传输帧数为11帧,与主流网络FasterRCNN相比,检测精度和速度更快,可以满足对小目标...     

面向在轨遥感应用的飞秒激光成丝调制延长方法研究

飞秒激光在大气中的远距离传输对于实时快速的遥感探测具有重要的应用价值。文章通过在聚焦镜前增加圆孔石英板,提出了一种延长激光光丝产生等离子体通道的新方法,结果显示飞秒激光等离子体通道延长了一倍;同时,研究了不同激光脉冲能量下,圆孔石英板的直径和厚度对形成的等离子体通道的影响,发现石英板中心圆孔的直径对形成光丝长度具有显著影响。基于延长的飞秒激光光丝,探测了氦气中充入空气量对混合气体光谱的影响,发现光谱信息对氦气的浓度变化非常敏感。     

适用于虚通道路由器的高性能round-robin仲裁器

分析了交换结构规模不同的2类典型的虚通道路由器体系结构,指出了交换结构规模对调度机制和仲裁器体系结构的显著影响.在轮转(round-robin)仲裁器PPE的基础上,提出了分别适用于上述2类路由器的改进型PPE仲裁器体系结构.改进型仲裁器将原有关键路径中的处理步骤转移到非关键路径中,并行实现了关键路径中的重要处理步骤,通过缩短关键路径改善了仲裁器的性能;同时通过调整仲裁流程消除了上述改进对资源成本的负面影响.基于TSMC 0.35μm CMOS工艺实现了不同规模的PPE和2种改进型仲裁器体系结构.实验结果表明上述2种改进型仲裁器比PPE仲裁器的性能分别提高12%和17%以上,并且在多数情况下同时减少了实现面积.      

涡轮导向器几何与气动参数对通道涡影响的实验与数值研究

通过风洞实验和数值计算,对某型涡扇发动机原型和改型涡轮低压导向器进行了详细的流场测量与数值模拟,以考察在具有大扩张角前置机匣的涡轮导向器流道中,多种几何与气动参数变化对通道涡形成和发展的影响,特别是叶片弯曲对通道涡位置及强度的影响。结果表明:由于导向器进口前的机匣段上端壁子午扩张引起流动分离,并在叶栅进口形成远大于普通叶栅实验的大厚度进口边界层,弯叶片对通道涡位置的影响与其它进口条件下的实验结果有所不同,表现为叶片正弯引起上通道涡核心位置上移,进口分离、大厚度进口边界层以及叶片正弯引起的叶片表面静压变化是造成这一现象的根本原因。     

直通道和弯曲通道中超声速气膜冷却研究

对直通道和弯曲通道两种不同几何形状中的二维平行缝槽形式的超声速气膜冷却进行了数值模拟,分析了在有、无斜激波入射冷却层时的冷却效果.计算结果表明,斜激波的入射使壁面的冷却效率较无斜激波入射时要低.在该计算模型中,无斜激波入射时,弯曲通道壁面的冷却效果好于直通道壁面,而有斜激波入射时,弯曲通道壁面的冷却效果不如直通道壁面.      

热处理对超细晶稀土镁合金组织和性能的影响

镁合金作为目前工业应用中最轻的结构材料之一,在航空航天领域具有良好的应用前景。细晶镁合金因其优越的力学性能受到人们关注,但其热稳定性在一定程度上限制了其应用。为此,使用等通道角挤压(ECAP)对Mg-Y-Zn-Zr合金进行强烈塑性变形,得到超细晶镁合金,对其进行不同温度、不同时间条件下的退火处理,以进一步提高该合金的塑性,研究该合金在高温下的稳定性。对处理后的样品进行力学性能测试,显微结构观察,背散射电子衍射(EBSD)分析。结果显示:在200～300℃下保温0.5 h,可以在保持变形合金强度的情况下提高合金塑性,且低温处理的合金内部基本没有出现再结晶现象。该合金热稳定性好,可作为轻量化材料应用到多种航空航天部件中。     

深度学习模型的可解释性及其在医学影像分析应用中的研究进展

深度学习模型作为机器学习的分支之一,被广泛应用于以医学影像分析为代表的图像识别领域。其优势在于不依赖人为标注,模型训练过程中计算机能够识别和处理人为遗漏的特征信息,从而达到甚至超过人类处理的准确性。基于深度模型中未知的数据处理过程所带来的可解释性普遍缺失的问题,现有解决方式主要包括建立内在解释性、注意力机制解释特定模型以及以LIME为代表的不可知模型解释等。对可解释性进行量化评估的方式仍在探索,特别是在医学决策相关模型中针对医生和患者双方的解释性评估中已经提出了一些可供参考的量表。当下对深度学习模型在医学影像中的应用研究普遍更关注准确性而非可解释性,导致可解释性缺乏,进而阻碍深度学习模型的临床实际应用。如何平衡准确性和可解释性以开发令医患双方能够信服的深度学习模型将成为业界未来的研究重点。     

基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。     

微灌滴头平角齿形微通道流动实验研究

采用Micro—PIV技术,以边长800 μm方形截面平角齿形微灌滴头内流微通道为对象,对微通道内流体运动进行了测量。实验使用lOx显微物镜、14位灰阶PC01600相机、3μm荧光示踪粒子和仅允许610nm红光透过的滤光镜相配合、获取了清晰的粒子图像,解决了相机与PIV系统的匹配问题,提高了图像信噪比。在图像处理中使用多次测量取平均的方法消除示踪粒子的布朗运动影响,运用系综互相关算法获取流场速度分布和流线图。实验发现微通道内各齿间流动结构基本一致,即通道内流充分发展后是一种周期性流动;通道顶角和转角内侧存在低速涡旋区,其涡旋结构和尺度随时间和Re变化而变化;颗粒在低速涡旋区易发生沉积,是造成堵塞的主要原因。     

带肋变截面回转通道内流动与换热的数值模拟

开发了三维流动换热的通用计算程序,数值研究了带肋变截面回转通道内流动与换热的特性.湍流模型采用低雷诺数k-ε模型.通道肋间距为25mm,肋高分别为1mm,1.5mm,2mm,冷气进口雷诺数Re分别为7500,12500,18500,25000.计算结果表明:①通道的平均努赛尔数均随进口雷诺数的增大而增大;②对于Re=7500和12500,肋高越高,换热越强;对于Re=18500和25000,肋高为1.5mm的通道换热最强;③局部雷诺数的不同和离心力的影响导致通道内各区域的局部换热随肋高的变化趋势并不一致;在进口段,肋高越高,换热越强;在出口段,当Re=7500和12500时,肋高越高,换热越强,而当Re=18500和25000时,存在最佳肋高1.5mm.