面向CIMS的车间制造执行系统

针对生产车间加工工艺过程的复杂性，信息量大且动态变化的特点，采用先进的信息技术和计算机技术，开发了面向CLMS的车间制造执行系统，该系统能及日寸反映出车间动态的生产信息，实现了车间生产能力的平衡与初步作业编排，同日寸连接了企业上层生产计划和车间制造过程。     

DPT钢丝试井新工艺

DPT钢丝试井新工艺方法解决了油田在深层气井中原工艺获取压力恢复资料数据难度大、方法局限性等问题。     

改进的R-SSD全景视频图像车辆检测算法

针对SSD算法在检测全景视频图像车辆目标时存在准确率低、漏检率高的问题,构建了一种改进的SSD网络,命名为R-SSD,并提出了一种基于R-SSD的全景视频图像中车辆目标检测算法。在原SSD网络之前增加了一个RPN*网络,目的在于过滤负样本先验框并粗略调整先验框的位置和大小,为后续回归提供好的初始条件。在原SSD和RPN*网络之间构建了传输转换模块,实现两个网络间的特征融合,并增加低层特征信息,从而提高目标的检测效果。在同时兼顾了RPN*网络和SSD*网络损失函数的基础上提出了新的损失函数,应用了二分类和多分类的方法,使回归操作更加精确。将采集的全景视频图像数据分为训练集和测试集,通过对比实验,表明提出的R-SSD算法检测精度可达90.78%,明显优于SSD算法,可较好地解决全景目标车辆检测中误检率较高、漏检率较高等问题。     

基于流形学习的车牌图像超分辨率算法

为了解决视频监控系统中车牌图像分辨率较低、车牌字符难以辨识的问题,提出一种基于流形学习的车牌图像超分辨率重建算法。首先学习训练样本库中高、低分辨率图像之间的映射关系,然后利用线性判别分析(Linear Discriminant Analysis,LDA)算法提取图像特征,并利用流形学习中的局部线性嵌入(Locally Linear Embedding,LLE)算法对特征向量进行参数建模,最后通过特征映射关系获得高分辨率图像。实验表明,该方法对监控系统中的低分辨率车牌图像具有较好的超分辨率复原效果,不仅提高了字符的可读性,而且具有更高的峰值信噪比。     

非线性调频信号的自适应时频滤波算法

针对传统的时域或频域滤波算法对非线性调频信号滤波去噪效果不好的问题,本文提出了一种时频域内非线性调频信号的自适应滤波去噪算法。首先对原信号进行广义S变换获得其时频分布,接下来利用有效信号时频分布特性选取时频通域,构造区域滤波算子并去除掉时频通域外的噪声分量的时频分布;然后利用有效信号分量的时频聚集性构造自适应时频滤波算子,对含有随机噪声的有效信号分量进行滤波处理,得到滤波去噪后的信号的时频分布;最后利用广义S逆变换将处理后的时频分布变换到时间域,得到滤波去噪后的信号。通过仿真实验的结果可知,本文提出的算法在非线性调频信号的滤波去噪和有效特性保持方面取得了较好的效果。      

受生物视觉启发的无人机航拍低照度图像增强算法

针对无人机航拍低照度图像存在亮度低、噪声大、细节不明显等问题，受人类视觉系统中的双路径模型启发，提出一种双路径模型的无人机航拍低照度图像增强算法。构建了一种基于残差单元的U-Net网络将图像分解为结构通路和细节通路；提出了一种改进的生成对抗网络对结构通路进行增强处理，并添加边缘增强模块来增强图像的边缘信息；在细节通路中采取噪声抑制策略减少噪声对图像的影响；融合2条路径的输出得到增强后的图像。实验结果表明，新算法提高了图像的亮度和细节信息，客观评价指标上优于其他对比算法。此外，还验证了所提算法对低照度条件下目标检测算法的影响，实验结果表明，新算法能够有效提升目标检测算法的性能。     

多类场景下无人机航拍视频烟雾检测算法

在无人机航拍视频烟雾检测领域中,由于不同检测场景差异大,导致现有烟雾检测算法经常出现检测精度低、速度慢等问题。为了解决以上问题,建立了一个基于无人机视角的多类场景下的烟雾数据集（UAV smoke dataset,USD）,并提出了一种改进YOLOx的多类场景下无人机视频烟雾检测算法。首先,在YOLOx网络模型中引入改进的注意力机制,分别改进通道特征和空间特征的提取过程,提取更加具有表征能力的烟雾特征；然后,提出一种双向特征融合模块,增强多尺度特征融合模块对小目标烟雾特征的融合能力；最后,引入Focal-EIOU损失函数,解决训练过程中出现正负样本不平衡,以及预测框和真实框不相交时无法反映两个框的距离远近和重合度大小等问题。实验结果表明,所提算法在应用于多类场景下无人机视频烟雾检测任务时具有较好的鲁棒性,对比多个经典烟雾检测算法,本文算法在不同数据集上的烟雾检测准确率均有不同的提升,比如对比原有的YOLOx-s模型,准确率提升2.7%,召回率提升3%,速度达到73.6帧/s。