面向多源遥感图像的自适应目标检测

近年来,目标检测已经在含有大量标注的数据上展现出了良好的效果,但当真实测试数据与标注数据存在域间差异时,往往会导致训练好的目标检测模型性能降低。由于相比于自然图像,多源遥感图像在成像方式和分辨率等方面存在特有的差异,而传统的方法需要将多源图像数据重新标注,这将消耗大量人力和时间,因此在遥感图像上实现自适应目标检测面临特有的挑战。针对以上问题,本文提出了一种面向多源遥感图像的自适应目标检测算法,在图像级别和语义级别上对网络进行对抗训练。此外,通过结合超分辨网络,进一步缩小了图像级别的差异,实现了自适应目标检测。本文在两个多源遥感数据集上进行实验,结果表明本文方法有效提升了目标域上的检测效果。      

基于数字孪生的白酒酿造装备可视化管控系统设计

为解决当前白酒企业在酿造装备管控过程中存在的管理方式落后、可视化程度低和实时性差等问题,文中提出将数字孪生概念应用于白酒酿造装备管控领域,并设计一种基于数字孪生的白酒酿造装备可视化管控系统。该系统以数字孪生概念为指导,由数字孪生酿造车间可视化和数字孪生酿造装备管控系统两部分构成,以实现白酒酿造装备可视化管控。使用Vue.js完成系统客户端界面功能开发,利用JavaScript脚本语言实现客户端功能逻辑交互,通过3ds MAX构建三维模型并结合Three.js引擎加载三维模型实时渲染酿造车间虚拟场景,实现数字孪生酿造车间可视化;运用数据驱动数字孪生酿造装备管控系统中的设备预警等功能模块进行实时数据交互,并对设备状态进行反馈,从而达到酿造装备实时管控的目的。实际运行测试结果表明,所提出的系统能够提高可视化实时管控程度,降低设备管理人员的人工成本,提高管理效率。     

基于数字孪生的无线网络优化方法的研究

文章提出了一种基于数字孪生的无线网络优化系统设计方案。该系统由数据层、应用层和交互层3层架构组成,包含数据采集、数据处理等4个主要模块。其利用数字孪生技术构建无线网络数字孪生模型,实现对无线网络的实时监控和分析,从而找出网络中潜在的问题和瓶颈,并通过对数字孪生模型进行优化,得到优化的无线网络配置参数,以提高无线网络的性能和稳定性。实验结果表明,该优化方案能有效提升无线网络的性能、提高网络资源的利用率。     

频域内面向目标检测的领域自适应

近年来,基于深度学习的目标检测技术在机器人、自动驾驶和交通监控等领域有着广泛的应用。然而,由于训练集和测试集样本分布偏差的原因,将现成的预训练检测器应用到实际开放场景时通常会出现明显性能下降。针对该问题提出了一种频域内的领域自适应方法,利用离散余弦变换的频域能量集中特性,通过在频域内对少数重要频率系数进行处理,实现了面向目标检测的领域自适应,降低了对存储和计算资源的要求并减少了领域差异。该方法可以分为两个阶段:第一阶段使用无监督图像转换方式,将源域已标注的训练数据向目标域作转换;第二阶段采用基于对抗的领域自适应方法训练目标检测模型,对转换后的训练数据与目标域内的数据作特征适配。针对不同天气场景的目标识别实验表明:所提的频域内领域自适应方法在4种领域自适应对比算法中排名第一,与仅用源域数据训练的模型相比,mAP值提升了33.9%。     

典型光电系统的数字孪生技术

数字孪生技术将多学科多物理场的系统通过多维异构时序数据进行统一设计和管理,可构建高保真度的数字化镜像模型。本文基于此项技术,对典型光电系统的数字化模型提出了构建的思路和方法;同时结合场景要素本征物理特性分析,描述了高真实感红外场景数字孪生仿真的关键技术。数字模型和场景仿真的有机结合能够准确地实现光电系统的实时交互和迭代运行及优化,高效高质量地缩短产品的研制周期。     

基于内容的敏感图像检测方法研究

随着网络和多媒体技术的发展,互联网中色情图像的传播越来越泛滥,为有效地过滤敏感图像,文章提出一种基于Otsu自适应阈值分割的人体面积比例计算方法。整个检测系统利用人体肤色模型和面部识别模型,并结合面积比例识别算法等图像特征识别技术,实现对网络敏感图像的检测。实验结果表明,该方法具有较高的准确率和较快的实时在线检测速度,具有良好的实用性和应用价值。     

基于MPU9250和数字孪生的人体动作识别系统设计

随着传感器技术的发展,人体动作识别被广泛应用于健康监测、运动跟踪和异常动作检测等领域。本文设计了一款基于MPU9250和数字孪生的人体动作识别系统。首先,通过MPU9250惯性传感器采集人体运动数据,通过对传感器数据进行预处理,构建了一个包含10种人体运动的数据集(静止、站-蹲、蹲-坐、坐-躺、蹲-站、坐-蹲、躺-坐、走、跑和摔倒);其次,我们提出了一种多特征提取融合的深度学习模型,将人工特征提取和自动特征提取相结合;最后,利用卷积神经网络和递归神经网络的特性,对数据集进行分类,同时采用结合数字孪生的方法,将人体运动以网页界面的形式进行在线可视化展示。实验结果表明：本文提出算法在人体动作识别上实现了99.13%的准确度,该系统可以很好地将人体动作数据流进行在线可视化展示,在人体动作识别领域具有良好的应用价值。     

基于数字孪生的智慧农业环境监测系统设计与实现

在建设数字乡村战略背景下,开展基于数字孪生技术的智慧农业环境监测系统对促进农业农村信息化高质量发展具有重要战略意义。针对当前国内智慧农业环境监控系统中存在的环境数据采集不完善、信息反馈迟滞、交互性差等缺点,本文以数字孪生技术为架构结合物联网技术设计实现了智慧农业环境监测系统,系统由孪生感知层、农业数据源层、数字孪生层、孪生应用层、孪生交互层等模块实现,该系统实现了农作物在生长过程中环境监测的智能化、数字化实时管理和可视化监控。以数字孪生技术对农作物生长过程的环境因素进行智能分析和虚拟映射,以虚实结合的方式对农作物生长过程中的环境进行可视化展示和智能化调节,达到合理利用农业资源、动态调节环境因素、提高农作物产品和质量的目的。     

数字孪生电网的特性、架构及应用综述

数字孪生电网旨在利用新兴的数字孪生技术帮助电网企业构建物理电网的数字孪生体。该文总结了数字孪生电网的3大特性:数据知识混合驱动、实时双向交互、虚实相融共生。讨论了规范化孪生电网项目的评价标准。回顾了数字孪生电网的典型架构设计，基于数字孪生5维模型提出了包含物理电网、孪生数据、孪生电网、孪生应用4层结构的通用性参考架构。归纳了孪生电网在系统分析、状态评估、数据预测、健康维护、仿真建模等方面的应用，探讨了孪生电网未来向孪生能源互联网、智慧能源系统等演进的意义和价值；最后从数据管理、模型构建、可视化、信息物理安全、标准确立、生态建设6个角度总结了数字孪生电网的挑战性问题。     

基于在线随机蕨分类器的实时视觉感知系统

本文针对不同成像条件下,目标姿态变化对系统检测性能的影响,提出一种具有自主学习能力的视觉感知系统.该系统能在执行检测任务的同时,通过快速的自主学习提高检测性能,并保持实时目标检测速度.系统包括了目标检测模块及在线学习样本自动获取、标注模块.针对目标检测模块为满足系统自主学习需求,提出随机蕨分类器的在线学习方法,使目标检测模块可持续自我更新,提高检测性能;针对样本自动获取、标注模块则提出最近邻分类器辅助的双层级联标注方法.此外,本文提出自主在线学习框架,整个学习过程不用准备初始训练样本集,通过人工选定一个待检测目标即可进行无需干预的自适应学习,逐渐提高检测性能.实验表明,该方法在多种监控场景中均有较强的自适应能力和较好的目标检测效果.     

基于数字孪生技术的智慧水利应用研究

文中主要研究了数字孪生技术在水利工程中的应用,分析了物理流域和数字流域的孪生方式,接着对水利工程数字孪生实施步骤进行了分析,详细阐述了应用过程中的关键步骤,并通过建立水利孪生数字化模型,实现了数字孪生与物理实体的实时同步仿真运行,有效支撑了管理部门的精准化决策,提升了水利行业的信息化水平。     

基于自适应卡尔曼滤波的光纤陀螺噪声系数估计方法

针对Allan方差法确定光纤陀螺ARW（angle random walk）噪声系数的一些不足,如大量存储数据、非实时处理、计算量大、耗时长等,提出了基于自适应卡尔曼滤波的光纤陀螺ARW系数在线估计方法.在角度随机游走、零偏不稳定性、角速率随机游走等主要噪声数学特性分析基础上,建立了光纤陀螺现代状态空间噪声误差模型,基于新息自适应卡尔曼滤波量测噪声协方差阵的迭代计算,实现光纤陀螺ARW系数的在线、实时估计,从而避免了存储大量历史数据,显著地减小了计算量,缩短了陀螺数据处理时间.数字仿真试验和光纤陀螺实测数据试验结果均验证了本文方法的可行性和有效性.     

数字孪生技术在智慧供水中的实践应用

物联网、大数据、云计算等技术的发展,为智慧城市建设提供了新的方向。数字孪生可以基于物理世界构建虚拟空间,能对物理世界实现实时同步或异步的数字化映射,其本质是通过数字化、模型化等手段实现对物理对象的实时控制,它可以在一定程度上提高人类对于物理世界运行规律与过程的认识。文中对供水系统的使用及发展现状进行了简要分析,对数字孪生技术在智慧供水建设中的实际应用进行了简要的阐述,希望对数字孪生技术的发展有所帮助。     

5G电力虚拟专网和数字孪生相结合的系统架构和构建

设计了一种5G电力虚拟专网和数字孪生相结合的系统架构，并考虑了终端数字孪生时同步的构建方法，提出了一种分层多智能强化学习算法。该算法决定分配给电力用户终端的资源和数字孪生体的放置，上层通过深度Q网络实现切片通信资源的分配，下层通过多智能体深度强化学习实现电力用户终端的数字孪生体放置。实验结果表明，所提出的分层多智能体算法在电力用户终端数字孪生体的同步强度上能获得较好的系统收益。     

基于主成分分析的实时全网络异常检测方法

网络性能异常检测对于促进网络健康发展具有重要意义。针对目前全网性能异常检测大多通过离线检测,无法提供良好的实时在线检测性能的问题。文中采用主成分分析方法建立异常检测模型,结合历史性能数据和近期网络性能波动状况去适应性调整网络异常判断阈值,实现了异常检测的实时在线化,并在NFV网络上进行数据采集。实验结果表明,与被广泛采用的离线检测方法比较,该方法在检测的误报率上减少了5%8%,对于网络运行商而言具有较大的使用价值。     

Normalization of local contrast in mammograms

Equalizing image noise has been shown to be an important step in automatic detection of microcalcifications in digital mammograms. In this study, an accurate adaptive approach for noise equalization is presented and investigated. No additional information obtained from phantom recordings is involved in the method, which makes the approach robust and independent of film type and film development characteristics. Furthermore, it is possible to apply the method on direct digital mammograms as well. In this study, the adaptive approach is optimized by investigating a number of alternative approaches to estimate the image noise. The estimation of high-frequency noise as a function of the grayscale is improved by a new technique for dividing the grayscale in sample intervals and by using a model for additive high-frequency noise. It is shown that the adaptive noise equalization gives substantially better detection results than does a fixed noise equalization. A large database of 245 digitized mammograms with 341 clusters was used for evaluation of the method.     

实时自适应的立体匹配网络算法

立体匹配是一个经典的计算机视觉问题。采用传统方法或卷积神经网络（CNN）方法的立体匹配,其精确度和实时性不能满足实际的在线应用。针对该问题,本文提出一种实时自适应的立体匹配网络算法,通过引入一种新的轻量级的、有效的结构模块自适应立体匹配网络（Modularly Adaptive Stereo Network,MASNet）,在网络中嵌入无监督损失模块和残差细分模块,使立体匹配的准确性和实时性得到提高。实验结果表明,本文方法相比具有相似复杂度的模型,精确度更高,并且能以平均约25帧每秒的处理速度达到在线使用的要求。      

Real-time interference detection and mitigation in robust tracking loop of GPS receiver

Spoofing has a vital role in distorting? global positioning system (GPS) signals. In this paper, a plenary anti-spoofing approach based on correlation and adaptive ?Kalman filtering is proposed to distinguish and then diminish spoofing effects. The suggested ?method can be easily implemented in tracking loop of GPS receiver. According to the actual situation, the receiver requires constantly adjusting the system model or filtering parameters. We will study a real-time spoof recognition ?method that has clear certainty by introducing a reliable exhaustive metric. In ?compensation phase, a kind of innovation based Adaptive Extended Kalman Filter (AEKF) is addressed and a new system model is put forward. As a primary step, the proposed technique is ?implemented in software receiver to prove the concept of idea in a multipath-free ?scenario. Three different data sets have been collected to use in the ?performance assessment of the method. The results indicate that the investigated algorithm is ?able to perform a real-time detection and reduce the miss-adjustment of steady-state positioning.