密集交通场景中改进YOLOv3目标检测优化算法

针对交通拥堵的车辆密集场景中检测目标重叠率高而导致漏检和误检的问题,提出了改进YOLOv3、CIoU损失函数优化以及SD-NMS优化算法(简记L-YOLOv3+CIoU Loss+SD-NMS)。利用深度可分离卷积、SE模块和Ghost模块改进YOLOv3的残差单元结构,以提高对密集目标的特征提取能力,减少网络模型参数量;采用完整交并比CIoU损失函数加快网络模型收敛速度,同时将多目标集合预测思想与DIoU-NMS有机结合,提出了SD-NMS优化算法,以降低漏检误检率。在BDD100K数据集上进行实验,结果表明,改进的目标检测算法召回率达到91.58%,精准率达到93.04%,与YOLOv3算法相比,召回率和精准率分别提升了12.09%和9.52%,具有更好的检测效果。     

简单的温控器

这里我用较少的元件组成的一个温控器,它原理易懂,电路简单。笔者把它用来做鱼缸加热器的温控装置,感觉很好用,现在推荐给大家。传感器是利用锗三极管不稳定的温度特性制作的,可以选用3AX**的三极管,这种三极管在受热的时候e、c极之间电阻值会减小     

乙烯基树脂/空心玻璃微珠复合材料的制备及性能

将空心玻璃微珠（HGMS）掺入乙烯基树脂中,通过模压技术制备了玻璃纤维增强乙烯基树脂/空心玻璃微珠（GF/VER/HGMS）复合材料,并比较单一填料和混掺填料对复合材料性能的影响。结果表明：复合材料弯曲性能随着HGMS的含量增加而下降。当HGMS的含量为20 g,GF/VER/20HGMS的力学性能较好,抗弯强度和邵氏硬度分别为124.6 MPa和91.2,腐蚀后性能下降6.43%和2.63%。混掺双飞粉（GCC）后的复合材料性能优于填充单一填料的复合材料。HGMS含量越高,复合材料的耐热性越好,残炭率最高可达74.3%。过量的HGMS使树脂糊黏度增加,不利于填料在树脂中均匀分散,并出现大量团聚、破碎现象,导致复合材料的抗破坏能力减弱。     

褐藻酸钠的分光光度法测试技术

采用铜试剂显色分光光度法测定褐藻酸钠的含量。实验中铜离子与褐藻酸钠反应生成褐藻酸铜,过量铜离子在碱性条件下与铜试剂反应生成黄棕色配合物,在447nm波长条件下测定该配合物的吸光值。利用标准曲线求出与褐藻酸钠结合的铜离子量进而计算褐藻酸钠的含量,最终通过该方法测得褐藻酸钠样品的纯度为99.28%,测定结果的精密度为0.58%。该法具有操作简便、准确、灵敏、重复性好等优点,能够满足褐藻酸钠含量的测定要求。     

张家港市积极推进城区无证无照经营餐饮单位治理工作

在文明城市创建工作接受省级测评后,张家港市卫生监督所主动联系相关职能部门共同商讨无证无照餐饮单位治理的工作措施,并进一步付诸实施,集中解决突出问题,力求全面缓解城区餐饮单位无证无照经营现象。一是制订实施方案,确保治理工作顺利开展。经与市治无办、工商、食药监等部门初步会商后,张家港市卫生监督所草拟了《城区无证无照经营餐饮单位治理工作实施方案》,在征求环保、城管、住建、行政服务中心等部门的意见后,以市治无办的名义印发文件。实施方案确定了工作步骤和主要工作内容,明确了各职能部门的工作职责。     

轻量化YOLOv4的车辆目标检测研究

针对YOLOv4模型在目标检测过程中参数量和计算量较大而导致实时性不佳的问题,提出了一种轻量化模型L-YOLOv4(Light YOLOv4)。该模型以YOLOv4特征金字塔结构和多尺度检测为基础,对模型结构进行了整体的优化和改进,采用MobileNetV2网络代替主干特征提取网络,同时用深度可分离卷积替换加强特征提取网络的普通卷积,从而达到减少网络参数量的目的。实验时对UA-DETRAC车辆数据集进行了基于旋转不变性下的数据增强,以缩小图像预测框与真实框之间的误差。多模型对比实验结果表明,L-YOLOv4模型相较于其他常用的轻量级检测模型有着更小的参数量和更快的FPS,与YOLOv4模型相比,参数量减少了83.21%,FPS增加了11帧,并减少了车辆漏检情况。     

钢结构桥梁焊缝缺陷TOFD检测分析

针对超声衍射时差法（Time of flight diffraction, TOFD）,探头的纵波声场不能覆盖整个被检测焊缝空间,在被检测焊缝近表面存在很大范围的不敏感区的问题,提出了一种改进的超声TOFD法,即不敏感区缺陷检测法,该方法利用超声纵波在被检试件底面的反射,使得超声声场覆盖近表面区域,采用该方法对人工缺陷及焊接缺陷进行检测。结果表明,人工缺陷埋藏深度检测的平均误差为0.3 mm,焊缝中未熔合缺陷埋藏深度及横向位置检测的平均误差分别为0.6 mm和0.4 mm。所提出的不敏感区缺陷检测法能有效检测近表面缺陷,是常规TOFD法的延伸和补充。

     

L2范式距离的星图识别方法

在Hausdorff距离的基础上,提出一种不依赖于星敏感器的旋转方向和焦距等因素的星图识别方法。在构造Hausdorff距离的数据点集合时,采用基于L2范数对应的相对欧氏距离作为集合元素,解决星敏感器滚动对星图识别的影响;另一方面,由于受星敏感器焦距的影响,星敏感器图像与标准参考图也会存在误差。在构造标准数据点元素时,考虑到如果一个数据点集包含另一个数据点集,在这两个数据点集之间至少有两个数据点之间的L2范式距离是相同的。对L2范式Hausdorff距离进行比例化处理,每个集合中的相对空间距离除以本集合中最小的相对空间距离,构成一种新的数据点集。这种方法不需要对星敏感器图像由于焦距不同进行标定,避免了星敏感器焦距对星图识别的影响。给出了距离的计算公式和实现步骤,并给出了实验结果。结果表明:在星敏感器转动、尺度变换等情况下,该算法可以正确得到星图识别结果,从而获得星敏感器的姿态信息。     

自适应LOS制导结合MPC控制的车辆循迹优化

为提升无人驾驶车辆循迹过程的动态响应能力,确保车辆能快速且稳定地跟踪参考路线,首先基于模糊控制的思想,在传统视线(line-of-sight, LOS)制导策略中引入了时变前视距离,提出了改进后的自适应LOS制导策略,把目标轨迹的跟踪简化为目标点航向的跟踪。其次,建立车辆三自由度动力学模型,并结合自适应LOS状态方程设计路径跟踪系统的线性数学模型。最后,基于模型预测原理,使用多步预测、滚动实时优化、反馈校正等控制方式,求解出最优反馈的方向盘控制指令。本文为验证上述所提及跟踪策略的有效性,在Simulink仿真环境中分别以直线路径和曲线路径作为参考轨迹进行追踪仿真实验,结果表明:所提自适应LOS制导策略能使循迹车辆的轨迹横向误差和航向误差迅速地收敛到零,从而验证了改进LOS制导算法可以提高无人车路径跟踪的响应速度和平稳性。