下载排行
无人机测控与信息传输技术发展综述
周祥生;无人机测控与信息传输技术(简称无人机测控技术)是指对无人机进行遥控、遥测、跟踪定位和信息传输的技术。无人机测控与信息传输系统(简称无人机测控系统)由数据链和地面控制站组成,其性能和规模在很大程度上决定了整个无人机系统的性能和规模。介绍了无人机测控技术的基本概念,重点分析了其主要关键技术,综述了国内外的发展现状,并展望了无人机测控技术的主要发展趋势。
最大类间方差法在图像处理中的应用
齐丽娜;张博;王战凯;图像分割在图像处理中占有重要的地位,分割结果的好坏直接影响图像的后续处理。文章首先介绍了最大类间方差法及其改进算法———基于灰度拉伸的最大类间方差法算法原理和实现,并针对高速公路中的图像特点。在背景差分法的基础上利用上述两种方法对图像进行了分割处理,对两种方法处理的结果进行了比较。
大语言模型研究现状
张浩严;吕文涛;余润泽;邓志江;随着深度学习技术的不断发展，大型语言模型(Large Language Models, LLM)在自然语言处理(Natural Language Processing, NLP)领域取得了显著成就。通用人工智能概念以及ChatGPT的爆火使得LLM进入了各行各业的视线，这些模型通常基于Transformer架构，能够处理和生成大量文本数据，表现出了强大的语言理解和生成能力。旨在以GPT系列、BERT系列和LLaMA系列为主线，概述LLM的发展现状和主要成果，介绍其主要的技术原理，分析其面临的诸多挑战和争议以及发展方向。
卫星/惯性/视觉组合导航多源融合技术现状及发展
方文轩;丛佃伟;随着信息时代的来临与工业生产的革新，信息已成为诸多行业不可或缺的新资源、新热点和新方向，多源信息融合处理技术逐渐成为研究的热门。对卫星/惯性/视觉组合导航领域新兴的多源信息融合技术应用于组合导航系统状态估计时遇到的难题进行了梳理与探讨，简要介绍了卫星/惯性/视觉导航系统应用与发展现状以及卫星/惯性/视觉组合导航多源融合系统的优势，对目前常用的卡尔曼滤波与新技术模糊控制、神经网络等进行了介绍与对比，总结了多源信息融合技术在组合导航研究与应用发展中亟待解决的难题，为解决该领域科研理论与应用价值转化之间的矛盾提供一些参考。
国内外无人机系统研究进展及应用
韩子硕;范喜全;郝齐;随着人工智能和无人机(Unmanned Aerial Vehicle, UAV)技术的深度融合，UAV已成为现代战争中的一把利器，各大军事强国均在竞相研发，力求在未来战争中占据制高点。概述了美国、中国、俄罗斯、英国和以色列等军事强国正在发展的UAV系统现状，总结了其最新研究进展和典型成果；在此基础上，从6个不同方面介绍了UAV系统作战所需的关键技术，并结合近年多场局部冲突中的UAV实战应用，梳理了其典型应用场景。旨在为UAV技术发展以及应用落地提供参考。
一种用MATLAB仿真锁相环的方法
张永泰,刘侃,刘洛琨此文研究、论述了利用MATLAB仿真工具仿真锁相环的方法,建立了软件锁相环的仿真模型,提出较为有效和方便的实现方式,给出了仿真结果和不同抽取下的锁相环性能仿真。
改进YOLOv7-tiny的安全帽实时检测算法
赵敏;杨国亮;王吉祥;龚志鹏;针对当前施工现场人工监管作业人员安全帽佩戴费时费力且实时性较差等问题，提出了一种改进YOLOv7-tiny的安全帽实时检测算法。引入EPSANet Block金字塔拆分注意力模块，捕捉细节信息，使模型更加聚焦训练安全帽相关目标特征。设计参数量更少的Tiny-BiFPN结构作为原模型特征融合模块中的特征金字塔结构，增强模型多尺度特征融合，改善网络对于安全帽检测的漏检率。采用更为先进的定位损失函数SIoU Loss计算损失，添加所需回归的向量角度，提高模型训练过程中预测框的收敛速度及效率。此外，创建了一个多元化环境下的安全帽数据集，在此数据集上实验表明，改进后检测算法对于原YOLOv7-tiny的mAP值提高了2.89%,检测速度提高了4.8帧/秒，实现了更加实时、准确的安全帽检测需求。
基于YOLOv8s的城市背景烟火检测算法
于泳波;袁栋梁;孙振;朱灵茜;严增兴;鞠瑞文;李庆党;针对目前城市背景烟火检测方法存在检测精度不高，易出现误检、漏检和耗时长等问题，提出一种基于YOLOv8s改进的烟火检测算法。引入加权双向特征金字塔(Bi-directional Feature Pyramid Network, BiFPN)增强特征融合，在BiFPN的基础上融合P2特征层提升小目标检测能力，同时添加基于跨空间学习的高效多尺度注意力(Efficient Multi-scale Attention, EMA)模块，突出目标特征同时抑制背景环境的干扰；为了有效利用特征图的语义信息，引入轻量级通用上采样算子——Content-Aware ReAssembly of Features(CARAFE);基于多尺度卷积注意力(Multi-scale Convolutional Attention, MCA)模块设计了一个轻量化的检测头并提升了检测精度；引入分组卷积空间金字塔池化SPPFCSPC＿Group模块，在扩大感受野的同时具有更好的特征提取能力。实验结果表明，改进的YOLOv8s算法在基准模型的基础上计算量减少了25%、参数量减少了37.6%、模型权重大小减少了33.2%,平均精度均值(mean Average Precision, mAP)提升了3.4%,基本满足烟火检测的需求。
机器人路径规划中的算法研究综述
郭小莹;赵淑苹;目前，各种智能算法在机器人路径规划中的应用已经取得了一定的成果，主要表现在路径规划、避障导航和协同控制等方面，以提高机器人在复杂环境中的工作能力、协作能力和工作效率。原始的单个算法如粒子群优化(Particle Swarm Optimization, PSO)算法、蚁群(Ant Colony Optimization, ACO)算法和动态窗口算法(Dynamic Window Approach, DWA)等在机器人路径规划中存在一些问题，如收敛速度较慢、易陷入局部最优解等。因此，许多学者对各种算法做出改进，主要可以归纳为4类：基于搜索的路径规划算法、基于采样的路径规划算法、基于学习的路径规划算法和基于智能仿生的路径规划算法。这些算法不仅可以单独使用，也可以互相结合，以提高算法的适应性、收敛速度和全局搜索等能力。通过对机器人路径规划中的算法进行综述，为相关研究人员了解算法在移动机器人路径规划中的研究及算法应用提供一定的参考。
基于YOLOv5的轻量化PCB缺陷检测
王恒涛;张上;张朝阳;刘展威;针对PCB缺陷检测误检和漏检严重的问题,提出了一种基于YOLOv5的轻量化PCB缺陷检测算法。该算法使用四尺度检测机制扩大模型检测范围,增加深层语义信息与浅层语义的融合,丰富微小缺陷的检测;通过几何中值的过滤器剪枝(Filter Pruning via Geometric Median, FPGM)算法,对模型进行压缩,降低计算量,提高推理速度,实现轻量化处理;在原有网络基础上增加CA注意力机制,过滤冗余信息,强化模型重要信息的提取能力;使用聚类和遗传学习算法对锚框进行调节,加快模型收敛速度、节省训练时间,提高模型预选框准确度;结果表明,模型经过优化后,精度可达到99.06%;在仅考虑体积的情况下,模型可压缩至0.56 MB。模型在检测精度、速度和体积上均有提高,满足PCB缺陷实时检测要求。