改进的YOLOV3算法在小目标检测中的研究与应用

战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用.以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,提高模型性能.在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度.     

萤火虫优化的异构集成学习网络入侵检测方法

在网络入侵检测中单独使用一种机器学习方法检测存在盲区,检测精度较低,提出一种基于GSO优化权值的异构集成学习入侵检测算法.在构造基分类器中,通过对样本集的采样和特征集的选择增大各个基分类器样本间的差异性;通过不同学习算法对样本集的学习增强基分类器的差异度,通过加权方式集成得到检测结果.在设计权值时,引入萤火虫优化算法,对各个基分类器的分类结果权值进行优化.在通用数据集和CSE-CIC-IDS2018数据集上的实验,表明提出的方法能够有效提高检测的精度,降低误报率和漏报率.     

涡轮泵故障检测的频段能量比SOM算法

为了解决缺少故障样本情况下的涡轮泵健康状态判别问题,分析了涡轮泵振动信号的频谱,提取了频段能量比作为其故障检测特征,并讨论了自组织映射的竞争学习原理及聚类结果的U-矩阵表示,提出了一种基于频段能量比的自组织映射故障检测算法,并实现了该算法最佳匹配神经元的选择和权重向量的自适应更新。通过某型液体火箭发动机历史试车数据的验证,结果表明,健康涡轮泵数据利用该算法聚类时仅存在一个类别,相邻神经元距离小于0.1;反之,故障涡轮泵数据利用该算法聚类时明显存在两个或多个类别,且相邻神经元的最大距离大于0.1。因此,基于频段能量比的SOM算法能有效地判别涡轮泵的健康状况。     

改进AgCl浊度法测定舰船火灾烟气中氯

为快速、准确地测定出现场舰船火灾烟气中氯的含量,在体系中加入适量的十二烷基苯磺酸钠(DBS)、聚乙烯醇溶液(PVA)和吐温-80,对传统AgCl浊度法进行了改进。结果表明,系统的稳定性、灵敏度均大幅度提高,检测限则由3.5×10-1mg/l降低至3.1×10-2mg/l。改进后的方法线性范围宽、重现性好。     

基于改进噪声检测的迭代中值滤波算法

提出了一种基于改进噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中噪声检测方法改进了IMFLED方法,进一步降低了误检率和漏检率。经过仿真实验并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

便携式米波、分米波雷达天馈线故障快速检测仪研制

调查分析了雷达天馈线检修现状和存在的诸多影响作战训练的弊病, 采用逆向思维的方式, 论证、设计了便携式米波和分米波雷达天馈线故障快速检测仪, 解决了天馈线检修的“老大难”问题, 带来了较好的军事、经济效益。     

基于连续帧的红外小目标检测技术

提出了一种基于连续帧的远距红外小目标检测技术。通过对原始红外图像进行增强型简化高通滤波提高图像信噪比,用基于直方图迭代得到的阈值二值化后,得到小目标图像。为了确保目标检测的可靠性,利用连续多帧确定截获的目标。仿真结果表明该算法可实现在低信噪比复杂背景中对远距小目标的快速稳定截获。     

不完备检测下视情维修的多级劣化系统性能评估

视情维修是改善多级劣化系统性能表现的重要措施,然而在实际中检测不完备问题会制约视情维修的有效开展,从而影响劣化系统性能评估结果。针对这一问题,将多级劣化系统检测维修马尔科夫链模型中的状态转移进行调整,建立其在不完备检测下进行视情维修的性能评估模型,给出系统性能参数的求解方法。实例验证表明:在实际工作中,虚警和漏检对于系统瞬态可用度的影响是随时间变化而不定的,但对于系统可靠度的影响则是确定的,即在任意时刻虚警提高系统可靠度,而漏检降低系统可靠度。     

基于磁记忆检测技术的即时报警功能设计与实现

根据金属磁记忆检测技术中缺陷判定依据的运算特点,为减少程序计算量、提高缺陷检测效率,改进了传统缺陷判定算法．在检测设备基本结构基础上增加了信号调理卡,并借助多功能采集卡的数字输出功能实现了缺陷检出时的即时报警,大幅提高了检测系统的工作效率．     

排列熵算法的应用与发展

重点阐述了排列熵算法的基本原理,总结归纳了该算法在医学、生物和机械等领域的国内外研究和应用现状,最后展望了排列熵算法的未来发展趋势。研究表明：排列熵算法能够有效放大时间序列的微弱变化,且计算简单、实时性高,已在信号突变检测方面显示出良好的应用前景。