摘要：多光谱辐射测温是高温测量的最有力工具之一,它通过光学瞄准系统对准待测点,经分光光路后获得多个光谱通道的辐射信息,利用光电探测器转化为电信号,通过对多个光谱辐射通道的电信号进行数据处理后同时获得待测目标的真实温度和光谱发射率。待测目标的温度反演结果受未知的发射率影响难以直接反演。为解决待测目标发射率模型难以确定的问题,基于参考温度模型,提出一种无需假设发射率模型的多光谱辐射测温数据处理方法。利用同一时刻获得的各个通道反演的温度值与平均值的差值趋近于“零”的约束条件,根据精度要求,设置合理的截止条件,设计合适的发射率迭代步长,可以使反演精度满足实际要求。在提高反演速度方面,提出“二分法”,即在上一次发射率获得温度与平均温度偏差结果引导下,利用“二分法”快速减小发射率搜索区间,直到满足截止条件,即每个光谱通道反演温度趋于相等,从而实现快速反演的目标。基于二分迭代法的多光谱辐射测温反演新算法在未知发射率先验知识的情况下,可实现多光谱辐射测温数据的真实温度反演。基于光纤光谱仪设计了一套多光谱辐射测温实验装置,利用成像透镜将目标聚焦于分化板上的十字叉丝处,叉丝处粘贴有一个45°反射棱镜,将辐射信息反射至光纤后进入光谱仪实现多光谱测温。对一生物质锅炉炉膛火焰通过观察窗进行温度测量并与热电偶测量结果进行比对,结果表明与热电偶测量结果(1000 K左右)相对误差小于4.4%。同时用普通计算机课实现毫秒级实时反演,表明该算法满足在线测量要求,算法进一步完善了多光谱辐射测温理论,为多光谱辐射测温技术在生物质火焰高温测量领域的应用提供了理论支撑。

摘要：【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%,AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留AlexNet神经网络拟合优化性的同时加快寻优速率,可有效提高识别精度,实现木材高精度分类。

摘要：近年来,为了减少对石化燃料的依赖和节能环保的强烈需求,以稻壳、秸秆等可再生资源为燃料的生物质锅炉越来越受到业界的广泛重视。为了进一步提高生物质锅炉的燃烧效率,优化炉膛结构,需要实时监测火焰温度。传统的热电偶测温法不利于长时间高温测量, CCD测温法又难以测量真实温度,而多光谱辐射测温法具有响应速度快、无测量上限以及可以获得真实温度等优点,是生物质锅炉火焰温度测量的最有力工具之一。多光谱辐射测温是通过测量待测物某点的多个光谱辐射强度信息,通过普朗克公式反演获得真实温度。但是,未知的光谱发射率是多光谱辐射测温反演过程的最大障碍。目前,多采用事先假设一组发射率模型(发射率-波长或发射率-温度模型),假设模型如果与实际情况相符,则反演结果能够满足要求,假设模型如果与实际情况不符,则反演结果误差很大。能否在无需任何光谱发射率假设模型的情况下,实现真温和光谱发射率的直接反演一直是多光谱辐射测温理论研究的热点和难点。为此,提出外点罚函数约束优化算法,将多光谱辐射测温反演问题转化为约束优化问题,给出了罚函数的表达式和相关参数。与其他约束优化算法相比,外点法的优势在于不受发射率初值的影响,进一步提高了算法对不同材料发射率的适应度。基于微型光纤光谱仪,搭建了稻壳粉生物质锅炉炉膛火焰温度测量装置,通过实验室黑体炉标定后,对稻壳粉生物质锅炉炉膛火焰从初燃到稳燃过程的温度进行了测量,并与热电偶测量结果进行了对比。结果表明,与热电偶测量结果相比,多光谱辐射测温的最大绝对误差为35.7 K,最大相对误差为3.2%。表明该测量装置及反演算法可实现生物质锅炉炉膛火焰燃烧温度的测量,为后续生物质锅炉燃烧诊断及锅炉设计优化提供了基础。

摘要：为解决智能交通系统中车标识别的问题,提出YOLOv5s网络车标定位多特征融合的车标图像识别方案。车标定位阶段选择YOLOv5s网络以满足对车标定位速度与精度等的需求。车标识别阶段通过调整扩展高斯差分中的参数得到具有不同效果的车标边缘,设计一组二维Gabor滤波器对边缘检测后的车标图像进行滤波处理并提取出对应的车标图像特征向量,通过计算待测车标图像特征与标准比对库中特征向量的欧几里德距离,取距离最小者对应的标签索引作为分类识别结果,该方案的最佳识别正确率为96.91%。采用随机森林算法进行分类后的最佳识别正确率可达99.33%。该方案的车标定位与识别最佳整体正确率超过了YOLOv5s网络直接一步到位识别车标的方案,且相较于传统图像处理方法有明显提升。

摘要：树木年轮学的研究需要统计树龄和测量轮宽,由此推算环境变换和树木生长信息,因此准确提取年轮特征信息至关重要。精准识别出年轮图像中的早材、晚材和树皮是实现自动化测量年轮参数的首要工作。树木年轮的生长过程中存在年轮的早材和晚材间边界过渡模糊、节疤和伪年轮等现象,且年轮圆盘在砍伐和采集过程中表面会存在毛刺和噪声点,使用传统的图像分割算法难以得到理想的效果。本文结合深度神经网络的特点,针对年轮图像的分割问题,构建了基于U-Net卷积神经网络的年轮图像语义分割模型。首先,对采集的100张年轮圆盘图像进行标注,并通过旋转、透视和图像变形等方式做数据增强,生成20000张数据集,随机选择其中16000张作为训练数据集,4000张作为测试数据集。其次,根据图像数据集的特征,利用Tensorflow深度学习框架,设计构建基于U-Net卷积神经网络的年轮圆盘图像分割网络。然后,将训练样本输送进网络,设置优化训练参数,对年轮图像分割网络进行迭代训练,直至评价指标和损失函数不再变化。最后,用训练好的模型对测试集样本进行分割,并进行分割指标评估。结果表明:该算法可有效避免毛刺、锯痕和节疤等因素的影响,完整地分割出年轮的晚材和树皮区域,在4000张测试数据集上分割的平均准确率达到96.51%,平均区域重合度达到82.30%。与传统图像处理算法相比,本文所采用的基于U-Net卷积神经网络的年轮图像分割算法,能够达到更好的分割效果,同时具有更强的泛化能力和鲁棒性。

摘要：连续热压是中密度纤维板(MDF)生产中最重要的工序之一,由于连续平压机作为整条生产线的核心设备,因此,对其运行控制的精准性、可靠性将会直接影响整线的生产能力和产品品质。利用失效模式和影响分析(FMEA)方法,针对连续平压过程中易出现的板厚控制失效和板厚偏差缺陷消隐问题,提出了一种MDF连续平压板厚诊断与控制失效信息表达方法,根据该方法潜在失效性与海明编码的方法相结合,并通过海明编码对连续热压定厚段控制执行组单元压缸阵列进行诊断表达,用以分析MDF热压生产过程中潜在的定厚失效模式,并给出板厚缺陷和板材的偏差等级消隐工艺控制决策规则。通过海明编码和逻辑或运算算法结合测试分析表明,设计提出的MDF连续平压板厚诊断与纠偏控制失效信息表达方法符合MDF连续平压生产的全工况过程信息的表达,能够满足连续平压机的敏捷生产和可靠运行要求,并对实现MDF厚度偏差诊断与控制提供了理论基础,为后续生产过程提供了安全保障。

摘要：对现有感知图像哈希的生成方法进行深入研究,分析该方法存在的不足之处。分别介绍离散余弦变换、Watson视觉模型和混沌模型的原理和特点,提出将这3种模型进行融合来设计感知图像哈希的生成方法。该方法采用离散余弦变换提取图像特征,对比敏感表对特征向量进行处理并用Logistic方程作为混沌序列发生器进行加密,最后采用预测差分方法进行量化编码。试验结果表明:该方法可以抵抗内容保持的修改操作,并具有较强的鲁棒性、安全性和检索性,且冲突概率降低到10-7数量级。该技术在图像认证、版权保护、安全和基于内容的图像检索等方面有应用价值。

摘要：森林火灾的频繁发生对人类生命、经济和周围环境构成重大威胁。烟雾是森林火灾初期最显著特征之一,因此烟雾识别对预防森林火灾意义重大,是建立早期火灾探测机制的关键。由于烟雾具有颜色不一、形状多变等特性,导致传统方法对于烟雾识别存在泛化能力弱、响应时间长、误报率高等问题,无法实现对森林火灾的有效监测。基于此,本研究提出了基于改进的YOLOv3-SPP森林火灾烟雾识别方法。改进的YOLOv3-SPP算法通过在主干特征提取网络中加入Focus模块和使用动态标签分配策略降低了计算成本,以及在预测网络中使用解耦头,能够避免在预测过程中分类与回归任务的冲突,并用无锚框检测器替代锚框检测器计算预测框的位置,显著帮助模型更好地定位烟雾,简化解码过程。本研究使用自建的无人机森林火灾遥感影像数据集对模型进行评估,改进后的YOLOv3-SPP算法模型识别精确率达到91.07%,识别速率达到51帧/s,较YOLOv3-SPP模型分别提升了1.14%和17帧/s。实验表明该模型能有效地识别森林火灾烟雾,且通过轻量化的设计能在短时间内对烟雾进行准确识别。

摘要：哈希方法由于低存储、高效率的特性而被广泛应用于遥感图像检索领域。面向遥感图像检索任务的无监督哈希方法存在伪标签不可靠、图像对的训练权重相同以及图像检索精度较低等问题,为此,提出一种基于深度多相似性哈希(DMSH)的遥感图像检索方法。针对优化伪标签和训练关注度分别构建自适应伪标签模块(APLM)和成对结构信息模块(PSIM)。APLM采用K最近邻和核相似度来评估图像间的相似关系,实现伪标签的初始生成和在线校正。PSIM将图像对的多尺度结构相似度映射为训练关注度,为其分配不同的训练权重从而优化深度哈希学习。DMSH通过Swin Transformer骨干网络提取图像的高维特征,将基于语义相似矩阵的伪标签作为监督信息以训练深度网络,同时网络在两个基于不同相似度设计的模块上实现交替优化,充分挖掘图像间的多种相似信息进而生成具有高辨识力的哈希编码,实现遥感图像的高精度检索。实验结果表明,DMSH在EuroSAT和PatternNet数据集上的平均精度均值较对比方法分别提高0.8%~3.0%和9.8%~12.5%,其可以在遥感图像检索任务中取得更高的准确率。

摘要：介绍了基于J2EE体系结构和ArcGIS Server的WebGIS实现及解决方案,并在森林资源信息管理系统中进行应用。主要围绕"基于ArcGIS Server技术的网络化多层次WebGIS"进行深入研究,设计了基于WebGIS的森林资源信息系统管理网络平台。把该平台按J2EE标准,采用MVC软件设计模式,提高了系统的可扩展性和可移植性。通过把森林资源信息管理与WebGIS相结合,给用户提供直观的资源调查、分析、管理等方面的决策依据。实现森林资源管理的网络化与现代化。