摘要：林业作业人员常常由于复杂地貌而面对坠落、森林火灾等威胁,卷积神经网络结合无人机巡查的方法已经成为主流防范、搜救措施,但遥感图片中的行人小目标有特征少、定位精度要求高以及极易受背景信息干扰的特点。为了能够使森林遥感图片行人小目标检测的精度达到预期,在YOLOv4方法的基础上针对上述特点设计了增强特征提取的目标检测网络(EFEN),通过构建感受野增强模块(RFBA)并结合CBAM注意力机制,在充分利用遥感图片中的丰富上下文信息之余,对相关信息进行动态选择,增强特征的表示能力;基于高斯分布思想,将归一化Wasserstein距离与CIOU结合,提出了一种新的损失函数(GKCLOSS),降低了小目标检测任务中对位置偏差的敏感性;引入一种自适应分割训练检测策略,平衡正负样本,提高目标检测的准确性,进一步提高了检测精度。以河北省张家口市崇礼区采集的无人机行人图像为研究对象,实验表明,EFEN框架在小目标检测方面优于现有的深度学习网络,在与SSD、YOLOv5、YOLOv7等算法比较中平均查准率(mAP)均有所提升,在上述数据集上,mAP高达39.10%,证明了此方法对行人小目标数据的有效性。

摘要：阐述针对束流监测系统需要对束线位置进行精确测量和控制,设计一种通用数字信号处理系统。通过采用Xilinx的ZYNQ-7045芯片,使数字电路兼具FPGA并行处理能力和ARM灵活计算能力。

摘要：阐述针对油浸式电力变压器的在线监测与智能预警系统设计方案。系统集成温度传感器、溶解气体分析仪(DGA)和负载电流监测装置,能够实时监控变压器8项关键性能指标,包括数据采集、数据挖掘、参数预测、故障预警。在检测到异常时,系统能自动识别故障模式和趋势,并发出预警。