融合卷积神经网络和循环神经网络的车轮目标检测

目标检测是基于视觉的目标定位关键技术。针对现有车轮检测方法对环境敏感问题,本文提出一种并联式融合循环神经网络和Faster R-CNN的车轮检测模型FusionRNN,借助RNN能够处理时序和CNN能够提取空间域隐性特征的优点,可提高实时性,减少参数量,使模型表达能力更强,同时具备分析序列化向量间语义关系和识别车轮几何特征的能力。该模型能在由激光雷达扫描得到的车轮三维点云投影图中准确检测出车轮位置,为基于AGV自动停车系统搬运车辆提供准确稳定的车辆位置信息。     

水声换能器动态吃水与传感器技术探讨

分析了水声换能器静态吃水和动态吃水的差异,以及由这种差异带来的测量精度误差。对压力式验潮仪测量潮汐变化的基本原理和工作模式进行了剖析,探讨了采用压力传感器进行测量水声换能器动态吃水的可能性,并提出了测量水声换能器动态吃水的新概念、新方法。     

叶绿素传感器海上应用影响因素研究进展

叶绿素浓度是衡量海洋浮游植物丰度的重要指标,快速准确地测定海水中的叶绿素含量,对于业务化监测和科学研究都具有重要的现实意义。基于活体荧光法的叶绿素传感器操作简便,可长期原位在线监测,能轻易获取大量实测数据,是当前海水叶绿素高精度测量手段的主要发展趋势。由于在海上应用时受到多种环境因素的影响,叶绿素传感器数据与实验室萃取法数值之间存在较大偏差。作者综述了科学界在浊度、光照、温度、盐度等海洋环境因素及藻类生理因素对叶绿素传感器测量的影响规律、影响机理和数据校正方法的研究进展,并对活体荧光法叶绿素传感器海上应用数据质量控制方法的研究思路进行了展望。     

GTS探空仪碳湿敏元件性能测试数据分析及相对湿度订正

碳湿敏元件受温度影响明显,造成相对湿度探空数据测量的误差。利用温湿控制设备对该元件进行静态试验,测试不同温度对元件感湿特性的影响。通过对试验数据分析计算得到元件的相对湿度温度项订正数据,以及相对湿度的温度项订正拟合公式,可以有效订正由温度引起的相对湿度探空数据误差。对实际相对湿度探空数据资料订正效果的对比分析表明,经过温度项订正后的相对湿度探空数据,不但其准确度得到了提高,而且清楚地体现出在订正之前所不能体现的高空大气相对湿度在低湿段的变化细节。     

岩石（体）渗透性测试的体变量法研究

渗透性测试试验一般采用直接测渗流量的方法,难以对低渗透岩有效测定流量。利用新开发的高压渗透仪,采用“体变量法”进行渗透性测试,该法是通过精确计量渗透出水端水体积的变化量（最小有效测试精度可达0.03 mL）度量岩石（体）渗流量的大小。保持渗透水压差不变,当出水端水体积变化与时间呈线性关系时,即该时段渗透速度保持不变,则该时段试样渗透特性符合达西定律,可利用达西公式对试样渗透性指标进行分析计算。采用这种方式,即使是针对超低渗透性岩石（渗透系数小于10-9 cm/s）,在整个渗透端面形成以后,某一条件下渗透性测试仅需十几分钟甚至几分钟,大大缩短了测试时间,提高了测试精度。试验证明该方法是一种有效的测试方法。     

基于组合核函数的高斯过程边坡角智能设计

高斯过程(GP)是近年来发展迅速的一种全新学习机。与支持向量机(SVM)相比,该方法有着容易实现、超参数可自适应获取及预测输出具有概率意义等优点。结合边坡工程中的边坡角设计,编写了在多种因素影响下边坡角设计的GP程序,为克服单一核函数预测精度和网络泛化能力差的缺点,采用单一核函数相加作为GP的组合核函数,将自动关联性测定参数（ARD）引入其中,建立了关于超参数的GP回归网络模型,使用共轭梯度下降算法导出最优超参数,用ARD超参数进行输入属性相关性分析和特征选取,并以此网络对测试样本进行学习预测,结合支持向量回归方法给出了在回归问题上的应用和对比分析。结果表明：在边坡角智能设计应用中,采用组合核函数的GPR网络ARD参数具有明确的物理意义,预测回归性能优于SVM,且预测输出的概率解释能更好的体现预测值的代表性,为边坡角设计开辟新径。     

地震传感器的新技术与发展

宽频带、大动态、低噪声、低功耗、便携式、高度智能化是地球物理观测技术的发展趋势.本文简要回顾了地震传感器的发展,详细介绍了几种设计先进、性能优越、基于不同换能机理的新型地震传感器.这些传感器有些已经有原理样机,有些还处于概念设计中,它们将是未来宽频带地震仪技术发展的主要方向.     

智能空间决策支持之刍议

智能空间决策支持正在成为空间信息科学的一个新兴的研究热点,及时对其基本概念、基本原理和主要技术进行归纳、提炼是十分必要的。首先分析了空间决策智能化研究的必然性和必要性,探讨了智能空间决策支持的定义、研究内容和基本特征,提炼和分析了智能空间决策的主要支撑技术,最后给出了智能空间决策支持系统的基本设计思路和总体架构。     

Environmental sensor networks for vegetation,animal and soil sciences

Environmental sensor networks (ESNs) provide new opportunities for improving our understanding of the environment. In contrast to remote sensing technologies where measurements are made from large distances (e.g. satellite imagery, aerial photography, airborne radiometric surveys), ESNs focus on measurements that are made in close proximity to the target environmental phenomenon. Sensors can be used to collect a much larger number of measurements, which are quantitative and repeatable. They can also be deployed in locations that may otherwise be difficult to visit regularly. Sensors that are commonly used in the environmental sciences include ground-based multispectral vegetation sensors, soil moisture sensors, GPS tracking and bioacoustics for tracking movement in wild and domesticated animals. Sensors may also be coupled with wireless networks to more effectively capture, synthesise and transmit data to decision-makers. The climate and weather monitoring domains provide useful examples of how ESNs can provide real-time monitoring of environmental change (e.g. temperature, rainfall, sea-surface temperature) to many users. The objective of this review is to examine state-of-the-art use of ESNs for three environmental monitoring domains: (a) terrestrial vegetation, (b) animal movement and diversity, and (c) soil. Climate and aquatic monitoring sensor applications are so extensive that they are beyond the scope of this review. In each of the three application domains (vegetation, animals and soils) we review the technologies, the attributes that they sense and briefly examine the technical limitations. We conclude with a discussion of future directions.     

新型宽频带垂直摆倾斜仪的设计及应用

介绍了一种新型宽频带垂直摆倾斜仪的设计原理、技术指标和使用状况,分析了设计和使用中的情况。