水库群水沙调控的单-多目标调度模型及其应用

为缓解内蒙古河段"二级悬河"形势,以黄河上游沙漠宽谷河段为研究对象,以龙羊峡水库、刘家峡水库为调控主体,开展黄河上游水沙调控研究。建立了输沙量、发电量最大的单目标模型以及多目标模型;分别采用自迭代模拟算法、逐次逼近动态规划算法(DPSA)和改进的非支配排序遗传优化算法(NSGA-Ⅱ)求解模型;设置了初始、常规、优化和联合优化4种方案。通过实例计算,联合优化调度方案的区间总冲刷量达到了0.38亿t,梯级发电量148.22亿kW·h。该方案以较小的电量损失换来了输沙量的大幅度增加,水沙调控效果显著,推荐为最优方案。研究成果量化了水沙调控效果和各目标间的转化规律,为开展黄河上游水沙调控提供了决策依据,具有重要的应用价值和实际指导意义。     

高频地波雷达海杂波背景下的船只目标检测研究进展

针对海杂波对高频地波雷达目标检测的干扰问题,分目标处于海杂波谱区之内和之外两种情况综述了海杂波背景下的目标检测方法。对于海杂波内目标检测的难题,介绍了一种基于现场海态同步观测信息的检测新思路以及初步验证结果。对国内外相关研究进展的归纳总结和新思路的提出,为提出更加有效的海杂波干扰下的目标检测方法提供了重要的参考。     

黄海浒苔绿潮防控对策研究

绿潮是一种全球性海洋生态灾害,在法国、美国、日本等均有发生。文章综述我国黄海浒苔绿潮发生情况,呈规模大、持续时间长、危害大等特点,已威胁渔业、养殖业和旅游业的发展,对沿海经济社会造成不利影响;提出成立联防联控工作组、建立区域联防联控机制、加大科技支撑与保障力度、健全多元投入机制和加强公众宣传教育等浒苔绿潮防控措施。     

利用GPR天线-目标极化的瞬时属性分析方法探测LNAPL污染土壤

轻非水相流体(LNAPL)泄漏后会对土壤和地下水造成严重污染,为了准确探测出LNAPL泄漏范围,本文将GPR天线-目标极化的瞬时属性分析方法应用于轻非水相流体污染土壤探测的研究中。采用注入柴油的石英砂砂箱在实验室建立污染土壤模型,利用探地雷达对该污染土壤分别进行天线方位为0°、90°的测量。LNAPL土壤污染物形状、大小、结构并不规则,因此可以通过0°和90°方位天线测量来分析天线-目标极化特征,了解目标物的走向、形状等地下介质信息。通过对预处理后的包含天线-目标极化特征的信息进行瞬时属性分析,LNAPL污染范围可以被清晰地识别,提高了GPR探测能力。     

增城气象为农服务现状及发展对策

针对增城的气象为农服务方式单一、科普工作覆盖面不够、服务水平存在差距、气象灾害发生时应对措施较为落后、农户对相关的气象知识了解不够等问题,建议拓展气象为农服务的方式,着力提高农业气象灾害预报针对性和精准性,增加农业气象科普次数,切实为推动增城现代化农业发展以及农村经济建设提供科学的支撑.     

一种融合单目视觉SLAM与GPS的无人机视频目标定位方法

提出一种融合单目视觉SLAM与机载GPS信息的无人机视频目标定位方法。首先利用单目视觉SLAM实时估计相机相对位姿,融合机载GPS数据,得到WGS84坐标系下的相机位姿估计;其次利用融合后的相机位姿将已知GPS路标投影到像平面,实现GPS路标与无人机监控视频的叠加显示;最后通过关键帧间的极线搜索匹配确定目标像素点的匹配点,并将其反投影到三维空间得其对应的GPS坐标,实现无人机监控视频中的GPS位置查询。实验验证了该方法的有效性、精确性与实时性。     

一种新的六自由度测量方法

针对空间中运动目标的六自由度测量,在研制的新型光笔基础上提出了一种六自由度测量方法。该方法既可以对目标进行六自由度测量,也可以进行单点测量。测量前,只要将光笔安装于被测目标上,利用激光跟踪仪技术和视觉测量技术分别获取光笔的位置和姿态;再将其位置与姿态融合于激光跟踪仪坐标系下的目标六自由度测量值。文中描述了六自由度测量系统的基本原理,并推导了测量系统中涉及到的关键算法。实验结果表明,该方法六自由度测量精度达到国外同类产品水平,基本满足高精度六自由度测量的需要。     

改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。     

基于差分筛选的YOLOv2监控视频目标检测方法

监控视频的多目标跟踪是视频智能分析的热点研究内容,其中目标的检测是目标跟踪的基础,精度高、速度快的目标检测器对于后续的实时分析任务尤为重要。提出一种针对监控视频的基于差分筛选的YOLOv2目标检测算法,采用差分算法筛选无前景目标帧及设置重叠度量阈值进行跨帧检测,改善了YOLOv2作为检测方法用于监控视频多目标跟踪任务时速度过慢的不足,同时高精度的检测结果有利于下一步多目标跟踪任务的顺利完成。利用NPLR监控视频数据集对YOLOv2目标检测算法进行了测试,并将该方法与可变型部件模型DPM进行了比较。结果表明,差分YOLOv2方法在精度上高出DPM方法0.304 6,检测时间快了26倍左右,验证了该算法的有效性。     

基于错误式学习的低空影像人行横道多角度自动识别

提出了一种基于特征的错误式学习分类器半自动迭代训练方法,该分类器能够自动识别多角度低空影像上的人行横道线,在人行横道线管控与数据库建立、道路网提取上有较好的应用。介绍了基于错误式学习的分类器训练思路与方法,并提出了将同一地区不同角度低空影像的识别结果进行合并,从而尽可能全面的检测出被城区高楼以及车辆遮挡的人行横道线的思路。通过对比实验该方法的鲁棒性,并在其基础上随机选取多组数据进行系列实验,证实了基于错误式学习的分类器比传统方式训练的分类器有更好的综合性能,能够在不降低识别耗时的前提下产生高准确率、低漏检率和低误识别率的识别结果。