为解决遥感图像小目标检测中目标特征信息量少、定位困难等难题,提出一种基于特征融合与注意力机制的遥感图像小目标检测算法FFAM-YOLO(Feature Fusion and Attention Mechanism YOLO)。该算法首先针对主干网络特征提取有效信息量少、...为解决遥感图像小目标检测中目标特征信息量少、定位困难等难题,提出一种基于特征融合与注意力机制的遥感图像小目标检测算法FFAM-YOLO(Feature Fusion and Attention Mechanism YOLO)。该算法首先针对主干网络特征提取有效信息量少、特征图信息表征能力弱的问题,构造特征增强模块(FEM)以融合较低层级特征图中多重感受野特征,提升算法主干网络的目标特征提取能力;其次,主干网络提取得到高低层级特征图后,建立重构算法的高低层级特征融合结构,利用特征融合模块(FFM)显著增强小目标的特征信息;在增强的有效通道注意力机制(E-ECA)与空间注意力模块(SAM)所组成的级联注意力机制(ESM)作用下,可更精确地捕获小目标特征;最后在输出的两路特征图上进行小目标检测并输出结果。实验结果表明,基于构建的遥感图像小目标数据集USOD(Unicorn Small Object Dataset),所提算法的查准率达到91.9%,查全率达到83.5%,检测框与真实框之间的交并比阈值(IoU)为0.5时的平均精度(AP)为89%,IoU为0.5∶0.95时的AP达到32.6%,检测速率达到120 frame/s,具有一定的鲁棒性和实时性。展开更多
使用高光谱仪ASD Field Spec在波长范围400～1000 nm内采集有机质含量不同的土壤反射光谱数据并作对数变换处理;之后在不同尺度的微分窗口下求取其一阶导数(一阶导数光谱)并进行小波阈值去噪;从一阶导数光谱中提取特征参数表征有机质含...使用高光谱仪ASD Field Spec在波长范围400～1000 nm内采集有机质含量不同的土壤反射光谱数据并作对数变换处理;之后在不同尺度的微分窗口下求取其一阶导数(一阶导数光谱)并进行小波阈值去噪;从一阶导数光谱中提取特征参数表征有机质含量变化.结果表明,微分窗口尺度w=1～5时,土壤一阶导数光谱中含有大量噪声,对一阶导数光谱曲线形态和有机质吸收特征的识别造成严重干扰;微分窗口尺度w=6～15时,土壤一阶导数光谱中的噪声得到一定程度的去除,但仍无法准确判别有机质的吸收特征;微分窗口尺度w=16～30时,土壤一阶导数光谱中的噪声被有效去除,其中当w=19时,从一阶导数光谱中提取的特征参数MD1s 9与土壤有机质含量的相关系数为-0.803.MD1s 9能够较为准确地指示有机质含量变化,而且运算简单,易于实现,为在精准农业中采用可见/近红外反射光谱分析技术快速检测土壤有机质提供了新的途径.展开更多
针对滚动轴承(rolling element bearings,REBs)早期故障振动信号冲击成分微弱,受噪声影响故障特征难以提取,提出了基于自相关和Teager能量算子增强的滚动轴承微弱故障特征提取法。利用自相关计算和经验模态分解(empirical mode decompos...针对滚动轴承(rolling element bearings,REBs)早期故障振动信号冲击成分微弱,受噪声影响故障特征难以提取,提出了基于自相关和Teager能量算子增强的滚动轴承微弱故障特征提取法。利用自相关计算和经验模态分解(empirical mode decomposition,EMD),分别实现轴承振动信号整个频带随机噪声和低频噪声的抑制,突出故障冲击周期。同时,提出基于内禀模态函数(intrinsic mode function,IMF)能量比加权的互相关系数-峭度指标用于筛选最优IMF进行信号重构,强化重构信号中的故障信息。对重构信号作用Teager能量算子(Teager energy operator,TEO),得到故障冲击特征增强的瞬时能量序列,通过功率谱分析提取轴承故障特征频率。内圈故障仿真信号和滚动体故障实测信号分析表明,该方法能够有效抑制轴承振动信号噪声,对早期故障的微弱特征有显著增强作用。展开更多
文摘为解决遥感图像小目标检测中目标特征信息量少、定位困难等难题,提出一种基于特征融合与注意力机制的遥感图像小目标检测算法FFAM-YOLO(Feature Fusion and Attention Mechanism YOLO)。该算法首先针对主干网络特征提取有效信息量少、特征图信息表征能力弱的问题,构造特征增强模块(FEM)以融合较低层级特征图中多重感受野特征,提升算法主干网络的目标特征提取能力;其次,主干网络提取得到高低层级特征图后,建立重构算法的高低层级特征融合结构,利用特征融合模块(FFM)显著增强小目标的特征信息;在增强的有效通道注意力机制(E-ECA)与空间注意力模块(SAM)所组成的级联注意力机制(ESM)作用下,可更精确地捕获小目标特征;最后在输出的两路特征图上进行小目标检测并输出结果。实验结果表明,基于构建的遥感图像小目标数据集USOD(Unicorn Small Object Dataset),所提算法的查准率达到91.9%,查全率达到83.5%,检测框与真实框之间的交并比阈值(IoU)为0.5时的平均精度(AP)为89%,IoU为0.5∶0.95时的AP达到32.6%,检测速率达到120 frame/s,具有一定的鲁棒性和实时性。
文摘针对滚动轴承(rolling element bearings,REBs)早期故障振动信号冲击成分微弱,受噪声影响故障特征难以提取,提出了基于自相关和Teager能量算子增强的滚动轴承微弱故障特征提取法。利用自相关计算和经验模态分解(empirical mode decomposition,EMD),分别实现轴承振动信号整个频带随机噪声和低频噪声的抑制,突出故障冲击周期。同时,提出基于内禀模态函数(intrinsic mode function,IMF)能量比加权的互相关系数-峭度指标用于筛选最优IMF进行信号重构,强化重构信号中的故障信息。对重构信号作用Teager能量算子(Teager energy operator,TEO),得到故障冲击特征增强的瞬时能量序列,通过功率谱分析提取轴承故障特征频率。内圈故障仿真信号和滚动体故障实测信号分析表明,该方法能够有效抑制轴承振动信号噪声,对早期故障的微弱特征有显著增强作用。
