基于激光电子散斑干涉技术(ESPI),对涂层失效过程的电子散斑干涉技术检测平台进行设计搭建,在不破坏涂层前提下,观察到浸泡失效过程中涂层的原位、实时和动态干涉条纹,并对其进行优化处理.将原位、实时观察到的条纹与零时刻条纹图像相减后进行计算机二值化处理,得到反映涂层失效信息的原位、实时及动态图像.针对环氧色漆/碳钢涂装体系,证实了电子散斑干涉技术分析的有效性,并根据其检测图像的变化,将环氧涂层的浸泡过程分为三阶段:初期没有斑点,涂层完好;中期出现模糊的斑点,涂层防护作用下降;后期出现清晰的黑色大斑点,涂层丧失防护能力.实现了涂层/金属界面失黏、膜下金属腐蚀微观发展过程原位、实时和动态的无损检测

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示:没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

基于高性能的YOLOv3目标检测算法，提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段：第一阶段在低分辨率全局图像中检测出火车号区域位置；第二阶段在局部高分辨率图像中检测出组成火车号的字符，根据字符的空间位置关系搜索得到12位火车号，并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外，本文提出一种结合批一化因子和滤波器相关度的剪枝算法，通过对两个阶段检测模型的剪枝，在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明，本文提出的火车号识别算法达到了96.92%的整车号识别正确率，平均识别时间仅为191 ms

采用水热法和还原氮化法合成了菊花状形貌的氮化钛（TiN）纳米材料，并将其与还原氧化石墨烯（rGO）水热复合制备了氮化钛–还原氧化石墨烯（TiN-rGO）复合材料。利用扫描电镜、X射线衍射、X射线光电子能谱等测试方法对材料的形貌和物相进行了表征和分析。结果表明，TiN-rGO复合材料很好地保持了TiN菊花状的三维结构和rGO透明褶皱的形貌，且层状的rGO均匀地包覆在了菊花状的TiN的周围。用TiN-rGO复合材料修饰玻碳电极（GCE）制得了TiN-rGO/GCE电化学传感器，用于测定人体中的生物小分子DA和UA。由于复合材料中TiN和rGO的协同效应，构建的电化学传感器表现出了优秀的电化学性能。检测结果表明：TiN-rGO/GCE传感器对DA和UA的检测限分别为0.11和0.12 μmol·L?1，线性范围分别为0.5～210 μmol·L?1和5～350 μmol·L?1，且具有良好的抗干扰性、重现性和稳定性，且成功应用于人体内真实样品的DA和UA检测

通过化学气相沉积法制备三维(3D)泡沫石墨烯(GF),然后利用水热合成法在泡沫石墨烯表面生长氧化锌纳米线阵列(ZnO NWAs),再利用化学气相沉积法在其表面沉积碳(C),得到碳/氧化锌纳米线阵列/泡沫石墨烯(C/ZnO NWAs/GF)复合材料.用该复合材料做电极,采用电化学方法检测叶酸(FA).结果表明,三维泡沫石墨烯具有和模板泡沫镍一样的三维孔状结构,ZnO NWAs均匀且垂直地生长在泡沫石墨烯表面,碳沉积在ZnO NWAs表面.在线性范围为0~60 μmol·L-1内,C/ZnO NWAs/GF电极检测FA时,灵敏度为0.13 μA·μmol-1·L,且在尿酸(UA)干扰下检测FA具有良好的选择性.C/ZnONWAs/GF电极有良好的稳定性和重复性

当激光照射到金属表面时,其反射光形成特有的衍射象,检出这种衍射象的形状和分布就可检测表面的粗糙度状态及其它各种缺陷。本文研制的装置是为了开展自动检测薄纲带表面质量的研究而设计制作的。为了提高扫描光点的分辨率,改善扫描的线性,扫描器采用了扩束装置和F-θ镜头。对扫描器的核心元件——旋转多面镜的设计进行了理论计算,推导了半径和面数的设计公式,并提出了扫描效果的合理取值问题。接收器采用了大面积的圆-直变断面光导纤维传光束。在实验室对廿辊轧制的薄钢带表面情况进行的检测试验表明,本文介绍的装置可以检测钢带表面上线度在10μ以上的缺陷

针对设计模式识别结果的假阴性问题与重叠问题,为提高设计模式实例恢复的精确性,提出一种形式化上下无关文法关系驱动的设计模式检测方法.依据设计模式实例中的参与者属性及其关系,以形式化可视化语言描述模式实例的识别文法.在此基础上,改进该文法检测设计模式实例参与者间的附加关系,并识别共享实例的模式.实验结果表明,新方法不仅减少了模式实例的假阴性结果,还解决了模式实例识别的重叠问题,与其他检测方法的精确度、召回率及F-score指标比较,新方法取得了较好的效果

在冶金、化工等流程型工业领域,生产中的过程控制参数往往具有高维非线性结构特征.为了解决这类高维复杂数据的异常点检测问题,本文引入了软超球体的概念,采用非线性核函数将原始数据映射到高维的特征空间,并在特征空间中确定软超球体的边界.通过检测待识别样本映射到特征空间的位置信息来判定过程参数的设定值是否为异常点,从而避免出现批量的产品质量问题.以某类汽车用钢为应用实例,对实际生产数据进行检测,证明了所提出的基于软超球体的异常点识别算法对于高维的非线性数据具有良好的检测能力

尾砂固结排放能有效解决尾砂的处置问题，然而固结后的尾砂堆体多处于地表，其性能受自然环境影响较大。我国北方地区存在广泛的冻融循环现象，冻融作用会影响固结体的强度和声电特性，为探究冻融循环条件下全尾砂固结体损伤状态和机制，以李楼铁矿全尾砂固结体为研究对象，对经历不同冻融循环次数的全尾砂固结体试样进行无侧限抗压强度试验、扫描电镜（SEM）试验、电阻率试验和超声波波速试验，借助Matlab软件二值化数字图像处理技术对试样的表面裂隙进行定量分析，并利用电阻率和超声波检测技术对固结体试样冻融循环损伤进行联合检测。结果表明：随冻融循环次数的增加，固结体的无侧限抗压强度呈指数型减小趋势，冻融循环早期（0～5次）固结体的强度减少量最多；冻融循环对固结体的损伤是逐渐累积的过程，全尾砂固结体表观劣化特征发展过程为：微裂隙萌生→裂隙延伸发展→外表层破坏→内部结构破坏；固结体初始强度越大，表面裂纹数越少；内部微观结构由密实状态向疏松状态转变；固结体无侧限抗压强度与电阻率、超声波纵波波速呈正相关，遵循对数函数关系，建立了强度?电阻率和强度?超声波波速无损检测模型；电阻率和超声波波速能准确全面地评价冻融循环条件下全尾砂固结体的损伤状态