1 鲁东大学信息与电气工程学院, 山东 烟台 264025
2 中国农业大学信息与电气工程学院, 北京 100083
目前卷积神经网络(CNN)在物体种类识别方面取得突破性进展。 贝类作为农业经济的重要组成部分, 种类繁多, 特点复杂, 大多贝类存在着相似度高, 各类样本分布不均衡情况, 以致CNN对贝类分类的准确率偏低。 针对这一情况, 提出了基于可见光谱和CNN的贝类识别方法, 旨在提取更有效的贝类特征, 从而提高贝类分类的准确率。 首先, 提出了一种包含输出熵度量和正交性度量的滤波器信息度量与特征选择方法, 重新初始化修剪掉的滤波器并使其正交, 捕获网络激活空间中的不同方向, 使神经网络模型学习到更多有用的贝类特征信息, 提升模型分类准确率; 其次, 提出了一种包含正则化项和焦点损失项的贝类分类目标函数, 通过控制各类别样本对总损失的共享权重, 来减少易分类样本的权重, 以使模型注意力向预测不准的样本倾斜, 均衡样本分布和样本分类难度, 进一步提高贝类分类的准确率。 贝类图像数据集由74类贝类组成, 共11 803张图像。 获取原始数据集后, 对数据集图像进行水平翻转、 垂直翻转、 随机旋转、 在[0, 30°]范围内旋转、 在[0, 20%]范围内缩放和移动等数据增强操作, 将图像数量从11 803张增加到119 964张。 整个图像数据集按8:1:1的比例随机分为训练集95 947张图片、 验证集11 996张图片和测试集12 021张图片。 在建立贝类图像数据集的基础上进行了实验验证, 达到了93.38%的分类准确率, 将基准网络(Resnest)的准确率提高了1.18%, 相较网络SN_Net和MutualNet, 准确率分别提升了4.34%和0.85% , 并且训练时长为22 320 s, 将基准网络(Resnest)的训练时长缩短了960 s, 训练时长分别比SN_Net和MutualNet短3 180和2 460 s。 实验结果证明了该方法的有效性。
卷积神经网络 贝类识别 滤波器信息度量 特征选择 贝类分类目标函数 Convolutional neural network Shellfish recognition Filter information measurement Feature selection Shellfish classification objective function 光谱学与光谱分析
2022, 42(10): 3298
光学 精密工程
2022, 30(14): 1749
1 中南大学机电工程学院高性能复杂制造国家重点实验室,长沙 410000
2 山河智能装备股份有限公司,长沙 410000
针对水下机器人(ROV)避碰机动障碍物的问题,提出了一种改进的速度障碍法,以提高复杂环境中水下机器人的自主避障能力。将动态障碍物在速度空间中的运动不确定性转化为位置的不确定性; 通过分析动态障碍物的碰撞风险和最大膨胀圆的速度障碍来明确开始和结束避障的时间; 设计了考虑安全性、目标趋向性和速度改变量3个因素的目标函数,以实现最优避障速度的选取。最后,通过仿真实验验证了该避障方法的可行性与有效性。
水下机器人 动态避障 机动障碍物 速度障碍 目标函数 Remote Operated Vehicle(ROV) dynamic obstacle avoidance dynamic obstacle velocity obstacle objective function
1 西南科技大学 信息工程学院, 四川 绵阳 621010
2 特殊环境机器人技术四川省重点实验室, 四川 绵阳 621010
3 西南科技大学 微系统中心, 四川 绵阳 621010
针对亚波长超声环行器无法快速准确地确定一个更优的调制参数的问题, 该文提出了一种自动寻找更优调制参数的方法。以隔离度、插入损耗、反射系数和交调积作为约束条件, 定义一个目标函数, 并通过这个目标函数确定更优的调制参数。此目标函数可自行根据需要进行适当修改, 从而自动确定所需调制参数。利用定义的目标函数, 通过Matlab绘制环行器的性能指标与调制参数关系图。结果表明, 根据此方法确定的调制参数下, 亚波长超声环行器隔离度高达37 dB, 插入损耗低至0.3 dB,实现了快速准确地确定更优的调制参数, 从而验证了所提出方法的可行性。
环行器 时空调制 互易性 调制参数 目标函数 circulator spatiotemporal modulation reciprocity modulation parameter objective function
传统的战场决策多依赖于人工经验进行实施，随着实际战争电磁环境的复杂性和恶劣性逐渐增长，传统决策方法略显不足。针对此问题，将干扰资源的优化决策问题建模为最小化干扰功率、最小化系统效能匹配度、最大化压制概率的多目标函数约束模型，通过对传统多目标细菌觅食优化 (MBFO) 算法进行改进，利用改进多目标细菌觅食优化(IMBFO)算法对问题进行求解，使得决策方案更加科学、合理。仿真结果表明，IMBFO算法能够有效求解该问题，并与MBFO算法、带有精英保留策略的快速非支配多目标优化算法(NSGA-II)相比，具有良好的分布性和收敛性。
电子干扰 干扰决策 多目标函数 electronic interference interference decision multi-objective function IMBFO IMBFO NSGA-II NSGA-II
提出了一种结合物方残差和像方残差的加权迭代位姿计算方法。在高精度快速位姿估计算法(EPnP)的基础上,加入改进的自适应加权物方残差目标函数迭代算法来优化结果,并以迭代后的平均像方残差作为最小误差判决阈值来修正误差较大的参数。实验结果表明,所提方法可以极大地提高非冗余情况下EPnP算法中位姿参数的计算精度和稳健性。在参考点充足的情况下,维持了EPnP算法的高精度,具有较高的实用价值。
机器视觉 相机位姿估计 目标函数 物方残差 像方残差 加权 稳健性 激光与光电子学进展
2019, 56(4): 041503
1 哈尔滨工业大学 航天学院, 黑龙江 哈尔滨 150001
2 哈尔滨工业大学 电气工程与自动化学院, 黑龙江 哈尔滨 150001
3 中国航天科工集团8357研究所, 天津 300308
针对视觉测量过程中配合目标特征点在成像时灰度模式的各向异性且非独立同分布对位姿估计求解的影响, 建立了基于特征点测量误差不确定性加权的位姿估计目标函数。利用协方差矩阵描述特征点的方向不确定性, 分析成像特征点的不确定性对目标函数的作用权重, 并将特征点测量误差的不确定性融入到空间共线性误差函数中, 进而构造了基于成像特征点测量误差不确定性加权的新目标函数。该方法适应于特征点测量误差具有不同程度的方向不确定性的情况, 最后通过广义正交迭代算法对该目标函数进行迭代优化求解。实验表明, 当测量空间为2 300 mm×1 400 mm×1 400 mm, 采用新目标函数得到靶标重投影后图像坐标的最大误差不超过0.11 pixel, 立体视觉系统对标准杆的相对测量精度优于0.01%。所得的结果验证了新目标函数的位姿估计精度高、稳定性强, 适用于实际的工程应用。
立体视觉 不确定性 误差加权 目标函数 位姿估计 stereo-vision uncertainty weighted measuring error objective function pose estimation
1 北京邮电大学信息与通信工程学院, 北京 100876
2 北京邮电大学电子工程学院, 北京 100876
与平面目标面相比，在曲面目标面产生均匀的照度分布时，LED阵列的设计更复杂。通过优化LED阵列排布，使其在复杂曲面的目标面上产生了均匀的照度分布。构建了反映照度均匀性的目标函数，目标函数以阵列中各LED的位置坐标为变量，利用模拟退火算法对阵列中各LED的位置进行优化，使目标函数获得最小值。为了验证算法的可行性，针对圆柱形目标面、抛物线形柱状面以及正弦形柱状面，优化设计了3种不同排布的LED阵列，优化后的LED阵列在相应目标面上的照度分布均匀性分别达到99.0%、99.3%和97.0%。分析了LED阵列中各LED的装配公差对目标面照度均匀性的影响，模拟结果表明：装配公差在0.2 mm以内，目标的均匀度下降不超过0.3%，说明这种设计方法具有一定的实用价值。
光学设计 照度均匀性 模拟退火算法 LED阵列 目标函数 装配公差 激光与光电子学进展
2018, 55(7): 072201
武汉大学 物理科学与技术学院, 武汉 430072
频域全波形反演能够获得高分辨率的反演结果, 具有较高的计算效率, 因此得到广泛应用。在传统单频点串行反演策略的基础上, 提出一种多频点同时反演策略, 并推导出一种新的目标函数表达式, 应用于频域全波形反演算法中。该策略能够同时反演所有的频率分量, 对于一组频点中的每个频点进行加权求和处理, 从而避免了高频分量在反演结果中占据主导, 同时避免反演结果中存在噪声干扰。分别用三种不同的模型进行验证。实验表明, 相对于传统的单频点策略, 多频点策略的反演结果具有更好的稳定性、正确性和鲁棒性; 而且对于模型中明显介质边界的位置, 它的反演结果更接近于目标模型。
多频点同时反演 频域全波形反演 加权因子 目标函数 预处理梯度法 simultaneous multifrequency inversion frequency-domain full waveform inversion (FWI) weight coefficient objective function pre-conditioned gradient method
