最新录用

高越 , 董典伟

录用日期: 2025-08-27

[摘要](0) [HTML](0) [PDF 0.00 Byte](0)

摘要:
目的：本文旨在提升遥感变化检测在地理信息系统(GIS)中的精度与鲁棒性,重点解决边界模糊、语义建模薄弱及对异常区域响应不敏感等关键问题,通过构建具备多重特征编码与异常建模能力的检测框架,实现对变化区域的精确定位与对异常模式的有效识别。方法：本文设计了一种基于双层多重编码结构(DLMC, Dual-Layer Multi-Encoding)的遥感影像变化检测与异常识别方法。DLMC模型集成交叉编码模块以增强特征交互,采用结构差分编码提升对变化边界的刻画能力,并引入多时相语义融合模块以实现深层变化理解。此外,模型引入显著性图与异常因子联合建模机制,强化对局部突变与非一致性区域的感知。结果：在LEVIR-CD、WHU-CD和GF-Change-GIS三个典型遥感变化检测数据集上进行的实验表明,DLMC模型在F1-score(0.902)、Kappa(0.849)与SAR(0.781)三项关键指标上均获得最佳性能,显著优于FC-EF与ChangeFormer等现有主流模型。结论：所提出的DLMC方法在遥感影像变化检测与异常识别任务中展现出优越的性能,尤其在边界清晰度与局部变化响应方面具有显著优势,具有良好的应用推广价值。

基于注意力机制和多尺度特征的场景文本检测算法

李琼 , 邢景松 , 廖海斌 , 翁灿

录用日期: 2025-08-27

[摘要](0) [HTML](0) [PDF 0.00 Byte](0)

摘要:
针对定位信息传播路径过长，不能充分挖掘不同尺度特征的语义信息，导致难以利用底层定位信息来预测文本边界框的问题，提出了一种基于注意力机制和多尺度特征的场景文本检测方法；改进特征提取模块，构建内嵌十字交叉注意力机制的特征提取器提取多尺度特征，获取上下文感知信息；引入特征融合模块路径聚合网络(PANet)对不同尺度的特征映射进行融合，并提供多尺度的上下文语义信息，使分割网络生成更精细的边界分割结果，并在预测阶段重建损失函数；为了验证该方法的有效性，在公开数据集ICDAR2015,CTW1500和Total-Text三个公开数据集上进行实验，其综合指标F值分别达到了87.4%，82.3%，83.4%，基于注意力机制和多尺度特征的场景文本检测CM-STD的性能优于经典的EAST方法，且可与当前的LOMO方法相媲美。

基于改进YOLOv10n的X射线焊缝缺陷检测方法研究

耿冉冉 , 王海彬 , 童金武 , 胡浩严 , 史腾

录用日期: 2025-08-27

[摘要](0) [HTML](0) [PDF 0.00 Byte](0)

摘要:
针对现有X射线焊缝缺陷检测方法存在检测精度低和易漏检等问题,提出基于改进YOLOv10n的X射线焊缝缺陷检测模型SFE-YOLOv10n；采用SPD-Conv空间到深度卷积替换主干网络中传统卷积,增强模型对X射线焊缝小目标缺陷特征信息的捕获能力；添加轻量化的C2f-Faster模块代替主干网络和颈部网络中的C2f模块,降低模型计算复杂度,实现模型轻量化；在颈部网络C2f-Faster模块基础上引入EMA注意力机制,提高焊缝缺陷检测准确性；实验对五种典型X射线焊缝缺陷进行了测试,结果表明SFE-YOLOv10n模型的准确度、召回率、平均精度和检测帧率分别达到89.5%、86.2%、92.8%和80.8f/s,较YOLOv10n原模型分别提高了3.6%、1.5%、4.3%和1.7%,同时模型参数量略有下降；与现有方法相比,SFE-YOLOv10n模型在保证轻量化的同时能够准确检测X射线焊缝不同缺陷,经实验测试满足了工业生产对X射线焊缝缺陷检测的要求。

基于改进YOLOv10n的风机叶片缺陷检测研究

陈治锐 , 焦良葆 , 孟琳 , 高阳 , 顾嘉炜

录用日期: 2025-08-27

[摘要](0) [HTML](0) [PDF 0.00 Byte](0)

摘要:
针对风机叶片缺陷检测中存在的多尺度目标敏感度低、复杂背景干扰严重、定位精度不足等问题，现提出一种改进YOLOv10n的缺陷检测算法，在SPPF模块中嵌入大核注意力机制LSKA，构建多尺度特征增强网络，有效解决了叶片表面反光导致的误检问题；设计通道优先注意力机制CPCA，通过建立跨维度交互通道选择模型提升了对微小缺陷特征的响应能力；将模型原损失函数替换为Wise-MPDIoU损失函数，融合动态权重调整策略与形状感知约束。实验结果表明，在无人机采集的风机叶片数据集上，改进算法mAP@0.5达到84.1%，较基准模型提升2.9个百分点，为风电设备智能运维提供了可靠的技术方案。

基于融合深度神经网络的刚柔耦合机械臂优化控制系统设计

王博 , 段竹 , 汪德忠 , 王文明

录用日期: 2025-08-27

[摘要](0) [HTML](0) [PDF 0.00 Byte](0)

摘要:
刚柔耦合机械臂融合了刚性元件的稳定承载能力与柔性结构的灵活适应性，这种灵活性也导致了机械臂中刚性元件与柔性结构之间的复杂耦合关系，这种耦合关系会随着机械臂的运动而动态变化，引发运动扰动，难以生成有效的补偿调节信号抵消扰动影响，降低控制精度。针对上述问题，设计基于融合深度神经网络的刚柔耦合机械臂优化控制系统。通过跟踪机械臂位姿输入信号的变化定义其高阶导数，捕捉位姿信号的变动，准确判定机械臂位置。设计耦合模块扩展状态观测器估计机械臂位置的扰动状态，生成新的调节信号。将信号输入运动扰动补偿器中，依据补偿项参数取值进行前馈运算，推导准静态过程，对运动扰动进行精准补偿，降低刚性元件、柔性结构之间耦合关系的变化对机械臂运动偏移量造成的扰动。在三维空间中表示机械臂运动位姿，以求解机械臂正向运动学方程，根据耦合观测器的能量动态分布规律，定义机械臂动力学方程，实现对刚柔耦合机械臂的运动学与动力学分析。基于融合深度神经网络构建输入与输出的复杂映射关系，定义多层非线性变换原则，以机械臂运动控制器各模块的输入作为模型输入项，以运动学与动力学表达式作为方程运算标准，基于完整的神经函数校验输入项的运算值，输出满足实际应用需求的机械臂控制条件，完成优化控制。实验结果表明，所设计系统既控制了机器臂末端位姿，又保障了运动轨迹的收敛性能，运动扰动补偿器响应曲线也突出了该系统对机械臂关节角控制的有效性。

基于AHP-熵权法的复杂山地环境无人机作战效能评估

康巍 , 凌海风 , 褚德天 , 张海涛 , 柏林元

录用日期: 2025-08-27

[摘要](0) [HTML](0) [PDF 0.00 Byte](0)

摘要:
复杂山地环境对无人机协同察打地面战术目标的作战效能构成严峻挑战，亟需建立科学且适应性强的评估体系。基于层次分析法（AHP）与熵权法（EWM）的主客观组合赋权策略，构建了包含信息获取、目标识别、指挥决策、打击效能、协同效率及山地适应性六个维度的综合评价指标体系。赋权结果表明，打击效能（36.33%）与山地适应性（24.75%）是决定无人机整体作战效能的主导维度，在核心指标层面，地形修正圆概率误差（CEP）（权重27.98%）和地形匹配飞行指数（权重29.70%）分别位居打击效果维度和山地适应性维度之首。该框架为量化评估复杂山地环境下无人机协同察打效能、识别系统短板、优化资源配置与战术决策等，提供了可操作的理论依据与实践指导。

基于改进YOLOv11的短波信号识别方法研究

李佳峰 , 张海瑛 , 王晓亚 , 李翊嘉

录用日期: 2025-08-25

[摘要](1) [HTML](0) [PDF 0.00 Byte](0)

摘要:
针对短波信号侦察中信号识别效果不佳的问题，提出了一种基于信号时频图像和WT-YOLO的短波信号识别方法。该方法首先将短波信号通过短时傅里叶变换(STFT，short time fourier transform)变成信号时频图形式；针对信号低频语义信息与高频细节互相干扰问题，在模型中引入基于小波变换上采样WFU模块来提高模型的特征融合能力；设计了三重感受野（TRF，triple receptive filed）模块，解决单一感受野无法多特征提取的问题；引入了PIoUv2模块提高模型定位精度，从而提高模型检测识别精度；实验结果表明，改进后的YOLOv11比原有网络模型有更高的识别准确率，达到96.4%，识别错误率相对下降55.6%。

面向无人机信号检测与识别的自动标注方法

王燕楚 , 张君毅

录用日期: 2025-08-25

[摘要](2) [HTML](0) [PDF 0.00 Byte](0)

摘要:
深度学习的性能高度依赖海量、高质量标注数据，但传统标注方式依赖人工面临效率低下、易出错等挑战，难以满足快速构建大规模精准数据集的需求；针对无人机射频信号检测与识别问题，为提高数据标注的效率，提出了一种基于轮廓检测的自动标注方法，该方法利用时频图中信号与背景的像素值差异，通过轮廓检测技术自动分离并定位信号区域坐标，并借助K-Means聚类算法精准区分不同目标信号并分配类别标签；实验表明，该自动标注方法在不同信噪比条件下均能取得优异的检测性能，信噪比达8dB时检测率稳定接近100%；将标注数据输入YOLOv11网络进行训练，最终由训练好的网络实现对无人机信号存在性及所属机型的高精度识别，结果显示对不同无人机信号分类准确率高；基于轮廓检测的自动标注方法的提出，有效提高了数据标注效率和准确性，对提升深度学习模型性能、解决实际工程问题具有重要意义

基于OA-YOLOv8的学生课堂行为识别方法研究

郭婷 , 闫佳 , 王瑞

录用日期: 2025-08-22

[摘要](3) [HTML](0) [PDF 0.00 Byte](0)

摘要:
针对现有基于视觉的方法因实际课堂环境中的遮挡问题导致特征模糊、准确率下降，设计了一种改进的YOLOv8的学生课堂行为识别模型OA-YOLOv8。在YOLOv8s模型的Head结构中，并行引入一个辅助遮挡预测头OPH。通过在线数据增强策略，动态模拟不同程度的遮挡并生成代理遮挡标签，以监督OPH模块的学习，模型将遮挡程度作为一项类别属性进行预测，从而缓解因遮挡引发的特征模糊问题。通过采用SCB课堂行为数据集上进行了实验验证，实验结果表明OA-YOLOv8的精度（mAP@0.5和mAP@0.5:0.95）相较于基线YOLOv8s分别提升了4.6%和3.2%；在中度和重度遮挡场景下，模型性能分别提升了6.2%和8.8%；在区分相似视觉特征的细粒度行为时，平均精度提升了4.9%。该模型有效提升了在复杂遮挡环境下学生课堂行为识别的准确性和鲁棒性，为智慧校园建设中的个性化教学分析反馈提供了更可靠的技术支持。

基于JSD-Informer模型的分布式光伏发电功率短期预测方法

谭晶 , 马洲俊 , 蒋承伶 , 郭金坤 , 徐溯 , 魏训虎 , 富思

录用日期: 2025-08-22

[摘要](1) [HTML](0) [PDF 0.00 Byte](0)

摘要:
精确的气象信息是实现光伏发电功率精准预测的基础；然而，分布式光伏电站通常布局分散、装机容量小，且普遍缺乏专用气象站；基于此，提出了JSD-Informer模型的分布式光伏发电功率短期预测方法；通过分析光伏电站周边的气象站点的数值天气预报、光伏电站的发电功率及其地理信息之间的映射关系；精准量化多源气象数据的分布差异，融合多源气象站数值天气预报，计算分布式光伏电站所在地的气象信息数据；结合融合的气象信息，利用詹森-香农散度来优化Informer网络的稀疏自注意力机制，构建分布式光伏发电功率短期预测模型；通过对比实验分析表明，所提方法具有较高的预测精度和较好的鲁棒性，分布式光伏功率预测计算的均方根误差和平均绝对误差分别低至0.10和0.06。