精品一区二区三区在线免,免费国产成人高清在线视频

基于YOLO的手機外觀缺陷視覺檢測算法[其他][其他]

針對在小規(guī)模手機屏幕缺陷數(shù)據(jù)檢測效率不高的問題，提出了一個基于YOLO v3的手機外觀缺陷視覺檢測算法，即YOLO-q-v3算法。YOLO-q-v3算法通過改進DarkNet-53網(wǎng)絡(luò)結(jié)構(gòu)，減少原網(wǎng)絡(luò)的層數(shù)和相應(yīng)的模型參數(shù)，有效地提高算法的檢測效率。將YOLO v3算法和本文提出的YOLO-q-v3算法對同一數(shù)據(jù)集進行對比實驗，實驗結(jié)果表明，YOLO-q-v3算法能夠正確識別手機屏幕裂痕，YOLO-q-v3在檢測速率上比YOLO v3算法提高了24%。

發(fā)表于：7/1/2022

面向城市數(shù)字孿生的多尺度三維建模方法研究[其他][其他]

城市三維模型作為城市物理實體的立體可視化表達，是連接物理空間與數(shù)字空間的橋梁，也是實現(xiàn)城市數(shù)字孿生的關(guān)鍵基礎(chǔ)。對當(dāng)前城市數(shù)字化三維重建技術(shù)及應(yīng)用進行研究，從不同尺度的三維建模方法出發(fā)，對“天空地室元”多尺度全要素建模方法進行總結(jié)，并分析數(shù)字孿生城市三維重建面臨的挑戰(zhàn)和趨勢。

發(fā)表于：7/1/2022

衛(wèi)星通信鏈路上/下行及單/雙通道計算方法研究[其他][航空航天]

針對衛(wèi)星X波段通信系統(tǒng)鏈路設(shè)計需求，詳細(xì)研究了傳輸過程中的各項損耗、干擾及系統(tǒng)指標(biāo)和特性，提出了衛(wèi)星通信系統(tǒng)的上、下行及單、雙通道情況下的多種鏈路計算方法，并通過實際示例驗證該計算模型的可行性。該計算方法模型可用于衛(wèi)星通信系統(tǒng)的參數(shù)選擇、信號質(zhì)量鏈路能力的預(yù)測，對衛(wèi)星通信系統(tǒng)的設(shè)計具有指導(dǎo)意義。

發(fā)表于：7/1/2022

基于輕量級密集神經(jīng)網(wǎng)絡(luò)的車載自組網(wǎng)入侵檢測方法[通信與網(wǎng)絡(luò)][汽車電子]

在車載自組網(wǎng)中，攻擊者可以通過偽造、篡改消息等方式發(fā)布虛假交通信息，導(dǎo)致交通擁堵甚至是嚴(yán)重的交通事故，而傳統(tǒng)的入侵檢測方法不能滿足車載自組網(wǎng)的應(yīng)用需求。為了解決現(xiàn)階段車載網(wǎng)中入侵檢測方法性能低且存儲與時間成本高的問題，提出了一種基于密集神經(jīng)網(wǎng)絡(luò)的入侵檢測方法L-DenseNet(Light Dense Neural Network)，通過降低模型復(fù)雜性，提升算法訓(xùn)練速度和部署適應(yīng)性，使其更適用于車載自組網(wǎng)中的入侵檢測。在VeReMi數(shù)據(jù)集上進行對比實驗，結(jié)果表明，該方法在識別各類攻擊的精確率和召回率的綜合表現(xiàn)最好，且具有較少的時間成本和存儲開銷。

發(fā)表于：7/1/2022

基于自校驗孿生神經(jīng)網(wǎng)絡(luò)的故障區(qū)段定位方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對中壓配電網(wǎng)區(qū)段定位方法所存在的由系統(tǒng)中性點接地方式、故障點距離和過渡電阻大小等環(huán)境因素，以及電流互感器極性未知或智能電表錯誤安裝等人為因素所導(dǎo)致的定位不準(zhǔn)確問題，提出一種平穩(wěn)小波極性校驗下基于孿生神經(jīng)網(wǎng)絡(luò)的故障區(qū)段定位方法。首先，分析了零序電流暫態(tài)特征，指出了傳統(tǒng)線性相關(guān)法存在的定位缺陷；其次，使用平穩(wěn)小波變換解決信號同步和設(shè)備反接的問題；最后引入孿生神經(jīng)網(wǎng)絡(luò)對故障點上下游信號進行相似性匹配，經(jīng)訓(xùn)練該模型可以準(zhǔn)確定位故障區(qū)段。通過仿真驗證，該方法具有較強的抗干擾能力，對于定位盲區(qū)也有較高的識別率。

發(fā)表于：7/1/2022

基于表面掃描法的SiP器件近場電磁輻射測試方法[其他][其他]

在近場電磁輻射測試研究中，還沒有一套完整的面向單個元器件的測試方法。針對此問題，基于表面掃描法對SiP器件的近場電磁輻射測試方法進行研究。第一，利用X光研究SiP器件內(nèi)部結(jié)構(gòu)并進行干擾源分析；第二，完成硬件、軟件層搭建使器件進入工作狀態(tài)；第三，搭建近場測試系統(tǒng)，對工作中的器件實施近場測試。在案例研究中，所用SiP器件內(nèi)部封裝外圍器件和作為主要干擾源的處理器。近場測試結(jié)果顯示，PCB上輻射主要集中在SiP器件周圍，器件近場輻射集中在處理器芯片處。案例研究的結(jié)果說明這種測試方法可以有效測量SiP器件的近場電磁輻射，并對器件內(nèi)干擾源進行分析。

發(fā)表于：7/1/2022

大擺幅輸出的高速線性行波驅(qū)動器[其他][其他]

基于0.13 μm SiGe BiCMOS工藝設(shè)計了高速線性行波馬赫-曾德爾調(diào)制器(Mach-Zehnder Modulators，MZM)驅(qū)動器。驅(qū)動器主要由三個部分組成，分別是輸入級、輸出級和直流消除(Direct Current Offset Compensation，DCOC)。輸入級在差分對的發(fā)射極引入可變電容和可變電阻來實現(xiàn)增益可調(diào)的功能，在輸出節(jié)點采用了并聯(lián)電感峰化技術(shù)來提高帶寬；輸出級中采用了擊穿電壓倍增技術(shù)來獲得大擺幅輸出電壓，以及采用了并聯(lián)電感峰化技術(shù)來提高帶寬；DCOC通過在行波MZM驅(qū)動器的輸出和輸入之間建立反饋以消除直流失調(diào)，并且采用了一階低通濾波器以保證環(huán)路穩(wěn)定。仿真結(jié)果顯示，驅(qū)動器的增益可以在較大的范圍內(nèi)可調(diào)，DCOC環(huán)路的相位裕度高達82°，最高工作速率為100 Gb/s，輸出Vpp約為4 V，可以很好地驅(qū)動行波MZM。

發(fā)表于：7/1/2022

C-R型多通道10 bit SAR-ADC設(shè)計[模擬設(shè)計][其他]

采用0.13 μm工藝，設(shè)計并實現(xiàn)了一款單端CR型分級的10 bit SAR-ADC。在設(shè)計中，CR型分級的采用顯著降低了芯片面積，高5位的溫度計碼控制有效消除時鐘潰通等誤差，自舉開關(guān)的設(shè)計提高了采樣精度，前置放大器的高精度靜態(tài)比較器有效降低失調(diào)、提升了轉(zhuǎn)換精度。設(shè)計的ADC內(nèi)核尺寸為580 μm×290 μm，后仿真結(jié)果顯示，在采樣率1 MS/s下，輸入正弦信號200 kHz時，ENOB可達9.5位，EO=1 LSB。

發(fā)表于：7/1/2022

Yolo神經(jīng)網(wǎng)絡(luò)在集成電路焊盤布局規(guī)則檢測上的應(yīng)用研究[模擬設(shè)計][通信網(wǎng)絡(luò)]

為探索深度學(xué)習(xí)在集成電路設(shè)計自動化上的應(yīng)用，以電源和接地焊盤的排列規(guī)則作為檢查案例，研究了Yolo v3神經(jīng)網(wǎng)絡(luò)在版圖檢查上的可行性。采用Python腳本批量生成版圖樣本圖片，并使用LabelImg進行標(biāo)簽標(biāo)記。使用TensorFlow框架編寫了基于Yolo v3的版圖檢查器。結(jié)果顯示，版圖檢查器在判斷焊盤布局正確性上實現(xiàn)了高精確率與高召回率。此外，還通過調(diào)整版圖的大小、形狀、對稱性與焊盤數(shù)目的方式對檢查器進行了進一步測試。檢查器仍表現(xiàn)卓越，體現(xiàn)出良好的擴展性。研究表明Yolo v3可以很好地找出焊盤布局的錯誤。深度學(xué)習(xí)在集成電路版圖檢查中的潛力大，值得繼續(xù)探索。

發(fā)表于：7/1/2022

基于SiP技術(shù)的某分組件及測試系統(tǒng)設(shè)計與實現(xiàn)[模擬設(shè)計][工業(yè)自動化]

系統(tǒng)級封裝SiP已成為突破摩爾定律的主要技術(shù)路線，是未來武器裝備小型化和多功能化的重要依托，在武器裝備研制和應(yīng)用領(lǐng)域具有廣闊的市場和前景。針對區(qū)域信號目標(biāo)識別系統(tǒng)輕量化、小型化、集成化、低功耗等要求，設(shè)計一種基于SiP技術(shù)的某分組件并為此開發(fā)一套自動化測試系統(tǒng)，通過該自動化測試系統(tǒng)對200多套產(chǎn)品進行試驗，得出該產(chǎn)品性能穩(wěn)定、可靠；輕量化、小型化、低功耗等要求也滿足客戶要求。

發(fā)表于：7/1/2022

基于YOLOv3-tiny的視頻監(jiān)控目標(biāo)檢測算法[其他][其他]

目標(biāo)檢測算法在視頻監(jiān)控領(lǐng)域有著較大的實用價值。針對當(dāng)前在資源受限的視頻監(jiān)控系統(tǒng)中實現(xiàn)實時目標(biāo)檢測較為困難的情況，提出了一種基于YOLOv3-tiny改進的目標(biāo)檢測算法。該算法在YOLOv3-tiny架構(gòu)的基礎(chǔ)之上，通過添加特征重用來優(yōu)化骨干網(wǎng)絡(luò)結(jié)構(gòu)，并提出全連接注意力混合模塊來學(xué)習(xí)到更豐富的空間信息，更適合資源約束條件下的目標(biāo)檢測。實驗數(shù)據(jù)表明，該算法相比于YOLOv3-tiny在模型體積降低39.2%，參數(shù)量降低39.8%，且在VOC數(shù)據(jù)集上提高了2.7%的mAP，在提高檢測精度的同時顯著降低了模型資源占用。

發(fā)表于：7/1/2022

基于YOLOv5l的囊型肝包蟲病病灶檢測研究[其他][醫(yī)療電子]

針對臨床醫(yī)生在診斷肝包蟲病時需要通過個人經(jīng)驗判斷囊型肝包蟲病分型，研究基于目標(biāo)檢測算法的肝包蟲病灶自動檢測與分類模型，實現(xiàn)對肝包蟲病超聲影像的自動識別與分類。使用YOLOv5l模型作為囊型肝包蟲病病灶目標(biāo)檢測的模型，利用本地肝包蟲病超聲影像數(shù)據(jù)集對網(wǎng)絡(luò)模型進行訓(xùn)練?；赮OLOv5l模型與隨機梯度下降算法(SGD)優(yōu)化算法的肝包蟲病病灶自動檢測分類模型可以很好地對5種類型的病灶進行有效的檢測，平均精度均值(mAP)為88.1%，經(jīng)過測試，該模型的測試速度可達40 f/s。實驗結(jié)果表明，基于YOLOv5l與SGD算法的肝包蟲病病灶自動檢測分類模型能夠較好地識別病灶的具體位置，可以很好地輔助醫(yī)生診斷肝包蟲病。

發(fā)表于：7/1/2022

基于改進YOLOv5的車輛屬性檢測[測試測量][汽車電子]

車輛屬性檢測是一個基礎(chǔ)任務(wù)，其屬性檢測結(jié)果可以被應(yīng)用到很多下游的交通視覺任務(wù)。提出了一種基于YOLOv5的車輛屬性檢測改進算法。針對檢測目標(biāo)較小的問題，加入了卷積注意力模塊，讓網(wǎng)絡(luò)模型把更多的注意力放在小目標(biāo)對象上；針對數(shù)據(jù)集樣本種類較少的問題，改進了YOLOv5的馬賽克數(shù)據(jù)增強方式；使用自門控激活函數(shù)Swish，起到抑制噪聲、加快收斂速度并提升模型魯棒性的作用。此外，還在公開車輛數(shù)據(jù)集VeRi-776的基礎(chǔ)上進行了詳細(xì)的車輛屬性標(biāo)注，構(gòu)建了一個車輛屬性數(shù)據(jù)集。實驗結(jié)果表明，改進后的算法比原始YOLOv5的平均精確率提升了4.6%，能夠準(zhǔn)確地檢測到車輛圖像的通用屬性，可以供下游任務(wù)使用。

發(fā)表于：7/1/2022

直流微電流測量的研究進展[其他][其他]

直流微電流測量技術(shù)廣泛應(yīng)用于核輻射檢測、靜電檢測、空間輻射探測等領(lǐng)域，是一項特色極值量測量技術(shù)，涉及高阻抗運放電路設(shè)計、泄漏電流防護等多項技術(shù)。直流微電流測量技術(shù)研究主要從電阻式和電容式反饋電路著手，分析測量電路的工作原理和傳遞函數(shù)，重點分析漏電流、熱電勢、運算放大器和電阻參數(shù)對測量誤差的影響，推導(dǎo)電路傳遞函數(shù)并仿真分析，最終提出減小各項參數(shù)對測量結(jié)果影響的方案。對近年來國內(nèi)外直流微電流測量的方法進行了綜述，分析了電流電壓轉(zhuǎn)換法、電流頻率變換法和調(diào)制解調(diào)放大法。對國內(nèi)外直流微電流測量儀器的現(xiàn)狀進行調(diào)查，世界上出現(xiàn)了很多高精度的微弱電流測量儀器，使微弱信號測量得到很大的提升。

發(fā)表于：7/1/2022

物聯(lián)網(wǎng)安全標(biāo)準(zhǔn)體系框架研究[其他][物聯(lián)網(wǎng)]

結(jié)合物聯(lián)網(wǎng)發(fā)展標(biāo)準(zhǔn)化需要，概述了國際國內(nèi)物聯(lián)網(wǎng)安全標(biāo)準(zhǔn)化組織，從技術(shù)和應(yīng)用視角對物聯(lián)網(wǎng)安全標(biāo)準(zhǔn)進行了分類，設(shè)計了物聯(lián)網(wǎng)安全標(biāo)準(zhǔn)體系框架，并針對性提出了物聯(lián)網(wǎng)安全標(biāo)準(zhǔn)化推進建議。

發(fā)表于：7/1/2022