【摘 要】
：
为解决基于遥感图像监测地表水资源变化的问题,在深度学习的框架下,基于卷积神经网络(CNN)提出了用于遥感图像水体提取的模型.利用网络爬虫的方式,搜集遥感图像,并通过随机裁剪、数据清洗等方式构建训练、验证和测试数据集.通过对低层语义特征学习提取抽象的高层特征,基于提取的高层特征进行网络模型训练.实验结果表明:水体提取的精读准确率可高达96.28％,从而验证了所提模型对于遥感图像水体提取的可行性和有效性.
【机 构】
：
北京信息科技大学传感器北京市重点实验室,北京100101;北京信息科技大学现代测控技术教育部重点实验室,北京100192;传感器联合国家重点实验室中国科学院空天信息创新研究院,北京100190;北京信
论文部分内容阅读
为解决基于遥感图像监测地表水资源变化的问题,在深度学习的框架下,基于卷积神经网络(CNN)提出了用于遥感图像水体提取的模型.利用网络爬虫的方式,搜集遥感图像,并通过随机裁剪、数据清洗等方式构建训练、验证和测试数据集.通过对低层语义特征学习提取抽象的高层特征,基于提取的高层特征进行网络模型训练.实验结果表明:水体提取的精读准确率可高达96.28％,从而验证了所提模型对于遥感图像水体提取的可行性和有效性.
其他文献
设计了一种基于微杠杆原理的推挽式高精度、高灵敏度的硅微谐振加速度传感器.采用微杠杆放大结构,并通过单连接梁推挽谐振器实现力放大和差分输出,具有结构对称,尺寸易于加工的特点.通过设计结构、优化尺寸,并进行模态分析、静力分析和谐响应分析来完成整个结构的设计与仿真研究.结果表明:加速度计工作谐振频率分别为21.708 kHz和21.715 kHz.在±5 gn的设计量程内对结构进行了灵敏度分析.仿真结果表示,其敏感轴的灵敏度为280 Hz/gn,非敏感轴的横向灵敏度为0.4 Hz/gn和0.1 Hz/gn.最后
针对局部可观测的非线性动态地震环境下,六足机器人采用传统算法进行动态避障时易出现算法不稳定的情况.运用了基于双重深度Q网络(DDQN)的决策方式,通过传感器数据输入卷积神经网络(CNN)并结合强化学习的策略,下达命令到六足机器人,控制输出决策动作,实现机器人动态避障.将系统的环境反馈与决策控制直接形成闭环,通过最大化机器人与避障环境交互产生的累计奖励回报,更新神经网络权重,形成最优决策策略.通过六足机器人平台实验结果证明:此方法能较好地减少传统深度强化学习算法容易导致过度估计状态动作值和损失函数难以收敛的
对于工业中需要考虑温度特性的密集物体抓取时出现的操作难度系数大、温度优先性不强等典型问题,提出一种基于深度强化学习(DRL)的密集物体温度优先推抓(TPG)方法.方法涉及一种深度Q网络算法,以RGB-D图像与红外图像作为输入,使用两个全卷积网络(FCN),将推动和抓取放在一个框架内联合动作,输出对应的Q值,指导机器人对密集物体进行推抓动作,并与环境交互获得奖励.实验结果表明:对于所设抓取对象的完成率为100％;抓取成功率为69.4％,高于无推动的对比实验11.2％,温度相关度为79.5％,具有优先抓取温度
提出了一种基于偏最小二乘回归(PLSR)算法的低成本多参数空气质量监测系统,可用于同时测量PM2.5,PM10,SO2,NO2,CO和O3等因子.为了消除外界环境的影响并提高系统测量结果的准确性,以标准设备测量的浓度值为因变量,以传感器输出的原始电压信号值为自变量,采用PLSR进行建模.建模过程简单方便,具有较好的操作性.实验结果表明:标准设备测量PM2.5和PM10结果与预测结果的均方根误差分别为11.64μg/m3和13.35μg/m3;标准设备测量SO2,NO2,CO和O3的结果与预测结果的均方根误
采用固相烧结法制备了不同铁(Fe)掺杂量的锆钛酸钡陶瓷,研究了Fe掺杂量对锆钛酸钡陶物相组成、微观结构和电学性能的影响.结果表明:未掺杂和掺杂0.5％～6％Fe的锆钛酸钡陶瓷都为单一钙钛矿结构,Fe掺杂量的增加会增大晶面间距.掺杂Fe的锆钛酸钡陶瓷的Tc,Tm,C,TB,Tcw和γ都小于未掺杂Fe时.随着Fe掺杂量从0增加至6％,平均晶粒尺寸、Tm,TB,Tcw,Pr和d33逐渐减小,Ec先减小后增大.掺杂量为2％时Ec最小;掺杂量小于2％时γ值都大于1.5,此时锆钛酸钡陶瓷为铁电相状态;而掺杂量为2％时
可靠的动力电池等效电路模型是建立各种状态估计方法的基础.建立了锂电池Thevenin模型、双极化(DP)模型并对其进行参数辨识.结合实验数据在MATLAB/SIMULINK中对模型进行仿真验证.最后,基于估计精度和运算速度建立模型评价方法,得出Thevenin模型相比于DP模型能够在精度和速度方面取得更好的平衡,当精度权重因子大于2倍的速度权重因子时,才适合采用DP等效电路模型.
在室外环境进行机器人目标识别与跟踪是计算机视觉和机器人技术的前沿发展方向,机器人在导航、智能监控、多机协作、人机交互等领域应用广泛.设计了一种基于树莓派的六足机器人目标识别与跟踪系统.通过六足机器人搭载Kinect高清摄像头对行人和目标六足机器人进行识别与跟踪,YOLO v3进行行人和目标六足机器人的检测与识别,得到质心的坐标信息,结合卡尔曼滤波算法进行位置预测与修正.目标六足机器人(室外走廊、碎石路环境下)及行人的识别在测试集上的mAP分别可达95.6％,90.5％,93.4％,实验对比分析了YOLO
针对共轴双旋翼飞行器的研制,设计了基于STM32微处理器和姿态传感器的姿态控制系统;并针对经典比例—积分—微分(PID)控制对于共轴双旋翼飞行器这种强耦合的非线性系统的控制稳定性不足的问题,提出了一种带积分自适应因子的串级PID控制算法.仿真实验和飞行试验表明:相比于传统PID控制,带积分自适应因子的串级PID控制算法具有较快的稳定时间和较小的超调量,提高了系统的稳定性和自适应能力,所设计的姿态控制系统应用于共轴双旋翼飞行器具有理想的控制效果.
采用有限元法建立了ZnO/SiC,ZnO/SiO2/SiC和SiO2/ZnO/SiC这3种不同复合结构模型,仿真分析了ZnO薄膜厚度一定的情况下,不同厚度SiO2薄膜对谐振器瑞利波相速度、机电耦合系数的影响,并根据分析结果设计出了基于SiO2/ZnO/SiO2/SiC复合结构瑞利波谐振器的具体尺寸.结果表明:设计的谐振器激发出的瑞利波相速度为7268.1 m/s,且器件具有3.52％的高机电耦合系数.
在大多数光电应用系统中,温度的波动将直接导致激光器波长和光电探测器响应度漂移,从而导致整体性能下降,因此,研制出高稳定的温度控制模块对光电应用具有重要意义.基于此,以半导体制冷片(TEC)为控温元件,以热敏电阻为温度传感器,采用100μA恒流源电路来驱动热敏电阻,采用模拟比例—积分—微分(PID)电路来计算误差信号,采用大功率恒流源驱动电路来驱动TEC,隔离核心模拟电路与发热元件,从而实现温度的精确闭环控制.通过软件控制Agilent六位半34411 A数字万用表来连续记录数据,测试结果表明:此温度模块在