基于改进YOLOv4算法的船舶目标检测方法

针对海面环境复杂、船舶目标检测存在检测精度不高和效率低的问题，以及船舶数据集不平衡的现象，提出一种改进YOLOv4算法的船舶目标检测方法。对图像进行预处理，增强船舶图像的有用信息，减少计算量；采用图像增强方法扩充不平衡数据集的小样本数量，提高各类船舶目标检测的准确性；采用改进的K-means++聚类方法重新设计先验锚框，使锚框和目标的边界框更加匹配；采用Softer-NMS对非极大值抑制算法进行优化，对预测框进行后处理，提升模型对密集船舶的检测能力和定位精度。通过开展多组对比试验发现，采用改进的检测算法对10类船舶目标进行识别，精确率P、召回率R和交并比（IOU）等都有很大提高，平均精确率（m AP）值达到96.78%，相比YOLOv4算法提升23.79%；检测速度达到31.2帧/秒，在显著提高检测精度的同时，能缩短检测时间，达到很好的检测效果。     

基于注意力机制的TCS-YOLO船舶检测系统

针对当前海上环境复杂、噪声干扰严重及船舶检测存在漏检和误检等问题,提出一种基于注意力机制的TCS-YOLO船舶检测系统。该算法使用K-Means++聚类算法确定目标样本的锚框以提高先验框与船舶目标的尺寸匹配度;在YOLOv7的Neck部分引入Transformer Block以捕获全局信息和丰富的上下文信息;在YOLOv7的Head部分添加CA注意力机制,有助于模型更准确地定位和识别感兴趣的对象。并在自制的船舶数据集上进行试验,结果表明,该算法的平均精度均值达到70.5%,相比原始的YOLOv7算法值提高了5.1%,能更准确地检测船舶,满足在复杂海上环境中进行船舶检测的需求。     

面向船舶目标检测的YOLOX轻量化研究

针对船舶目标检测存在的模型参数量多、规模大、实时性差和难以在实际工程中应用等问题，提出面向船舶目标检测的YOLOX轻量化方法。设计CA-Mobile Net V3轻量化主干网络，在Mobile Net V3中融合坐标注意力机制，生成一对方向感知特征图，提升空间信息编码能力；改进细化融合特征金字塔网络，构建对称的大尺度深度可分离卷积，提高感受野的范围；通过引入残差分支，以串联的方式融合细化不同尺度的特征信息，提高对小尺度船舶目标的检测能力。基于Seaships数据集的试验结果表明，提出的模型与YOLOv5和YOLOX等相比，具有规模小、实时性好和检测精度高等优势。     

基于改进YOLOv5s的铝型材表面弱缺陷识别方法

针对采用传统的机器视觉方法识别铝型材表面弱缺陷存在的效率低和精度差的问题，提出一种将数据增强与YOLOv5s相结合的铝型材表面弱缺陷识别方法。采用anchor-free方法简化人工设计YOLOv5参数的步骤，降低检测复杂度；利用解耦检测器解决YOLOv5s检测中分类与回归任务冲突的问题，加快损失函数的收敛速度。通过优化算法的边界框回归损失函数，提高算法模型的定位精度；同时引入γ参数解决弱缺陷样本不平衡的问题。通过图像马赛克与像素混合方法提升模型对弱缺陷图像的识别能力。试验结果表明，改进算法的检测平均精度均值为93.3%，检测速度为41帧/秒，能提高船舶类铝型材弱缺陷检测的效率和自动化程度。     

基于改进卷积神经网络的船舶目标检测

为提高无人船研究中的船舶辨识速度和精度,弥补海上船舶目标检测中船载自动识别系统(Automatic Identification System,AIS)和雷达图像的不足,提出一种基于改进卷积神经网络的船舶目标检测模型。设计多策略的卷积神经网络模型,利用船舶图像数据进行训练和测试,并将测试结果与基于区域提名和基于回归方法的卷积神经网络模型结果相对比。试验结果表明,改进的卷积神经网络模型的船舶检测准确率高于另外2种模型。     

基于改进YOLOv7声光融合水下目标检测方法

多变的光照条件及天气状况将会严重影响水下光学图像的成像质量,为提升水下目标检测的稳定性及检测精度,基于深度神经网络模型,对结合光学图像和声呐图形的多模态方法进行研究。首先,针对实时神经网络检测器架构YOLOv7,通过改进该检测器,使其适用于多模态输入。其次,为了有效地结合来自不同模态的影响特征,提出全新的融合模型YOLOv7-Fusion,并通过引入CE-Fusion模块,实现融合效率和准确度的提升。最后,为了解决数据集缺少的问题,利用快速风格和图像处理算法转化的方法,生成人工数据集。所设计的算法及模型目标识别准确率为0.995,具有较高检测精度;Fps为43.4,具有较高处理效率。该模型可支持真实应用,适用于不同类型的水下场景。     

结合空洞编码器和特征金字塔的中心点船舶检测

为了进一步提高基于深度学习的船舶目标检测技术的检测精度，在无锚框中心点检测算法基础上，提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取，引入基于空洞残差的空洞编码器（DE）增大32倍下采样特征图的感受野，生成覆盖多个目标尺度的特征图，并采用特征金字塔网络（FPN）进行上采样，在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图，从而提取到更丰富的船舶特征信息，提升船舶检测效果。结果表明，改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升，相比SSD和YOLOv3算法具有更高的精度优势。     

改进的YOLOv3水面障碍物检测方法

为了提高无人艇在自主航行过程中对水面常见障碍物检测的精度，解决模型参数量较大、模型复杂难以应用于嵌入式设备的问题，提出一种改进的YOLOv3水面常见障碍物检测方法。使用K-means++算法对自建数据集进行聚类得到新的锚框参数，通过添加雨雾噪声的数据增强方法优化模型在复杂天气状况下的障碍物检测能力。针对模型参数量较大问题，使用深度可分离卷积和注意力机制模块重构特征提取网络中的残差结构。为了优化预测框的回归效果，引入SIo U损失函数，将预测框与真实框的方向角度作为损失之一，加快训练速度，提高推理的准确性。通过试验验证了改进后模型参数量缩减了44%，检测精度提高了5.19%，漏检率也有所降低，能有效进行水面障碍物的检测。     

基于深度学习的船舶流量统计系统设计与实现

使用深度学习SSD算法对采集到的船舶目标数据集进行学习训练,再利用训练得到的模型进行船舶目标检测。通过检测目标进行匹配得到相应的轨迹,根据设定的检测线进行目标流量统计,最后对算法进行模块集成并设计相应的软件界面。将深度学习SSD算法引入船舶目标检测领域后,与传统检测方法相比,其精准率得到大大提高,能够准确实现多目标船舶检测,并在此基础上进行可靠的流量统计。结果表明,集成的应用系统具有良好的性能,能满足实时性要求,流量统计的准确率可达90%以上。     

基于前视声呐图像的AUV目标识别与跟踪

声呐图像由于水体不均匀、边界不规则以及声呐设备本身性能的限制,导致图像噪声明显、亮度不均、分辨率低,使得水下AUV装备在使用前视声呐进行水下目标检测时难度较大。针对该问题,基于m750d声呐探测获得的AUV声呐数据,进行了数据提取、高斯滤波处理、扇形映射处理,并采用Jet映射对声呐灰度图像进行了伪彩色映射提高数据标注速度和精度,制作获得了4组2 500张声呐图像的AUV目标检测数据集;采用YOLOv4-tiny目标检测算法开展AUV目标检测研究,研究结果表明该方法在该数据集上表现优秀,mAP@0.50达到94.17%,FPS在22帧左右,说明该轻量级网络在水下AUV目标识别与跟踪应用上具有较好的应用价值。     

基于单分类算法OSVM船用燃气轮机状态评估

针对船舶综合监控系统中存储有海量设备正常运行时的数据没有得到充分利用，此外设备退化时的故障数据难以获取，无法训练传统的多分类退化检测模型，提出利用单分类算法OSVM来建立模型,从而实现退化检测，在该过程中只需用正常样本数据来训练模型，并在一个经过实船数据验证过的模拟器产生的数据集上进行了实验。结果显示，只需要400个正常样本就可训练出准确的退化检测模型，该模型在精确度，召回率，特异性，正确率，AUC五个指标都有很好表现，此外，该退化检测模型有很好的扩展性，也可被用于其他机械设备的状态评估中。     

混合数据特征选择算法及在客户流失预测中的应用

特征选择是高维数据处理的一个重要部分,在现实世界中高维的混合数据经常存在。针对高维混合数据,基于模糊粗糙集,在CEBARKNC算法的基础上,改进属性重要性的计算及约简的选取条件,进行特征选择,降低了数据维度,提高了效率,并将其应用于客户流失预测实例中。结果表明：改进的CEBARKNC算法得出的数据用于分类器,与胡清华提出的一个fuzzy-rough算法得出的数据相比,能取得较好的性能。     

跟踪机动目标的最小子模型集切换算法研究

研究了机动目标跟踪的多模型(MM)方法,提出了一种新的多模型方法——最小子模型集切换(MSMSS)算法。这种算法从总模型集中自适应确定最小子模型集,用来进行多模型估计。仿真结果显示,和标准的交互式MM(IMM)相比,MSMSS算法在具备同等跟踪性能的前提下计算量很小,在计算量相同的情况下具有更好的跟踪性能。     

船舶信息系统数据流设计方案研究

为缓解因船舶平台内所涉传感器/执行器数量增加所产生的船舶信息系统数据通信压力,在充分考虑系统能达性/能观性基础上,提出船舶信息系统数据流长度的普适判据,并结合执行器实时物理特性对执行器数据流通信内容进行设定;与此同时,通过提出一种基于传感器当次变值及上次估计误差为索引的双指标评价方法对传感器数据流通信内容优化设计。从而完成了对船舶信息系数据流整体设计方案的研究,在缩短数据流长度的前提下,保证了系统对数据信息采集、处理及应用的客观需求,进而优化系统资源、提升系统性能,并通过举例方式对其工作流程进行较为完整的分析。     

非高斯噪声下基于EM迭代算法的多用户检测分析

在进行信号传输时,由于各种干扰的存在,不可避免地产生误码（也称缺失信号）,而EM算法是近些年来常用的求解缺失数据时的迭代算法,由于EM算法简单易行性与普遍适用性的特点,提出了基于EM迭代算法的多用户检测方法,仿真环境放在非高斯噪声下,对在两种非高斯噪声与高斯噪声下的EM算法的性能与收敛特性做一比较分析,实验结果显示在非高斯噪声下误码性能较差,但是收敛性变化不大具有鲁棒性。     

V-BLAST系统的检测算法研究

垂直分层空时码（V-BLAST）是贝尔实验室提出的一种基于多入多出（MIMO）传输方式的空时码系统,其检测算法是MIMO系统的有效检测方法。首先介绍了V-BLAST系统的信号模型,在此基础上应用不同的信号估计准则推导出不同的检测算法,最后通过仿真实验对各种算法的性能和优缺点进行了分析和比较。     

变尺寸装箱问题的迭代/贪婪动态规划算法

针对船舶建造中管材切割规划这一类特殊的变尺寸装箱问题,提出了一种迭代贪婪/动态规划算法(IGDP)并对其进行求解。首先,提出了求解子集和问题的贪婪操作与动态规划的组合解法。然后,基于贪婪操作与动态规划的组合解法实现对整个问题的构造启发式求解,并且通过迭代的拆箱/再分配操作提高了算法的局部搜索能力。最后,通过8个算例的仿真实验,对所提算法与现有算法进行了性能比较。结果表明:IGDP的性能优于现有算法,且具有可以接受的计算耗费。     

基于空间域数据拟合的声矢量阵多目标分辨算法研究

为了提高矢量传感器阵列的方位估计性能,提出了一种基于空间域数据拟合的矢量阵多目标分辨算法,通过利用已知的空间域数据信息,构造出新的声压与振速的接收数据协方差矩阵,在多目标分辨能力上对经典MUSIC算法予以改进。理论分析和计算机仿真表明,在各向同性噪声场中,新算法在提高多目标分辨能力方面比传统方法更有效。     

基于哈希算法的图像拷贝检测

在局部保持投影算法（LPP）及最大熵模型的基础上提出了一种基于哈希算法的图像拷贝检测算法。该算法通过对LPP进行优化,可以对已有的图像特征进行快速降维处理,并避免过拟合现象的出现。同时,将低维度特征映射为紧凑的二进制哈希码,大大减少了存储和计算开销,能在千万级图像数据库上实现高效拷贝检测。通过实验确定了使拷贝检测质量最优的哈希码长度和汉明码。实验结果表明,该算法能够获得很好的拷贝检测效果。     

基于雷达回波相关特征的海杂波抑制方法

海杂波是影响海雷达工作性能的一个重要因素。在检测和跟踪目标之前抑制海杂波非常必要。通过对海杂波和舰船目标的幅度和相关特性的分析，根据图像分割和形态学滤波原理，从图像处理角度，提出了一种海杂波抑制方法。用实测雷达数据验证了该方法的有效性和可行性。