针对功率单元串联式无功发生器对单相无功电流的检测需要,依据无功功率理论及电流在两相静止坐标系与旋转坐标系中的变换关系,提出了新的单相无功电流检测方法,相对传统的ip-iq法,此方法减少了计算量,提高了检测方法的实时性,且适用于单相和三相四线制电路。并在Matlab/Simulink环境下对提出的单相电路无功电流检测方法进行了建模,通过仿真验证了本控制方案的有效性。

基于matlab的公路裂纹检测方法 裂缝检测

行人检测是实现智能交通与客流监控的关键技术，深度学习方法训练模型已经在行人检测领域取得了良好的效果。但是当训练样本质量不佳时，训练的模型往往不能得到令人满意的效果。为了提高雾霾天气与曝光较强环境下的行人检测效果，提出了将暗通道去雾算法应用于深度学习的样本预处理中，并使用快速深度卷积神经网络训练行人检测模型。在实验中，首先对10000张样本图片采用暗通道去雾算法进行预处理，之后分别使用有无暗通道去雾算法预处理的样本图片训练模型，最后比较这两种模型在不同场景下的模型检测准确率。实验结果表明，使用暗通道去雾预处理后的样本训练得到的深度模型具有更好的检测效果，在多种场景下的检测率都得到提升。

本文针对传统基于机器视觉的司机疲劳检测模型对硬件系统要求较高、检测准确率和效率较低等问题，提出了一种基于MTCNN-PFLD-LSTM深度学习的司机疲劳驾驶检测方法。该方法利用深度学习技术对驾驶员的面部特征进行提取和分析，通过LSTM模型对驾驶员的疲劳状态进行判断和预测。实验结果表明，该方法具有较高的检测准确率和效率，能够有效地检测司机的疲劳驾驶状态，具有一定的实用性和推广价值。

最近两周由于忙于个人项目，一直未发言了，实在是太荒凉了。。。。，上周由于项目，见到Python的应用极为广泛，用起来也特别顺手，于是小编也开始着手学习Python,…下面我就汇报下今天的学习成果吧 小编运行环境unbuntu 14.0.4 首先我们先安装一下Python呗，我用的2.7，其实特别简单，一行指令就ＯＫ sudo apt-get install python-dev 一般安装系统的时候其实python已经自带了，这步基本可以不用做，ＯＫ，我们继续往下走吧，安装python-opencv ,稍后我们需要用到opencv的库，一行指令即可，这也是小编特别喜欢linux的原因： sudo

针对突发信号检测中能量检测方法检测概率低、循环平稳检测方法计算复杂等问题，为提高检测性能和处理实时性，提出了 一种适用于多信道突发信号的低复杂度联合检测方法。该方法依据初始能量检测的判决结果，对可能存在突发信号的频谱集合采用了一种频域简化的循环平稳检测方法，并依据判决流程给出了与传统方法在检测正确率和运算量上的对比函数。理论分析和仿真结果表明，该联合检测方法可有效提高突发信号的检测概率并降低计算复杂度。

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题，提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域，并对原图相应的目标位置进行标记和归一化处理，提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别，将提取的候选区域送入改进的AlexNet进行特征提取和预测，得到最终检测结果。分水岭方法可大大减少候选区域检测时间，以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据，并对其平移缩放形成的数据集进行仿真实验。结果表明，标记分水岭与深度CNN的结合，可有效识别船只目标，所提方法具有良好的性能，能够更加快速准确地识别红外船只目标。

依据氧气对物质荧光的猝灭作用，研究了一种基于时域荧光寿命的水体溶解氧浓度检测方法，根据荧光猝灭曲线上的两点计算荧光寿命，并通过Stern-Volmer方程反演获得水体溶解氧浓度。结果表明：相同溶解氧浓度下，归一化处理后的荧光猝灭曲线不受激发光强度和激励持续时间等激发条件的影响；不同溶解氧浓度下，实测荧光寿命受系统延迟的影响，补偿后荧光寿命理论曲线与修正曲线具有良好的一致性，拟合相关系数达0.9985。与HQ30d溶解氧分析仪对比，测试结果表明，0~20 mg·L-1范围内溶解氧质量浓度测量误差小于0.5 mg·L-1，线性相关系数达0.9992。

动态无功电流的实时检测方法研究，文中主要分析了三种检测方法并附有仿真结果及结果分析等。

针对传统鬼成像方法恢复图像差导致的边缘检测困难,提出了一种建立在高通滤波基础上的鬼成像改进方法。随机生成的灰度图在被输入空间光调制器前先经高通滤波处理,通过关联运算恢复出未知物体不同方向上的高频分量,然后根据所使用的滤波方法以相应的重构方法恢复出边缘图像,实现在无需预知物体信息的前提下对未知物体的边缘检测。实验以Kirsch滤波和非下采样轮廓波变换(NSCT)为例,表明了相比于传统的鬼成像边缘检测方法,该算法得到的边缘图像在主观上平滑性更好,清晰度更高,在客观上其边缘信噪比和均方误差指标均有所优化。