自动驾驶目标检测不确定性估计方法综述

随着自动驾驶技术的发展,目标检测的准确性和可靠性变得至关重要。深度学习作为自动驾驶系统中的核心组成部分,其预测结果的不确定性估计对于系统的安全性和稳定性具有显著影响。总结了深度学习不确定性估计理论在自动驾驶目标检测中的应用,并探讨了有效的不确定性评价体系的重要性。介绍了深度学习不确定性估计的基本理论,包括贝叶斯神经网络、蒙特卡洛方法以及集成学习方法等。这些方法通过不同的途径量化模型预测的不确定性,为自动驾驶系统提供了更丰富的信息。深入探讨了自动驾驶目标检测中不确定性估计的应用。通过案例分析,展示了如何利用不确定性信息来提高目标检测的准确性,特别是在面对复杂环境和极端条件时,不确定性估计可以作为决策支持,帮助系统避免潜在的风险。总结了自动驾驶目标检测不确定性估计评价指标,同时,考虑了模型的预测性能、不确定性估计的准确性。

通信类课程思政四维建设探索与实践

围绕新时代通信技术人才培养需求,分析了通信类课程的思政核心素养特点和要求,提出课程思政四个维度的思政育人目标,深入挖掘积累了丰富的思政元素。对思政元素加工组合凝练,结合教学实施,采用“双主体”教学模式,利用“多元化”教学方式、拓展“多场景”开展专业课程思政教学,实现了内容、方法和手段全面融合。实践证明,该教学模式实现了课程知识传授、能力培养与价值引领的深度协同共振。

面向自动驾驶感知的快速不确定性估计方法

在自动驾驶的视觉感知任务中,准确且快速提取认知不确定性和偶然不确定性对有效解决自动驾驶的预期功能安全问题至关重要。传统方法中,如Monte-Carlo Dropout和Deep Ensembles,通过采样不同子模型的预测结果来估计不确定性,这使在模型推理阶段不确定性估计速度很慢且容易占用处理器大量内存。针对Monte-Carlo Dropout不确定性估计速度较慢及其后续检测结果选取的问题,提出了一种快速Monte-Carlo Dropout方法及后续检测结果校正的方法。此方法使用多头机制替换了Monte-Carlo Dropout传统的多次采样机制,节省了采样时间,进而节省了整个不确定性估计阶段的推理时间。

R410A水平三维强化管蒸发换热实验

针对传热管内蒸发换热特性,开展了R410A在铜及不锈钢光管和涟漪纹管管内换热特性的实验研究,分析了部分流型对管内蒸发的换热机理。实验工况:饱和温度为6℃,制冷剂质量流速为100~200 kg·(m^(2)·s)^(-1),干度范围0.1~0.9。验证了光滑管内的流型,结果与Wojtan流型图的预测具有较好的一致性。实验结果表明:蒸发换热系数随质量流速增加而增加。换热系数与流型相关。压降主要取决于质量流速和干度。与光滑管相比较,传热强化率为1.27~1.96,沸腾压降增加了11%~36%。

“冻精+鲜精”混精对母猪繁殖性能的影响

为探讨“冻精+鲜精”混精使用的实用效果,该试验将长白鲜精与大白冻精设置5种混精比例,每种比例随机与配10头大白母猪,并对6个繁殖性能指标进行了统计分析。结果表明,不同混精比例的母猪受胎率、窝活仔数、窝重、仔猪初生重、妊娠期均无显著影响(P>0.05)。因此,“冻精+鲜精”混精的授精模式不会影响大白母猪的繁殖性能,研究结果对于地方猪保种的授精与非洲猪瘟威胁下中国猪繁育体系模式优化具有重要的指导意义。

基于三维点云数据的树上梨果重量预测研究

针对目前果实测重和品质分级的不足,本文提出一种利用机器学习的方法预测果实质量和品质的方法。本文采用深度设备kinect获取成熟期梨果单个侧面的点云数据,利用点云处理技术提取果实的几何特征参数,建立果实几何特征与重量及品质的数学模型,对比分析了线性回归、岭回归和BP神经网络三种模型重量预测精度。说明采用三维获取设备对树上梨果采用非破坏性的方法进行产量预测和品质分级是可行的,为机器采摘及自动化处理提供了依据。

基于复合岩溶区地质模式的缝洞储集体建模——以塔河十二区S94CH井区为例

塔河十二区复合岩溶区缝洞型碳酸盐岩储层油气资源丰富,但岩溶控制因素复杂,储集体发育的结构模式不清,地质精细表征及建模难度较大。基于多元、多尺度资料,建立了复合岩溶区岩溶地质模式,并提出了“结构约束、层次建模、分类融合”的建模思路。结果表明:按照成因、规模、配置关系,将复合岩溶区储集体划分为暗河、断控、不整合3个结构体系。暗河结构体系具有暗河轮廓和内部充填2个层次,断控结构体系具有断控岩溶带轮廓和内部溶洞、断裂2个层次。储集体轮廓层次规模较大,可采用基于雕刻的确定性方法构建分布模型;内部层次采用确定性加随机模拟的方法,在地质、地震概率约束下构建模型。以塔河十二区S94CH井区为例,融合三维地质模型体现了空间结构体系特征,与动态数据较为吻合。

3D培养诱导胚胎成纤维细胞为神经前体样细胞

目的探讨3D培养微环境和小分子组合(ATPV)对胚胎成纤维细胞诱导为神经前体样细胞的影响。方法在0.5%琼脂糖低粘附3D培养微环境和ATPV处理下,将小鼠胚胎成纤维细胞形成3D球体,分别通过RT-PCR、免疫荧光染色和碱性磷酸酶染色的方法检测神经前体细胞标记基因的表达水平。结果在3D环境下培养,随着成球培养时间的增长,小鼠胚胎成纤维细胞NPC特异性标记基因的表达明显上升,表现出神经前体样细胞的特征,并且3D ATPV培养微环境明显提高了小鼠胚胎成纤维细胞向神经前体样细胞的转化效率。结论小鼠胚胎成纤维细胞在3D和3D ATPV微环境下,聚集成球培养后逐渐获得了干细胞特征并诱导为神经前体样细胞,暗示着成球培养和小分子微环境可以给小鼠胚胎成纤维细胞创造一种良性的细胞聚集微环境,诱导神经前体样细胞的产生,这将为神经退行性病变的细胞替代疗法带来新的细胞来源。

基于支持向量机的玉米品种识别

选取郑单958、辽单565、京科25玉米品种作为研究对象,从玉米籽粒的数字图像中提取与玉米籽粒的颜色、形状、尺寸等有关的6个形态结构参数,利用支持向量机(SVM)算法进行训练识别,同时与BP人工神经网络(NN)方法进行比较,结果表明,SVM算法识别效率较高,达到92.3%。

基于机器视觉的多个玉米籽粒胚部特征检测

为了利用机器视觉进行多个玉米种子品种的自动识别,该文提出了一种针对多个玉米籽粒进行胚部检测的方法。该方法基于阈值分割和形态学,在RGB空间,采用自动屏蔽0值像素的大津法(Otsu法),根据B分量值对多粒玉米籽粒扫描图像进行分割,并采用改进的开闭运算对分割后的图像进行修整,最终得到多个玉米籽粒胚部区域。以4个黄玉米品种各45个籽粒为实验对象,以此方法进行胚部检测,为了验证所得胚部区域有效,提取胚部区域面积、周长分别与手工测量的面积、周长进行线性回归分析,R^2的均值分别达到0.9834、0.9578;进一步提取所得胚部区域的形状参数,进行聚类识别,不同品种间的差距值反映了不同品种胚部视觉效果上的差异大小,4个品种中1种识别率为97.8%,其余3种均为100%;多个玉米胚部检测较每个籽粒单独处理的效率提高了29.59%。试验结果表明本文提出的多个玉米籽粒胚部检测方法可行。此研究结果为进一步研究玉米籽粒的胚部特征提供了有利条件,也为实现玉米品种的快速准确分类提供了参考。

植物根系力学与固土作用机理研究综述

在总结国内外近20 a来关于植物根系的固土护坡作用研究基础上,从根系提高土壤抗冲性研究方面、植物根系力学研究方面、植物根系固土作用机理研究及其应用前景和展望等方面作了综述,明确了今后要加强对植物根系材料力学特性和根土复合体形成及作用机制方面的研究,更重要的是从根—土微观机制上进行深入研究,以便能揭示其本质。为植物在工程绿化、边坡稳定、生态恢复和水土保持等方面的应用提供理论指导,为我国迅速发展的城市化、生态化进程服务。

人机智能技术及系统研究进展综述

人机智能系统是能够实现人机智能协作的机器人系统,近年来成为了机器人领域的研究热点,具有广泛的应用前景。针对人机智能系统技术和应用的国内外研究现状,从人机智能系统的关键技术和典型应用领域两方面进行了进展综述。重点综述了与传统机器人系统存在差异性的人机智能系统关键技术,从建模、交互、协同和优化4个方面的研究进展分别展开论述,对涉及的典型应用领域及典型人机智能系统进行总结,并对人机智能系统发展的挑战和未来研究方向进行了展望。

草本植物根系网固土原理的力学试验探究

通过试验测定了生物软措施草本植物根系的最大拉力及最大拉力作用下根系断裂面直径 ,计算植物根系最大抗拉强度 ,结果表明香根草根系平均抗拉强度 85 m Pa>假俭草 2 7.3m Pa>白三叶 2 4 .6 m Pa>莎草 2 4 .5 m Pa>宜安草 19.7m Pa>马尼拉草 17.5 m Pa>狗牙根 13.4 m Pa。土壤剪切力试验表明香根草根系 +沙土处理 >沙土对照 ,香根草根系 +黏土 >黏土对照。探讨了草本植物根系网的固土性能 ,提出根系最大抗拉强度代表根系材料的受力潜能 ,可作为评判根系网的固土刚性的一个有效指标 ,为利用生物软措施代替或部分代替工程措施的作用 。

基于主元神经网络和K-均值的道路识别算法

为了提高道路识别算法的鲁棒性和自适应性,提出了基于局部统计特征和主元分析的道路识别算法.该方法用广义Hebb学习规则训练主元神经网络权值,然后将局部统计特征和图像像素值输入主元神经网络得到图像特征矢量,最后用K 均值分类器对该矢量进行分类,通过参考区域识别道路.仿真结果表明,该算法对于光照变化剧烈和阴影遮挡的道路图片均有较好的识别效果,以及较好的鲁棒性和自适应性.

一种基于标准白板的颜色校正方法

本研究提出了一种基于标准白板的颜色校正方法。首先制作一块标准白板。在标准色温下拍摄附带标准白板的景物,得到标准图像,通过程序统计出图像中白板区域的RGB三色的各自均值,作为颜色校正的基准值。同样,得到在非标准色温下白板区域的RGB三色的各自均值。两组值相比较,得到非标准图像RGB三色各自的校正系数,然后按此系数对整个图像的每个象素进行校正。试验结果表明,校正图像与标准图像不仅在视觉上可达到一致,并且在数值上也能达到基本一致,该方法通过计算机编程来实现简单实用,快速准确。

草本植物根系网的固土机制模式与力学试验研究

针对生物软措施的力学固土护坡作用进行了力学机制方面的探讨,提出植物根系网固土力学机制模式的四个层次,以及对不同草本植物根系的固土性能进行了力学试验比较。结果表明不同植物根系具有不同的抗拉强度。香根草根系平均抗拉强度最大达85 m Pa,其次为假俭草,平均抗拉强度27.3 m Pa,白三叶根系平均抗拉强度为24.6 m Pa,莎草根系平均抗拉强度为24.5 m Pa,宜安草根系平均抗拉强度为19.7 m Pa,百喜草根系平均抗拉强度为19.23 m Pa,马尼拉草根系平均抗拉强度为17.5 m Pa,狗牙根根系平均抗拉强度为13.45 m Pa。不同的植物根系具有不同的抗拉强度、不同的固土性能与其遗传结构及其组织材料不同有关。充分了解和认识植物根系固土性能,科学合理运用生物软措施代替或部分代替工程措施在我国繁重的生态环境保护和恢复的基本建设工程项目中具有重要的应用价值和意义。

基于J2EE体系的Web应用框架整合

在研究了大量流行的Web应用框架的基础上,提出了一种Web应用框架整合模型,即WAFC模型(Web Application Framework Composition),该模型基于分层思想,结合设计模式方法,给出了一组约束,增加了域对象层、服务定位层和数据接口层,有效地解决了框架整合过程中出现的功能冗余、层间通信不便、耦合度太高等问题。该模型充分挖掘了各个框架的长处,使它们以一种松散耦合方式结合,形成一个更高层次的应用框架。此外还结合了具体实例,分析和探讨了该模型的实例化过程。

基于玉米胚部特征参数优化的玉米品种识别研究

为了提高玉米品种自动识别的可靠性,本文对表征品种的胚部特征参数进行了优化研究。采用区域生长法从玉米种子图像中分割出胚部区域,提取该区域的8个形状、6个颜色和6个纹理特征参数;定义了这些特征的类间和类内差异度计算公式,以便量化特征参数的有效性;结合改进的K-均值聚类算法,获得胚部形态的最优特征参数集。通过5个玉米品种各180粒的识别结果得知:玉米胚部特征参数在品种识别中作用显著,单纯基于胚部的优化特征参数集就可使其平均识别率达88%。本研究成果可为玉米品种自动识别开辟一条新思路。

基于Linux集群的Web服务的研究和构建

集群是指将两台或更多的互连的计算机整合在一起,对外表现为一个统一的计算资源。它通常有三个特征:高性能、高可用性和可伸缩性。该文在深入研究集群技术后,根据用户构建高性能、高可用性实用Web服务的需求,提出了一个基于Linux集群的解决方案,并在增强其可管理性,可靠性方面进行了探讨,使其达到实际应用需求。

玉米籽粒的特征选择算法--基于支持向量机与遗传算法

在基于数字图像的玉米品种自动识别的研究中,寻找对识别贡献大的新特征项,对玉米品种识别率的提高具有十分重大的意义。把遗传算法和支持向量机算法相结合,设计了具体的基于支持向量机和遗传算法的玉米籽粒特征选择算法,利用这种算法优选提取出的玉米籽粒特征,从玉米籽粒的胚部和冠部的颜色特征与形状特征中找出了对玉米品种识别贡献较大的新特征。