苹果采摘机器人视觉系统的暗通道先验去雾方法

针对雾霾严重气候条件下苹果采摘机器人视觉定位困难的问题,提出一种把暗通道先验（dark channel prior,DCP）原理应用于苹果图像去雾的调参和改进方法。给出了一种获取大气光系数A的方法,首先把计算得到的暗通道图结果存入矩阵,求暗通道图中的前1/1 000个最大元素所在位置,并存储在与暗通道矩阵相同大小的新矩阵中;根据新矩阵中的位置信息获得R通道矩阵相应位置的值,最后求取这些值的平均值作为A的取值。根据工程需要,该研究取去雾强度ω恒为1。通过与多尺度Retinex（multiscale retinex,MSR）方法、自适应直方图均衡化（adaptive histogram equalization,AHE）等常规方法以及其他文献的暗通道去雾使用方法进行对比试验,结论是该文的方法能获得更好的主观视觉效果。在结果图像的对比度方面,该研究使用的方法能得到平均对比度64.04,与计算速度较快的直方图均衡化方法的35.46相比,提升了81%;R通道对比度为68.525,与直方图均衡化方法得到的R通道对比度36.425相比提升了88%;该方法得到的图像直方图整体上呈现中间高两边低的形状特点,表明相对其他去雾方法,该文的方法能得到较好的去雾图像质量。时间复杂度方面,改进后的DCP方法计算640×480的图像耗时在33~37 ms之间,基本能满足实时要求。分割定位精确度方面,该文方法的综合定位精度为94.8%,高于其他方法。试验证明使用该文方法能在去雾的效率和性能方面得到较好的平衡,是一种可以用于实际采摘作业的可行方法。

适于移动终端字符识别环境的自适应多阈值二值化方法

为了解决移动终端字符识别应用中光照不均匀、环境不可控而导致的图像二值化效果不佳的问题,提出一种基于积分图快速计算的多阈值自适应二值化方法。该方法首先以待求点为中心设置一个特定尺寸的滑窗,计算该滑窗内所有点的均值,再根据高斯函数加权计算当前滑窗的两个前置滑窗的均值。设置均值松弛因子来衡量当前点的光照情况。像素点的松弛阈值依据该点的松弛因子和光照情况的评价综合计算获得。以Lenovo ZUK Z2 Pro作为实验设备,在Android操作系统中编写程序,进行文字识别精度的测试。所提算法对前景划分的平均召回率为95.5%,平均准确率为91%。调用Tesseract 4.0的原生OCR识别引擎进行验证,在不规则阴影、多层次光照、线性光线变化等环境下,算法的文字识别准确率分别为96.8%,98.2%和93.2%,高于其他预处理算法。所提算法具有较强的鲁棒性和自适应能力,能满足移动终端字符识别应用的图像预处理要求。

用于低照度图像增强的自适应颜色保持算法

视频监控、场景恢复等领域中低照度图像噪点多,亮度低,可视效果差,而现有的图像处理技术容易出现颜色失真、光晕色块严重。为解决这一问题,根据韦伯-费希纳定律,把图像的像素点转换到对数空间,自适应获得符合视觉系统特点的预增强图像;再根据多尺度视网膜算法,分别计算与增强图像的R通道在三个尺度上的平均高斯滤波结果,获得入射光估计,把对数域的自适应增强图像像素值与入射光估计的差值作为多尺度视网膜算法的结果图像。进一步处理结果图像,将其RGB通道按照预增强图像中的颜色比例关系映射到0~255的范围;最后融合三个通道获得最终图像输出。通过图像质量的评价对比,该算法对不同低照度场景图像的增强结果,在对比度、色度保持等方面优于MSR、MSRCR和MSRCP算法。实验证明该算法在低照度图像的恢复和色度保留等方面有较好的效果,在增强视频监控的有效性等方面有较好的应用价值。

Web2．0的技术特点和信息传播思想

Web2．0是基于元数据评注信息发布方式的新型互联网。技术上,它用xml处理RSS／ATOM／RDF／FOAF等数据、用AJAx来综合web信息发布技术,并且使用开放的web应用API来开发web服务。这些并不具有革命性的技术特征却给信息传播思想带来了革命性的变化,web2．0将六度关系理论应用于信息传播、以微内容为信息传播的基础并在大众信息传播中着眼于用户个体。

基于Web2.0信息传播思想的知识管理策略

分析了Web2.0在信息传播思想上的三大革新:将六度关系理论应用于信息传播、以微内容为信息传播的基础、在大众信息传播中着眼于用户个体。基于知识管理模型分析了知识管理中隐性知识转化为显性知识的障碍,指出web2.0的思想和方法对于解决这一问题是很有帮助的。提出了基于Web2.0的知识管理框架并分析了Web2.0的KMS应该具备的功能。

融合坐标注意力机制的轻量级玉米花丝检测

玉米花丝性状是玉米生长状态的重要表征,也是决定玉米果穗生长进而影响玉米产量的重要因素。为了提升无人巡检机器人视觉系统对玉米花丝的检测精度和速度,该研究提出一种融合坐标注意力机制的轻量级目标检测网络YOLOX-CA。将坐标注意力机制(coordinate attention,CA)模块嵌入到YOLOX-s主干特征网络(Backbone)部分,以加强对关键特征的提取,提升检测精度;在颈部特征加强网络(Neck)部分,将特征金字塔结构中的普通卷积,更改为深度可分离卷积,在降低网络参数量的同时保证精度不丢失;在预测头(Head)部分引入GIoU(generalized intersection over union)改进定位损失函数计算,得到更为精准的预测结果。基于自建玉米花丝数据集训练和测试网络,试验结果表明,YOLOX-CA网络平均检测精确度达到97.69%,参数量低至8.35 M。在同一试验平台下,相较于YOLOX-s、YOLOv3、YOLOv4等目前主流的目标检测网络,平均检测精确度分别提升了2.21、3.22和0.64个百分点;相较于YOLOv3、YOLOv4,每帧推理时间分别缩短4和8 ms。该网络针对玉米花丝的检测效果较好,其轻量结构适于部署在无人巡检机器人的视觉系统上,可为玉米生长状态监测提供参考。

基于MF-SSD卷积神经网络的玉米穗丝目标检测方法

【目的】玉米穗丝是玉米的授粉器官,生长发育状况会影响玉米的产量。为了在玉米生长状态监测和产量预测工作中实时准确识别玉米穗丝,提出一种基于多特征融合SSD(MF-SSD)卷积神经网络的玉米穗丝检测模型。【方法】基于特征图对玉米穗丝进行检测,在VGG16-SSD的基础上,用MobileNet替换特征提取器,加入多层特征融合结构,得到MF-SSD网络模型;通过网络优化调整,试验了MF-SSD-cut-3、MF-SSD和MF-SSD-add-3共3种网络结构,优选出检测性能最好的网络结构用于玉米穗丝检测。基于玉米穗丝图像数据集,应用0~180°随机旋转原始图像和水平翻转、平移原始图像2种数据增广技术提升模型训练效果。对是否使用二次训练策略和是否使用Focal loss解决样本不平衡问题进行了试验,并对比分析Loss的下降过程。【结果】通过加入多层特征融合结构对SSD模型改进后能够提高网络的检测能力,提升识别速度。与VGG16-SSD相比,MF-SSD在交并比指标方面的平均精度提高7.2%,对玉米穗丝小目标检测的平均召回率提高19.6%,检测速度最高能提升18.7%。在存储空间和运行时间有较高要求的嵌入式环境下,MF-SSD-cut-3模型在满足检测效果的前提下,以较小的空间代价获得了相对较短的运行时间;在不考虑空间和时间因素的情况下,MF-SSD模型获得更好的检测效果。二次训练策略提高了网络的收敛速度和模型的稳定性;Focal loss有效解决了SSD算法中正负样本数量不平衡问题,使网络模型的训练更容易收敛。【结论】MF-SSD模型对小目标的检测能力能满足农业生产中对玉米穗丝的实时检测需要,可以用于玉米生长状态的自动监控和产量的精准预测。

高等学校思想政治教育的人文关怀研究

教育的人文关怀,实际就是关注学生的理想、信念和情感。在新形势下,加强高校思想政治教育的人文关怀,引导学生加强自身修养,提高精神境界,完善自我人格,是培养21世纪人才和实现高校思想政治教育目标的必由之路。

基于SwinT-YOLACT的玉米果穗实时实例分割

玉米果穗的表型参数是玉米生长状态的重要表征,生长状况的好坏直接影响玉米产量和质量。为方便无人巡检机器人视觉系统高通量、自动化获取玉米表型参数,该研究基于YOLACT(you only look at coefficients)提出一种高精度-速度平衡的玉米果穗分割模型SwinT-YOLACT。首先使用Swin-Transformer作为模型主干特征提取网络,以提高模型的特征提取能力;然后在特征金字塔网络之前引入有效通道注意力机制,剔除冗余特征信息,以加强对关键特征的融合;最后使用平滑性更好的Mish激活函数替换模型原始激活函数Relu,使模型在保持原有速度的同时进一步提升精度。基于自建玉米果穗数据集训练和测试该模型,试验结果表明,SwinT-YOLACT的掩膜均值平均精度为79.43%,推理速度为35.44帧/s,相较于原始YOLACT和其改进算法YOLACT++,掩膜均值平均精度分别提升了3.51和3.38个百分点;相较于YOLACT、YOLACT++和Mask R-CNN模型,推理速度分别提升了3.39、2.58和28.64帧/s。该模型对玉米果穗有较为优秀的分割效果,适于部署在无人巡检机器人视觉系统上,为玉米生长状态监测提供技术支撑。

Web结构挖掘的XML实现策略

XML适合于解决Web数据挖掘中数据库环境异构和信息的半结构化等难题。Web结构挖掘是整个Web信息挖掘的重要组成部分。用XML来完成Web结构信息的预处理是将Web结构信息规范化并转化为XML数据,并以此明确网站的文件构成、组织方式、内容构成和内容的超链关系。提出基于XML的Web结构挖掘系统的实现过程,解决了XML文件通过标准接口读入到挖掘程序的关键技术。

基于注意力生成对抗网络的单幅图像去雨方法

下雨是一种常见的天气现象,而滞留在图像上的雨条纹降低了图像的清晰度以及影响了基于该图像的后续图像处理。从图像中去除雨的关键是如何准确、鲁棒地识别图像中的雨区域。使用导向滤波器和Haar小波变换组成的雨线提取模块来增强雨条纹特征提取,然后通过空间关注模块生成雨线注意力图,以准确定位雨条纹的位置。两者结合后,获得降雨条纹的前景信息再通过生成对抗网络训练机制中相互博弈的特征,可以增强雨条位置识别能力,并有效地去除雨条纹。在综合测试数据集和真实图像上进行实验,对比几种深度网络去雨方法,峰值信噪比(PSNR)和结构相似比(SSIM)都得到提升。实验表明,该网络具有出色的性能,对于不同的雨条纹密度具有较高的泛化能力同时可以更好地保持图像的原有信息,避免图像模糊现象。

新时期高校高层次人才价值观建设研究

新时期,人们的思想观念呈现出多样、多元、多变的特点,各种文化思想相互碰撞,深深地影响人们的行为观念,特别是作为知识、文化和科学技术传播者的高校高层次人才。本文首先对高校高层次人才和价值观的概念作界定,然后,对其价值观建设的主要内容进行论述。最后,提出对策和思路,努力建设与科学发展观、构建和谐社会和和谐校园相适的高层次人才价值观。

基于要素细分的竞争情报四维分析框架

根据竞争情报的本质，提炼出竞争情报应包含的分析要素，并基于已有的方法提出了一个由分析对象、分析目标、情报过程、情报周期四维构成的分析框架，对框架构建的要求、框架的构成方式进行了研究。描述了框架表达的竞争情报理念、和框架能较容易明确应该分析的分析内容、可对现有竞争情报分析方法进行类分、可表达出竞争情报和战略的紧密联系、有利于形成企业的情报文化等特点。基于框架提出情报价值是在情报周期的循环中产生的。最后阐述了基于框架的竞争情报分析方法。

一种基于竞争要素的竞争情报分析框架

本文根据竞争情报的本质,提炼出竞争情报应包含的分析要素,提出了一个完善的竞争情报分析框架,并对框架构建的要求、框架的构成方式进行了分析研究。

基于核心数据包在线管理的软件保护方法及实现

本文提出基于核心数据包在线管理的软件保护方法,将网络空间的加密算法原理运用在保护软件中,采取在线验证核心软件数据包的方法来防止软件被破解,论述了这一方法的基本原理、分层结构和授权层、管理层、加密层的运行机制。最后描述了本方法在流行的软件开发平台.NET框架中的实现。

以用户为中心的电子商务2.0基本模式及网站重构模型

分析抽象传统电子商务的特点,结合web2.0的以用户为中心的思想与方法提出EC2.0的3个基本商务模式,即C2B、B4C、C4C.基于EC2.0商务模式的研究,提出重构EC2.0网站的基本思想与方法.

基于倾斜摄影的玉米种粒三维参数同步测量装置

为解决脱穗之后的玉米种粒三维特征的获取和分析这个重要而又困难的问题,该研究基于机器视觉技术开发了一种融合三维特征的玉米种粒考种装置。装置通过2块相互垂直的标定板来保留倾斜影像中的空间信息和标定数据,并据此计算三维数据。基于装置的标定数据,用图像处理的方法获取玉米种粒的长度、宽度和厚度数值。通过透视变换,从倾斜摄影图像分别得到水平正摄和垂直正摄的图像;玉米种粒轮廓的长轴和短轴以旋转盘的直径为参考进行计算;玉米种粒的厚度以垂直方向棋盘格标定数据为参考进行计算。按照10帧/s的帧率和1 280×720的图像分辨率启动图像记录系统。选取180粒不同品种的玉米种粒进行试验。种粒长轴、短轴和厚度测量的均方根误差分别为1.86、1.28和0.741 mm;决定系数分别是0.849 6、0.869 3和0.846 2。使用该装置并配合相应的方法能较为准确的一次性测量玉米种粒的三维参数,该研究可为玉米种粒的精细化考种提供参考。

关于理工科大学人文素质教育的思考

人文素质教育的过程就是育人的过程,它致力于用人类在漫长社会活动中所积累的智慧精神陶冶人、教育人,强调人的道德精神价值,注重对善与美的理解,引导人们求真、从善、爱美,使人能洞察人生目的与意义,找到正确的生活方式。工科大学生作为未来的工程技术人员,不应只是单纯的专业行家,需具有较高的综合素质。因此,对理工科大学生加强人文素质教育的重要性也就显得越来越突出了。

开源框架为导向的高级Web开发教学模式

随着科技技术的发展,社会对人才的要求更加专业化、技术化。用传统的教学模式将高级Web开发相关的技能和知识传授给学生,使得理论知识和实际开发情况不能很好结合。以开源框架为导向的高级Web开发教学模式从教学方式、考核方法、课程安排和课堂活动等方面对其进行改进,以项目为驱动,更加注重交流和实践表明,这种教学模式使学生更加有兴趣,有更高的参与感,学习质量有极大提高,学生能将课堂理论知识充分运用到实际开发中去。

基于核心数据包在线管理的软件保护方法及实现

指出软件保护机制与网络保密通信机制是类似的,现有软件保护方法不够安全的根本原因是软件开发者将软件运行所需要的全部模块交给用户,没有数据的差异化。并提出基于核心数据包在线管理的软件保护方法,将网络空间的加密算法原理运用在保护软件中,采取在线验证核心软件数据包的方法来防止软件被破解,论述了这一方法的基本原理、分层结构和授权层、管理层、加密层的运行机制。最后描述了本方法在流行的软件开发平台.NET框架中的实现。实践证明,该方法能比现有的方法更有效的防止软件被破解。