基于CycleGAN-IA方法和M-ConvNext网络的苹果叶片病害图像识别

针对苹果叶片病害图像识别存在数据集获取困难、样本不足、识别准确率低等问题,提出基于多尺度特征提取的病害识别网络(Multi-scale feature extraction ConvNext,M-ConvNext)模型。采用一种结合改进的循环一致性生成对抗网络与仿射变换的数据增强方法(Improved CycleGAN and affine transformation,CycleGAN-IA),首先,使用较小感受野的卷积核和残差注意力模块优化CycleGAN网络结构,使用二值交叉熵损失函数代替CycleGAN网络的均方差损失函数,以此生成高质量样本图像,提高样本特征复杂度;然后,对生成图像进行仿射变换,提高数据样本的空间复杂度,该方法解决了数据样本不足的问题,用于辅助后续的病害识别模型。其次,构建M-ConvNext网络,该网络设计G-RFB模块获取并融合各个尺度的特征信息,GELU激活函数增强网络的特征表达能力,提高苹果叶片病害图像识别准确率。最后,实验结果表明,CycleGAN-IA数据增强方法可以对数据集起到良好的扩充作用,在常用网络上验证,增强后的数据集可以有效提高苹果叶片病害图像识别准确率;通过消融实验可得,M-ConvNex识别准确率可达99.18%,较原ConvNext网络准确率提高0.41个百分点,较ResNet50、MobileNetV3和EfficientNetV2网络分别提高3.78、7.35、4.07个百分点,为后续农作物病害识别提供了新思路。

红外阵列成像精确测温及温度补偿

针对现有红外热像测温存在精度低、成本高等问题,利用MLX90640搭建了红外阵列成像精确测温系统,建立了改进最小二乘曲线拟合的温度补偿模型提高测温精度。首先,通过红外阵列探测器采集物体温度信息,同时,采用改进双线性插值算法对温度数据进行扩充,增强红外图像细节特征显示。然后,利用BR125黑体校准源进行30~100℃的系统温度校准标定,通过采集不同设定距离下多种温度测试数据,对多种不同曲线拟合模型的拟合程度分析,进行温度误差拟合曲线修正优化,建立温度修正优化模型,实现了在不同距离下对红外测温估计值的精准预测。实验测试结果表明,所提修正模型在进行优化补偿后最大温度误差不超过1.0℃,平均温度误差从5.70℃减少到0.24℃,使得测温精度大幅提升。为了评估实验结果的偏差程度,进行了不确定度分析,平均标准偏差为0.848℃,达到了实验预期结果,验证了该方法测温的精确性及所提模型的可靠性。该系统实现了对物体温度快速精确测量,可实时观测出区域内物体温度分布情况,具有广泛的应用场景。

改进迁移学习的双分支卷积神经网络图像去雾

针对现有图像去雾算法存在去雾不彻底和图像颜色失真的问题,提出一种迁移学习子网络和残差注意力子网络相结合的图像去雾模型。采用迁移学习子网络的预训练模型增强样本的特征属性;构建双分支网络结构,并利用残差注意力子网络辅助迁移学习子网络训练网络模型的参数;利用尾部集成学习的方法融合双网络的特征,得到去雾图像的模型参数,完成图像恢复任务。实验结果表明:所提算法在RESIDE数据集和O-HAZE数据集上PSNR指标比GCANet分别提高了1.87 dB和4.22 dB,在O-HAZE数据集上SSIM指标比GCANet提高了6.7%。

基于PA-YOLO v5的印制电路板缺陷检测

针对印制电路板裸板布局复杂,在对其表面进行缺陷检测时存在被检测图像对比度不高、亮度不均匀、缺陷位置小、形状不规则等特点,在增加网络深度时会造成参数量大、出现过拟合现象、丢失部分特征信息等问题,提出了基于YOLO v5与混合注意力机制融合,精度更高的印制电路板检测模型PA-YOLO v5(precision and attention-YOLO v5),抑制一般特征的干扰,保证网络提取特征时更加关注缺陷目标细节特征。并引用自适应双向特征融合模块(Bi FPN)网络,对每个特征图的尺度不同进行充分利用,对不同的检测目标赋予不同权重,提高网络的各个特征表达能力,最后利用FRe LU激活函数,通过将ReLU增加空间拓展成为一个2D激活函数,增强感受野对细节捕捉的能力,提高模型的鲁棒性和泛化性。在DeepPCB数据集中对6种缺陷分别进行测试,实验结果表明,文中提出的PA-YOLO v5的检测模型在该数据集上的准确率可达99.4%,并同时设置消融实验和对比实验验证了该模型的有效性。

结合语义分割图的注意力机制文本生成图像

针对生成对抗网络生成图像存在结构不完整、内容不真实、质量差的问题,提出一种结合语义分割图的注意力机制文本到图像生成模型(SSA-GAN)。首先采用一种简单有效的深度融合模块,以全局句子向量作为输入条件,在生成图像的同时,充分融合文本信息。其次结合语义分割图像,提取其边缘轮廓特征,为模型提供额外的生成和约束条件。然后采用注意力机制为模型提供细粒度词级信息,丰富所生成图像的细节。最后使用多模态相似度计算模型计算细粒度的图像-文本匹配损失,更好地训练生成器。通过CUB-200和Oxford-102 Flowers数据集测试并验证模型,结果表明:所提模型(SSA-GAN)与StackGAN、AttnGAN、DF-GAN以及RAT-GAN等模型最终生成的图像质量相比,IS指标值最高分别提升了13.7%和43.2%,FID指标值最高分别降低了34.7%和74.9%,且具有更好的可视化效果,证明了所提方法的有效性。

基于MA-ConvNext网络和分步关系知识蒸馏的苹果叶片病害识别

针对复杂环境下苹果叶片病害图像背景杂乱、病斑大小不一,以及现有模型参数多、计算量大的问题,提出基于注意力和多尺度特征融合的苹果叶片病害识别网络(MA-ConvNext).通过引入多尺度空间通道重组块(MSCB)和融合三分支注意力机制的特征提取模块(TAFB),有效提取苹果叶片病害图像不同尺度的特征,增强模型对叶片病斑的关注.采用分步关系知识蒸馏方法,将“教师”网络(MA-ConvNext)和“中间”网络(DenseNet121)融合,指导“学生”网络(EfficientNet-B0)训练,实现模型轻量化.实验结果表明,MA-ConvNext网络识别准确率为99.38%,较ResNet50、MobileNet-V3和EfficientNet-V2网络分别提高了3.98个百分点、7.55个百分点和4.27个百分点.经过分步关系知识蒸馏后,识别准确率较蒸馏前提高了1.76个百分点,并且具有更小的网络规模和参数量,分别为1.56×10^(7)、5.29×10^(6).所提方法能为后续精准农业的病虫害检测提供新思路和技术支持.

红外特征提取与关联分析的设备故障预警方法

水电站电气设备的安全稳定运行至关重要。为了实现设备故障的自动预警,通过红外特征提取并进行灰色关联分析,提出建立主成分分析(PCA)和基于密度的聚类算法(DBSCAN)的设备故障预警模型。首先,通过数据预处理补全缺失数据,剔除异常数据后进行主成分分析降维并提取新的主成分特征。其次,将新的主成分采用DBSCAN算法构建特征样本集,建立灰色关联模型,计算灰色关联系数,然后,通过灰色关联系数的变化程度突变点进行故障预警。实验结果表明,所提方法能有效提取红外特征,并在设备异常状态下实现设备故障预警,故障预警准确率达到97.88%。

基于改进生成对抗网络的书法字生成算法

针对生成对抗网络生成字体存在笔画缺失、字形结构错乱、图像模糊与质量差的问题,提出改进zi2zi生成对抗网络的书法字生成算法.在编码器中引入卷积核为1的残差块,提高生成器提取书法字体细节特征的能力,通过增加上下文感知注意力结构提取书法字体的风格特征.在判别器中利用谱归一化增强模型的稳定性,避免因模型训练不稳定而带来的模式崩塌.采用最小绝对误差L1范数约束生成字体边缘特征,使得字体轮廓更加清晰,最终生成2种风格的书法字.颜真卿楷书与赵孟頫行书目标风格数据集的测试结果表明,提出算法的主观客观评价结果均优于对比算法,与zi2zi相比,峰值信噪比分别提高了1.58、1.76 dB,结构相似性分别提高了5.66%、6.91%,感知相似性分别降低了4.21%、6.20%.

基于超分辨重建和公共特征子空间的低分辨率人脸识别

针对传统低分辨率人脸识别准确率较低的问题,提出了一种基于超分辨重建和公共特征子空间的低分辨率人脸识别网络InGLRNet(inception GAN low resolution Net)。InGLRNet网络采用生成对抗网络结构,首先,由超分辨InSRNet网络和特征提取网络构成生成网络,InSRNet网络将Inception结构中3×3卷积核分解为1×3、3×1和1×1的卷积核,同时,增加残差网络的旁路直连方式,减轻梯度消失问题。其次,利用公共特征子空间法,将变换后的低分辨率样本图像和高分辨率基准图像在公共空间中的距离作为训练深度卷积神经网络的目标函数,通过损失函数匹配高、低分辨率图像的特征,实现人脸的精准特征识别。最后,将InGLRNet与CLPMs、MDS、Deep-Face和Face-Net经典的4种低分辨人脸识别方法进行对比,实验结果表明,构建的网络在人脸识别性能上有显著提升,在不同低分辨率下都优于其他4种方法。

基于激光诱导击穿光谱的煤样典型特性研究

为了准确检测煤样的各种元素含量、灰分和发热量等工业指标,提出利用激光诱导击穿光谱技术进行煤样的光谱强度信息采集。激光诱导击穿光谱技术作为一种新型的元素分析技术,通过高能脉冲激光聚集在样品表面,分析等离子体释放出的元素谱线信息,得出样品元素含量和组成。而光谱信息采样的延迟时间是光谱检测中一个非常重要的参数,为了研究延迟时间对煤样激光诱导击穿光谱信号强弱的影响,提出了通过连续背景强度变化和相对标准偏差计算来判定测量煤样的最佳延迟时间。本研究选取山东济南众标科技有限公司的三种标准煤样作为研究对象,实验测试使用Nd∶YAG脉冲激光器,波长为1064nm。对于煤质的检测,采用AvaSpec Dual型光纤光谱仪,光谱探测波长范围为两通道195~467nm和615~973nm。延迟时间为247~252μs对三种标准煤样ZBM100、ZBM101、ZBM104的光谱信息进行特征分析,通过光谱信号强度和连续背景强度随延迟时间变化的关系,判断出247~252μs范围内的最佳延迟时间。随着延迟时间的增加,连续背景强度快速衰减,在250μs时,连续背景强度和光谱信号强度分别衰减到延迟时间为247μs时的30和50。其次通过在不同延迟时间下相对标准偏差的计算,判断出标准煤样样本中Al、Si、Fe三种元素最佳延迟时间为247μs、248μs、249μs所对应的标准偏差达到最小值,得到因选用标准煤样对象不同其相对标准偏差对应元素的最佳延迟时间也会有所差异。研究结果表明,三种标准煤样ZBM100、ZBM101、ZBM104的光谱强度在247~252μs的最佳采样延迟时间为250μs。此实验研究结果,为激光诱导击穿光谱技术探测和分析煤质检测的最佳延迟时间提供了依据。

多尺度混合注意力网络的图像超分辨率重建

针对现有超分辨率(super-resolution)重建算法重建出的图像存在高频细节丢失、结构化失真的问题,结合多尺度混合注意力网络,给出一种新的重建算法。首先,设计了一种多尺度残差模块(multi-scale residual module,MRM),提取不同尺度信息的特征并进行融合来获取包含更多信息的浅层特征;其次,采用残差混合注意力模块(residual hybrid attention module,RHAM),依次沿着通道和空间2个不同的维度增强网络特征提取能力,进行自适应的特征优化,提高高频特征的复用;最后,通过重建模块对提取的特征进行增强,获取相应的高分辨率图像。在基准数据集上进行测试,实验结果表明:文中提出的算法相较主流图像SR算法,在放大尺度为2、3、4倍时峰值信噪比(peak signal to noise ratio,PSNR)平均提高了0.104、0.224、0.146 dB,结构相似性(structural similarity index measure,SSIM)平均提高了0.0349、0.0276、0.0181。该算法能更有效地利用原始图像信息,重建出的图像在边缘和纹理细节等方面有一定的提高。

基于LatLRR与NSP分解的红外与可见光图像融合

针对现有红外与可见光图像融合过程中存在的图像对比度低、红外特征不明显等问题,提出了一种基于非采样金字塔滤波(Nonsubsampled Pyramid,NSP)与潜在低秩表示(Latent Low Rank Representation,LatLRR)分解的红外与可见光图像融合算法。首先,对红外与可见光图像进行分解,采用NSP分解提取源图像的低频信息,LatLRR分解提取源图像的局部结构信息;其次,根据红外低频信息与可见光低频信息的特征及融合结果图像中低频分量占比,利用红外像素强度权重调控策略完成对低频信息的融合,同时,为使红外与可见光的局部结构信息在融合时保持均衡,使用基于像素灰度值求和的策略进行1∶1融合;最后,图像重构中引入非线性变换思想,使局部结构信息与低频信息有更加完美的契合。实验结果表明,融合结果图像在极大保留红外特征的同时又能兼顾可见光图像中的细节信息,该算法能够对红外与可见光图像进行有效融合。

基于AT-DenseNet网络的番茄叶片病害识别方法

针对番茄叶片病害识别方法存在丢失特征信息、易产生过拟合现象和各类样本数据不均匀的问题,提出了基于混合注意力机制的DenseNet的番病叶片病害识别模型AT-DenseNet。该网络模型以DenseNet121为基础,首先,在DenseNet中融入混合注意力机制模块,实现特征复用,并对混合特征赋予不同权重,提高特征提取能力;在分类网络前设计过渡层,匹配特征维度;其次,引入Focal Loss损失函数,专注难分类样本,改善类间样本不均匀问题;然后,采用迁移学习方法,导入预训练权重,重构全连接层,增强模型鲁棒性;最后,在数据增强的辅助作用下,用Plant Village数据集中的6种番茄叶片病害图像进行测试,试验结果表明,本研究提出的AT-DenseNet网络模型在测试集上的准确率可达99.49%,并通过设置消融试验、绘制混淆矩阵等,验证了病害识别模型的有效性,可为番茄叶片的病害识别提供参考。

改进深度卷积生成式对抗网络的文本生成图像

针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码,得到文本的特征向量表示。引入条件增强(CA)模型,通过文本特征向量的均值和协方差矩阵产生附加的条件变量,代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入,并在生成器的损失中额外加入KL损失正则化项,避免模型训练过拟合,使模型可以更好的收敛,在判别器中使用谱约束(SN)层,防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明:所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本,初始得分值最低分别提高了10.9%和5.6%,最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%,最高分别降低了43.9%和42.5%,进一步表明了所提模型的有效性。

基于激光诱导击穿光谱技术的煤灰分特征研究

灰分是衡量煤炭质量优劣的关键指标,是衡量煤矿和选煤厂煤炭产品质量的主要指标之一。针对传统煤灰分含量识别效率低、煤样本质量不高的问题,本文基于粒子群优化算法(PSO)和BP神经网络,提出了基于粒子群神经网络的煤炭灰分预测模型。目的是快速识别出煤炭产品中灰分的含量,为煤炭开采提供技术支撑。研究选取了180个标准煤粉样品,1~140号样本数据用于训练集,141~180号样本数据作为测试集。应用PSO-BP模型对煤炭灰分特性进行了研究,仿真结果表明:优化后的6维BP神经网络模型,决定系数R^(2)为0.88501越接近1,表明建立的PSO-BP模型具有较好的预测性能,灰分预测值与灰分真值无限逼近。进而表明所构建的灰分预测模型具有较高的预测精度,提升了模型的泛化能力和预测精度,为后续的LIBS术应用于煤炭检测提供一定的理论依据。

基于结构与分解的红外光强与偏振图像融合

在一些特定环境下,红外传感器无法探测到目标时,需要将偏振技术与红外技术相融合。为了获得更清楚的融合图像,采用一种基于多尺度结构分解的图像融合方法实现红外光强与偏振图像融合。该算法提出将红外图像与偏振图分解成3个独立部分:平均强度、信号强度和信号结构。其中平均强度部分,采用一种反正切的权重函数进行融合,信号强度采用最大值的融合原则,而信号结构采用一种基于信号强度幂函数的加权平均方进行融合,最后重构得到融合图像。为了更快进行融合、降低计算的复杂度,将分解过程通过均值滤波代替,再通过上采样与下采样得到最终的融合图像。为了得到更好的融合图像,通过不同融合参数实验对比,选择较优的融合参数。最后实验表明使用所提出的反正切权重函数与融合参数设置,在与传统的多尺度算法的比较中,4项评价指标取得优势,且主观上保留更多的纹理细节、提升对比度以及抑制伪影。

广义高斯混合模型的自适应盲信号分离

针对传统盲信号分离算法中信号概率密度函数计算速度慢、计算效果一般等问题,提出一种广义高斯混合模型的自适应盲信号分离算法。该算法根据信号拖尾特性的不同,自适应地选取t分布与广义高斯模型,分别估计重拖尾信号和轻拖尾信号的概率密度函数,通过建立峭度和形状因子的查找表得到不同信号评价函数的估计值,并对亚高斯信号和超高斯信号的混合信号进行有效分离。实验结果表明,该算法能对传统算法难以分离的重拖尾与轻拖尾混合信号进行快速有效的分离,具有较好的分离效果。

艾滋病病毒感染者快感缺失的相关因素

目的:探讨人类免疫缺陷病毒(HIV)/艾滋病(AIDS)患者的快感缺失的相关因素。方法:选取某传染病医院HIV/AIDS患者237例,采用自编一般资料调查表、时间性愉快体验量表(TEPS)、自我接纳量表(SAQ)、歧视知觉量表(SIS)、领悟社会支持量表(PSSS)进行调查。结果:患者TEPS得分为(73.4±16.1)。逐步线性回归分析显示PSSS总分、受教育程度、个人月收入与TEPS总分正向关联(β=0.41、5.17、4.63),年龄与TEPS总分负向关联(β=-0.30)。结论:HIV/AIDS患者的快感缺失情况需引起重视,患者的快感缺失与个人月收入、受教育程度、年龄、领悟社会支持相关。

工业废水中重金属Cr(Ⅵ)处理方法的研究进展

近年来,电镀、金属冶炼和制革等行业快速发展,越来越多的含Cr(Ⅵ)废水直接或间接排放到自然环境中,对生态环境和人类健康造成极大危害。因此,有必要对含铬废水处理技术进行研究。含Cr(Ⅵ)废水的处理方法包括吸附法、沉淀法、电化学法和生物法等。在查阅和分析国内外相关文献的基础上,对目前含Cr(Ⅵ)废水的处理方法进行了提炼和总结。未来,联合处理技术、新材料开发和以废治废技术将成为推动废水处理发展的重要方向。

CS/PVA磁性复合微球的制备及对水中Cr(Ⅵ)吸附性能的探讨

采用共沉淀法制备了磁性Fe_(3)O_(4)粒子,并在通过戊二醛与壳聚糖、聚乙烯醇发生交联反应,制备了聚乙烯醇改性壳聚糖磁性复合微球(PMCTS)。并对复合微球组成、结构、形态以及磁性进行了表征,进一步考察了微球投入量、Cr(Ⅵ)溶液初始浓度、吸附时间和温度对PMCTS复合微球吸附性能的影响,同时对微球回收率进行了分析。实验表明:当水中含Cr(Ⅵ)为30 mg/L,向吸附体系投入0.5 g复合微球,在45℃下反应70 min,Cr(Ⅵ)去除率可达98.6%,且回收率可达到92.5%。因此,PMCTS复合微球用于吸附水中Cr(Ⅵ)快速且有效。