基于锚点的快速三维手部关键点检测算法

在人机协作任务中,手部关键点检测为机械臂提供目标点坐标,A2J(Anchor-to-Joint)是具有代表性的一种利用锚点进行关键点检测的方法。A2J以深度图为输入,可实现较好的检测效果,但对全局特征获取能力不足。文中设计了全局-局部特征融合模块(Global-Local Feature Fusion,GLFF)对骨干网络浅层和深层的特征进行融合。为了提升检测速度,文中将A2J的骨干网络替换为ShuffleNetv2并对其进行改造,用5×5深度可分离卷积替换3×3深度可分离卷积,增大感受野,有效提升了骨干网络对全局特征的提取能力。文中在锚点权重估计分支引入高效通道注意力模块(Efficient Channel Attention,ECA),提升了网络对重要锚点的关注度。在主流数据集ICVL和NYU上进行的训练和测试结果表明,相比于A2J,文中所提方法的平均误差分别降低了0.09 mm和0.15 mm。在GTX1080Ti显卡上实现了151 frame·s^(-1)的检测速率,满足人机协作任务对于实时性的要求。

交流伺服系统振动鲁棒M/T测速算法

针对使用增量式正交脉冲编码器进行测速的交流伺服系统中M/T测速算法易受电机转子机械振动干扰的问题,提出一种基于假脉冲剔除的M/T测速算法。分析M/T测速算法的实现机理,将机械振动条件下导致速度测量误差的主要原因归结为引起位置量化误差的假脉冲信号。分别采用数字滤波器和方向信号鉴别器对高频和低频假脉冲信号进行抑制,并给出改进后的M/T测速算法实现方案。仿真和实验结果表明:基于数字滤波器和方向信号鉴别器的假脉冲剔除法能够消除机械振动引起的位置量化误差。改进后的M/T测速算法对机械振动具有鲁棒性,且能够在电机整个运行速度范围内给出准确的速度测量值,从而提高了交流伺服系统的速度控制性能。

除草剂乙草胺对非洲爪蟾性腺发育的影响

使用性腺发育对内分泌干扰作用敏感的两栖动物非洲爪蟾作为模型动物,通过考察性别比、性腺整体形态和组织学形态来揭示乙草胺对其性腺发育的影响,从而确定乙草胺是否具有内分泌干扰活性.46/47期蝌蚪经不同浓度(5μg·L-1、10μg·L-1、20μg·L-1)的乙草胺暴露处理至变态后1个月,在变态结束后3个月时,解剖性腺、鉴别雌雄并固定性腺做组织切片.实验中对照组所有性腺都为典型的卵巢或睾丸,雌性百分率为48.78%(20/41).而乙草胺暴露组却出现了明显的异常睾丸,其总体上是睾丸,但又带有部分卵巢的特征,在统计性别时将具有异常睾丸的爪蟾归为雄性.5μg·L-1、10μg·L-1、20μg·L-1暴露组的雌性百分率分别为:57.14%(24/42)、66.67%(22/36)、55.26%(21/38).虽经统计分析无显著性差异,但乙草胺暴露组中雌性多于雄性的趋势和出现带有雌性特征的雄性的现象,一定程度上却暗示了乙草胺可能对非洲爪蟾的性腺发育有雌性化作用.正常睾丸的组织学结构应有发育成熟的生精小管,其内有各个时期的精子囊和生精细胞及精子.但经乙草胺处理的爪蟾睾丸却表现出几种明显的异常:没有生精小管,相反却像发育早期的睾丸一样,充满大量的精原细胞,完全没有生精细胞和精子;有生精小管结构,但其内精子囊结构不明显,生精细胞少并且排列混乱,其间有很大的空隙;睾丸出现腔隙,并有大量体细胞存在,这种结构与57期的卵巢相似;睾丸中出现异常的生精细胞,与58期卵巢的卵细胞相似;睾丸组织中有明显的卵细胞散布.组织学研究发现的乙草胺导致的睾丸结构证明了乙草胺对非洲爪蟾的睾丸发育有抑制雄性化作用和雌性化作用,即乙草胺对非洲爪蟾的性腺发育有内分泌干扰作用.

二氢卟吩e6在艾氏荷瘤小鼠体内的分布

目的研究二氢卟吩e6(Ce6)在移植瘤小鼠体内吸收、分布及代谢的动态变化,以期为声动力疗法处理不同部位肿瘤的时间点提供科学依据。方法艾氏移植瘤小鼠尾静脉注射Ce6后,利用荧光分光光度法和小动物活体成像技术测定Ce6在小鼠不同组织的富集分布变化规律。结果小鼠尾静脉给药后,Ce6迅速分布于全身各组织,在2 h内,各组织药物浓度均达到峰值,其中以肝含量最高。随后各组织中药物浓度均开始下降,以肝中清除速度最快。肿瘤组织中的Ce6含量在注射后不断上升,2 h时达到最高,随后开始下降,2～10 h代谢比较缓慢,24 h时浓度降至最低,但仍高于其他组织。结论 Ce6在艾氏移植瘤中具有肿瘤组织选择性好、潴留时间长并可迅速从体内排出等优点,有着很好的临床应用前景,同时提出了不同组织类型不同部位的肿瘤应根据各自适当的时间点进行处理。

基于极线约束的ORB特征匹配算法

图像匹配是机器视觉领域的基础核心课题,针对当前ORB(oriented FAST and rotatedBRIEF)图像特征匹配算法虽然执行速度快、但是匹配质量不高的问题,提出一种通过极线约束来改进ORB匹配的算法。通过合理设计Hamming阈值大小来提高初始匹配点数量,采用RANSAC(random sample consensus)和8点改进法计算基本矩阵,应用极线约束剔除误匹配保留大量优质匹配点。仿真实验结果证明,算法改进后的优质匹配点数量可达原始算法的23倍,同时极大地提高了匹配点的质量,证明了算法的有效性。

前哨动物在环境污染物人体健康风险评价中的应用

前哨动物能够在污染物对生态系统或人体健康产生明显影响之前做出反应,所以利用前哨动物能够对环境污染的健康风险做早期预报,同时可提供环境中污染物种类、污染水平、生物可利用性、富集代谢等多方面的信息.虽然来自前哨动物的信息不能直接外推于人,但由于动物和人体结构和功能的相似性,这些信息可作为污染物对人体作用的早期警报.论文对作为前哨动物的某些鱼类、两栖动物和哺乳动物在环境污染物人体健康风险评价中的应用进行了简要概述,讨论了它们作为前哨动物各自的优缺点和适用范围,最后建议在国内大力开展前哨动物生态毒理学调查,以促进人体健康风险评价工作.

SRM直接瞬时转矩系统抗饱和控制器设计

在开关磁阻电机直接瞬时转矩控制系统速度外环控制器中存在非线性饱和,控制器的积分控制环节会对误差进行积累并逐渐使误差增大,造成控制器的饱和效应,降低系统的性能,为此在传统速度控制器基础之上提出一种抗饱和自适应PID控制器,该方法通过对控制器输入饱和误差进行积分,并通过自适应系数调整控制器的积分项,保证系统出现饱和超调时,使其快速退饱和,仿真及试验表明该方法可以抑制饱和现象,提高电机速度响应,降低转速脉动,系统稳定性和鲁棒性较好。

永磁同步电机系统混沌状态的主动控制

针对永磁同步电动机混沌系统的有限时间稳定控制问题,提出了一种动态有源补偿的主动控制方法,使闭环系统达到近似有限时间稳定控制。首先对永磁同步电动机的数学模型进行分岔和混沌分析,判断系统进入混沌状态的条件。然后针对系统存在的混沌,通过引入奇异摄动理论,详细地分析了闭环系统近似有限时间稳定性,提出主动控制方法,通过仿真和实验验证该方法可以有效地解决系统的不确定性。

基于改进的核相关滤波器的目标跟踪算法

针对传统的KCF(核相关滤波器)目标跟踪算法在严重遮挡情况下出现目标跟踪漂移和丢失的问题,提出了一种改进的KCF目标跟踪算法。在传统的算法上增加了遮挡判断,如没有出现遮挡,则用KCF进行跟踪;若发生遮挡则用粒子滤波进行预测,然后把预测位置送给KCF算法。最后OTB-13的测试库选择David2、David3和Socceir视频遮挡序列进行跟踪测试,跟踪结果表明了改进方法的有效性;然后选择50组视频序列比较算法的有效性,相比传统的KCF算法,其跟踪精度和成功率分别提高了6.1%和2.9%。在目标发生严重遮挡时,该算法具有良好的鲁棒性。

开关磁阻电机DITC策略优化

针对开关磁阻电机(SRM)的非线性特性使其在运行中有较大转矩脉动的问题,采用Matlab进行SRM直接瞬时转矩控制(DITC)系统性能的优化仿真研究,分析不同转矩下转矩脉动情况,仿真结果表明优化后的控制策略可在较宽调速范围内有效抑制换相区域内相电流峰值,实验表明其提高了SRM DITC的运行性能。

基于注意力模型的人脸关键点检测算法

人脸关键点定位因受到表情、光照、姿态等的影响,常常会出现大的误差。为了准确地定位到人脸的关键点,提出了一种基于注意力模型的人脸关键点检测算法。先是利用可变型模型(DPM)算法检测出图片中的人脸区域,然后结合残差网络(ResNet)和收缩激励网络(SeNet)对该区域进行人脸关键点定位。实验结果表明,该算法在人脸数据集上获得了较高的准确率,证明了该算法的有效性。

无刷直流电机换相转矩脉动抑制的研究

针对无刷直流电机换相时产生的转矩脉动,采用自抗扰控制技术设计出一种自抗扰控制器来消除转速响应的超调,同时通过自身的扩张状态观测器检测系统的相电流脉动和自身的非线性状态反馈控制律对检测到的电流脉动误差值进行补偿抵消,以达到抑制相电流脉动的效果,从而抑制电机的转矩脉动。仿真结果表明,自抗扰控制比PI控制能更好地抑制转矩脉动,提高电机转速的稳定性和系统的可靠性。

EDA技术实验课程教学案例设计、实践与探索

EDA技术是一门实践性很强的课程,因此探索较好的EDA技术实验课程教学方案尤其重要。该文通过两种EDA技术实验课程教学方案的设计与实践,探索出“少量离散知识点题目+综合性题目”实验课教学方案,能够更好地考查学生实验课学习效果的差异性。通过对比实施不同实验课教学方案教学班的理论课期末考试成绩,反映出“少量离散知识点题目+综合性题目”实验课教学方案有助于学生对理论知识的掌握和理解。

“深度学习”研究生课程双语教学的思考与实践

国家人工智能发展战略的实施及深度学习技术的火热,引发了研究生对“深度学习”课程的学习热潮。深度学习技术日新月异的变化和大量前沿英文资料的涌现,使得“深度学习”课程的双语教学势在必行。系统阐述了“深度学习”研究生课程双语教学的课程内容设计、讲授方式、考核方式、教学效果的反馈和评价等。授课过程采用教师讲授和学生互动相结合的方式进行,设计了算法应用示例演示与复现、文献翻译与交流、课堂提问与分组讨论、项目类作业与讨论、开放畅想等环节,以提高学生的参与度和教学效果。

基于U型卷积网络的视网膜血管分割方法

视网膜血管的结构信息对眼科疾病的诊断具有重要的指导意义,对视网膜血管图像进行高效正确的分割成为临床的迫切需求。为此,提出了一种U型卷积网络,实现了更高效的自动化视网膜血管分割。骨干网络基于经典的编解码架构,编码器采用预训练的残差模块充分提取每一层的特征,解码器通过转置卷积逐层进行上采样,增加了特征的复用性。网络在中间层引入ASPP(Atrous Spatial Pyramid Pooling)模块,提取不同尺度的视网膜血管特征。为了在类内预测上保持一致,在跳级层利用通道注意力模块对特征进行自适应细化,融合了不同层次的特征。在DRIVE数据集上的实验结果表明,与其他相关算法性能相比,该算法的敏感性、特异性、准确率均最高,模型泛化能力好,大大提高了视网膜血管分割的准确性。

基于深度残差网络的多人姿态估计

为了提高人体姿态估计的准确度和检测速度,提出了一种基于深度残差网络的多人姿态估计算法。首先使用现有的先进目标检测算法检测出人体位置,再在人体边界框内作单人姿态估计。对现有模型的残差块进行改造,降低了模型的参数量,加入多尺度监督模块和多尺度回归模块辅助训练,提高了模型的学习效率,并采用新的坐标提取方法进一步提高了模型的泛化能力和推理速度,在流行的MPII、COCO数据集上进行了训练和测试。MPII测试集上PCKh@0.5获得了92.1%的得分,2017 COCO test-dev集上mAP获得了72.4的得分,比Simple Baseline基准模型提高了2.4%。使用一张GTX1080Ti显卡对平均每帧有5个人体实例的图片进行推理时,运行速度达到26帧,推理速度极具竞争力。这充分证明了所提出的算法有效提高了人体关键点的识别精度和速度。

沼液配施钾肥对果园土壤理化特性和微生物及果实品质影响

【目的】研究沼液和钾肥配合施用对苹果园土壤理化特性和微生物数量及果实品质的影响,为沼液在陕西渭北旱塬合理使用提供理论依据。【方法】以10年生礼泉短枝富士为试材,研究施用沼液和沼液与钾肥配施对苹果园土壤理化特性、微生物数量、果实品质的影响,筛选单施沼液和沼液配施钾肥的施用剂量。【结果】追施沼液可使土壤容重降低、孔隙度增加、碱解氮和速效钾的含量升高。其中沼液100kg/株处理的土壤容重比对照降低了10.6%,土壤孔隙度增加了7.6%;沼液50kg/株+钾肥1kg/株配施处理的土壤速效钾含量比对照增加了20.5%。沼液配施钾肥均可增加土壤细菌、真菌、放线菌的数量,其中沼液100kg/株处理的细菌、真菌、放线菌数量分别比对照增加了132.7%、38.3%和58.2%。各施肥处理均能不同程度改善果实品质,沼液配施钾肥可使果实着色率、单果重、硬度、可溶性固形物以及花青苷含量均有不同程度的提高。其中50kg/株+钾肥0.5kg/株处理的花青苷比对照提高了48%;着色面积比对照提高了29.9%。【结论】沼液100kg/株和沼液50kg/株+钾肥0.5kg/株在果园应用效果较好,可在生产上推广。

一种用于动作识别的双分支网络

动作识别是计算机视觉领域的一项重要任务,主要有基于RGB视频和人体骨架两种数据模态的领域,主流方法分别是3D卷积神经网络和图卷积神经网络。针对视频和人体骨架两种数据模态的不同特点,设计了双分支网络分别对两种数据模态进行建模。对于人体骨架数据,基于自注意力机制设计了图卷积神经网络,该算法能在基于骨架的动作识别任务中达到先进的性能。对于视频数据,采用3D卷积网络进行特征提取。同时,利用深监督方法对两种数据模态的中间特征进行监督,提高两种数据特征的耦合度,进一步提高网络效率。这种算法的网络结构简单,在NTU-RGBD60(CS)数据集上仅用3.37×10^(7)的参数量可达到95.6%的精度。

多尺度超图卷积骨架动作识别网络

动作识别是计算机视觉基础任务之一,骨架序列包含了大部分的动作信息,因此基于骨架的动作识别算法受到很多学者关注。人体骨架在数学上是一个天然的图,所以图卷积被广泛应用于动作识别。但普通的图卷积只聚合两两节点间的低阶信息,不能建模多节点间的高阶复杂关系。针对此问题,本文提出一种多尺度超图卷积网络,在空间和时间两个维度聚合更丰富的信息,提高动作识别准确度。多尺度超图卷积网络采用编解码结构,编码器使用超图卷积模块聚合超边中多个节点间的相关信息,解码器使用超图融合模块恢复原始骨架结构,另外基于空洞卷积设计了多尺度时间图卷积模块以更好地聚合时间维度运动信息。NTURGB+D和Kinetics数据集上的实验结果验证了算法的有效性。

基于孪生网络和多距离融合的行人再识别

为了提高行人重识别准确率,并针对当前数据集较小容易产生的过拟合问题,提出一种基于孪生网络和多距离融合的算法,并将其运用到行人再识别任务中。首先,利用孪生网络提取输入局部块的特征,并使用改进的inception模块,使提取到的特征具有辨别性和鲁棒性;然后,基于提取到的图像特征,利用多距离融合算法在特征空间度量其特征匹配优化距离,利用Chamfer距离变换获取跨摄像头行人的鲁棒空间距离并进行多距离融合;最后,利用融合距离进行行人重排序,并在当前流行的VIPeR和CUHK03公开数据集上进行实验。实验结果表明,所提出的算法有效地提高了行人再识别的准确率。