基于多模态图像信息及改进实例分割网络的肉牛体尺自动测量方法

[目的/意义]牛的体尺参数是反映牛身体发育状况的关键指标,也是牛选育过程的关键因素。为解决规模化肉牛牧场复杂环境对肉牛体尺的测量需求,设计了一种图像采集装置以及体尺自动测量算法。[方法]首先搭建肉牛行走通道,当肉牛通过通道后进入限制装置,用英特尔双目深度相机D455对牛只右侧图像进行RGB与深度图的采集。其次,为避免复杂环境背景的影响,提出一种改进后的实例分割网络Mask2former来对牛只二维图进行前景轮廓提取,对轮廓进行区间划分,利用计算曲率分析方法找到所需体尺测点。然后,将原始深度图转换为点云数据,对点云进行点云滤波、分割和深度图牛只区域的空值填充,以保留牛体区域的点云完整,从而找到所需测点并返回到二维数据中。最后,将二维像素点投影到三维点云中,利用相机参数计算出投影点的世界坐标,从而进行体尺的自动化计算,最终提取肉牛体高、十字部高、体斜长和管围4种体尺参数。[结果与讨论]改进的实例分割网络与Mask R-CNN、PointRend、Queryinst等模型相比具有更好的分割结果。采用本研究测得的这4种体尺平均相对误差分别为4.32%、3.71%、5.58%和6.25%。[结论]本研究开发的肉牛图像采集装置及相应的图像处理方法可以满足该牧场对肉牛体尺无接触自动测量误差小于8%的精度要求,为非接触式肉牛体尺自动化测量提供了理论与实践指导。

思政元素融入概率论课程教学的探讨--以电子信息类专业为例

通过分析“概率论与数理统计”课程的特点,结合电子信息类专业的理论教学和思政元素,从我国学者在概率论和数理统计方面的贡献、学科发展史及其在生活中的应用、专业案例三个方面,探讨将思政元素融入电子信息类专业“概率论与数理统计课程”的教学模式,并结合教学方式和考核方法,提升课程思政效果。同时,为加强课程考核,使用智慧树平台,以蒙提霍尔问题为例,对思政元素融入“概率论与数理统计”课程教学的思路和操作过程做了介绍。在加强课程建设的同时,通过在线学习平台助力思政教育,为专业基础课思政教育提供借鉴与参考。

探究电子信息科学与技术专业新型人才培养模式

随着信息技术的日益发展，社会对于电子信息技术的专业人才需求也日益扩大，对信息专业的毕业生的要求也相应提高，但是目前我国电子电子信息人才的培养模式还存在诸多问题，本文对这些问题做了探讨，旨在提高电子科学技术人才的素质，培养更多的电子科技人才。

CSD-YOLOv8s:基于无人机图像的密集小目标羊只检测模型

[目的/意义]天然牧场下放牧牲畜数量的准确检测是规模化养殖场改造升级的关键。为满足规模化养殖场对大批羊群实现精准实时的检测需求,提出一种高精度、易部署的小目标检测模型CSD-YOLOv8s (CBAM SPPFCSPC DSConv-YOLOv8s),实现无人机高空视角下小目标羊只个体的实时检测。[方法]首先,使用无人机获取天然草原牧场中包含不同背景及光照条件下的羊群视频数据并与下载的部分公开数据集共同构成原始图像数据。通过数据清洗和标注整理生成羊群检测数据集。其次,为解决羊群密集和相互遮挡造成的羊只检测困难问题,基于YOLO (You Only Look Once) v8模型构建具有跨阶段局部连接的SPPFCSPC (Spatial Pyramid Pooling Fast-CSPC)模块,提升网络特征提取和特征融合能力,增强模型对小目标羊只的检测性能。在模型的Neck部分引入了卷积注意力模块(Convolutional Block Attention Module, CBAM),从通道和空间两个维度增强网络的抗干扰能力,提升网络对复杂背景的抑制能力,进一步提高对密集羊群的检测性能。最后,为提升模型的实时性和可部署性,将Neck网络的标准卷积改为具有可变化内核的轻量卷积C2f_DS (C2f-DSConv)模块,减小了模型的参数量并提升了模型的检测速度。[结果和讨论]与YOLO、Faster R-CNN (Faster Regions with Convolutional Neural Networks)及其他经典网络模型相比,改进后的CSD-YOLOv8s模型在检测速度和模型大小相当的情况下,在羊群检测任务中具有更高的检测精度。Precision达到95.2%,mAP达到93.1%,FPS (Frames Per Second)达到87 f/s,并对不同遮挡程度的羊只目标具有较强的鲁棒性,有效解决了无人机检测任务中因羊只目标小、背景噪声大、密集程度高导致羊群漏检和误检严重的问题。公开数据集验证结果表明,提出的模型对其他不同物体的检测精度均有所提高,特别是在羊只检测方面,检测精度提升了9.7%。[结论]提出的CSD-YOLOv8s在无人机图像中更精准地检测草原放牧牲畜,对不同程度的聚集和遮挡目标实现精准检测,且具有较好的实时性,为养殖场大规模畜禽检测提供了技术支撑,具有广泛的应用潜力。

特约主编寄语

为贯彻落实双碳任务目标,加快能源转型,我国风能、太阳能等可再生能源占比不断增加,逐渐形成了清洁、安全、高效的能源结构,并在沙漠、戈壁、荒漠地区规划建设了大型风电光伏基地项目。但基地的系统特性已由原有的同步机主导转变为了电力电子装备主导,其规划建设、控制装备、安全运行均发生了重大变化,系统的安全稳定运行及其送出均面临严峻挑战。下面将对沙戈荒新能源基地的建设及安全稳定运行的部分问题给出建议。

基于多智能体深度强化学习的车联网资源分配方法

在车联网中,合理分配频谱资源对满足不同车辆链路业务的服务质量(Quality of Service,QoS)需求具有重要意义。为解决车辆高速移动性和全局状态信息获取困难等问题,提出了一种基于完全分布式多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MADRL)的资源分配算法。该算法在考虑车辆通信延迟和可靠性的情况下,通过优化频谱选择和功率分配策略来实现最大化网络吞吐量。引入共享经验池机制来解决多智能体并发学习导致的非平稳性问题。该算法基于深度Q网络(Deep Q Network,DQN),利用长短期记忆(Long Short Term Memory,LSTM)网络来捕捉和利用动态环境信息,以解决智能体的部分可观测性问题。将卷积神经网络(Convolutional Neural Network,CNN)和残差网络(Residual Network,ResNet)结合增强算法训练的准确性和预测能力。实验结果表明,所提出的算法能够满足车对基础设施(Vehicle-to-Infrastructure,V2I)链路的高吞吐量以及车对车(Vehicle-to-Vehicle,V2V)链路的低延迟要求,并且对环境变化表现出良好的适应性。

复杂环境下的轻量化道路目标识别算法研究

道路目标识别是智能交通系统解决城市拥堵问题的核心技术之一,然而现有算法在复杂交通环境下识别效果较差,存在大量漏检和误检情况,且模型参数量大,不适合在实际场景下部署于资源有限的移动端设备。针对以上问题,提出一种复杂环境下的轻量化道路目标识别算法。基于SSD算法结构设计一种可重构的特征提取网络框架,利用3种轻量化模块分别构建浅层特征提取网络,以自定义的Additional Block构建深层特征提取网络,并分别采用通道注意力机制和轻量化感受野扩大(RFB-L)模块提升模型对各尺寸目标的检测效果。利用自定义的像素与通道信息融合模块实现浅层与深层特征的融合,丰富待检测特征图包含的信息。同时,提出一种多特征融合的学习率调节算法,使得训练过程中模型性能稳定地达到收敛。自制复杂拥堵道路数据集Hohhot_city用于算法训练和测试,与主流算法的对比实验结果表明,该算法性能明显优于参数量同级别的YOLOv4-tiny和YOLOv5s算法,在参数量不到YOLOv5m算法40%的情况下与其检测精度接近,并取得了12.8 ms的推理时间和99.1%的均值平均精度。

高频地波雷达编队目标分辨方法

由于方位分辨性能受限和多普勒模糊问题,高频地波雷达(HFSWR)难以分辨编队内的子目标。该文将逆合成孔径原理应用于HFSWR,提出横向距离成像方法。该方法首先在运动补偿处理中消除径向运动分量、保留旋转运动,实现聚焦的多普勒谱,并分辨多个子目标。然后,横向距离定标处理将频率坐标转化为横向距离,进而估计子目标间的间距。其中,由最小熵准则来估计径向速度和径向加速度,由分段数字波束形成来估计旋转角度。为了在有限积累时间条件下提升分辨效果,采用基于数据复用方式的重叠相干积累来增加扫频周期数。仿真实验表明,所提方法的理论分辨率在几百米至几千米范围内,运动补偿和横向距离定标实现了单纵队的分辨及其间距估计,重叠积累具有缩窄主峰和降低旁瓣水平的效果。

基于D2D通信的用户模式选择性能研究

频谱资源紧缺背景下,设备到设备通信是有效的频率复用方法。利用随机几何工具,在复合信道条件下,对以网络为中心分簇中用户通信模式的选择及性能分析展开研究。考虑以网络为中心分簇的网络模型,根据用户与最近基站、最近用户之间的距离比确定用户的通信模式,在分析用户通信模式选择概率的过程中充分考虑了基站和用户空间位置的随机性。最后,推导了典型用户的平均数据速率表达式,并分析了基站与用户之间的相对位置、协作簇内基站数目、用户数目以及阴影效应的影响。

影像组学联合Nomogram图预测亚实性肺结节浸润性

目的:基于CT影像组学特征联合Nomogram图构建临床诊断模型,评价其对亚实性肺结节浸润性的预测能力。方法:回顾性收集在薄层CT图像表现为肺亚实性结节并经病理证实的患者的临床及影像学资料。从CT图像中提取影像组学特征。使用LASSO回归及K折交叉验证进行特征选择。根据确定的临床独立预测因子和RS,采用多因素Logistic回归分析分别构建3种预测模型:第1种基于临床资料及影像学特征参数;第2种依据影像组学特征;第3种临床-影像组学联合模型,使用Nomogram图将Logistic回归分析的结果进行可视化表达。采用受试者工作特征曲线比较3种模型对磨玻璃样肺腺癌IA和非IA的分类预测性能。采用决策曲线分析评估不同队列中3种模型的临床实用性。结果:共收集192例共204枚亚实性肺结节,根据组织学分型分为IA 114例,非IA 90例,训练集143例(IA/非IA为77例/66例),测试集61例(IA/非IA为38例/23例)。每个亚实性肺结节可提取1316个特征,通过特征选择及Logisti回归分析最终选取2个临床独立预测因子(平均CT值、结节最大径)及3个影像组学特征用于模型构建。临床-影像组学联合模型在训练集(AUC=0.920,95%CI:0.818~0.931)中区分IA和非IA的能力优于影像组学模型和临床模型(AUC=0.907,95%CI:0.792~0.914;AUC=0.822,95%CI:0.764~0.895),测试集中临床资料的加入对提高影像组学模型的诊断效能有一定帮助。DCA表明多数情况下联合模型可以提供更大的临床效益。结论:本研究开发的临床-影像组学组学联合模型在预测亚实性肺结节的浸润性方面表现良好。

基于trigger对的蒙古语语言模型的三种实现方法比较

基于trigger对的长距离蒙古语语言模型采用统计方法进行自然语言建模。该文简要介绍了基于trigger对的长距离蒙古语语言模型的三种实现方法,并在汉语-蒙古语机器翻译系统测试了这三种方法的性能。该文旨在通过对三种模型的比较研究,为基于trigger对的长距离蒙古语语言模型的具体应用提供参考和依据。

卫星磁姿态控制方法与算法综述

自太空探索之初,姿态控制磁控系统便因其体积小、质量轻、成本低、可靠性高等优点被广泛应用于各类轨道卫星.近些年,随着微小卫星技术的迅猛发展,姿态控制磁控系统满足了微小卫星对质量、空间等资源的限制,成为了学者们研究的热点.本文综述了自20世纪60年代以来卫星尤其是微小卫星所采用的主要磁姿态控制方法和算法,包括飞轮起旋与卸载算法、被动以及主动磁姿态控制算法等.其中主动磁姿态控制算法包括主动磁阻尼算法、磁控与自旋、定转速飞轮、重力梯度力矩结合的算法以及纯磁控算法.最后对该研究进行了总结与展望.

基于一种新型优化模型的频谱感知分簇算法

为缓解频谱资源紧缺的现状,对认知无线传感器网络(Cognitive Radio Sensor Network,CRSN)进行了深入研究。切尔诺贝利灾难优化器(Chernobyl Disaster Optimizer,CDO)作为一种新型优化模型,具有收敛性能较强、结构简单和需要调节的参数少等优点。为提高CRSN能效,延长CRSN的生存周期,提出了一种基于量子切尔诺贝利灾难优化器的频谱感知分簇算法(Quantum Chernobyl Disaster Optimizer-based Spectrum Aware Clustering Algorithm,QCDOC)。QCDOC的主要目标是通过最小化节点之间的通信距离来提高网络的生存周期。QCDOC通过为CDO引入量子旋转门和量子非门来增强其搜索能力,采用二进制种群编码以使其适用于簇头(Cluster Head,CH)选举问题。QCDOC在设计适应度函数时考虑了节点剩余能量、距离和频谱可用性,提高了算法的能效。实验表明,与对比算法相比,QCDOC算法具有更长的生存周期、更多的数据传输量和更均衡的网络能耗。

基于KinectV2的猪体三维点云重构与体尺测量

体尺参数是评价育肥猪生长状况的重要指标,针对单目CCD相机在猪体体尺测量中受角度、光源等因素影响导致的测量参数单一、测量结果误差较大等问题。首先利用深度相机KinectV2从正上方和左右两侧视角同步获取猪体局部点云数据;然后进行点云去噪、精简分割等处理,运用改进后的ICP点云配准技术处理点云信息;最后采用精确估算技术精简点云数据。在不同角度比较实验测量与人工测量的结果发现,猪体数据中体长平均相对误差为2.65%、体高平均相对误差为1.87%、体宽平均相对误差为1.75%、臀高平均相对误差为2.07%、臀宽平均相对误差为1.96%,整体上误差较小,证明了所提方法的有效性,以期为猪体尺寸测量提供新的解决方法。

电力电子设备的高频辐射损耗

在对电力电子设备的几种损耗进行了分析的基础上 ,对高频辐射损耗 ,特别是对开关电容的辐射现象进行了实验验证和机理分析 .

仿鸟类扑翼飞行器研究进展

仿生扑翼飞行器有着优异的气动性能和灵活的飞行能力,在军民领域均有广泛的应用前景,学者们在原理样机研制、扑翼气动机理、驱动机构、飞行控制等多领域取得了一系列重要进展.本文从总体设计方法、驱动机构设计与优化、气动机理等方面综述了仿鸟类扑翼飞行器技术的发展历程与研究进展.首先,从扑翼总体设计方法入手,总结了仿鸟类扑翼飞行器仿生构型,归纳了总体设计参数估算方法;其次,综述了多种构型曲柄连杆机构在扑翼驱动中的应用与优缺点;接着总结了扑翼气动机理研究的实验方法与数值计算方法,分析了不同扑翼气动算法针对不同应用场景在计算成本和准确度方面的优劣情况;最后,对仿鸟类扑翼飞行器系统设计研究现状进行总结,针对原理样机研制过程提出展望.

基于注意力多尺度特征融合的频谱感知方法

随着无线通信和物联网(Internet of Things,IoT)设备的迅速增长,频谱资源短缺和电磁环境复杂性成为通信系统面临的挑战。频谱感知作为频谱管理的一项关键技术,使频谱资源短缺问题得到了缓解。卷积神经网络(Convolutional Neural Network,CNN)作为深度学习的代表,近年来在频谱感知任务中表现出色。为解决CNN实现频谱感知任务时感受野受限、多尺度信息融合和空间信息捕获等方面存在局限性的问题,提出了一种注意力多尺度特征融合CNN(Attention-Multi-Scale Feature Extraction-CNN,AMFE-CNN)模型,包含多尺度特征提取和注意力模块。多尺度特征提取利用膨胀卷积获取更大的时频感受野,注意力模块通过多重卷积和池化操作关注时频图的空间信息。实验结果表明,该模型在频谱感知任务中表现出色,提高了检测性能和泛化能力。

多功能功率电子变换器门驱动信号发生器

本文给出了一个用于功率电子实验的多功能信号门驱动电路．该电路为一模拟与数字混合系统，利用它的４ 组输出信号，许多基础功率电子实验如斩波变换器、推挽式逆变器、全桥逆变器及脉宽调制电路等均可得到实现．本文详细描述了电路的结构及其运行原理，最后给出并分析了两个应用实例．

鲁棒多尺度神经网络的频谱感知方法研究

在认知无线电(Cognitive Radio, CR)中,频谱感知(Spectrum Sensing, SS)是支持动态频谱分配、提高频谱利用率的关键技术。传统的SS方法容易受到噪声不确定的影响,导致在低信噪比(Signal to Noise Ratio, SNR)环境下检测准确率较低且计算参数量较大。针对这些问题,提出了基于信号处理(Signal Processing, SP)特征的鲁棒多尺度神经网络(Robust-Multiscale Neural Network, R-MsNN)的SS方法,结合多尺度神经网络和门控循环单元(Gated Recurrent Unit, GRU)的优点,有效地解决了SS中面临的挑战。多尺度神经网络从底层到高层逐渐提取抽象的特征,以增强信号识别的鲁棒性。GRU有选择性地保留和遗忘过去时间信息,从而更好地捕获长期依赖性和时间关系。为了验证R-MsNN的泛化能力,实验将从广义高斯分布(Generalized Gaussian Distribution, GGD)生成的噪声样本作为噪声模型1,以及从未占用的调频广播信道中收集到的实验数据作为噪声模型2的环境下,分别与不同的深度神经网络(Deep Neural Network, DNN)架构进行了SS性能比较。实验结果表明,采用组合SP特征训练的R-MsNN的平均检测概率与最优模型相比,在4种不同参数下的噪声模型1中分别提高了1.74%、2.55%、2.08%、1.59%,在噪声模型2中提高了1.72%。此外,与GRU相比,R-MsNN的参数量减少了一半。由此说明,采用组合SP特征训练的R-MsNN在多种复杂噪声环境下均具有很强的鲁棒性,且能够满足SS任务中高检测概率和低参数量的双重需求。

基于GaSe/Ga_(2)O_(3)异质结的自供电日盲紫外光电探测器

氧化镓(Ga_(2)O_(3))作为超宽禁带半导体在深紫外探测领域有极其重要的应用价值.它能与GaSe形成典型的Ⅱ型异质结构,促进载流子分离与传输,进而实现高性能的自供电探测.本文利用等离子体增强化学气相沉积(PECVD)技术在蓝宝石衬底上生长了Ga_(2)O_(3)薄膜,并采用布里奇曼技术在氧化镓薄膜上生长了GaSe薄膜,构建了GaSe/β-Ga_(2)O_(3)异质结光电探测器,分析其中涉及的光物理与界面物理问题.该探测器对深紫外光有很好的响应性能,在8 V的电压下器件的暗电流仅为1.83 pA,254 nm光照下的光电流达到了6.5 nA,且UV-C/可见光(254 nm/600 nm)的抑制比约为354,即使在很小的光照强度下,响应度和探测度也达到了1.49 mA/W和6.65×10^(11)Jones.同时,由于结界面上的空间电荷区形成的光伏效应,该探测器在零偏压下表现出自供电性能,开路电压为0.2 V.此外,探测器有很好的灵敏度,无论是在电压恒定的条件下用不同光强的光照射探测器,还是在光强恒定条件下改变电压,器件都能快速响应.