基于北京市6类污染物的环境空气质量评价方法

根据北京城6区2013年停暖前、后的空气质量自动监测结果,以各污染物质量浓度限值标准为依据,构建包含6类空气污染指标的评价体系。分别运用空气质量指数法和改进的灰色聚类法对空气质量进行评价,并通过详细评价步骤分析对比两种方法的异同。其中,空气质量指数法将6类污染指标中分指数最大的指标确定为空气质量指数,并通过分级来评判空气质量对人体健康的影响;改进的灰色聚类法则通过构建指数型白化函数来提高不确定因素的计算精度,并研究各污染物在不同灰类之间的变化幅度和隶属度。结果表明,空气质量指数法适用于直观判定空气质量对人体健康的影响,改进的灰色聚类法则适用于评价各污染指标对空气质量级别的贴近程度。研究表明,对两种方法,需根据空气质量评价的目的和实践要求,从不同角度出发并结合使用,以得出比较全面、客观的结果。

北京市2014年大气污染物空间分布特征分析

基于地理信息系统ArcGIS 10.2平台,采用反距离权重空间插值模型对2014年北京市35个环境质量监测点监测到的主要大气污染物:一氧化碳(CO)、二氧化氮(NO_2)、臭氧(O_3)、可吸入颗粒物(PM_(10))、细颗粒物(PM_(2.5))和二氧化硫(SO_2)质量浓度年均值的变化规律及空间分布特性进行了分析。结果表明,在质量浓度分布上,2014年北京市CO、NO_2、SO_2、O_3、PM10、PM_(2.5)这6类大气污染物的质量浓度分别位于1~3 mg/m^3、17.22~105.4μg/m^3、14.27~25.75μg/m^3、27~81μg/m^3、76~179μg/m^3、67~123μg/m^3范围内。由此可知,北京市2014年大气污染物年均质量浓度除PM_(10)和PM_(2.5)外的其余污染物质量浓度并不高,都在轻度污染范围之内;在空间分布上,除O_3质量浓度空间分布上呈现出北高南低的特征外,其余污染物均呈现南部、中部质量浓度较高,北部地区质量浓度较低的特征。

小波方差分析北京市PM_(2.5)质量浓度序列周期特征

为分析北京市大气污染物PM_(2.5)质量浓度的时间序列周期性,采用Morlet小波变换对PM_(2.5)质量浓度进行分析,利用小波方差估计该市PM_(2.5)日均质量浓度的主周期,并通过显著性检验。结果表明,北京市PM_(2.5)日均质量浓度主周期为180 d左右,为后续大气污染物PM_(2.5)时间序列研究提供参考。

残疾大学生自尊与生活满意度的关系:社会支持的中介作用

为探究残疾大学生自尊对生活满意度的影响,并分析社会支持在二者之间起到的中介作用,采用问卷调查法,通过测试540名就读于特殊教育学院的全日制残疾大学生的自尊、生活满意度、社会支持得分情况。结果发现:残疾大学生的自尊、生活满意度与社会支持呈显著正相关;残疾大学生的社会支持在自尊与生活满意度之间起部分中介作用。因此,残疾大学生的自尊通过影响社会支持而间接影响其生活满意度。

基于时空信息融合的人体行为识别研究

在视频理解任务中,人体行为识别是一个重要的研究内容,但视频序列中存在时空信息融合困难、准确率低等问题。针对这些问题,提出一种基于时空信息融合的双流时空残差卷积网络模型。将视频分段采样提取RGB图像和光流图像,并将其输入到双流时空残差网络,通过设计的时空残差模块提取视频的深度时空特征,将每个视频片段的类别结果加权融合得到行为类别。提出的双流时空残差模块引入了少量的三维卷积和混合注意力机制,能够同时获取不同尺度的时空信息并且抑制无效信息,可以有效平衡时空信息的捕捉和计算量问题,并且提升了精度。实验基于TSN网络模型,在UCF101数据集上进行验证,实验结果表明提出的模型比原TSN网络模型的精准度提高了0.9个百分点,有效地提高了网络的时空信息捕获效率。

中国手语信息化的现状、瓶颈与实现路径

信息时代的到来推动了中国语言信息化的高速发展,但中国手语的信息化却明显滞后,表现为理论建构、实践模型和应用软件的欠缺以及手语数据集及语料库的薄弱。造成这一现状的原因不仅在于将手语数字化等同于信息化、手语信息化必须建立书写系统等认识上的误区,还在于中国手语至今仍缺乏完整的书写系统理论和必要的技术标准,多信道输入输出的问题没有得到很好的解决等制约性的瓶颈。这就需要走出认识上的误区,以中国语言为基础完善中国的手语书写系统理论,量身制定手语信息化标准,根据先机读后人读的原则制定手语输入输出方案。

基于三重注意力的轻量级YOLOv8印刷电路板缺陷检测算法

在全球产业中,印刷电路板的生产和应用持续增长,已经成为各种电子设备的核心组成部分。由于缺陷尺度较小的问题以及检测模型轻便嵌入便携式设备的需求,印刷电路板图像的自动缺陷检测是一项具有挑战性的任务。为了满足智能制造和使用中对高质量印刷电路板产品日益增长的需求,提出一种基于YOLOv8的印刷电路板缺陷检测改进方法。首先,采用轻量级网络MobileViT作为主干网络,减小模型体积和计算量。其次,引入Triplet Attention模块,增强张量中不同维度间特征的捕捉能力。最后,将边界框损失函数替换为LMPDIoU,直接最小化预测框与实际标注框之间的左上角和右下角点距离。实验表明:改进后的检测模型能够在拥有极小参数量的同时保证小尺寸缺陷检测精度较高,模型参数量降低率为89.38%,满足轻便嵌入便携式检测设备和计算机资源受限的场景应用,证实了在印刷电路板缺陷检测领域具有良好的应用前景。

改进YOLOv5的汽车齿轮配件表面缺陷检测

针对汽车齿轮配件表面缺陷检测存在效率低和精度差的问题,提出一种基于YOLOv5改进的缺陷检测模型YOLO-CNF。在骨干网络中增加CBAM注意力模块,使模型更加关注齿轮配件的缺陷区域,提高对微小缺陷的识别能力;设计了F2C模块用于融合浅层特征,在一定程度上缓解了微小缺陷位置信息丢失的问题;利用NWD(normalized Wasserstein distance)对回归损失进行优化,减少对小目标位置偏差的敏感性,从而进一步提高目标位置的准确率和精度。实验结果表明,改进模型的平均精度均值达到了86.7%,相较于原始模型提高了3.2个百分点,检测速度为43帧/s,基本满足了对汽车齿轮配件表面缺陷检测的需求。

对抗学习下的眼底图像视盘视杯分割算法

由于不同数据集的质量、拍摄条件和采集状态的差异,导致模型图像分割效果参差不齐。针对这种情况,提出对抗学习下的眼底图像视盘视杯分割算法,从不同眼底图像数据集中分割视盘(OD)和视杯(OC),在生成对抗网络的基础上,改进生成器网络,加入密集连接块,使网络在更低计算成本、更短训练时间的情况下,获得更优的性能,提高了模型在不同数据集中的泛化能力。实验结果表明,在REFUGE数据集中验证了该算法在分割性能方面的稳定性,同时将算法推广到无须进一步训练就能测试来自不同设备的眼底数据集中均取得了较好的效果。

改进YOLOv5的智慧课堂人脸检测算法

智慧课堂是人工智能领域热门的应用场景。针对课堂场景下摄像头位置较远且偏,图像中目标存在人脸过小和遮挡导致漏检或错检等问题,提出了一种改进YOLOv5的智慧课堂人脸检测算法YOLOv5-SASA。该算法主要包括三个部分,在backbone层沿用了CSPDarknet53网络,通过在最后的空间池化层中使用BasicRFB模块来有效增强网络的特征提取能力;采用NWD损失函数来提高模型对小目标检测的鲁棒性,同时在head层中引入了独立自注意力机制模块SASA,以解决人脸遮挡的问题,并降低模型的参数量;通过降低中间层通道神经元的数量、调节学习率等方式,对改进的YOLOv5网络进行了优化,以避免模型过拟合。实验结果表明,所提出的方法在WiderFace验证集的easy、medium和hard难度下的效果均优于原网络,分别达到了97.5%、96.3%和86.5%的准确率,能够有效提升课堂场景下人脸检测的精度。

基于改进GFPGAN的墓室壁画盲人脸修复研究

针对墓室壁画人脸破损严重、纹理模糊不清、噪声较多等问题,提出了E-GFPGAN(Efficiency-Generative Facial Prior Generative Adversarial Network,E-GFPGAN),实现了墓室壁画人脸部分的盲修复.首先用StyleGAN3网络训练生成墓室壁画人脸,为网络提供丰富的壁画人脸先验信息;然后在退化移除模块添加跳跃连接,使用两层空洞卷积代替原有卷积,实现扩大感受野,保留壁画人脸的细节信息;最后将信道分割空间特征转换层(Channel-Split Spatial Feature Transform,CS-SFT)结构的卷积改为空洞卷积降低网络参数量.在自建墓室壁画人脸数据集上进行修复的实验结果表明,NIQE指标平均降低2.2%.证明了网络在墓室壁画人脸盲修复上得到了较好的修复结果.

面向应用型人才培养的软件工程课程教学改革

从企业需求的软件工程能力出发,结合应用型人才培养背景和软件工程课程自身特点,针对现有课程教学的不足,从优化教学内容、改进教学方法、改进考核方式和完善教学模式等方面阐述软件工程课程的教学改革实践,指出这种课程改革能全面提升学生的软件工程应用能力,增强自主学习能力和创新意识,为培养"应用型"的软件人才奠定基础。

构音障碍说话人自适应研究进展及展望

自动化语音识别工具让构音障碍者和正常人的沟通变得顺畅,因此,近年来构音障碍语音识别成为了一项热门研究。构音障碍语音识别的研究包括:收集构音障碍者和正常人的发音数据,对构音障碍者和正常人的语音进行声学特征表示,利用机器学习模型比较和识别发音的内容并定位出差异性,以帮助构音障碍者改善发音。然而,由于收集构音障碍者的大量语音数据非常困难,且构音障碍者存在发音的强变异性,导致通用语音识别模型的效果往往不佳。为了解决这一问题,许多研究提出将说话人自适应方法引入构音障碍语音识别。对大量相关文献进行调研发现,当前此类研究主要围绕特征域和模型域对构音障碍语音进行分析。文中重点分析特征变换和辅助特征如何解决语音特征的差异性表示,以及声学模型的线性变换、微调声学模型参数和基于数据选择的域自适应方法如何提高模型识别的准确率。最后总结出构音障碍说话人自适应研究当前遇到的问题,并指出未来的研究可以从语音变异性的分析、多特征多模态数据的融合以及基于小数量的自适应方法的角度,提升构音障碍语音识别模型的有效性。

改进YOLOv8的轻量化轴承缺陷检测算法

针对轴承表面缺陷检测存在小目标检测精度低、模型复杂的问题,提出一种改进YOLOv8的轻量级轴承缺陷检测算法YOLO-SSW。在主干网络中添加3-D注意力机制SimAM,在不增加参数的前提下,使模型更加关注轴承表面缺陷特征的提取和表达;在颈部网络中嵌入C2f_SCConv模块,以减少空间维度和通道维度上的特征冗余,降低模型的计算负载;添加新的小目标检测层用于检测轴承表面的小尺寸缺陷,提高模型对小目标的检测能力;使用基于动态非单调聚焦机制的Wise-IoU作为边界框回归损失函数,加快网络的收敛速度。实验结果表明,改进算法的mAP达到了91.5%,比原算法提升了2.9个百分点,模型参数量仅为2.7×106,计算量为11.8 GFLOPs,在提高检测精度的同时节约了计算资源。

空间信息技术在高速公路周边居民健康风险评估系统建设中的应用

我国高速公路快速发展,在带动地区经济发展的同时,也给周边环境造成了不同程度的污染。然而这些污染给周边居民带来的健康风险并没有引起足够重视,重要原因之一是目前仍缺乏对高速公路周边居民健康风险进行快速、高效评估的信息系统。本文研发了一套基于空间信息技术的高速公路周边居民健康风险评估系统,该系统能够对高速公路周边居民健康风险进行快速、高效的评估,将为我国高速路周边居民健康风险快速评估提供全新的信息化平台。

基于改进ORB-SLAM2矿井救援机器人空间构建方法研究

矿井安全事故发生后,矿井救援机器人需在矿井环境采集视觉数据,进行应急区域的空间构建等功能。利用RGB和RGB-D的ORB-SLAM2算法进行扩充性优化研究,选用OCTOMAP优化地图,使用矿井救援机器人在室内真实场景中实验,验证该方法效果。结果表明:得到的空间构建效果比实时点云构建的应用性更强,降低处理内存空间,为矿井救援移动机器人空间构建提供方法,对后续矿井机器人移动定位的研究具有重要的实际意义。

自动驾驶汽车横向控制方法研究综述

为实现精确、稳定的横向控制,提高车辆自主行驶的安全性和保障乘坐舒适性,综述了近年来自动驾驶汽车横向控制方法的最新进展,包括经典控制方法和基于深度学习的方法,讨论了各类方法的性能特点及在应用中的优缺点,并针对自动驾驶汽车横向控制方法的发展趋势进行了展望。

基于GA-TD3算法的交叉路口决策模型

为了解决交叉路口场景下无人驾驶决策模型成功率低、模型不稳定、车辆通行效率低的问题,从两个方面对TD3算法作出改进,提出了基于GA-TD3算法的交叉路口决策模型。首先引入记忆模块,使用GRU神经网络来提升决策模型的成功率;其次在状态空间引入社会注意力机制,更加关注与社会车辆的交互行为,保证模型稳定性的同时提升车辆的通行效率。采用CARLA仿真器进行20000回合的模型训练后,TD3算法通过路口的成功率为92.4%,GA-TD3算法的成功率为97.6%,且车辆的通行时间缩短了3.36 s。GA-TD3算法模型在学习效率和通行效率上均有所提升,可用于缓解城市中的交通压力,提高驾驶效率。

基于模糊收敛和模仿强化学习的自动驾驶横向控制方法

针对自动驾驶车辆各横向控制因素存在强耦合性,依赖理想模型的控制方法难以实现完全解耦且难以从仿真环境迁移到实际车辆,以及强化学习方法在自动驾驶横向控制中收敛速度慢的问题,利用模糊推理器和模仿强化学习在车辆横向控制中的共性,以模糊推理器作为模仿强化学习初始化条件,并进行学习过程指导,从而实现强化学习过程的快速收敛。利用MATLAB/Carla仿真以及实车试验对该控制方法进行了验证,结果表明,该方法在不依赖理想数学模型、不对模糊推理器进行深度优化的基础上,实现了模仿强化学习迭代次数的大幅减少,在500次的全路径迭代过程中完成了更优的车辆横向控制,在仿真和现实环境中均可获得很好的控制效果。

基于双重时空特征金字塔的人体行为识别

针对目前人体动作存在着行为识别准确率低的问题,提出一种基于双重时空特征金字塔网络结构的人体行为识别方法—DSTFP。该方法使用SlowFast网络作为骨干网络提取不同尺度的特征,并将多个尺度的特征输入双重时空特征金字塔进行处理以增加网络对多个尺度的敏感度。第一重为语义增强金字塔(SEEP),自顶向下融合多个尺度的特征,在不同尺度的特征中传递高层语义信息;第二重为空间增强金字塔(SPEP),采用自底向上的融合方式,在不同尺度的特征中传递空间定位信息。在公共数据集AVA上的实验结果表明:该方法能获得24.97 mAP,相较于原网络提升了0.77 mAP,并有效地提升了人体行为识别的准确度,相比于同类算法更符合实际应用需求。