新工科工程实践教学体系与质量评价——以电子信息类专业为例

依托新工科、夯实本科生实践教育的大背景,以培养具有诚毅品格、创新思维以及研发、管理、沟通和合作等能力的应用创新型卓越工程技术人才为目标导向,遵循“实基础、重应用、新思维、丰媒介、促成效”的教学思路,构建电子信息类专业新工科工程实践教学体系。结合国际先进实践教学理念,听取本行业专家、企业和校友的意见与建议,持续改革与创新,建立并形成系统性、创新型人才培养体系;同时,引入层次分析法对实践教学进行教学质量评价,基于CIPP模型进行建模,采用模糊综合评价方法生成实践教学质量评价指标参数。以近年来集美大学电子信息工程专业实践教学运行数据为样本,进行实际的分析和计算,结果表明:本研究所构建的实践教学体系与质量评价方法合理、准确、可行,可为实践教学的科学管理和决策提供理论依据。

海洋信息工程学院团委:聚焦提升“四力”,服务人才培养

海洋信息工程学院团委紧紧围绕学习宣传贯彻党的二十大精神,全面深化习近平新时代中国特色社会主义思想的宣传宣讲工作,不断丰富全院学生第二课堂活动,加强校园文化建设,为学院学生成长成才营造良好的育人环境。

习近平新时代中国特色社会主义思想对马克思主义中国化的新推进

中国共产党从成立之初,就在探索发展的过程中逐渐明确了马克思主义中国化的理论创新原则,推动了理论的不断创新和实践的实时跟进。新时代,中国始终秉持习近平新时代中国特色社会主义思想来推进各项工作。习近平新时代中国特色社会主义思想不仅对马克思主义进行了深化丰富,同时,使其更契合中国当前的实际国情,并促进了马克思主义的中国化创新,是引导中国践行“中国梦”的导航灯,其不仅拓展了马克思主义、社会主义、共产主义的内涵,也为中国共产党更好地“执政为民”“为人民服务”明确了方向,为中国未来的社会主义建设总结了规律,为人类今后的良性发展探索了可供借鉴的经验,推进了马克思主义在“百年未有之大变局”中的创新、纵深发展。

基于FPGA的智能小车综合设计

针对“数字电路”教学过程中,如何进行课程综合设计问题进行了教学改革实践。首先论述了传统综合设计选题的局限性;接着重点阐述了如何选题、进行教学设计、考核评价方法;并以通信2019级的坡道循迹小车为例,介绍了设计要求与条件、设计方案与设计原理、设计结果,并做了总结。

考虑舆情风险的商业银行风险评估研究--基于文本分析、因子分析和BP神经网络

近年来风险事件频发导致大众恐慌情绪上升,商业银行面临包括舆情风险在内的各种风险。构建考虑舆情的商业银行风险预警指标体系,以2012-2022年15家商业银行为研究样本,通过文本分析构建舆情指数,因子分析法构造风险指数。建立28×55×1的BP神经网络模型,通过弹性分析评估风险指数对每个评价指标的敏感性。研究发现,国有大型银行在风险评价中处于优势地位;BP神经网络可以很好地进行风险拟合;A41舆情指数引起风险指数变动的敏感性强。应加强舆情风险管理,建立多层次系统性商业银行风险预警指标体系,结合机器学习在内的多种分析方法加强风险评估水平。

电子剪切散斑3CCD传感图像特征去噪优化检测方法

针对CCD(Charge-Coupled Device)光学传感器采集电子剪切散斑干涉图像特征由于散斑指数高、峰值信噪比低,导致剪切散斑图质量差、检测效果不佳的问题,提出一种电子剪切散斑3CCD传感图像特征去噪优化检测方法。该方法分析了电子剪切散斑技术在三维物体表面变形检测中产生问题的原因,采用3CCD图像传感器替代单CCD图像传感器,引入同态滤波降噪处理图像,设计一种相位干涉技术,结合Canny检测算法,实现电子剪切散斑去噪优化检测。实验结果表明,应用3CCD传感器结合去噪技术的电子剪切散斑智能检测方法,图像散斑指数更低、峰值信噪比更高、检测时间更短,分别为0.0234、19.5 dB、16.2 ms,并且三维物体表面变形测量误差在0.09 mm内,该方法有效提高了图像质量,从而提高了实际应用价值。

基于无人机图像比对的违章建筑检测方法

针对当前违章建筑图像识别和图像变化检测中存在的误检、漏检等问题,提出了一套基于无人机图像比对的违章建筑检测方法,创新性地采用YCrCb颜色空间三分量分别进行差分运算和阈值化处理,结合图像分类算法排除非施工活动引起的图像变化,通过结构相似性检测,对新旧时相变化区域相似度进行评估,识别出在建违章建筑引起的图像变化区域.与目前主流的基于无人机图像的非单一类型违章建筑物检测方法相比,4032×3024分辨率图像的检测时间缩短40.9%至4.08 s,正确率提高15.3%达到86.3%且无漏检测.结果表明,本方法可有效、快速识别在建违章建筑区域,有利于城市管理人员及时发现并处理这些违章行为,从而提高城市管理的效率和响应速度.

集装箱码头桥吊作业的强化学习优化

对码头桥吊装卸操作进行强化学习优化,通过Unity建立码头桥吊的模型及训练环境,用PPO算法对码头桥吊进行装卸操作训练,最终使桥吊学习在海浪及大风对集装箱船和吊具造成晃动影响时的平稳下落行为,提高桥吊抓取准确性并优化桥吊路径,实现更高效智能的码头装卸作业。

超材料纳米结构等离子体超宽带吸收器

为了充分利用太阳能,提出一种基于超材料纳米结构所设计的超宽带吸收器,该超材料纳米结构由SiO_(2)-Ti空心十字架的周期性阵列和SiO_(2)-Ti底膜组成。该吸收器结合表面等离子体的共振与金属绝缘体—金属法布里-珀罗(FP)腔诱导的共振,实现对太阳光近乎完美的吸收。经仿真实验证实,在波长为400~2500 nm的范围内,平均吸收率达到了97.4%,并且吸收峰值高达99.9%。通过分析在TE和TM偏振波斜入射时的吸收性能,证明了器件对偏振和入射角度并不敏感。此外,还详细讨论了各种金属材料和不同几何参数对吸收性能的影响。

杂质纵向高斯分布UTBB-SOI MOSFET的虚拟阴极阈值电压解析模型

采用Sentaurus Process工艺仿真工具,验证了超薄硅膜内单次纵向离子注入并快速热退火后所实现的轻掺杂杂质分布符合高斯规律。设计杂质纵向高斯分布的轻掺杂纳米UTBB-SOI MOSFET,用虚拟阴极处反型载流子浓度来定义阈值电压的方法,为器件建立二维阈值电压解析模型。通过与Sentaurus Device器件仿真结果对比分析,发现:阈值电压模型能准确预测器件在不同掺杂、器件厚度和偏置电压下的阈值电压,正确反映器件的背栅效应,其模拟结果与理论模型相符。

基于SIR结构的毫米波汽车雷达天线阵列设计

为了提高汽车雷达天线阵列的增益,使形成窄波束辐射,设计了一款工作在24.000 GHz的阶梯阻抗谐振器(stepped-impedance resonator,SIR)微带阵列天线。天线阵列采用两级低损耗T型结功率分配器和四分之一波长微带阻抗变换器馈电,将四个SIR线阵单元组成天线阵列。通过增加SIR微带贴片的数目来提高阵列天线的增益,调整SIR的尺寸以控制工作频带,利用功率分配器进行阻抗变换和波束宽度控制。天线阵列的峰值增益可达到21.67 dBi。在中心频率24.125 GHz上,XOZ面的主瓣宽度为10°,YOZ面的主瓣宽度为17°,旁瓣抑制度为11 dB。该阵列天线面积小、增益高、波束窄、旁瓣电平低、后向辐射小,适用于汽车雷达系统。

基于S7-1200PLC的智能化电梯群控系统设计

随着控制系统智能化水平提高和大量人员流动的载客需求增长,群控电梯的出现使得室内人员高效率密集流动得以实现.本群控系统为三部十层电梯群控控制系统,以西门子S7-1200PLC为核心控制器,设计了本系统的电梯硬件组成部分、群控调度算法、WinCC监控界面的组态软件.最后,电梯仿真实验结果证明,该控制系统可实时监控电梯的运行状态,多部电梯信息互联互通,并依托智能控制系统实现多部电梯运载的稳定和高效.

无线体域网物理层传输编码理论综述:低密度奇偶校验码优化设计

面向无线体域网(WBAN)传输环境,该文主要论述信道编码与联合信源信道编码系统的码字设计。针对物理层的低功耗和高可靠传输需求,从低密度奇偶校验(LDPC)码的优化设计角度展开,主要在信道模型分类、传输系统构建、技术挑战与解决方案、信道适配性编码设计这4个层面进行梳理和总结。最后,对WBAN环境下LDPC码优化设计的未来研究工作进行展望,为构建下一代通信技术提供参考。

基于深度学习的循环水养殖鳗鲡(Anguilla)计数研究

鳗鲡(Anguilla)作为我国优质水产养殖种类,精准掌握其数量对高效养殖有重要意义。为实现对循环水养殖鳗鲡的准确计数,提出了一种基于深度学习的改进Faster RCNN模型。针对检测目标即鳗鲡头部尺寸小的问题,选择在特征提取网络ResNet50中加入FPN结构来作为模型的骨干网络,以提取并融合多尺度的特征;针对原模型锚框都是基于人工经验设置的,并不适用于鳗鲡数据集的问题,使用k-means聚类算法对训练集中标注的鳗鲡头部检测框进行聚类分析,获得了适合鳗鲡数据集的15种不同尺度的锚框;针对图像中存在鳗鲡头部重叠的问题,选择使用Soft-NMS算法替代原NMS算法对RPN部分生成的候选框进行筛选,以减少模型对鳗鲡重叠部分的漏检情况。试验结果表明:改进后的Faster RCNN模型对鳗鲡头部的检测精度(mAP^(0.5))高达96.5%,较原Faster RCNN模型(Backbone为ResNet50)显著提升了14%,与SSD300和YOLOV3模型相比分别显著提升了24.9%和15%;在鳗鲡计数上,利用改进后的Faster RCNN模型检测结果进行计数,计数准确率达到90%以上,提升了模型对鳗鲡的检测识别能力。

基于YOLO改进算法的安全帽和口罩佩戴自动同时检测

针对工地、危险区域等场景需要实现同时佩戴安全帽与口罩的自动检测问题,提出一种改进的YOLOv3算法以提高同时检测安全帽和口罩佩戴的准确率。首先,对网络模型中的聚类算法进行优化,使用加权核K-means聚类算法对训练数据集聚类分析,选取更适合小目标检测的Anchor Box,以提高检测的平均精度和速度;然后,优化YOLO网络内部的Darknet特征网络层,将4倍降采样提取的特征图进行2倍上采样,再与2倍降采样进行卷积融合,与4倍降采样、8倍降采样以及16倍降采样一同输送到后续网络中,来达到降低小目标的漏检概率。实验结果表明:改进后的算法同时检测安全帽和口罩佩戴的平均准确率比原算法提高了11.3%。

基于卷积神经网络与扩展卡尔曼滤波的单目视觉惯性里程计

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。

结合空洞编码器和特征金字塔的中心点船舶检测

为了进一步提高基于深度学习的船舶目标检测技术的检测精度,在无锚框中心点检测算法基础上,提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取,引入基于空洞残差的空洞编码器(DE)增大32倍下采样特征图的感受野,生成覆盖多个目标尺度的特征图,并采用特征金字塔网络(FPN)进行上采样,在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图,从而提取到更丰富的船舶特征信息,提升船舶检测效果。结果表明,改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升,相比SSD和YOLOv3算法具有更高的精度优势。

浅海水声信道下抗多径OCDM通信研究

基于正交chirp复用技术,提出一种新的抗多径浅海水声通信方法(DP-Rake OCDM)。采用经调制的chirp信号,利用多径分集来提高鲁棒性,同时在接收端解调中加入基于数据分拣的Rake接收机,用多个时间窗分析数据帧来消除多径引起的载波间干扰,从而在短保护间隔时提高通信性能。与OCDM、OFDM、DP-Rake OFDM方案通过系统仿真进行性能比较,结果表明,在强多径条件下(时延扩展大于保护间隔),DP-Rake抗多径OCDM的BER floor可达到10^(-6),DP-Rake OFDM的BER floor为10^(-5),而OCDM和OFDM都只有10^(-3),仿真结果验证了该方案的可行性和抗多径性能的优越性。

基于深度学习的美式车牌检测与识别技术

针对美式车牌存在背景图案多样、文本信息复杂,传统车牌识别方法难以同时满足对不同样式车牌进行识别的问题,通过对文本建议网络和卷积递归神经网络研究,本文提出了一种美式车牌检测与识别方法。针对美式车牌检测时产生多个文本框,且有些车牌号由于被图案隔断不在同一文本框的情况,设计了一套用于筛选车牌号的锚点机制。使用Adam优化算法训练卷积递归神经网络。本文构建了美式车牌数据集,进行验证实验,州名的识别率达到了92%,车牌号的识别率达到了84%,共同识别率达到了82%。且本文提出的网络模型大小不到60 MB,实时性强。提出的SE-MobileNetV2快速特征提取模型,大幅提高特征提取速度。

基于中心点检测与卡尔曼滤波的船舶跟踪算法

为了提升船舶跟踪效率,提出一种基于中心点检测与卡尔曼滤波的船舶目标跟踪算法.该算法根据经典的Tracking-by-Detection模式,采用中心点算法检测船舶目标,利用卡尔曼滤波算法为检测目标创建跟踪器,并通过匈牙利算法解决检测目标与跟踪器预测目标之间的匹配关联问题,从而实现对实际场景视频中船舶目标的稳健跟踪.实验结果表明,基于中心点检测与卡尔曼滤波的跟踪算法能够有效应对船舶部分遮挡、船舶形变、光线不足、小目标等复杂情况.