基于特征增强与损失优化的水下遮挡目标检测算法

针对水下探测机器人在海洋作业时由于目标密集、形态重叠等原因容易产生误检、漏检的问题,提出一种基于特征增强与损失优化的水下遮挡目标检测算法。算法以YOLOv4骨干网络为基础,首先在随机通道上引入邻域融合的残差结构模块,通过通道注意力机制,提升通道的信息交互能力;其后,利用α-IoU优化CIoU-Loss损失函数,并采用真值排斥因子与预测排斥因子改进坐标回归损失函数,提高目标位置回归的精度;最后,针对水下图像数据干扰信息多的问题,采用基于密集度引导的自适应非极大值抑制方法完成对输出信息的处理,提升目标检测的召回率。通过对水下海洋生物的检测实验,算法在通用场景与密集遮挡场景下目标探测的mAP值分别提高了1.43%和4.4%,验证了算法的有效性。

巷道堆垛式立体车库车辆存取测控方法

针对智能立体车库车辆存取时间长、系统运行故障率高等问题,研究了巷道堆垛式立体车库车辆传送策略及智能测控方法.基于进程互斥原理、采用基于邻域的有界深度优先搜索算法实现多存取进程并行优化控制,给出车库主体立式框架结构设计方案,研究多通道多层面条件下的车辆传送运送策略,运用混合可切换控制手段完成不同服务环境中高峰及其他时间段车库车辆的存取传送.采用工控计算机和单元车库控制器PLC作为网络节点,利用现场总线组建一主多从的二级监控车库控制管理网络,采用MCGS、VC++编制PLC组态控制软件及上位机管理软件.结果表明:多通道多层面巷道式车辆堆垛及其智能测控能够最大限度节约用地,仅双层设置就会使地面使用率提升约85%;且所提出测控方法能够解决车辆自动存取的优化控制问题,为进一步提高车库运行效率提供有效途径.

磁铁矿铁磁性能解析及应用

探讨磁铁矿物理化学特性,研究单线圈阻抗检测方法,用其实现铁矿选矿工艺过程中全铁品位指标的在线自动监测.采用X射线衍射分析方法和电感耦合等离子体质谱方法表征磁铁矿原矿及铁精粉矿样的物相组成及化学成分.利用振动样品磁强计测试矿样的磁化强度、矫顽力、比磁化系数等磁学性能指标,解析磁铁矿的强磁性能,应用其铁磁特性探讨交流激磁、矩型电感线圈、磁铁矿铁芯等条件下全铁品位指标的电磁感应测量方法及测试机理.设计信息采集装置、信号调理电路以及PIC单片机控制系统,给出温湿度测试方法及温度补偿方案.实验测试结果表明:应用磁铁矿铁磁特性进行全铁品位指标电磁效应在线监测具备可行性,铁精粉干粉实验测试误差低于±0.5%,测量标准差为0.19%.

基于通道特征融合的水下图像轻量增强网络

针对水下探测机器人在视觉感知过程中由于图像退化容易造成辨识困难的问题,提出基于通道特征融合的水下图像轻量化增强网络。通过构建基于通道注意力模块的随机残差结构,并设计通道混洗模块,实现原图像与图像各层特征的细节融合;采用基于倒残差卷积的通道评分模块,通过通道之间的回归分离,提升网络对图像的增强效果;最后,网络以水下图像在颜色、局部特性等方向的增强为目标,设计包括高斯均方损失、结构性相似损失与感知损失等在内的网络损失函数,完成图像增强训练。通过对真实水下环境数据进行实验验证,算法在水下颜色色偏有更好的适应性,增强效果在细节保留上处理更优,模型参数更少,推理速度更快,更适合小型水下探测机器人的应用部署。

利用主成分权重重置实现牛奶成分浓度快速检测中近红外光谱的净化去噪

为了利用近红外光谱技术对牛奶中脂肪、蛋白质和乳糖的浓度进行快速检测,提出了基于直方图规定化和模糊层次分析法的近红外光谱主成分权重重置预处理方法。针对牛奶样品的光谱进行主成分分析,确定光谱数据中的最佳主成分数,得到了各主成分的得分和权重。采用直方图规定化的数学统计思想实现二维光谱矩阵的滤波及净化去噪,利用模糊层次分析方法对有效主成分信息的权重进行重置映射,滤掉无关的主成分干扰信息,建立权重重置后的光谱。在此基础上,对预处理后的光谱数据进行脂肪、蛋白质和乳糖的偏最小二乘回归1(PLS1)建模,得到脂肪的相关系数为0.980,预测均方根误差为0.158×10^(-2) g·mL^(-1);蛋白质的相关系数为0.997,实际预测偏差为0.050×10^(-2) g·mL^(-1);乳糖的相关系数为0.985,实际预测偏差为0.152×10^(-2) g·mL^(-1)。由模型预测结果可知,基于直方图规定化和模糊层次分析法的近红外光谱主成分权重重置预处理方法比常规预处理方法具有更好的滤波和去噪效果,说明将直方图规定化和模糊层次分析法相结合对牛奶近红外光谱进行预处理具有可行性。

基于直方图分层映射的近红外光谱预处理算法

为解决近红外光谱快速检测乳品成分及含量时光谱数据的预处理问题,提出一种基于直方图分层映射技术的近红外光谱主成分得分重置(SR)预处理方法。以葡萄糖氯化钠水溶液三组分样品中的葡萄糖含量、鲜牛奶样品中的乳糖含量为定量检测目标,进行散射光谱主成分得分累计贡献率的分层分段规定化映射预处理,利用偏最小二乘(PLS)回归分析建模手段,对相应近红外光谱中的糖含量信息进行测试及分析。结果表明,经过SR预处理后,牛奶中乳糖含量PLS模型的校正集样品交互验证预测偏差降低23.9%,实际预测偏差降低27.8%;验证集实际预测偏差降低16.7%。该SR光谱预处理方法兼顾光谱、参考值及组分相关性等多尺度信息,以实现光谱信息增强去噪,能避免有用信息误删,防止不充分拟合及过拟合。

基于改进生成对抗网络的低剂量CT去噪算法

针对低剂量计算机断层扫描(computerized tomography,CT)在图像采集过程中引入较多噪声,造成图像质量严重下降的问题,提出一种基于残差注意力机制与复合感知损失的低剂量CT去噪算法。在该算法中,利用生成对抗网络完成对低剂量CT图像的去噪,在网络框架中引入多尺度特征提取及残差注意力模块,以融合图像中不同尺度的信息,提高网络对噪声特征的区分能力,避免在去噪过程中丢失图像细节信息。同时采用复合感知损失函数,以加快网络收敛速度,促使去噪图像在感知上与原图像更接近。实验结果表明:与现有的算法相比,所提算法能够有效抑制低剂量CT图像中的噪声,并恢复更多的纹理细节;对比低剂量CT图像,所提算法处理后的CT图像峰值信噪比(peak signal-to-noise ratio,PSNR)值提高了31.72%,结构相似性(structural similarity,SSIM)值提高了13.15%,可以满足更高的医学影像诊断要求。

基于自适应空间特征融合的轻量化目标检测算法

针对目前深度学习中单阶段目标检测网络结构复杂、训练困难与在移动与嵌入式设备难以部署的问题,提出了一种基于自适应空间特征融合的轻量化目标检测算法。所提算法以YOLOv4为网络基础框架,采用轻量级MobileNet作为特征提取网络,降低网络深度与训练难度,提高检测速度;采用一种自适应空间特征融合(ASFF)方式改进PANet对多尺度特征融合效果差的不足;通过增加网络的输出维度,利用Gaussian算法对新增维度建模并输出预测框位置的不确定性;最后对位置损失函数进行重新定义,提高位置回归的准确性。所提算法以疫情期间口罩佩戴检测机器人为部署载体,对人脸口罩佩戴情况进行了测试,实验结果表明,所提算法的检测精度达到了95.92%,检测速度达到了19 frame/s,相比于原始算法和其他主流检测算法,更适合部署于移动与嵌入设备实现实时检测。

墙上的足球印

学校的走廊里有一个小男孩，他手拿足球，往学校走廊的墙上扔去。墙上立刻出现了一个淡淡的足球印。他觉得很好玩，又一次狠狠地向墙上扔去。那个足球碰到墙立即弹了回来，正好打在他的头上。他痛得双手捂头嗷嗷直叫。值周老师听见叫声问他怎么了．他忍着痛连连摆手：“没事，没事!”