改进UNet++的食道癌肿瘤分割方法

晚期食道癌患者五年生存率仅约20%,准确地检出食道癌肿瘤区域对后续治疗具有重要的临床意义。该文针对当前主流的食道癌病灶分割方法在复杂曲度位置细节丢失、分割精度低等问题,基于UNet++设计了一种改进的网络模型。在编码器中引入SE模块,使网络重点关注待分割区域;将网络关键层X^(i,0)中常规方阵卷积替换为可变形卷积,使网络更好地适应癌灶边界复杂的曲度变化;使用多尺度特征融合,充分提取出肿瘤边界的细微特征;将Encode-Decoder结构升级为双向O型循环结构,来提高网络对特征的使用效率。实验表明,该算法在食道癌CT影像分割任务中,Dice相似性系数可以达到84.81%,相比UNet++提高了6.37%。文中所提出的方法相比现阶段其他先进算法,能更为准确地分割出食道癌肿瘤的不规则边界。

基于多级残差信息蒸馏的真实图像去噪方法

深度神经网络对真实图像有较强的去噪能力,可以学习含噪图像和干净图像之间复杂的非线性映射关系。然而,过多的卷积操作导致计算成本增加并占据大量内存,限制了去噪技术在低运算能力设备中的应用,现有去噪算法容易损坏细节信息,恢复图像存在边缘过度平滑、纹理缺失、含有残留噪声等问题。针对这些问题,构造一种多级残差信息蒸馏模块。通过对特征通道进行分割,保留部分特征用于后续多级融合,并进一步通过深度提取单元提取细化后的特征信息;引入对比度感知通道注意力机制对不同通道的特征分配权重;使用多级跳跃连接充分融合不同阶段提取到的上下文信息。构建1个轻量级的多级残差信息蒸馏网络,采用块间复杂度低的编码-解码结构,编码部分为含噪图像特征提取模块,解码部分为干净图像恢复模块。为了加快训练速度,采用混合图像尺寸的渐进式训练方法。实验结果表明,该方法在SSID和DND真实图像数据集上的峰值信噪比分别为39.43 dB和39.49 dB,与其他网络相比提升了0.17~15.77 dB和0.02~7.06 dB,而模型参数量仅为6.92×106,所提模型在提高去噪性能的同时具有较少的参数量。

基于景观格局的丘陵山区耕地生态风险评价——以重庆市潼南区为例

[目的/意义]丘陵山区农田宜机化整治会改变耕地景观格局、高程、坡度、微地貌等,评价其生态风险为后续整治工作提供数据参考具有重要意义。本研究的目的为评价丘陵山区农田宜机化整治对耕地生态风险的改变情况以及探究生态风险与耕地坡度之间的关系。[方法]以重庆市潼南区20个县为评价单元,基于2010年和2020年土地利用数据,采用ArcGIS 10.8和Excel软件计算景观格局指数,通过熵权法确定各指数的权重并构建生态风险评价模型,揭示生态风险时序空间变化特征;基于数理统计原理,对生态风险与坡度进行相关性分析,探究生态风险与坡度的关系。[结果和讨论] 2010年和2020年两个时期,干扰度指数由0.97下降为0.94,耕地整体抗干扰能力增强;脆弱度指数由2.96增加为3.20,耕地结构更加脆弱;生态风险值由3.10下降为3.01,耕地生态安全性提高。两个时期生态风险区域主要以低风险区和较低风险区为主,低风险区面积增加6.44%,较低风险区面积增加6.17%,中风险区面积增加24.4%,较高风险区面积减少60.70%,高风险区面积增加16.30%,耕地生态安全区域相对增加。耕地坡度主要以2°~25°为主,耕地坡度小于15°时坡度面积占比与生态风险值呈负相关,耕地坡度大于15°时坡度面积占比与生态风险值呈正相关关系,坡度处于5°~8°、15°~25°、25°以上时坡度面积与生态风险值呈极显著相关。农田宜机化整治应重点关注潼南区南部区域,并集中于耕地坡度处于5°~8°和15°~25°区域。[结论]通过评价潼南区农田宜机化整治前后耕地生态风险并分析生态风险与耕地坡度的相关性,表明农田宜机化整治可以降低耕地生态风险,耕地坡度面积占比可作为精准指导农田宜机化整治的重要依据,潼南区宜机化整治工作应重点关注耕地坡度处于5°~8°和15°~25°区域。

改进U-net++的青光眼视盘视杯分割方法

青光眼是当前世界范围内致盲的一种主要病因,其发病过程并没有明显的特征。视杯盘比是青光眼诊断中最主要的评估指标之一。由于眼底图像具有一定的复杂性,视盘视杯分割很容易受到眼底血管和病变区域等的影响,因此传统方法并不能精确地分割出视盘视杯。针对该问题,提出了一种改进U-net++的网络模型算法,数据预处理中引入极坐标变换,在网络的部分关键层引入可变形卷积核代替传统卷积核,在编码器部分引入注意力机制。该算法在Drishti-GS1数据集上的视杯和视盘的Dice系数达到了0.9253和0.9850,oe误差降低到0.06158,较现有的先进算法有一定的提升。

自走式青饲料收获机仿形系统设计与试验

针对复杂环境下自走式青饲料收获机地形适应性差和留茬高度难控制等问题,采用两点探测-电液控制的方式,设计了一套适用于自走式青饲料收获机的割台仿形系统,并开展仿形系统相关试验。在阐述系统整体架构及工作原理的基础上,通过理论计算确定了仿形探测机构、横向仿形调节机构等主要关键部件的结构参数。建立静应力分析模型,得出割台与喂入箱体连接处相关力学特征。利用ADAMS仿真软件创建油缸负载特性模型,完成仿形系统的设计与相关优化,确定油缸的最佳作业参数范围。为验证仿形系统的功能,将系统搭载在4QZ-30型自走式青饲料收获机上进行试验,以试验过程中割刀前端距地面高度处于100~150 mm内的时间所占总试验时长的比率为试验指标,安排道路模拟试验与仿形样机测试,并利用控制系统实时获取割台高度及响应时间,结果表明:仿形探测机构探测高度信息可靠,线性拟合R^(2)为0.9987;仿形调节电液控制系统的响应时间均值在0.16 s内;仿形系统能够在行驶速度0~6 km/h下,对坡度0°~6°内的地面进行仿形工作,道路模拟试验过程中,割刀前端距地面高度处于标准范围内的时间所占总试验时长的比率β为90.76%,且3组仿形样机测试合格率分别为86.67%、86.67%、93.33%,提高了自走式青饲料收获机的地形适应能力,降低了留茬高度的控制难度,可为自走式青饲料收获机的仿形技术提供参考。

采用改进YoloV4模型检测复杂环境下马铃薯

为解决马铃薯联合收获机在作业过程中分级清选的问题,并在收获作业过程中实时监测评估收获状态,该研究提出一种在光照亮度变化大、土壤与薯块遮挡、机器振动以及尘土干扰等情况下对马玲薯进行识别检测并快速准确获取马铃薯数量以及损伤情况的机器学习模型。在卷积神经残差网络中引入轻量级注意力机制,改进YoloV4检测网络,并将YoloV4结构中的CSP-Darknet53网络替换为MobilenetV3网络,完成特征提取。试验结果表明,基于卷积神经网络的深度学习方法相比于传统Open-CV识别提高了马铃薯识别精度,相比于其他传统机器学习模型,MobilenetV3-YoloV4识别速度更快,马铃薯识别的全类平均准确率达到91.4%,在嵌入式设备上的传输速度为23.01帧/s,模型鲁棒性强,能够在各种环境下完成对正常马铃薯和机械损伤马铃薯的目标检测,可为马铃薯联合收获机智能清选以及智能收获提供技术支撑。

多级分离缓冲马铃薯收获机设计与试验

针对云南山地黏土条件下马铃薯机械化收获分离效果差、明薯率低、伤薯率和破皮率较高等问题,采用多级分离振动、多重缓冲和低位侧铺的方式,设计了一种多级分离缓冲马铃薯收获机。在阐述机具整体结构及工作原理的基础上,通过理论计算确定了挖掘装置、多级分离缓冲装置、主动振动装置等主要关键部件的结构参数;建立抛送分离阶段薯土运动模型,获取微波浪形薯土分离相关技术特征;建立马铃薯筛面滑动模型,对薯块的运动特性进行理论分析,得出薯块顺流、回流的运动规律;分析土块在输送分离过程中的碰撞特性,确定了影响分离破碎效果的因素。以含杂率和土壤覆盖度为试验指标,采用二次旋转正交组合试验设计方法进行了空载试验,并利用高速摄影和三轴姿态传感器实时获取分离筛上土壤的分布状态和运动规律,结果表明,分离筛最佳工作参数组合为:一级分离筛线速度1.42 m/s、二级分离筛线速度2.2 m/s、侧输出线速度1 m/s,此时土壤覆盖度69.11%,含杂率2.56%。在分离筛最佳工作参数组合下,以明薯率、破皮率和伤薯率为试验指标进行了田间收获试验,结果表明:当工作速度1.05 m/s、挖掘深度180 mm、振动强度Ⅱ级、筛面倾角22°时,明薯率为99.1%、破皮率为1.41%、伤薯率为1.32%,各项性能指标均符合国家行业标准要求。

抛膜钉齿式残膜弧形起膜捡拾装置设计与田间模拟试验

现有残膜回收机起膜装置难以彻底刨出土壤耕层内残留的多年废弃地膜,致使地膜继续沉积,严重破坏土壤再生能力。针对现有起膜装置碎片回收率低、漏收率较高的问题,设计了一种弧形起膜捡拾装置配合抛膜弹齿式残膜回收机使用,该装置主要由输膜辊、喂入辊、U形喂入齿、起膜杆齿、弧形钉齿等组成。在阐述整体结构、具体工作原理及主要部件设计特点的基础上,通过理论计算确定主要工作部件的结构参数。对弧形起膜捡拾装置主要部件进行受力分析和运动机理分析,并建立了运动学模型,分析得出弧形钉齿运动轨迹为余摆线,根据总体机构的运动学模型和钉齿尖运动模型的对比计算,得出残膜不漏扎、不漏挑的条件。利用Comsol软件对主要工作部件进行多体动力学和多物理场田间模拟试验,追踪粒子轨迹,以平均颗粒流速、平均横向颗粒速度、质量流率及旋转轴总力矩为试验因变量进行正交仿真试验,试验结果表明最优参数组合为工作速度1.2 m·s^(-1)、入土深度35 mm、挑膜转速55 r·min^(-1)。该工作参数下试验结果分别为平均颗粒流速0.9738 m·s^(-1),平均横向颗粒速度0.0278 m·s^(-1),质量流率0.0091 kg·s^(-1),钉齿总力矩38.9576 N·m。

马铃薯机械化收获关键技术与装备研究进展

中国马铃薯种植面积大、范围广,人工收获劳动强度大、成本高,机械化收获是马铃薯产业发展的必然方向,也是马铃薯全程机械化生产的关键技术环节。马铃薯机械化收获主要包括除秧、挖掘、分离、筛选和输送等关键技术。本文分析国内外马铃薯机械化收获技术的发展现状和特点,总结马铃薯机械化收获的关键技术;对国内外马铃薯收获装备的研究现状进行综述,归纳介绍目前国内外马铃薯收获装备代表机型的性能参数,指出低损、高效和智能化大型联合马铃薯收获技术与装备是中国马铃薯机械化收获的核心发展方向,同时也需要加强丘陵山区中小型马铃薯机械化收获技术与装备的研究。

丘陵山区小型马铃薯收获机设计与试验

针对中国西南丘陵山区马铃薯收获作业中存在的引进机型适用性低、明薯率低、伤薯率高、破皮较严重、机械化收获程度低的问题,设计一种适用于丘陵山区的小型马铃薯收获机,整机主要由三点悬挂装置、挖掘装置、激振式分离筛、多级振动调整装置、挖掘调整装置、变速箱、传动装置等组成。结合具体作业要求,对挖掘装置和升运分离装置进行参数确定和选型设计。挖掘铲为设有圆弧过渡曲面的二阶铲,增强了碎土剪切性能,提高了顺土能力。建立挖掘过程的挖掘装置阻力模型和运动学模型,并对挖掘装置进行有限元分析,得出挖掘装置的最大应变为5.05×10-8 m·m-1,最大应力为9327.7 Pa,最大变形为2.98×10-4 mm。建立马铃薯升运过程的运动学模型,对薯土混合物的运动形态进行分析,根据所计算的相关参数设计了二次正交旋转组合试验,分别对各试验指标进行响应曲面分析。发现影响明薯率的主要因素为作业速度和分离筛倾角,影响伤薯率的主要因素为作业速度和分离筛倾角,影响破皮率的最主要因素为入土角和分离筛倾角。田间试验结果表明:当作业速度为1.05 m·s-1,入土角为17°,分离筛倾角为15°时,试验条件下的明薯率为96.7%,伤薯率为1.3%,破皮率为1.5%,上述指标优于国家标准,符合马铃薯收获作业要求。

马铃薯收获机多级输送分离装置设计与试验

针对云南黏重板结土壤下马铃薯机械化收获过程中存在的薯土分离效果差、输送分离装置线速度不匹配、薯块抛落高度大等致使明薯率低、伤薯率高的问题,基于"两级输送分离+高频低幅+低位侧铺"的薯土分离工艺,设计了一种适宜黏重板结土壤的马铃薯收获机多级输送分离装置。通过对多级输送分离装置和薯土混合物的运动特征分析,验证了输送分离筛产生"高频低幅"的周期性运动规律,得到薯土混合物随输送分离筛向后运动和抛散分离的临界条件;通过薯块抛落阶段运动学分析,确定了低位缓冲侧铺装置的结构参数。以一级分离筛线速度、二级分离筛线速度和侧输出线速度为试验因素,以含杂率为试验指标进行台架试验。试验结果表明:当一级分离筛线速度为1.70m·s^(-1)、二级分离筛线速度为1.60m·s^(-1)、侧输出线速度为1.00m·s^(-1)时,其含杂率为2.15%,符合参数优化范围,并通过高速摄影技术验证了一级输送分离筛"高频低幅"振动分离段运动特征。各级输送分离筛在优化工作参数下进行田间试验验证,测得明薯率为98.46%,破皮率为1.42%,伤薯率为1.36%,各项性能指标均符合国家行业标准要求,满足黏重板结土壤条件下马铃薯收获机的作业要求。