改进YOLOv8的轻量化无人机目标检测算法

针对无人机目标检测算法计算复杂难以部署,且长尾分布的无人机数据导致检测精度较低的问题,提出了基于改进YOLOv8的轻量化无人机目标检测算法(PC-YOLOv8-n),可均衡网络检测精度与计算量,并对长尾分布数据有一定泛化能力。使用部分卷积层(PConv)替换YOLOv8中的3×3卷积层,对网络进行轻量化处理,解决网络冗余和计算量复杂的问题;融合双通道特征金字塔,增加自上而下的路径,将深层信息与浅层信息进行融合,同层引入轻量化注意力机制,提升网络的特征提取能力;采用均衡焦点损失(EFL)作为类别损失函数,通过均衡尾部类别在网络训练时的梯度权重,增加网络的类别检测能力。实验结果表明,PC-YOLOv8-n在VisDrone2019数据集中具有良好的表现,在mAP50精度上比原始YOLOv8-n算法提高了1.6个百分点,同时模型的参数和计算量分别降低为2.6×10^(6)和7.6 GFLOPs,检测速度达到77.2 FPS。

基于深度学习的森林移动机器人树干检测

基于视觉导航的森林移动机器人具有机器人作为边缘设备算力有限、导航效果受光照影响较大的问题。为此,提出一种轻量化的树干检测方法,该方法基于YOLOv7-tiny模型,采用可见光图像与热成像图像作为输入,导航效果受光照影响较小;同时采用基于部分通道卷积(Partial Convolution,PConv)的特征提取模块-部分通道卷积高效层聚合网络(Partial Efficient Layer Aggregation Networks,P-ELAN),对基准模型进行轻量化改进;在训练阶段用alpha-CIoU损失函数替换原始的CIoU损失函数,提高边界框回归的准确性。结果表明,所提出的森林移动机器人树干检测方法相较于原始YOLOv7-tiny模型参数量减少31.7%,计算量减少33.3%,在图形处理器(Graphics Processing Unit,GPU)和中央处理器(Central Processing Unit,CPU)上的推理速度分别提升了33.3%和7.8%。修改后的模型在保持对树干检测精度基本不变的基础上更加轻量化,成为部署在机器人等边缘设备上的理想选择。

基于改进YOLOv5s的轻量级葡萄目标检测融合算法

针对农业自动采摘机械对目标检测模型准确率、实时性及轻量化的需求,提出了一种轻量级葡萄目标检测网络YM-GDM(YOLOv5s-MobileNetV3 grape detection model)。使用MobileNetV3代替CSPDarknet53作为YOLOv5s的主干网络,以实现模型的轻量化;引入Res2Net_C2f模块和BiFPN(Bi?directional feature pyramid network)结构,以提高模型的多尺度特征融合能力;同时,改用VariFocalLoss损失函数对模型进行训练,以减少正负样本不均带来的影响。使用包含5类食用葡萄的自制数据集与包含5类酿酒葡萄的公开数据集(WGISD)作为试验数据集进行测试。结果表明,YMGDM网络对10个品种葡萄的目标检测平均精度均值(mAP50)达到90.8%,比YOLOv3-tiny、YOLOv5s分别提升6.2、2.2百分点;模型体积为9.72 MB,相比YOLOv3-tiny、YOLOv5s分别缩小44.4%、32.8%。此外,进一步减少参数量得到了轻量特化模型YM-GDM-tiny,模型体积缩小到4.73 MB,mAP50达到86.8%,以部署于算力更低的移动设备。

改进神经网络的竹片缺陷分类方法

对含有四种缺陷类型的竹片数据集使用VGG16,ResNet50和ConvNeXt网络进行识别和分类,最高识别准确率为ConvNeXt的82.95%;加入迁移学习的权重,通过迁移学习的方法,识别准确率得到了明显提升,识别效果最高为94.37%;在三个网络中分别加入推拉层取代部分卷积层,通过消融实验和横向与纵向的对比结果,发现在使用推拉层替换分类网络前两层卷积层时,得到最高为96.42%的分类结果,表明网络的改进效果是有效的;最后,改进分类网络的正则化方法,分别修改不同网络的归一化层和激活函数,再次通过消融实验发现改进后的分类网络识别性能提高明显,最高准确率达到97.12%,这些研究成果为深度学习在受损图像分类领域的应用提供了有益的启示和改进方向。

基于改进U-Net的根系表型参数测量系统

为解决背景噪声干扰下,从微根管采集的原位根系图像中难以直接提取准确的表型参数问题,提出一种基于改进U-Net的微根管根系表型参数测量系统。在U-Net网络中引入优化后的空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)和高效通道注意力模块(Efficient Channel Attention,ECA),增大感受野,提升模型捕捉根系细节特征的能力,获取精确的根系分割图像。结果表明,改进的U-Net模型平均交并比和平均像素精度分别为87.07%和91.85%,相较原始U-Net分别提高了2.49%和2.3%。与WinRHIZO根系分析软件测量值相比,根长度和面积决定系数分别为0.951 8和0.984 9,Spearman相关系数分别为0.972 5和0.975 7,可以实现根系长度和面积的准确测量。

基于CP-DeepLabv3+的玉米根系图像分割

利用微根管技术可以直接监测植物根系动态生长,并获取清晰根系图像,但土壤环境复杂、颗粒不均匀、细根数量多,图像分割时容易造成根系不连续,将土壤背景误认为根系。针对以上问题,提出了CP-DeepLabv3+算法进行图像分割。该算法引入坐标注意力机制(coordinate attention, CA),更精确地获得分割目标信息,使得分割目标边缘更加连续;在ASPP特征提取模块加入条纹池化(strip pooling,SP)分支,避免在相距较远的位置之间建立不必要的连接,提高图像分割精度。利用CP-DeepLabv3+算法对玉米根系数据集进行测试,结果显示,平均交并比(mean intersection over union,MIoU)值为82.95%,平均像素精确度(mean pixel accuracy,MPA)值为92.47%,相比于原始DeepLabv3+模型分别提高了3.69%、4.44%,表明该算法可有效分割玉米根系,对图像特征提取具有实际意义。

基于多尺度特征融合的食用葡萄细粒度分类方法

中国葡萄种植规模逐年扩大,但由于混种、串粉等导致了葡萄品种混杂,葡萄的分类筛选工作成为限制农业生产效率的重要因素。为了提高生产中葡萄品种分类精度,本文基于计算机视觉技术和深度学习理论,设计了多尺度特征融合网络(Multi-Scale Feature Fusion Network,MSFF-Net)。首先通过混合注意力模块改进ResNet34残差模块,提高模块关键特征提取能力;然后采用双线性结构,改进网络提取葡萄图像的二阶特征;最后通过融合二阶特征和交叉双线性特征,建立了一种基于多尺度特征融合网络的食用葡萄分类模型。在葡萄分类试验中,达到了96.97%的识别精度,相较于对照模型,取得了更高的精度。

《民法典》规范下马拉松赛事人身损害免责条款的法律解读

以我国2018—2021年间国际田联认证的9场马拉松赛事为样本,分析赛事中的人身损害免责条款。认为,参与组织赛事的各类主体应被视为承担民事责任的主体,而免责条款往往包含在竞赛规程、参赛报名表或专门的免责声明文件中,它们属于负有附随义务的格式条款。关于免责条款的司法审查,在形式审查层面,若免责条款未履行必要的提示或说明义务,则不具备形式合理性,应被认定为无效。在实质审查层面,若免责条款过度免除赛事组织者的合理义务,因显失公平原则,也应被认定为无效。对于由赛事组织者造成的人身损害,因其负有安全保障义务不能免除责任。对于参赛者因“自甘风险”等非赛事组织者原因造成的人身损害,应允许赛事组织者通过免责条款明确不承担责任。

思政视域下自动控制原理课程教学改革研究

课程思政是高校落实立德树人的必行举措,是深化教育教学改革的法宝,自动控制原理是自动化及相关专业的核心必修课程,这二者的有机融合使课程教学内容、实施方法、考核评价的多维度改革研究与实践有更具体深入的落脚点。从设定OBE理念下的课程目标入手,将思政元素微观植入,从宏观、细观、微观多尺度融合进行课程实施,使课程的价值塑造、知识传授、能力培养三位一体目标更全面落实,从而最大程度实现全方位育人。

随机森林在板材表面缺陷分类中的应用

对板材表面缺陷图像进行多种特征提取。颜色特征选用了颜色直方图;形状特征主要基于最小外接矩阵,提取周长、面积、位置、矩阵和圆形相关的形状参数;纹理特征选取了灰度共生矩阵和Tamura纹理参数。通过OOB(袋外数据)误差计算特征重要性,并将结果与提取时间进行综合分析得出,Tamura纹理和颜色直方图是最优的2组缺陷分类参数。对颜色直方图和Tamura纹理2类特征,采取特征组合输入,通过实验得出,随机森林分类精度达95.67%。

基于超像素的木材表面缺陷图像分割算法

使用SLIC(简单线性迭代聚类)超像素图像分割方法将木材表面缺陷图像预分割,并从提高算法速度和自适应阈值2方面对超像素合并算法进行改进;分析了DBSCAN(具有噪声的基于密度的聚类方法)聚类用于该类超像素合并中算法的复杂度,提出了自适应阈值的快速DBSCAN超像素合并算法来取得缺陷分割图像。结果表明:改进后的算法对于3类缺陷都能很好的分割,并且算法复杂度低;分割及合并的总时间为0.35 s左右,能满足在线分选的要求。

基于方向小波与Slant变换的鲁棒水印算法

设计了一种基于内容的数字水印算法。算法以方向小波变换提取的独立分块图像正则方向作为水印信息,根据图像噪声可见函数将水印信息量化嵌入分块图像Slant变换中频系数之中。实验结果显示,算法对于常见图像处理和几何攻击均具有很强的鲁棒性,与基于DCT和PST变换的算法相比,该算法能够更有效地抵抗一些恶意和非恶意操作同时实施的操作。

基于迁移学习的竹片缺陷识别

使用竹片图像实现竹片缺陷自动识别,目前深度学习可以有效地解决该类问题,但是必须使用大量样本数据做训练才能获得较高的识别准确率。当图像数量有限时,利用基于迁移学习的方法,把经过预训练的卷积神经网络模型进行迁移,即共享卷积层和池化层的权重参数,调整新网络模型的超参数,并建立一个包含4种共计6 360张竹片缺陷图像的数据库,把图片分成4种训练集测试集形式,即80%训练、20%测试;60%训练、40%测试;40%训练、60%测试;20%训练、80%测试,分别利用支持向量机SVM分类方法、深度学习方法和迁移学习方法进行训练和测试,并将这3种方法作对比。最后,通过构建竹片缺陷识别的混淆矩阵对迁移学习进行具体分析与说明。结果表明,按照80%训练、20%测试的识别准确率最高,通过迁移学习得到的竹片缺陷最高识别精度分别达到98.97%,比普通深度学习提高了11.55%,比SVM分类方法提高了13.04%。说明迁移学习比普通深度学习和传统支持向量机SVM分类方法更适合用于小样本数据集的分类识别,并且效果优于普通深度学习和SVM分类方法。

基于Beta信誉系统的鲁棒安全定位算法

针对存在恶意节点情况下的无线传感器网络(WSN)节点定位问题,提出基于Beta信誉系统(BRS)的鲁棒安全定位算法。在BRS基础上建立信任评估框架,传感器节点在多跳通信范围内将锚节点的最终信任值与所存储的阈值进行比较,从而降低WSN中恶意攻击的影响。采用基于泰勒级数展开的加权最小二乘法估算普通传感器节点的坐标,以识别WSN中的恶意锚节点,并提高节点定位精度。仿真结果表明,与RMLA2,RMLA1,Bilateration,t-TLS定位算法相比,该算法在恶意锚节点不存在串通的情况下定位精度分别提高约10%,15%,55%,110%,在恶意节点串通的情况下定位精度分别提高约15%,20%,65%,150%。

基于语义挖掘的室性心动过速及心室纤颤检测

针对现有的诊断系统不能准确区分室性心动过速(VT)和心室纤颤(VF)的问题,提出一种基于巴特沃斯通带滤波器的语义挖掘方法。利用巴特沃斯带通滤波器消除心电图信号的噪声,将心电图(ECG)标准化为长达4 s、值为整个信号段中最大的小段,并将标准化的ECG信号转化为二进制脉冲;在二进制脉冲上实施语义挖掘,从而识别出正常窦性节律、VT、VF三者发作之间的区别。实验结果表明,该方法不仅可以区分正常节奏与VT、VF发作,且不出现错误检测,同时可以区分VT与VF发作,识别率分别高达94.1%和95.2%,可作为致命性疾病诊断的检测工具。

双足被动步行的全局稳定性分析

在经典双足被动步行动力学模型的基础上,分析环境和力学参数影响下机器人被动步行的全局稳定性。计算不同模型参数下被动步行稳定不动点,采用胞胞映射计算得到不同模型参数下该动力学模型稳定单周期步态的吸引区域。研究发现双足被动步行的鲁棒性与其环境、力学参数关系密切,同时提出估计不动点吸引域形状的2个度量:最小半径与最大半径。实验结果给出被动步行稳定区域与斜坡倾角和质量比值的关系,同时通过分析某些偏离不动点较大的稳定吸引胞,以及吸引域的最小半径与最大半径的变化趋势,反映了双足被动步态的鲁棒性。

模糊PID及其在TEC温控系统中的应用

本文介绍了模糊PID控制器原理,针对半导体制冷器(TEC)工作特性,用MSP430F449单片机设计了高精度TEC温度控制系统。实验数据表明,系统具有速度快、精度高的优点,为系统快速进入稳定工作状态提供了一种实用方法,也为类似的TEC温度控制系统提供了有益的参考。

地磁匹配用于水下载体导航的初步分析

随着地磁场模型的日趋完善和滤波技术的不断成熟,地磁匹配方法在近几年得到迅速发展,它一般用于近地卫星,还未用于海洋环境.针对这一问题,本文结合地磁场特点和海洋地磁测量的现状,分析了水下地磁匹配的可行性.分别从匹配的地磁模型和测量值中存在干扰磁场两方面,指出了制约该技术发展的几个因素.在此基础上,提出了地磁用于水下载体定位的两条技术途径,一是用小波变换滤去地磁异常,与大尺度地磁模型匹配定位;另外,也提出了利用地磁异常,结合同时定位与构图(SLAM)算法实现自主导航.

基层央行用户终端软件国产化探索

用户终端作为信息化体系的重要组成部分,其信息安全性不容小觑。目前用户终端对国外软件的过度依赖,给终端信息安全带来了很大的风险隐患。通过用户终端软件国产化,实现终端软件自主可控,提高终端信息安全水平,是当前信息安全的一个重要课题。中国人民银行广州分行（以下简称＂人行广州分行＂）从自身用户终端实际情况出发,对终端软件国产化进行了积极探索。