基于深度学习的电气二次图纸语义识别方法

图像文字识别及深度学习技术逐步应用在工程图纸识别领域。针对电气二次图纸语义识别中存在的小目标检测、文字背景复杂等问题,首先,提出面向电气有效信息的图纸小目标区域双层提取模型,上层模型为基于自适应阈值及轮廓检测的端子排单连通小目标区域提取,下层模型为基于双层目标检测网络的端子排表格及连接线文字小目标子区域提取。接着,提出基于单元格提取及Sobel算子边缘检测的端子排表格区域文字位置检测算法与基于水平垂直投影分割算法及方向旋转的端子排连接线文字区域的文字位置检测算法。最后利用所提算法对30张有标注图纸进行语义提取测试,测试集平均漏检率与正确臃的加权平均值为91.25%,测试集平均交并比平均值为82.61%,验证了所提算法的有效性及鲁棒性。

基于双层-分块检测网络的厂站接线图纸图符检测方法

为了解决高分辨率大尺寸电气厂站接线图图元符号检测精度不高、小目标图元漏检误检等问题,提出一种基于双层-分块检测网络的厂站接线图图符检测方法.该方法将电气厂站接线图按照电气逻辑切割后对断路器、隔离开关、电抗器、接地刀闸等11种典型图元进行识别.双层-分块检测网络由基于Area-YOLOv5网络的关键区域检测层和基于Obj-YOLOv5网络的具体图元识别层构成.首先,使用Area-YOLOv5网络检测出图纸的关键区域块,其关键区检测精度达到98.5%.其次,使用Obj-YOLOv5网络识别出具体图元符号,该网络采用融合了SE注意力机制和深度可分离卷积的LC_Block模块替换瓶颈部分中的普通卷积层,图符检测精度为0.963.所提方法以较高的精度实现了电气厂站接线图图元符号的识别检测.

Pnpla3 I148M和Tm6sf2 E167K双突变纯合小鼠模型的构建

目的利用Pnpla3^(148M/M)纯合小鼠与Tm6sf2^(167K/K)纯合小鼠杂交方法构建Pnpla3^(148M/M)Tm6sf2^(167K/K)双突变小鼠模型。方法利用Pnpla3Ⅰ148M和Tm6sf2 E 167K单突变纯合小鼠交配出Pnpla3^(148M/M)Tm6sf2^(167K/K)双突变杂合小鼠,再通过自交得到Pnpla3^(148M/M)Tm6sf2^(167K/K)双突变纯合小鼠。选取同窝的Pnpla3^(148M/M)Tm6sf2^(167K/K)(n=6)、Pnpla3^(148M/M)Tm6sf2^(167E)/E(n=6)、Pnpla3^(148I/I) Tm6sf2^(167K/K)(n=6)和野生(Wt)(n=6)雄性小鼠普通饮食喂养8周,在第8周检测小鼠葡萄糖及脂质代谢等指标。多组间比较采用方差分析,进一步两两比较采用LSD-t检验。结果琼脂糖凝胶电泳和核酸测序结果表明Pnpla3^(148M/M)Tm6sf2^(167K/K)双突变小鼠模型构建成功。Pnpla3^(148M/M)Tm6sf2^(167K/K)小鼠体质量与其他3种基因型小鼠比较,差异无统计学意义(P值均>0.05),Pnpla3^(148M/M)Tm6sf2^(167K/K)小鼠肝湿重高于Wt小鼠(P<0.05)。Pnpla3^(148M/M)Tm6sf2^(167K/K)小鼠的空腹血糖低于Tm6sf2^(167K/K)单突变小鼠和Wt小鼠(P值均<0.05),Pnpla3^(148M/M)Tm6sf2^(167K/K)小鼠葡萄糖耐受能力较Tm6sf2^(167K/K)单突变小鼠有所下降(P<0.05),四组基因型小鼠的胰岛素水平无明显差异(P值均>0.05)。Pnpla3^(148M/M)Tm6sf2^(167K/K)双突变小鼠的血浆生化指标与其他三种基因型小鼠比较,差异均无统计学意义(P值均>0.05)。肝脏油红O切片染色结果显示Pnpla3^(148M/M)Tm6sf2^(167K/K)双突变小鼠的肝脏较Pnpla3^(148M/M)单突变小鼠和Wt小鼠更容易发生脂质积累。结论Pnpla3^(148M/M)Tm6sf2^(167K/K)双突变小鼠模型构建成功,Pnpla3Ⅰ148M和Tm6sf2 E 167K双突变可引起小鼠葡萄糖代谢异常。