基于残差连接的水下小目标检测结构模型

由于水下成像距离较远,现有的水下图像目标检测数据集中存在大量小目标,水下小目标特征信息和语义信息少,目前常用的目标检测算法直接应用于水下检测时小目标漏检错检率较高。水下目标检测预处理阶段通常采用图像增强算法来提升图像观感质量,并以此提升小目标检测精度,但图像增强的数据预处理操作容易导致小目标特征丢失,小目标检测性能下降。提出了一种基于残差连接的水下小目标检测结构模型,讨论了图像增强提升目标检测性能的应用方式,通过残差连接将增强算法与目标检测算法联合优化,避免了过度增强导致的特征丢失问题,提升了水下小目标检测精度。所提出的算法在DUO数据集上进行了实验,实验结果表明,相较于YOLOv7,该算法对小目标检测精度提升了7.2%。在两个水下数据集上进行消融实验,验证了所提出的残差连接的方式对于提升小目标检测性能具有促进作用。

舰船水下监测机器人系统设计

为了更好地提高舰船水下维护能力,针对现有水下机器人视频系统清晰度低、对比度低以及工作时海洋生物附着的问题,本文设计了一套用于舰船监测的水下机器人视频系统。通过光场分布实验仿真,计算一种水下灯的方案,能够将光场分布效果达到最佳;利用超声波传感器,设计一种新型的可自清洁的水下灯,能够有效防止生物附着。该系统优化了水下灯和水下摄像机的配置方案,确定了光源方向角和摄像机安装位置,跟现有的视频系统相比,显著提高了清晰度和对比度。该系统可达到2 592×1 944分辨率、25 fps帧率的摄像机视频信号和水下灯的控制信号传输效果。经过实验验证,该系统可以很好地提高水下成像效果,增强舰船水下维护能力。

海洋监测平台研究综述

该文总结了海洋监测平台的发展和应用。文中按时间线回顾了基于传感器网络、基于GPRS无线网络、基于物联网以及基于视觉监测的海洋监测平台的演进与应用。此外,还对监测平台软件进行了分类,包括电脑桌面端软件、Andriod端App以及Web平台软件。在最后部分得出结论:基于视觉监测的Web平台在海洋监测方面表现出更佳的效果,并设计了水下目标监测可视化Web平台。该结论与设计对于未来海洋监测平台的发展和设计具有重要的参考意义。

水下图像目标检测数据集及检测算法综述

水下目标检测技术是海洋探测的关键技术之一,具有重要的研究意义。本文首先对水下光学目标检测图像数据集进行了总结与分析,然后对近五年国内外50多项相关研究进展进行了阐述,分析了现有方法的贡献和局限性,以Faster RCNN和YOLOV3为基础模型对3种典型的提高目标检测性能的方法进行了实验,实验结果表明直接应用图像增强的方法不能有效提升检测精度,应用高分辨率网络可以明显提升目标检测性能。最后讨论了水下图像目标检测算法的潜在挑战和有待解决的问题,并提出了未来可能的研究方向。

基于集成学习的抗乳腺癌候选药物定量构效关系模型

基于一系列作用于治疗乳腺癌重要靶标雌激素受体α亚型ERα的化合物,研究其分子结构和生物活性pIC_(50)之间的关系,构建抗乳腺癌候选药物定量构效关系模型.模型采用集成学习方法KNN-Bagging,通过组合多个KNN弱预测模型得到一个强集成器,实现对生物活性pIC_(50)的预测.基于集成学习的模型可决系数R^(2)达到0.9496,均方根误差MSE达到0.0016,与传统多元线性回归,多元非线性回归相比,有统计学意义上的显著提升。说明定量构效关系模型在化合物分子描述符具有多种数据类型情况下,采用KNN-Bagging集成学习方法对治疗乳腺癌的重要靶标ERα的生物活性具有较好的预测能力,可为筛选拮抗ERα活性的化合物提供理论上的指导。