改进YOLOv6的遥感图像目标检测算法

针对遥感图像背景复杂、目标普遍比较小且呈多尺度分布所导致的目标检测精度较低的问题,提出了一种改进YOLOv6的遥感图像目标检测算法。在骨干网络引入一种坐标注意力模块,以提高复杂背景下模型的特征提取能力和目标定位能力。提出一种上下文增强模块,使模型获取丰富的上下文信息,从而提升模型提取多尺度目标细节信息的能力。为了实现不同尺度特征的自适应融合,通过在颈网络引入一种自适应空间特征融合,提升了多尺度目标尤其是小目标的检测精度。将所提改进算法在遥感图像公开数据集DOTA-v1.0上进行训练并测试,实验结果表明,改进算法的收敛速度与收敛精度均优于原算法,其中AP值达到了54.6%,相比原算法提高了1.4个百分点,同时相比于一些其他目前先进的目标检测算法在精度和速度上均有提升,证明了改进算法的有效性。

鲸鱼优化算法研究综述

鲸鱼优化算法是一种受座头鲸的狩猎行为启发所提出的新型群体智能优化算法,其性能远超传统算法。为了跟踪最新研究成果、促进群体智能优化算法领域的研究,首先介绍了鲸鱼优化算法的基本原理,简述了其实现步骤,并对比分析了其性能特点。针对其收敛速度慢、收敛精度低等缺点,总结分析了融入其他智能优化算法、Lévy飞行策略、混沌策略等改进方式及其优势与局限;接着阐述了其在组合优化、图像分割、数据预测等方面的应用及取得的效果;最后,对未来发展趋势进行总结与展望。

粮食产量影响因素分析及预测方法研究

以粮食产量预测问题研究现状及其不足为基础,对粮食产量预测发展所面临的问题展开研究,介绍了时间序列法、回归分析法、灰色模型以及人工神经网络等方法在粮食产量预测方面的应用。对比分析了各种方法的性能特点和优劣,并对粮食产量预测技术的发展进行了总结与展望。对今后完善粮食产量预测技术及保证国家粮食安全具有重大意义。

优化烟花算法在医疗物资应急调度中的应用

新冠肺炎疫情的爆发对医疗物资的应急管理提出了新的挑战,运输难、调度慢、中转效率低等问题普遍存在,严重影响了疫情排查和患者救治。为解决突发公共卫生事件下医疗物资应急调度问题,以需求点满意度最大化为主要目标,车辆行驶时间最小化为次要目标,建立了双目标医疗物资应急调度模型。为保证模型的准确性及简便性,采用了传染病模型(SEIR)预测需求点所需医疗物资数量,并利用理想点法将双目标问题转化为单目标问题。针对模型的特点,提出了一种优化烟花算法对模型进行求解,该算法通过改变变异策略增加其局部寻优能力,此外引入了禁忌表的概念,避免了算法陷入局部最优。最后通过仿真实验证明了优化烟花算法具有更加高效的性能,可以更好地突出模型的公平性及合理性,从而快速、合理地完成医疗物资分配,最大限度地保障患者生命安全。

改进Faster RCNN在粮虫目标检测中的应用研究

针对储粮害虫体积小、姿态多变、背景复杂、存在粘连遮挡且容易混淆、检测精度低等问题,提出了一种基于深度学习的改进Faster RCNN粮虫目标检测方法。通过在特征图后引入金字塔池化模块,优化损失函数,提升粮虫检测性能。实验结果表明,该方法在本实验自制的白板背景和储粮背景两个粮虫数据集的mAP分别达到89.42%和90.12%,相比较改进前的算法分别提升了0.90%和2.46%。