面向钢坏表面修磨的缺陷智能检测方法研究

钢坏表面缺陷是影响钢坏强度和韧性的重要因素之一,而对钢坏表面进行有效修磨是消除质量问题的关键步骤。传统整料修磨方法存在修磨不充分、不精细和人工辅助打磨效率低等问题,因此迫切需要引入智能缺陷检测技术,通过人工智能方法精准定位表面缺陷位置以引导修磨机定点修磨,来最终提高修磨的自动化水平。针对当前存在的问题,本研究提出了一种面向钢坏表面修磨的缺陷智能检测方法。采用基于Yolo的目标检测模型,并针对修磨机运动原理,设计缺陷区域聚合方法,最终提高了缺陷检测准确性和修磨效率,为钢坏表面修磨提供了先进的智能技术支撑。

基于视觉检测的非接触式膏体浓度识别方法

为解决膏体料浆对于接触式浓度计的损坏以及核子浓度计对施工人员的辐射等问题,提出一种基于视觉检测的非接触式膏体浓度识别方法,以膏体图像数据集为基础,采用卷积神经网络模型提取膏体深度特征,设计多模型全连接层融合算法、伽马矫正数据增广策略,对膏体浓度监测准确率进行分析。研究结果表明:手动搅拌膏体数据集的准确率为88.79%,在自动搅拌膏体数据集上获得91.42%的准确率,可有效提高浓度识别准确性,避免浓度计损坏或辐射危险。

图像分割评估方法在显微图像分析中的应用

图像分割是计算机视觉领域中的重要分支,旨在将图像分成若干个特定的、具有独特性质的区域.随着计算机硬件计算能力的提高和计算方法的进步,大量基于不同理论的图像分割算法获得了长足的发展.因而选择合适的评估方法对分割结果的准确性和适用性进行综合评估,从而选择最优分割算法,成为图像分割研究中的必要环节.在综述14种图像分割评估指标的基础上,将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法和基于实例的评估方法五大类.在材料显微图像分析的应用背景下,通过实验讨论了不同分割方法和不同典型噪声在不同评估方法中的表现.最终,讨论了各种评估方法的优势和适用性.

基于意见目标句抽取的中文股评情感分析方法

针对股评文章进行情感倾向性分析时,不包含情感倾向的干扰信息过多而影响分析的正确率的问题,提出了一种股评文章中意见目标句识别及抽取的方法,利用股评文章的特点,借助主动词识别及其情感预判,识别与股评情感分析直接相关的意见目标句,并在缺少领域词典的情况下,使用基于半监督学习的分类方法进行此类句子的情感倾向分析,最终依此得到整篇文章的情感倾向。实验证明上述方法能够较大程度上改善股评文章情感分析的准确性。

基于深度学习和区域感知的多晶体显微组织图像分割方法

材料微观组织结构表征是成分-工艺-组织-性能内禀关系研究中的重要环节。通常采用图像技术对材料显微组织图像进行处理和分析是获取材料微观组织结构特征的主要途径。本文针对材料组织图像分割任务,提出了一种基于深度学习和区域感知的图像分割方法。通过将形状信息作为约束条件引入深度学习的损失函数中,驱使网络在训练过程中更加关注分割目标的形状特征,提升准确度。实验结果表明,本文提出的加权损失函数在4种基线模型上的性能均超过9种经典的损失函数加权方法。

基于深度学习的宫颈癌异常细胞快速检测方法

宫颈癌是严重危害妇女健康的恶性肿瘤,威胁着女性的生命,而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法.近年来,随着以深度学习为代表的机器学习理论的发展,卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破,被广泛应用于宫颈异常细胞检测等医疗影像分析领域.但由于病理细胞图像具有分辨率高和尺寸大的特点,且其大多数局部区域内都不含有细胞簇,深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时,经过穷举候选框获得的子图大部分都不含有细胞簇.当子图数量逐渐增加时,大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长,严重减缓了超大尺寸病理图像分析时的检测速度.本文提出一种新的宫颈癌异常细胞检测策略,针对使用膜式法获得的病理细胞图像,通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞,若出现则进一步使用单阶段的目标检测方法进行分析,从而快速对异常细胞进行精确定位和识别.实验表明,本文提出的方法可提高一倍的宫颈癌异常细胞检测速度.

面向显微影像的多聚焦多图融合中失焦扩散效应消除方法

多聚焦图像融合是计算机视觉领域中的一个重要分支,旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合,最终获得全清晰图像.随着以深度学习为代表的机器学习理论的突破,卷积神经网络被广泛应用于多聚焦图像融合领域,但大多数方法仅关注网络结构的改进,而使用简单的两两串行融合方式,降低了多图融合的效率,并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量.针对上述问题,在显微成像分析的应用场景下,提出了一种最大特征图空间频率融合策略,通过在基于无监督学习的卷积神经网络中增加后处理模块,规避了两两串行融合中冗余的特征提取过程,实验证明该策略显著提高了多张图像的多聚焦图像融合效率.并且提出了一种矫正策略,在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响.

就推优入党制度的新探讨

"推优入党"是高校团组织的重要工作,笔者认为,目前这一制度存在一些问题。本文在《党章》要求的基础之上,对高校团组织目前"推优入党"的制度展开了一些思考,并对该制度的改进提出一些新的思路,以期得到讨论。通过合理的票数比重分配最大程度上保证团推优中党支部的权利,不仅仅团员拥有投票权利,党支部老师、班主任、本团支部党校联络人、辅导员均有不同比例的投票权,并且团员若在竞赛、学生工作上优秀,附带附加投票权。全方面考察团员的综合素质,以此作为推优标准。

基于线段模型的高速公路安全与流量关系研究

高速公路上的车辆行驶速度快,因此保证高速公路上车辆的行驶安全至关重要。通过线段模型分析了高速公路安全与车流量之间的关系,确定了高速公路在轻载与重载中的运行性能标准,把超车过程抽象化,即将车视为质点,把车道视为一条线段,当后一质点每次超越前一质点时,记录并累加求和来替代超车。在上述指导方法下,引入车流量分析车流量与安全的关系,最后引入智能交通概念,对车流量与安全的关系进行深入分析。

侵害知识产权民事案件适用的惩罚性赔偿

随着经济发展日益加快,知识产权的保护越来越受到人们的重视,但是知识产权侵害行为依然不为少数的存在着,因此,对于知识产权的保护显得十分迫切。知识产权惩罚性赔偿制度是旨在保护知识产权, 打击侵犯和惩罚知识产权侵权的行为, 该制度起始于英美法系国家。面对我国知识产权侵权领域的所出现的问题, 知识产权惩罚性赔偿制度受到了广泛关注, 并己被明确引入法律条文。虽然总体上惩罚性条款数量有限,内容并不十分完善,但其作为民商法主要制度之一,作用也十分巨大。

个人信息及网络虚拟财产保护

伴随着互联网的发展,人类生活无处不存在信息。现实生活中经常出现因为个人信息泄露。而导致个人经济受损等各类案件。同时,也由于外界和网络环境的复杂,网络虚拟财产得不到保护,以至于出现大量的网络虚拟财产纠纷案件,众多网游爱好者和互联网用户的权益得不到保障,进一步影响到互联网产业的发展。因此,本文结合个人信息和网络虚拟财产,对当前二者法律保护中存在的问题进行探讨,最后提出相应的建议和法律保护对策,希望有助于推动我国个人信息和网络虚拟财产的法律完善。

FGD烟气脱硫系统球磨机大小齿轮更换过程

脱硫系统所使用的脱硫剂为小于20mm的石灰石颗粒,从石灰石仓经皮带秤重给料机送至湿式球磨机进行研磨至小于60μm的石灰石颗粒,因此,湿式球磨机是脱硫系统的关键设备。湿式球磨机作为转动设备,其大齿轮和小齿轮工作是否良好就显得尤为重要。为此,重点介绍了球磨机运行十年,大小齿轮出现磨损之后,更换大小齿轮的实际施工方法。

面向材料基因工程的人工智能课程体系教学改革

材料基因工程技术对人工智能技术具有较大的依赖性,但现有人工智能课程体系并未对材料基因工程课程作出适应性调整。面向材料基因工程领域,设计了全新的人工智能课程体系,包含以材料领域实际需求为导向的“基础-进阶-应用”BAA递进式培养方案,以材料领域实际案例为基础的“听-学-做-讲”4A立体化教学模式,以国内外多领域专家为依托的高水平师资队伍,以及“随堂-课后-上机-答辩”CHCR多元化考核体系,并通过实践对教学效果进行评估。教学结果表明,在该教学模式下,研究生对本课程的接受度较高,科研潜力被激发,科研水平得到有效提升。

面向工业膏体浓度监测的体系化智能视觉信息融合模型

针对膏体充填技术中对于膏体浓度监控方法存在的精准度低、仪器使用寿命短、测量耗时长、因安全问题导致使用受限等局限性,提出了一种双流视觉信息融合模型以实现膏体浓度自动化准确估计,以减少膏体浓度监测对人工的需求,增加矿场的自动化程度,促进体系化人工智能在智能采矿领域中的应用。所提模型以卷积神经网络模型为基础,使用双流结构,通过分析膏体视频及相应的光流信息,学习提取其中的空间特征和时间特征,形成对膏体视频的双流特征感知表示;特征融合模块进一步强化对有效特征的识别,使模型能够对膏体浓度进行非接触式的准确监测。在此基础上,采集实际生产环境下膏体视频数据并构建真实的膏体视频-浓度数据集,并以此数据集对所提模型进行验证。实验结果表明,所提模型在真实膏体视频数据集中识别准确率能够达到94.16%,在同等条件下准确率较其他深度学习模型高出3.47%,实现了在生产环境下对膏体浓度进行实时准确监测的目的。

基于联邦风格迁移的图像分割方法

针对联邦学习中的非独立同分布问题,提出了一种基于联邦风格迁移的影像分割方法,联邦风格迁移通过共享用户隐私中不敏感的信息,以此生成合成数据进行数据增广,在保证数据重要结构信息不泄露的情况下降低不同用户之间的数据差异。实验结果表明,联邦风格迁移可有效降低肝脏图像分割中各节点之间的非独立同分布现象对联邦模型性能的影响,在统一测试集上的准确率逼近数据集中的训练结果。联邦风格迁移可提高联邦模型的性能,为打破数据孤岛和建立医疗领域的通用分割模型提供可能。