考虑截获交通流量与充电行驶距离的电动汽车充电网络规划

为优化电动汽车充电网络布局,提高充电服务能力与效率,提出了同时考虑截获交通流量与充电行驶距离的充电网络规划模型。电动汽车动力电池初始荷电状态的不确定性导致充电网络截获交通流量具有随机特性,采用蒙特卡洛模拟方法对其概率特性进行了分析。为提升充电网络在任何情况下的充电服务能力,所提模型以充电网络截获交通流量最小值最大为优化目标之一。为提升充电服务效率,模型另一个优化目标为平均充电行驶距离最短。此外,模型考虑了充电行驶距离机会约束及充电站建设数目约束,采用非支配遗传算法对所提模型进行求解,获得Pareto最优解集。最后,以25节点交通网络为例进行了仿真实验,验证了所提方法的有效性。并基于仿真结果,分析了机会约束置信度与充电站数目对规划结果的影响。

α-硫辛酸联合依帕司他对2型糖尿病伴糖尿病周围神经病变患者肌电图、血清炎症因子及血流变学的影响

目的探讨α-硫辛酸联合依帕司他治疗2型糖尿病(T2DM)伴糖尿病周围神经病变(DPN)患者的效果,并分析其对肌电图、血清炎症因子和血流变学指标的影响。方法按照随机数字表法将2021年9月至2023年9月广西科技大学第一附属医院收治的84例T2DM合并DPN患者分为对照组(给予依帕司他治疗)和观察组(给予α-硫辛酸联合依帕司他治疗),各42例。比较两组患者肌电图指标、炎症因子和血流变学指标。结果治疗后,两组患者正中和腓总神经的运动神经传导速度(MCV)和感觉神经传导速度(SCV)水平均升高,且观察组均高于对照组(均P<0.05)。治疗后,两组患者超敏C反应蛋白(hs-CRP)和白细胞介素-6(IL-6)水平均较治疗前降低,且观察组均低于对照组(P<0.05)。治疗后,两组患者全血高切黏度、全血低切黏度和血浆黏度均低于治疗前,且观察组均低于对照组(均P<0.05)。结论给予T2DM合并DPN患者α-硫辛酸联合依帕司他治疗的效果显著,可有效提高神经传导速度,抑制炎症反应,调节血流变学。

渐进式CNN-Transformer语义补偿息肉分割网络

针对结肠镜图像中息肉大小不一、形态复杂、息肉与黏膜界限不清导致分割精度较低的问题,提出了一个渐进式CNN-Transformer语义补偿息肉分割网络,以提高结肠息肉的分割精度。为了更好地利用来自CNN编码器的局部特征和来自Transformer编码器的全局特征,设计了一个同层特征交互耦合模块,通过分组交互耦合的方式在空间和通道两个维度上自适应融合来自CNN和Transformer编码器的特征;然后,针对解码过程中上采样导致的语义丢失问题,设计了一个基于Query的语义补偿模块,通过一组可学习的描述子渐进式地集成和分发图像语义,有效提升网络的特征判别能力;实验结果表明,所提网络在CVC-ClinicDB,CVC-300,Kvasir以及CVC-ColonDB公开数据集上,mDice分别达到了94.23%,90.36%,92.93%,80.26%,mIoU分别达到了89.87%,83.75%,88.21%,72.09%。与现有的分割网络相比,该网络能够在提升息肉分割有效性的同时保证其泛化性。

位置敏感Transformer航拍图像目标检测模型

针对无人机视角下航拍图像小目标多且检测困难的问题,提出了一个位置敏感Transformer目标检测(PS-TOD)模型。设计了一个基于位置通道嵌入三维注意力(PCE3DA)的多尺度特征融合(MSFF)模块,即PCE3DA利用空间与通道信息的相互依赖关系生成三维注意力,用于加强模型对兴趣区域的特征表达能力,且基于它构造了一个自底向上的跨层MSFF方案,使得融合后的特征语义信息更加丰富;然后,设计了一种新的位置敏感自注意力(PSSA)机制,且以此构造位置敏感Transformer编-解码器,使模型在捕获图像全局上下文信息的长期依赖关系时,也可提高模型对目标的位置敏感能力。基于无人机航拍数据集VisDrone的对比实验结果表明,提出模型的AP达到28.8%,与基线模型(DETR)相比提高了4.1%。该模型在复杂背景下能对无人机航拍图像进行精确的目标检测,且改善小目标的检测效果。

融入交叉注意力编码的皮肤病变分割网络

由于卷积操作的局限性,现有的皮肤病变图像分割网络无法对图像中的全局上下文信息建模,导致其无法有效捕获图像的目标结构信息,本文设计了一个融入交叉自注意力编码的U型混合网络,用于皮肤病变图像分割。首先,将设计的多头门控位置交叉自注意力编码器引入到U型网络的最后两个层级中,使其能够在图像中学习语义信息的长期依赖关系,弥补卷积操作全局建模能力的不足;其次,在跳跃连接部分引入一个新的位置通道注意力机制,用于编码融合特征的通道信息并保留位置信息,提高网络捕获目标结构的能力;最后,设计一个正则化Dice损失函数,使网络能够在假阳性和假阴性之间权衡,提高网络的分割结果。基于ISBI2017和ISIC2018数据集的对比实验结果表明,本文网络的Dice分别为91.48%和91.30%,IoU分别为84.42%和84.12%,分割精度在整体上优于其他网络,且具有较低的参数量和计算复杂度,即本文网络能够高效地分割皮肤病变图像的目标区域,可为皮肤疾病辅助诊断提供帮助。

改进YOLOv7遥感图像目标检测算法

针对遥感图像中目标尺度变化大和背景复杂导致检测精度低的问题,设计了一种改进YOLOv7目标检测算法。首先,为了缓解复杂背景对检测器的干扰,设计了一个注意力引导的高效层聚合网络(ALAN),以优化多路径网络使其更聚焦前景目标而降低背景的影响;其次,为了降低目标尺度变化大对检测精度的影响,设计了一种注意力多尺度特征增强(AMSFE)模块,用于扩展主干网络输出特征的感受野,以加强网络对尺度变化大目标的特征表征能力;最后,引入旋转边界框损失函数,以获取任意朝向物体的精确位置信息。在DIOR-R数据集上的实验结果表明,该算法mAP达到了64.51%,相比于基线原始YOLOv7算法提高了3.43%,且优于其他同类算法,能够适应遥感图像中多尺度和复杂背景的目标检测任务。

面向肺部CT影像的双3D-CNN结节诊断模型

为了捕获肺部CT影像中结节的三维不规则性并提高其诊断精度,本文设计了一种由筛到诊的双三维卷积神经网络(d3D-CNN)结节诊断模型.首先,构建了一个轻型3DCNN网络,且将它与全卷积运算相结合,利用卷积运算的高优化性,完成结节筛选并生成疑似区域;然后,利用空间-切片注意力机制自动学习疑似区域在空间和切片序列上的偏移量,设计可变形3D卷积模块,且将它与ResNet101相结合而构造成一个高精度3D-CNN结节诊断网络,用于对筛选出的疑似区域进行最终判决.对比实验结果表明,所提模型在误报率为1的情况下,召回率达到88.9%,有效地提高了肺结节良恶性诊断精度.

考虑AGC指令随机特性的火-储混合电站二次调频研究

首先,对如何利用电池储能系统(battery energy storage system, BESS)提升火电机组的二次调频能力进行了研究。其次,基于实测自动发电控制(automatic generation control, AGC)指令,对AGC指令持续时间、间隔时间、调节速率与调节方向的概率特性进行了建模。AGC指令调节方向随机,BESS辅助火电机组二次调频时,将在充放电状态间频繁切换,快速耗尽电池循环寿命。为解决这一问题,将BESS分组接入调频电厂,运行中两组BESS处于不同充放电状态,分别用于响应AGC升指令与降指令,一旦任意一组BESS满充或满放,立即同时切换两组BESS的充、放电状态。然后,采用序贯蒙特卡洛模拟(sequential monte carlo simulation, SMCS)方法对火-储混合电站典型日的运行状况进行了模拟,并在此基础上评估二次调频性能、估算BESS循环寿命损耗。最后,基于某实际调频电厂的仿真实验表明:BESS可显著增加调频机组的二次调频性能,且所提策略能有效减少BESS循环寿命损耗。

基于改进下垂控制的双馈风电机组频率控制策略

为高效利用风机旋转动能,提高风电机组的频率支撑能力,文章在传统下垂控制策略的基础上,提出一种基于改进下垂控制的双馈风电机组频率控制策略。该策略通过结合扰动后电网频率动态特性,提出了可随系统频率变化率(RoCoF)变化的自适应下垂控制系数,在不同扰动下,有效提高风电机组频率支撑能力,改善系统最大频率偏差和最大频率变化率。基于EMTP-RV仿真软件搭建了四机两区域系统模型进行仿真,结果表明,改进后的下垂控制可有效应对不同扰动工况,提高了风电机组频率响应能力,进一步地改善了系统频率稳定性。

面向苹果叶部病害识别的细粒度蒸馏模型

为了提高轻型卷积神经网络(convolutional neural networks,CNN)在苹果叶部病害识别中的精度,使其更加适于布署到智慧农业移动终端,该研究设计了一种细粒度知识蒸馏(fine-grained knowledge distillation,FGKD)模型。首先,利用上下文信息与空间-语义关系分别设计了上下文空间注意力(spatial attention,SA)与细粒度特征提取(fine-grained feature extraction,FGFE)模块,且将它们嵌入到Resnet50与设计的轻型CNN,分别作为教师与学生网络;然后,构造SA与FGFE知识蒸馏损失函数,以将教师网络中的特征提取与细粒度知识表示能力迁移到学生网络之中,以增强其对苹果叶部病害图像的局部特征提取能力与高层语义表达能力,使轻型学生网络在参数量很小的条件下,其性能接近复杂的教师网络。基于标准苹果叶部病害数据集的对比试验结果表明,经知识蒸馏之后的学生网络精度为98.60%,模型参数量仅0.75 MB,平均推理时间为25.51 ms,能够有效地满足实际智慧农业移动端对模型的需求,快速准确地实现苹果叶部病害自动识别。

基于改进YOLOv4的道路交通标志识别

针对复杂场景中交通标志尺度变化大导致识别精度低的问题,提出了一种改进的YOLOv4算法。首先,设计了一个注意力驱动的尺度感知特征提取模块,通过构建类似残差结构的分层连接方式,增加每层的感受野范围,以获得更具细粒度的多尺度特征,并在注意力驱动下生成一对具有方向感知与位置敏感的注意力图,使网络能聚焦于更具鉴别力的关键区域;然后,构建一个特征对齐的金字塔卷积特征融合模块,即通过卷积计算相邻尺度特征图间的特征偏移量进行特征对齐;最后,通过金字塔卷积的方式使网络自适应学习最优的特征融合模式,并构建特征金字塔用于识别不同尺度的交通标志。实验结果表明,在TT100K数据集上改进算法比原YOLOv4算法的识别精度提高了5.4%,且优于其他对比识别算法,FPS达到33.17,可满足道路交通标志识别的精确性、实时性等要求。

面向遥感图像场景分类的双知识蒸馏模型

为了提高轻型卷积神经网络(CNN)在遥感图像(RSI)场景分类任务中的精度,该文设计一个双注意力(DA)与空间结构(SS)相融合的双知识蒸馏(DKD)模型。首先,构造新的DA模块,将其嵌入到ResNet101与设计的轻型CNN,分别作为教师与学生网络;然后,构造DA蒸馏损失函数,将教师网络中的DA知识迁移到学生网络之中,从而增强其对RSI的局部特征提取能力;最后,构造SS蒸馏损失函数,将教师网络中的语义提取能力以空间结构的形式迁移到学生网络,以增强其对RSI的高层语义表示能力。基于两个标准数据集AID和NWPU-45的对比实验结果表明,在训练比例为20%的情况下,经知识蒸馏之后的学生网络性能分别提高了7.69%和7.39%,且在参量更少的情况下性能也优于其他方法。

科研院所质量成本管理分析与实践

为提升科研院所的质量成本管理水平,促进研究所可持续发展,对科研院所成本控制的构成进行介绍,并对科研院所在质量成本管理上存在的问题进行分析。在此基础上,提出需要加强研发成本培训、准确定义核算准则、提高设计保证产线的建议。实践表明:精细化质量成本管理可有效强化质量责任,提高科研院所的质量竞争力。研究成果可为科研院所质量成本管理提供一定参考。

植物天然活性产物调控血管平滑肌细胞表型转化研究进展

血管平滑肌细胞(vascular smooth muscle cells,VSMCs)是血管壁的主要构成组分。同时,VSMCs容易受到异常环境信号的影响,发生表型从收缩型向增殖型转化,从而导致以血管平滑肌细胞增生为特征的心血管疾病的发生及发展。因此,寻找调控VSMCs表型转化的天然活性物质,揭示其调控的分子机制非常重要。近年来的研究发现,多种植物天然活性产物可以调控血管平滑肌细胞表型转化,从而为筛选治疗心血管系统疾病的药物研发提供了基础。介绍了VSMCs的特性及其表型转化引起的相关心血管疾病,总结了调控VSMCs表型转化的植物天然活性产物,重点综述了近几年植物天然活性产物调控血管平滑肌细胞表型转化分子机制的研究进展。

黑龙江国有林区改革及其对天保工程的影响研究

课题组在国有林区长期跟踪调查的基础上,以黑龙江省通北林业局为例,分析黑龙江国有林区改革及其对天保工程的影响。首先,概述黑龙江国有林区管理体制改革历程并分析黑龙江国有林区管理体制改革产生的影响。其次,阐述黑龙江国有森林资源管理行政权力移交情况及其产生的影响。再次,对通北林业局天保工程实施效果及问题进行分析,通北林业局存在生态直接支出所占比例偏低,职工工资水平低,天保工程政策标准存在滞后性等问题。最后,提出明确改革要素流向,完善国有资源经营管理制度,优化天保工程资金支出结构,建立天保工程动态管理机制,对国有森工企业基础设施建设短板予以政策扶持等进一步完善国有林区改革与实施天保工程的政策建议。

基于迁移学习及特征融合的现勘图像检索算法

为了改善有限的现勘图像数据量在训练卷积神经网络(convolutional neural network,CNN)时易产生过拟合现象的情况,以及更精准地描述图像内容,提出了基于迁移学习的两种CNN特征级联以及与图像低层特征融合的现勘图像检索算法。首先利用目标图像集对两个预训练CNN模型进行微调,分别提取其fc7层的特征并级联作为图像的高层特征,再与适合本目标图像集的低层特征进行融合,以此作为特征进行图像检索。在现勘图像数据库上的测试结果验证了算法的有效性,并在GHIM-10K数据库进行测试,结果证明了算法的普适性。

六安瓜片拉老火“起霜”的形成机制及其对茶叶品质的影响

采用图像扫描技术,结合成对偏爱检验法、茶叶感官审评法以及茶叶理化成分检测,探索了六安瓜片的起霜条件、霜与茶叶品质的相关性,并通过纸片代替茶叶,收集瓜片起霜过程中的"霜",探索了瓜片霜的化学本质。试验结果表明,拉老火起霜过程中的摩擦因子是起霜的关键;拉老火工艺不仅改善了瓜片的外形,同时对其香气和滋味也产生了有利的影响。成对偏爱试验结果亦表明,评价员更偏爱拉老火起霜的瓜片。经LC-MS和GC-MS初步鉴定,"霜"的化学物质非常复杂,主要由咖啡碱、儿茶素类、黄酮苷类以及萜烯类等多种非挥发性物质和多种挥发性物质组成。

黑茶品质特征及其健康功效研究进展

黑茶是以茶树(Camellia sinensis)鲜叶或成熟新梢为原料,经杀青、揉捻、渥堆、干燥等加工工艺制成的茶产品。黑茶香气优雅醇正,滋味甘甜醇厚,内含物质丰富,品质独特。迄今为止,大量的体外细胞实验和动物模型研究均证实了黑茶及其功能成分对高血糖、高血压、高血脂等诸多疾病具有潜在的防治功效。特别是近十年来,茶叶功能成分与健康的分子机制等相关研究进展很快,这些研究成果不仅为黑茶预防疾病提供理论依据,在一定程度上也促进了黑茶消费。本文对黑茶的品质特征及其健康功效近五年来的主要研究进展进行综述。

改进的YOLOv3红外视频图像行人检测算法

针对YOLOv3检测红外视频图像行人时存在准确率低、漏检率高的问题,提出一种改进的YOLOv3红外视频图像行人检测算法。根据行人在红外图像中呈现宽高比相对固定的特点,利用k-means聚类方法选取目标候选框个数和宽高比维度,调整网络参数并提高输入图像分辨率,最后进行多尺度训练得到最优检测模型,从而检测红外视频图像序列中的行人目标,并通过候选框标注行人位置。在CVC-09红外行人数据集上进行对比实验,结果表明,改进的YOLOv3算法在红外行人检测中的准确率高达90.63%,明显优于Faster-rcnn和YOLOv3算法,且改进后的网络能够同时检测到更多目标,降低了漏检率。

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。