DMANet:针对空间非合作目标位姿估计的密集多尺度注意力网络

利用单目相机对空间非合作目标进行准确的姿态估计对于空间碎片清除、自主交会和其他在轨服务至关重要。然而,单目姿态估计方法缺乏深度信息,导致尺度不确定性问题,大大降低了其精度和实时性。本文首先提出了一种多尺度注意块(Multi-scale attention block, MAB),从输入图像中提取复杂的高维语义特征。其次,基于MAB模块,提出了空间非合作目标6自由度位姿估计的密集多尺度注意网络(Dense multi-scale attention network, DMANet),该网络由平面位置估计、深度位置估计和姿态估计3个分支组成,通过引入基于欧拉角的软分类方法,将位姿回归问题表述为经典分类问题。此外,设计了空间非合作目标模型,并利用Coppeliasim构建了姿态估计数据集。最后,与其他最先进的方法相比,在SPEED+、URSO数据集和本文数据集上全面评估了所提出的方法。实验结果表明,该方法具有较好的姿态估计精度。

基于轻量化高效层聚合网络的黄花成熟度检测方法

针对黄花传统人工识别效率低,辨识标准不统一的问题,提出基于轻量化和高效层聚合过渡网络的黄花成熟度识别方法LSEB YOLO v7。首先,引入轻量化卷积对高效层聚合网络和过渡模块进行轻量化处理,减少模型计算量。其次,在特征提取与特征融合网络之间增加通道注意力机制,提升模型检测性能。最后,在特征融合网络中,优化通道信息融合方式,使用双向特征金字塔网络替换Concatenate,增加信息融合通道,持续提升模型性能。实验结果表明:与原始模型相比,在黄花成熟度检测中,改进后的LSEB YOLO v7模型参数量和浮点运算量分别减少约2.0×10^(6)和7.7×10^(9)。训练时长由8.025 h降低至7.746 h,模型体积压缩约4 MB。同时,训练精确率和召回率分别提升约0.64个百分点和0.14个百分点,mAP@0.5和mAP@0.5:0.95分别提升约1.84个百分点和1.02个百分点。此外,调和均值性能保持不变,均为84.00%。LSEB YOLO v7算法可均衡模型复杂性与性能,为黄花成熟度检测和智能化采摘设备提供技术支持。

融合轻量化神经网络的矿用输送带钢芯损伤检测方法

为了提高矿用输送带钢芯损伤的检测准确度和实时性,对传统YOLOv5算法进行了改进。首先,引入轻量化神经网络,大幅度降低模型复杂度和运算量;其次,引入高效通道注意力(efficient channel attention,ECA)机制,提升检测准确度,并加快损失函数的收敛速度;再次,采用加权双向特征金字塔网络(bi-directional feature pyramid network,BiFPN),融合高分辨率和低分辨率的图像特征,提升模型的综合性能。实验结果表明,与YOLOv5模型相比,改进模型的参数量和浮点运算量分别减少了约64.52%和69.07%,网络层数由468层降低至295层,检测精确度和召回率分别提升了约15.83%和3.93%,检测速度达到了109.89帧/s。

基于轻量化与多信息融合的输送带块煤实时监测方法

煤炭在国家工业体系和社会发展中有着举足轻重的作用,针对煤炭运输过程中的块煤监测问题,提出一种基于轻量化和多信息融合(lightweightandmulti-informationfusion,LM)的实时监测方法——LMYOLOv5。首先,利用自适应直方图均衡化进行数据预处理;其次,引入Ghost轻量化卷积,减少计算量和特征提取的冗余性;最后,结合协同注意力(coordinate attention, CA)机制改善特征提取的倾向性,引入双向特征金字塔网络(bidirectional feature pyramid network, Bi FPN)机制实现跨阶段的信息融合。实验结果表明,改进后的LMYOLOv5算法有明显优势。参数量和浮点计算量分别减少约62.28%和67.66%。模型训练时长减少约21.78%,模型体积也从92.7 M压缩至35.1 M。此外,精确度和召回率分别提升约0.103%和1.395%,实时监测速度提升约38.05%。

基于改进YOLOv5的轻量级黄花成熟检测方法

黄花菜具有较短的采摘周期和相对严格的采摘要求,针对传统人工采摘效率低、主观性高的问题,提出一种基于深度学习的SSH-YOLOv5黄花成熟度检测算法。以YOLOv5模型为基础,结合轻量级网络ShuffleNet V2基本残差单元压缩网络模型大小,提升模型目标检测速度;引入SE Net通道注意力机制模块,增强模型对有用特征信息的敏感度,提高目标检测精度;将普通卷积替换为深度可分离卷积模块,进一步减少模型计算量。试验结果表明,改进后的SSH-YOLOv5模型参数量和浮点运算量分别减少61.6%和68.3%,网络层数减少18%,同时SSH-YOLOv5的检测精度由原算法的88.8%提高到91.2%,实时检测速度达到66.4 f/s,相比原算法提高18.1%,达到实时检测要求。改进后的算法不仅实现模型的轻量化,同时也使黄花成熟度检测更加准确和快速,可以较好地满足黄花检测需求。

二维超声联合微血管成像技术对甲状腺微小结节良恶性的诊断及预测价值

目的探讨二维超声(2D)联合微血管成像技术(SMI)预测恶性结节侵袭性的价值。方法选取宁夏医科大学总医院肿瘤外科进行甲状腺手术145例患者共162个微小结节。术前进行二维及SMI模式下超声检查,观察每个结节的血流分布特征、同一切面两种模式下面积的大小,与其超声引导下细针活检穿刺(US-FNAB)及术后病理组织对照,得出微小结节良、恶性血流分布特征;ROC曲线分析两种超声模式联合在微小恶性结节向周围组织侵袭的最佳临界值及灵敏度、特异度。结果1)术后病理结果:162个微小结节中良性结节31个、恶性结节131个。2)SMI模式下结节血流分布特征:汇聚征、空洞征多为恶性结节;其他征多为良性结节;三种血流分布征象在恶性组与良性组中例数差异有统计学意义(χ^(2)=57.414,P<0.001)。3)微小结节在同一切面的2D与SMI模式下测量面积比较:良性结节两种模式下面积大小差异无统计学意义(Z=-0.040,P=0.968);恶性结节SMI模式下面积>2D模式(Z=-4.723,P<0.001)。4)SMI模式下面积>2D面积的结节82个;面积有差异的部位均进行US-FNAB,病理结果提示有癌细胞侵袭的结节50个。SMI面积/2D面积法鉴别甲状腺微小恶性结节具有侵袭性的ROC曲线下面积为0.878(P<0.001),最佳临界值为1.67,诊断恶性结节向周围侵袭的灵敏度为64.8%,特异度为83.2%。结论2D超声联合SMI可预测恶性结节是否具有侵袭性。

二维超声联合微血管成像技术在甲状腺微小结节良恶性诊断中的应用价值

目的探讨二维(2D)超声联合微血管成像技术(SMI)在甲状腺微小结节良恶性诊断中的应用价值。方法回顾性分析甲状腺结节手术115例患者共123个微小结节治疗资料。术前所有结节均进行2D及SMI检查,通过2D、SMI及2D联合SMI(并联/串联)4种方法分别得出微小结节的良恶性;与其术后病理结果对照,得出4种方法诊断甲状腺微小恶性结节的灵敏度、特异度、准确率、阳性预测值、阴性预测值。结果术后病理结果:共123个结节,良性21个、恶性102个;2D、SMI及二者联合(并联/串联)检查诊断甲状腺微小恶性结节的准确率为80.5%、88.6%、97.9%及79.7%;灵敏度为80.4%、91.2%、98.4%及77.5%;特异度80.9%、76.2%、61.9%及90.5%;阳性预测值为95.3%、94.9%、92.6%及97.5%;阴性预测值为45.9%、64%、86.7%及45.3%。SMI的灵敏度高于2D,差异有统计学意义(P<0.05);2D联合SMI(并联)的阴性预测值高于SMI,差异有统计学意义(P<0.05);2D联合SMI(串联)的特异度高于SMI,灵敏度低于SMI,差异均有统计学意义(P<0.05)。结论2D联合SMI可以更好地诊断甲状腺微小结节的良恶性,并对甲状腺结节的临床治疗有指导意义。

无人机导航抗干扰接收机射频前端设计

针对现有的工业无人机导航接收机基本不具备抗干扰性能,无人机卫星导航信号易受干扰。研究在电磁干扰环境相对恶略情况下,依然能够捕获导航信号,能正常精确定位的抗干扰导航接收机,并可应用于无人设备,已经成为无人机卫星导航定位技术发展面临的重大课题。为此设计了一款小型化导航抗干扰接收机射频前端,最后对射频电路前端进行了测试,并给出测试结果,验证系统的可行性。

基于双向长短期记忆网络的区域电网新能源消纳预测算法

目前,区域电网新能源消纳问题日益严重,采用优化算法进行区域电网新能源消纳评估的技术难度大、求解效率低、消耗时间长。为此,本文提出基于双向长短期记忆网络(BiLSTM)的区域电网新能源消纳预测算法。首先分析影响区域电网新能源消纳的因素,并进行新能源消纳预测数据准备;然后提出基于BiLSTM的区域电网新能源消纳预测算法,利用电网历史运行数据训练模型,实现区域电网新能源消纳的快速准确在线预测;最后利用实际电网数据验证了所提算法的有效性,为电网运行人员提供参考。

基于轻量化的输送带块煤实时监测方法

煤炭是重要的国家能源,在煤炭的生产、转运的过程中主要依靠输送带传送。然而借助输送带转运时,大块煤炭影响输送带的安全运行。针对煤炭运输过程中的块煤监测问题,提出一种基于轻量化神经网络的输送带块煤实时监测方法(AHE Mosaic Ghost CBAM YOLOv5,AMGC YOLOv5)。首先,利用自适应直方图均衡化(Adaptive Histogram Equalization,AHE)进行图像数据预处理,降低煤尘、粉尘以及煤矿井下光线对目标监测的影响,提高数据集的清晰度和对比度,同时结合Mosaic多数据增强提高数据集的丰富度。其次,引入Ghost Net轻量化神经网络,充分利用特征提取与特征图冗余特性之间的关系,将传统卷积操作与轻量化线性操作相结合,在保证检测精度的同时,极大程度减少模型的参数量和浮点计算量。最后,结合CBAM(Convolutional Block Attention Module)注意力机制依次完成通道特征提取和空间特征提取,改善特征提取的倾向性,提高模型的表征能力,降低背景图像的干扰。试验结果表明:改进以后的AMGC YOLOv5算法在模型轻量化方面,网络层数减少145层,模型体积压缩58.8 M;参数量和浮点计算量分别减少约63.60%和68.86%;训练时长减少约0.76 h,GPU使用率减少约21.78%。此外,在模型性能方面,精确度提升约0.91%,实时监测效率从68.34 FPS提高至94.34 FPS,提高约38.05%。由此可见,AMGC YOLOv5不仅实现轻量化,而且能够有效提升模型的各项检测性能。

多效生长因子在乳腺癌中的表达及诊断价值

目的探讨多效生长因子(pleiotrophin,PTN)在乳腺癌中的表达及诊断价值。方法采集乳腺癌患者及健康体检者组织及血液样本,检测血液样本中PTNmRNA和蛋白的表达差异。电化学发光法测定血浆中糖类蛋白153(carbohydrate antigen153,CA153)、癌胚抗原(carcinoembryonic antigen,CEA)、糖类蛋白125(carbohydrate antigen125,CA125)表达水平,绘制ROC曲线分析PTN与CA153、CEA、CA125等联合检测对乳腺癌的诊断价值。结果乳腺癌患者组血清PTN表达水平高于乳腺良性病变组和健康对照组(P<0.05),乳腺良性病变组和健康对照组差异无统计学意义(t=-1.56,P>0.05);PTNmRNA及蛋白的表达水平乳腺癌组织显著高于癌旁正常组织(P<0.05),且PTN的表达水平与患者远处转移、TNM分期、分化程度密切相关。PTN诊断乳腺癌的AUC为0.893(P<0.05)高于血清CA153、CEA、CA125,联合检测时,ROC曲线下面积为最大。结论检测血清PTN水平有助于评估乳腺癌的转移风险和预后情况,PTN联合CA153、CEA以及CA125检测时可明显提高对乳腺癌的诊断价值。

应用写作课程思政教学改革探索——以重庆三峡学院为例

在大力推进课程思政及教学创新、应用技术型大学建设实施力度的背景下,应用写作教学团队结合应用写作课程特点及学生学情特点,主要从教学体系探索、基本理论构建、课程思政实施、教学方法及内容改革等角度对应用写作课程教学进行了实践探索。

沈阳地铁站台门系统绝缘问题及改造方案研究

地铁运营过程中,站台门绝缘阻值会下降,从而使杂散电流增大,导致乘客触电风险增大。对沈阳地铁1、2号线部分站台门检测发现,当站台门门体与轨道等电位线断开时,站台门门体与列车门体的最大电位差为42 V,当站台门门体与轨道等电位线连接时,流经站台门门体的最大电流达43 A。模拟人体电阻试验表明,沈阳地铁站台门杂散电流较大,应采取处理措施。经比较分析,采用站台门直接接地,并对乘客可触及部分的门体进行绝缘处理的方案为最优方案。

浸润性乳腺癌组织肝配蛋白A型受体2(EphA2)高表达且与细胞焦亡负相关

目的探讨肝配蛋白A型受体2(EphA2)参与浸润性乳腺癌中细胞焦亡(pyroptosis)的机制。方法采用Western blot法检验乳腺癌患者癌组织、癌旁组织和正常乳腺组织EphA2、含pyrin结构域核苷酸结合寡聚结构域样受体家族蛋白3(NLRP3)、胱天蛋白酶1(caspase-1)、白细胞介素1β(IL-1β)和细胞间黏附分子1(ICAM-1)的蛋白表达水平;采用免疫荧光技术检测45例乳腺癌患者癌组织和癌旁组织中EphA2表达情况;用Pearson相关系数对患者癌组织EphA2的蛋白表达与细胞焦亡相关蛋白NLRP3、caspase-1和IL-1β进行相关性分析。结果与正常乳腺组织及癌旁组织相比,乳腺癌组中NLRP3、caspase-1、IL-1β和ICAM-1的蛋白表达水平明显降低,EphA2蛋白表达明显升高;EphA2水平与细胞焦亡相关蛋白NLRP3、caspase-1和IL-1β均呈负相关性。结论乳腺癌组织EphA2高表达,且与细胞焦亡呈负相关。

人工智能视域下终身教育网络“金课”建设研究

信息化时代,人们的学习途径逐渐拓宽,终身学习理念更加深入人心,人们对终身教育网络精品课程的诉求也更为迫切。在深入分析网络“金课”的内涵与特征的基础上,结合当前终身教育网络“金课”建设过程中面临的困境,探讨人工智能技术在终身教育网络“金课”中的应用前景,基于人工智能技术构建终身教育网络“金课”模型,从搭建人工智能终身教育平台、构建精准化教学模式、重塑个性化学习方式和打造社区融媒介学习环境等四个方面提出人工智能视域下终身教育网络“金课”的建设策略。

乳腺癌组织中BRCA1、ALDH1及nm23的表达及临床意义

目的探讨乳腺癌组织中BRCA1、ALDH1及nm23的表达及临床意义。方法纳入2002~2008年在宁夏医科大学总医院肿瘤医院肿瘤外科手术治疗的乳腺癌患者836例为研究对象,随访确定术后5年内因乳腺癌死亡患者为死亡组(n=49),无瘤生存乳腺癌患者作为对照组(n=49)。应用免疫组织化学染色法检测BRCA1、ALDH1、nm23在乳腺癌组织中的表达,采用Spearman’s等级相关分析BRCA1、ALDH1、nm23的相关性。结果死亡组BRCA1和nm23表达低于对照组(P<0.05),ALDH1表达高于对照组(P<0.05);乳腺癌组织中ALDH1与BRCA1、nm23呈负相关(P<0.05),BRCA1与nm23呈正相关(P<0.05)。结论 BRCA1、ALDH1、nm23在乳腺癌组织中存在差异表达,其共同检测有望成为预测乳腺癌预后及指导治疗的生物学指标。

多方协同开展应用型本科院校智能制造新工科人才培养体系探究

多方协同开展的人才培养模式对于新工科的成长建设有着重要的作用,针对地方应用型本科院校结合智能制造来探索适合自己的人才培养体系,以顺应时代发展趋势和国家战略。分析目前新工科教育培养存在的问题和地方性本科院校应用型人才的培养现状,结合多方协同,发挥政、企、校多方资源优势,构建新工科背景下的智能制造人才培养体系。对于新工科人才培养体系的探究在多方协同的背景下提供一种新的思路,可以为其他高校的新工科人才培养模式建设提供一定的借鉴和参考。

新工科背景下应用型本科院校多方协同智能制造型人才培养体系探究

伴随国内外新一轮科技革命和产业革命的发展,在新工科的背景之下,以多方协同培养智能制造型人才为宗旨,通过以学生为中心、以企业需求为导向、以行业标准为准绳,在符合《中国制造2025》战略和中国工业4.0战略的前提下,摸索应用型本科高校多方协同的智能制造型人才培养模式,重构培养框架,培养符合对口行业需求、多数企业需要、社会高标准认可的智能制造型新工科人才。实现知识与能力配套,专业与行业接轨的双赢培养。

新工科建设背景下将人文素养融入工科教育的研究与实践

当前,高校的工科教育存在重专业、轻人文的现象,工科教育缺少人文素养。随着新工科建设的不断推进,各高校逐渐认识到将人文素养融入工科教育的重要性,以及构建人文素养教育教学体系的必要性。通过对工科学生人文素养培养现状进行充分调研与思考,探索在工科教育中融入人文素养的途径,构建完善的人文素养教育教学体系,让学生树立正向价值观,培养出符合新时代要求的德才兼备、脑体结合的工程师。

机械血栓清除联合置管溶栓对急性下肢动脉栓塞患者凝血功能复发和截肢的影响

目的:分析机械血栓清除联合置管溶栓对急性下肢动脉栓塞患者凝血功能、复发和截肢的影响。方法:随机选取我院2016年1月至2019年8月84例急性下肢动脉栓塞患者,并随机分成研究组和对照组各42例。对照组采用机械血栓清除治疗,研究组在此基础上行置管溶栓术。治疗后,对比两组患者的临床疗效及凝血功能[包括纤维蛋白原(Fib)、凝血酶原时间(PT)、活化局部凝血酶原时间(APTT)、D-二聚体(D-D)水平],比较两组的截肢率及复发率。结果:治疗后,研究组患者总有效率较对照组明显升高(P<0.05)。两组患者FIB、D-D水平较治疗前均显著下降,PT和APTT较治疗前均显著升高(P<0.05);研究组治疗后FIB、D-D水平较对照组均显著下降,PT和APTT较对照组均显著升高(P<0.05)。研究组的复发率较对照组明显下降(P<0.05),而两组截肢率的比较,并无明显差异(P>0.05)。结论:机械血栓清除联合置管溶栓可显著改善急性下肢动脉栓塞患者的凝血功能,更好的降低其复发率,具有较低的截肢风险,临床疗效明确。