位姿约束下的双向扩展机械臂路径规划方法

针对机械臂路径规划方法存在的规划效率低、连杆通过性差、路径粗糙等问题,以渐进最优快速随机搜索树RRT*为基础,提出一种位姿约束下的双向扩展机械臂路径规划方法(PCO-BT-RRT*)。首先,设计目标偏置引导的双向扩展RRT*算法(BT-RRT*),改进了RRT*算法的初始化过程,将起始点和目标点分别作为两棵随机树的初始节点,并通过目标偏置策略引导其以一定概率相向生长,加快探索未知区域,在保证路径代价较低的同时提升路径生成速度。其次,提出一种位姿约束路径优化策略(PCO),采用机械臂运动学模型和碰撞检测规则共同约束新节点扩展过程,寻找机械臂可达空间内的避障路径;对生成路径剪枝剔冗,缩短可行路径长度,同时对消冗节点以迭代调整的方式进行平滑优化,提高路径生成质量。通过仿真实验分析,验证了所提方法在路径规划问题上的显著性成效;在自主研发的BIM信息融合下建筑砌筑系统进行真机避障测试,验证了该方法的实用性。

双注意力随机选择全局上下文细粒度识别网络

针对细粒度图像识别任务中易忽视微小潜在性特征且外观差异细微等问题,提出一种基于双注意力随机选择全局上下文细粒度识别网络。首先,使用ConvNeXt作为主干网络,提出双注意力随机选择模块,对不同阶段提取到的特征进行通道随机选择和空间随机选择,使网络能够关注到其他潜在微小判别性特征;其次,利用全局上下文注意力模块将深层特征的语义信息融合到中间层,增强中间层定位微小特征的能力;最后,提出一种多分支损失,对中间层、深层和拼接层特征引入分类损失,结合不同分支提取到的特征,诱导网络获得多样性的判别特征。所提网络在Stanford-cars、CUB-200-2011、FGVC-Aircraft 3个公开细粒度数据集和真实场景下车型数据集VMRURS上分别达到了95.2%、92.1%、94.0%和97.0%的识别准确率,其性能相比其他对比方法有较大幅度提升。

基于不同数据源的毕业要求达成情况评价实证研究

毕业要求的达成情况评价是“学生为中心、面向产出、持续改进”工程教育基本理念实施的关键环节,其通过跟踪学生的学习轨迹对毕业要求进行达成情况评价,检验认证期内的某一届获学士学位毕业生能力是否达成,对于评价学生培养质量及持续改进教学薄弱环节具有重要参考依据。不同的评价方法和评价数据源会直接影响评价结果的有效性和持续改进的合理性。该文在分析毕业要求达成情况评价常用方法的基础上,讨论课程定量评价不同样本的选取方式对毕业要求达成结果的影响,最后以毕业要求达成的直接评价和间接评价结果探讨可行的持续改进措施,以提升专业的产出质量。

基于两堵两注通管直连技术的瓦斯抽采研究

为解决“两堵一注”封孔工艺及传统连管方式在孟津煤矿实施存在的弊端,提出了“两堵两注”通管直连技术,提高了瓦斯抽采浓度,延长了瓦斯抽采时间。为此,采用巷道松动圈理论分析了该矿合适的封孔长度;采用离散元数值模拟方法建立巷道模型,分析了巷道周围应力分布,确定了钻孔的最佳封孔深度;开展了“两堵两注”封孔地面实验和通管直连技术现场实验。结果表明:孟津煤矿二1煤层工作面顺层瓦斯抽采钻孔封孔长度至少为6.75 m;该矿12070工作面穿层钻孔最佳封孔深度为15~30 m;“两堵两注”技术能有效对抽采钻孔进行封堵;通管直连技术在现场应用中大幅度提高了瓦斯抽采浓度,延长了瓦斯抽采时间。

鹤壁九矿工作面开采对副井井筒采动影响分析

煤矿副井是地下开采活动的重要通道,肩负着矿井的人员提升、物料运输和通风等重要功能,在井筒保护煤柱开采中对井筒稳定性的研究至关重要。以鹤壁九矿新副井保护煤柱内工作面开采为研究对象,利用概率积分法计算井筒移动变形规律,并以此为基础,通过Drucker-Prager准则对井筒全段岩层的破坏情况进行判定,以此来评价开采方案对新副井的采动影响,可为煤矿的生产规划提供依据,为类似条件矿井井筒保护煤柱开采提供理论指导。

低渗煤层瓦斯抽采钻孔注浆封堵技术研究

为解决低渗煤层瓦斯抽采钻孔封孔质量差,导致的瓦斯抽采效率降低等问题,提出适用于低渗煤层瓦斯抽采钻孔的封孔材料及注浆压力的研究。通过对瓦斯抽采钻孔封孔参数的确定,选取合适的注浆材料配比,并采用COMSOL Multiphysics数值模拟封孔压力参数对注浆效果的影响。得到封孔注浆材料封孔水泥浆液配比为1:2;注浆压力应介于1.2~1.8 MPa。经现场跟踪和抽采效果分析,在注浆压力为1.8 MPa时,在孟津煤矿12070底抽巷试验了8个钻孔,发现采用所提出的注浆材料配比和注浆压力能够产生很好封孔效果,瓦斯抽采浓度有明显提升。

一种交叉区域注意力的高分辨率遥感建筑物提取算法

针对遥感图像中建筑物区域尺度跨度大且区域边界模糊导致分割精度低的问题,本文提出了一种基于交叉区域注意力的遥感建筑物分割算法.首先,设计了交叉自注意力模块和分组通道注意力模块用于建立遥感图像区域间和区域内特征的相关性表征,进而引导模型关注待分割目标的区域级细节特征与通道组选择能力;最后,针对分割结果缺乏空间相关性约束问题,提出一种区域一致性监督的损失函数,约束局部区域内像素标签分配的一致性.所提算法在WHU数据集上IoU、Precision、Recall、F1-score分别可达到91.2%、95.28%、95.4%和95.3%;在Massachusetts数据集上IoU、Precision、Recall、F1-score分别可达到74.6%、83.7%、86.9%和85.3%,各项指标均优于主流遥感图像建筑物分割算法.

一种具有边缘保持的多尺度马尔可夫随机场模型图像分割方法

针对图像分割中常规四叉树结构的多尺度马尔可夫随机场模型非重叠区域在最优化过程中所造成的块效应,以及建模和推理过程导致低分辨率图像边缘细节模糊、缺失的现象,提出了一种具有边缘保持的多尺度马尔可夫随机场(Edge Preserving Multi-Resolution Markov Random Field, EPMRMRF)模型。该模型首先利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。之后,为了对EPMRMRF模型进行迭代优化,提出一种分层区域置信度传播算法(Hierarchical Regional Belief Propagation Algorithm,HRBP),基于最大后验准则,求解马尔可夫随机场最大后验全局分布。实验结果表明,EPMRMRF模型和HRBP分割算法不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,概率兰德指数相似性评价指标平均提升至0.890 9,全局一致性误差差异性评价指标平均降低至0.192 3。

融合分形几何特征Resnet遥感图像建筑物分割

针对遥感图像建筑物易受背景中道路、树木、阴影干扰而导致分割边界不清晰的问题,提出了一种融合分形几何特征的Resnet网络。所提模型基于编码-解码框架,以Resnet网络为主干网络,在编码阶段中引入融合分形先验的空洞空间金字塔池化模块(FD-ASPP),利用分形维数捕获遥感图像的分形特征,增强了Resnet网络的几何特征描述能力。解码阶段提出一种深度可分离卷积注意力融合机制(DSCAF),有效融合高层次特征和低层次特征,获取更加丰富的遥感图像语义信息和位置细节信息。在WHU遥感图像数据集上的实验表明,精确率达到0.9448,召回率达到0.9462,F1分数达到0.9455,平均交并比mIoU达到0.9415。所提模型与FCN、Segnet、Deeplab V3、U-net、SETR和AlignSeg等现有建筑物遥感语义分割模型相比,具有更好的分割精度,有效克服了道路、树木、阴影等因素的干扰,得到了较清晰的建筑物边界。

编码-解码多尺度卷积神经网络人群计数方法

针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感受野并减少参数量,保留尺度特征和图像的上下文信息;解码器对编码器输出进行上采样,实现高层语义信息和编码器前端低层特征信息有效融合,从而提升了密度图的输出质量。为增强网络对计数的敏感性,在以往像素空间损失的基础上考虑了计数误差,提出了一种新型损失函数。采用Shanghai Tech、Mall以及自建数据集进行了对比实验,结果表明:与之前最优方法相比,所提方法在Shanghai Tech数据集Part_A部分的平均绝对误差和均方误差分别降低了8.3%和21.3%,Part_B部分分别降低了12.9%和12.0%,Mall数据集分别降低了15.1%和23.8%,自建数据集分别降低了13.5%和7.1%;在不同人群场景下,所提方法的人群计数准确性和鲁棒性均优于其他对比方法的。

一种编解码结构的车牌图像超分辨率网络

针对复杂实际场景中模糊、污损、扭曲、倾斜等车牌图像关键信息缺失以及新能源车牌背景与字符对比度低难以识别的问题,提出了一种编解码结构的车牌图像超分辨率网络。首先,构建一种基于编解码结构的车牌重构生成器网络,利用编码器对车牌图像的纹理、字符等特征进行提取,解码器对车牌特征进行重构;然后,设计一种基于语义监督的判别器网络,在网络损失中引入了对抗损失与CTC(connectionist temporal classification)损失,增强生成器网络对车牌图像语义特征的表征能力;最后,基于VGG16网络提取车牌顶角点特征,利用坐标变换方法对车牌图像进行矫正,进一步提高重构清晰度与识别准确率。采用所提网络在自建XAUAT-Parking数据集和公开CCPD数据集上进行超分辨率重构与识别实验,结果表明:所提网络在CCPD数据集上的平均峰值信噪比可达25.5 dB,结构相似性(SSIM)可达0.989;在XAUAT-Parking数据集上峰值信噪比可达26.6 dB,结构相似性可达0.997。研究结果表明,该网络有较好的车牌图像超分辨率重建效果,而且对车牌关键信息缺失问题具有较强的鲁棒性。

基于双频域特征聚合的低照度图像增强

针对低照度图像质量较差、噪声多、纹理模糊等问题,提出一种基于双频域特征聚合的低照度增强网络(dual frequency-domain feature aggregation network,DF-DFANet)。首先,构建频谱光照估计模块(frequency domain illumination estimation module,FDIEM)实现跨域特征提取,通过共轭对称约束调整频域特征图抑制噪声信号,并采用逐层融合方式提高多尺度融合效率以扩大特征图感受野范围。其次,设计多谱双注意力模块(multiple spectral attention module,MSAM)聚焦图像局部频率特征,通过小波域空间、通道注意力机制关注图像细节信息。最后,提出双域特征聚合模块(dual domain feature aggregation module,DDFAM)融合傅里叶域和小波域特征信息,利用激活函数计算自适应调整权重实现像素级图像增强,并结合傅里叶域全局信息提高融合效果。实验结果表明,在LOL数据集上所提网络的PSNR达到24.3714,SSIM达到0.8937。与对比网络相比,所提网络增强效果更具自然性。

基于多样化局部注意力网络的行人重识别

针对现实场景中行人图像被遮挡以及行人姿态或视角变化造成的未对齐问题,该文提出一种基于多样化局部注意力网络(DLAN)的行人重识别(Re-ID)方法。首先,在骨干网络后分别设计了全局网络和多分支局部注意力网络,一方面学习全局的人体空间结构特征,另一方面自适应地获取人体不同部位的显著性局部特征;然后,构造了一致性激活惩罚函数引导各局部分支学习不同身体区域的互补特征,从而获取行人的多样化特征表示;最后,将全局特征与局部特征集成到分类识别网络中,通过联合学习形成更全面的行人描述。在Market1501,DukeMTMC-reID和CUHK03行人重识别数据集上,DLAN模型的mAP值分别达到了88.4%,79.5%和74.3%,Rank-1值分别达到了95.1%,88.7%和76.3%,明显优于大多数现有方法,实验结果充分验证了所提方法的鲁棒性和判别能力。

用于PCB缺陷检测的增强上下文信息Yolov4_tiny算法

针对现有的PCB缺陷检测存在检测精度低、速率慢等问题,提出一种用于PCB缺陷检测的增强上下文信息Yolov4_tiny算法;该算法首先通过Transformer编码单元对特征提取网络深层特征冗余的问题进行优化,增强网络捕获不同尺度局部特征信息的能力;然后利用浅层特征增强PCB缺陷小目标上下文信息,提升FPN网络对小目标缺陷的表征能力;最后引入注意力机制对特征提取网络输出的有效特征层加权,强化目标特征表征能力;实验结果表明,该算法对于整体缺陷的平均检测精度的均值(mAP)达到98.70%,较Yolov4_tiny提升了3.12%,实现了PCB缺陷精准定位和识别,满足工业检测的实际需求。

基于多尺度特征注意Yolact网络的堆叠工件分拣算法

针对非结构化场景中存在的多工件堆叠遮挡等问题,提出了基于多尺度特征注意Yolact网络的堆叠工件识别定位算法;所提算法首先在Yolact网络的掩码模板生成分支中加入多尺度融合与特征注意机制,提升网络预测堆叠工件掩码的质量,并设计了基于膨胀编码的目标检测模块,增强网络对不同尺度堆叠工件的适应能力,构建了多尺度特征注意Yolact网络;其次,利用构建的多尺度特征注意Yolact网络预测堆叠工件的掩码与边界框,并对堆叠工件掩码进行最小外接矩形生成,根据掩码边界框与掩码的最小外接矩形确定目标工件的抓取点与旋转角度;最后,基于堆叠工件识别定位算法研发了视觉机器人工件分拣系统;实验结果表明,所提模型在边界框回归、掩码预测两项任务上的识别精度均有提升,机器人工件分拣系统进行堆叠工件分拣作业的成功率达到97.5%。

渐进式多粒度ResNet车型识别网络

针对车辆因姿态、视角等成像差异造成车型难以识别问题,提出一种基于渐进式多粒度ResNet车型识别网络。首先,以ResNet网络作为主干网络,提出渐进式多粒度局部卷积模块,对不同粒度级别的车辆图像进行局部卷积操作,使网络重构时能够关注到不同粒度级别的车辆局部特征;其次,对多粒度局部特征图利用随机通道丢弃模块进行随机通道丢弃,抑制网络对车辆显著性区域特征的注意力,提高非显著性特征的关注度;最后,提出一种渐进式多粒度训练模块,在每个训练步骤中增加分类损失,引导网络提取更具辨别力和多样性的车辆多尺度特征。实验结果表明,在Stanford cars数据集、Compcars网络数据集和真实场景下的车型数据集VMRURS上,所提网络的识别准确率分别达到了95.7%、98.8%和97.4%,和对比网络相比,所提网络不仅具有较高的识别准确率,而且具有更好的鲁棒性。

基于博弈论—云模型的露天矿边坡稳定性分析

为了对露天矿岩质边坡稳定性进行准确分级评价,从工程地质、水文环境和工程扰动3个层面选取14项指标建立稳定性评价体系,并基于博弈论—云模型构建稳定性综合评价模型。以青海某非煤露天矿边坡工程为例,采用Matlab软件计算并评估稳定性等级。结果表明,优化后的层次分析法能够合理弱化主观因素对权重的影响,使得主观权重的计算更加可靠;选取的评价指标具有良好的独立性和全面性,符合工程实际;博弈论能够较好地确定评价指标的综合权重,云模型可以逐级分析出各层指标与稳定性等级的相关性系数大小,并基于最大隶属度原则,准确求出露天矿边坡岩体稳定性等级;通过与传统评价模型进行对比,结合现场实测表明,博弈论—云模型分析结果可靠,能够为露天矿岩质边坡稳定性评价提供重要思路与方法。

微生态制剂协同抗生素在ICU重症肺部感染防治中的应用

目的:探讨微生态制剂协同抗生素在ICU重症肺部感染防治中的作用。方法:选取2017年1～8月我院ICU治疗的重症肺部感染患者80例,依据随机数字表法分为观察组(n=40)及对照组(n=40),两组患者均给予抗生素治疗,观察组患者在常规治疗方案的基础上加用微生态制剂治疗,观察两组患者治疗前后血氧分压(PO_2)、血二氧化碳分压(PCO_2)、白细胞计数(WBC)变化,并对比体温恢复时间、症状消失时间、机械通气时间、住院时间及临床疗效。结果:两组患者治疗后PO_2较治疗前上升,PCO_2及WBC较治疗前下降(P <0. 05);观察组患者治疗后PO_2高于对照组,PCO_2及WBC均低于对照组(P <0. 05);观察组患者体温恢复时间、症状消失时间、机械通气时间及住院时间均低于对照组(P <0. 05);观察组患者治疗总有效率高于对照组(P<0. 05)。结论:微生态制剂协同抗生素可有效缓解ICU重症肺部感染患者的临床症状,可促进康复,治疗优势明显。

基于多尺度特征融合模型的遥感图像建筑物分割

针对传统深度网络模型难以精确提取建筑物边缘轮廓特征及对不同尺寸建筑物无法自适应提取的问题,提出一种膨胀卷积特征提取的多尺度特征融合深度神经网络模型(multiscale-feature fusion deep neural networks with dilated convolution,MDNNet)对遥感图像建筑物自动分割的方法;首先在ResNet101模型中引入膨胀卷积扩大提取视野保留更多特征图像分辨率;其次利用多尺度特征融合模块获取多个尺度的建筑物特征并将不同尺度的特征融合;最终利用特征解码模块将特征图恢复到原始输入图像尺寸,实现遥感图像建筑物精确分割;在WHU遥感图像数据集的实验结果表明,提出模型有效克服道路、树木和阴影等因素影响,分割结果有效保留建筑物边界细节信息,有效提升分割精度,像素准确率PA达到0.864,平均交并比mIoU达到0.815,召回率Recall达到0.862。

营养相关指标对重症监护室老年患者谵妄风险的预测价值

目的探讨营养相关指标预测重症监护室(ICU)老年患者发生谵妄的诊断价值。方法选取2018年12月~2019年12月收治于成都市第五人民医院ICU的老年患者128例,根据在院期间有无发生谵妄分为谵妄组(86例)和对照组(42例),比较两组临床资料。采用logistic回归对患者发生谵妄相关因素进行分析,绘制ROC曲线评估不同指标对ICU老年患者发生谵妄的预测效能。结果谵妄组低氧血症例数高于对照组,差异有统计学意义(P<0.05);谵妄组血红蛋白、白蛋白、预后营养指数(PNI)评分均低于对照组(P<0.001),谵妄组控制营养状况(CONUT)评分高于对照组(P<0.001);低氧血症和CONUT评分为ICU老年患者发生谵妄的危险因素,血红蛋白、白蛋白、PNI评分为ICU老年患者发生谵妄的保护因素;血红蛋白、白蛋白、PNI评分、CONUT评分预测ICU老年患者发生谵妄的ROC曲线下面积(AUC)分别为0.775、0.878、0.884、0.857,诊断灵敏度分别为90.74%、81.44%、79.14%、70.94%,敏感性差异无统计学意义(P>0.05)。结论营养相关指标水平与老年ICU患者谵妄相关,提高营养水平或有利于减少谵妄的发生。