“双碳”目标下滨海湿地碳汇的法治保障

“双碳”目标为中国法治带来变革契机,如期实现“双碳”承诺亟待构建完善的碳汇法治保障体系。滨海湿地作为蓝碳生态系统的主体,其丰富的自然资源禀赋产生了一系列经济、社会及生态价值,是应对全球气候变化的有利抓手。通过系统梳理相关规范体系和实践现状,总结归纳我国滨海湿地碳汇在立法、执法和司法等环节面临的困境。在秉承多元主体共治的基础上,提出完善滨海湿地碳汇立法、规范涉碳执法、健全环境司法的路径优化建议,以期为我国滨海湿地碳汇提供更为坚实的法治保障。

基于改进YOLOv5的安全帽检测算法

为了解决建筑工地、隧道、煤矿等施工场景中现有安全帽检测算法对于小目标、密集目标以及复杂环境下的检测精度低的问题,设计实现了一种基于YOLOv5的改进目标检测算法,记为YOLOv5-GBCW.首先使用Ghost卷积对骨干网络进行重构,使得模型的复杂度有了显著降低;其次使用双向特征金字塔网络(BiFPN)加强特征融合,使得算法对小目标准确率提升;引入坐标注意力(Coordinate attention)模块,能够将注意力资源分配给关键区域,从而在复杂环境中降低背景的干扰;最后提出了Beta-WIoU作为边框损失函数,采用动态非单调聚焦机制并引入对锚框特征的计算,提升预测框的准确率,同时加速模型收敛.为了验证算法的可行性,以课题组收集的安全帽数据集为基础,选用了多种经典算法进行对比,并且进行了消融实验,探究各个改进模块的提升效果.实验结果表明:改进算法YOLOv5-GBCW相较于YOLOv5s算法,算法平均精确率(IOU=0.5)提升了5.8%,达到了94.5%,检测速度达到了124.6 FPS(每秒处理帧数),模型更加轻量化,在复杂环境、密集场景和小目标场景下检测能力提升显著,并且同时满足安全帽检测精度和实时性的要求,给复杂施工环境下安全帽检测提供了一种新的方法.

CCT2在卵巢癌中的表达及其对卵巢癌细胞生物学功能的影响

目的:探究CCT2在卵巢癌中的表达及对卵巢癌细胞生物学功能的影响。方法:通过TCGA和GTEx数据库分析在卵巢癌组织及正常卵巢组织样本中CCT2的表达差异;通过ICGC数据库分析并评价CCT2表达水平与患者预后的关系。免疫组化实验验证CCT2在卵巢癌组织及癌旁正常组织的表达差异。使用Western Blot实验对比正常卵巢细胞和卵巢癌细胞系CCT2表达水平。通过转染siRNA和质粒的方式构建CCT2沉默和CCT2过表达模型,并使用qPCR和Western Blot验证。利用CCK8及平板克隆方法检测CCT2对卵巢癌细胞增殖能力的影响,同时应用Western Blot验证细胞增殖相关蛋白(Ki67、PCNA)以及EMT相关蛋白(E-cadherin、N-cadherin、Vitmentin)表达水平。使用Transwell法明确CCT2对卵巢癌细胞转移和侵袭能力的影响。并进一步通过裸鼠体内成瘤实验观察CCT2对肿瘤生长的影响。结果:CCT2在卵巢癌组织中高表达且与患者预后负相关。沉默CCT2可显著抑制卵巢癌细胞增殖、迁移和侵袭能力,反之亦然。体内成瘤实验结果证实CCT2沉默可有效减慢肿瘤生长速度。结论:CCT2在卵巢癌组织中高表达,可作为患者预后不良的分子标志物,可通过促进细胞增殖转移促进卵巢癌的进展。

基于轻量化网络与增强多尺度特征融合的绝缘子缺陷检测

随着无人机搭载目标检测算法在输电杆塔绝缘子巡检领域的发展,针对绝缘子缺陷检测速度较低,网络复杂度高且缺陷小目标难以准确检测的问题,提出一种基于轻量化网络与增强多尺度特征融合的YOLOv5-3S-4PH模型进行绝缘子缺陷实时检测。首先将重构的ShuffleNetV2-Stem-SPP(3S)网络作为YOLOv5的主干网络,显著减小了网络的参数量和计算量;其次引入针对小目标的增强多尺度特征融合网络以及4个预测头,来增强网络对绝缘子缺陷的感知能力,并结合Mosaic-9数据增强、CIoU损失函数进一步补偿轻量化导致的检测精度损失;最后将其应用到自制绝缘子数据集进行验证。实验结果表明,该文所提出的模型相对于未改进的YOLOv5,全类平均精度提高了3%,检测速度提高了81.8%,参数量、计算量分别压缩了82.4%、67%。因此,所提出的模型更适合部署在无人机平台上进行绝缘子缺陷的实时监测。

雷达信号与遥感地图融合的深度学习低慢小目标检测算法

雷达复杂环境低慢小目标检测是一项具有挑战性的任务,而利用深度学习以及数据特征融合等方法是解决这一难题的有效手段。本文在雷达地图融合检测网络(Radar Map fusion Detection Network,RMDN)的基础上进行了优化,主要优化方向为将雷达与地图信息在检测过程中进行重要性程度区分,具体优化内容为减少地图特征提取模块的网络深度,加入通道注意力机制,让神经网络自主学习雷达信息与地图信息特征的权重,使神经网能够更好地利用地图信息对雷达目标进行辅助检测。在此优化基础上,本文重新设计出了雷达地图融合检测网络RMDN-V2。算法的主要思想为利用卫星遥感地图来提供背景环境信息,作为雷达信号检测的辅助,通过将目标背景中的特征信息融入检测决策中,提高目标检测的准确性和鲁棒性,减少对强杂波和移动物体的干扰敏感性,改善目标检测算法在复杂环境下的表现。最后的无人机雷达实测数据实验结果表明,本文所做的针对性优化是有效的,RMDN-V2的检测性能优于原始的RMDN,同时本文算法检测性能远超传统的雷达检测算法,同时也优于目前主流的一些深度学习雷达目标检测算法。本文为解决当下低慢小目标检测的难题提出了新的算法。

改进YOLOv7的复杂道路场景目标检测算法

虽然基于深度学习的目标检测算法在道路场景中的目标检测方面已经取得了很好的效果,但是对于复杂道路场景中的密集目标,远处的小尺度目标检测精度低,容易出现漏检误检的问题,提出一种改进YOLOv7的复杂道路场景目标检测算法。增加小目标检测层,增加对小目标的特征学习能力;采用K-means++重聚类先验框,使得先验框更贴合目标,增加网络对目标的定位精度;采用WIoU(Wise-IoU)损失函数,增加网络对普通质量锚框的关注度,提高网络对目标的定位能力;在颈部和检测头引入协调坐标卷积(CoordConv),使网络能够更好地感受特征图中的位置信息;提出P-ELAN结构对骨干网络进行轻量化处理,降低算法参数量和运算量。实验结果表明,该改进算法在华为SODA10M数据集下的mAP达到64.8%,比原算法提高2.6个百分点,模型参数量和运算量分别降低12%和7%,达到检测精度和检测速度的平衡。

降质靶标检测算法

装甲车辆动态性能考核中的立靶成像测试环节,靶标检测的准确性与武器装备鉴定及定型的精度息息相关。针对靶标图像对比度低、可辨识度低等降质问题,提出一种基于改进YOLOv5的降质靶标检测算法:使用多分支分组卷积结构配合深度、逐点卷积搭建主干特征提取网络,降低网络参数计算量,提高网络的检测速度;引入表征注意力机制,增强靶标的表征能力;在网络输出层,引入3分支空间特征融合,利用低层特征图的细粒度特征信息与高层特征图丰富的语义信息组合,保留降质靶标图像的细节、边缘语义信息;实验结果表明:在靶标数据集中,所提算法的检测精度mAP达到90.88%,检测速度达到52.74帧/s,能在降质环境下够高效、精准地完成动态性能考核中立靶成像测试环节中的靶标检测部分。

甲状腺功能亢进症的态靶辨治策略

借鉴现代甲状腺功能亢进症的生理病理等医学认识,结合甲状腺功能亢进症的临床诊疗特征等,基于传统中医思维,以态靶辨治理论为指导,重新认识甲状腺功能亢进症,构建现代中医诊疗体系。根据甲亢(瘿气)的疾病发展演变态势,可概括为郁、火、虚三个阶段,治疗以态靶结合,态下分证,随病机变化施以疏肝散郁,或清泄火热,或益气养阴等,重视靶方靶药与现代药理研究的结合应用,精准用药。

主动靶向肾脏作用纳米颗粒在非肿瘤性肾脏疾病中的研发现状

背景:目前治疗肾脏疾病的药物种类较少,部分系统使用药物存在全身不良反应较大、在体内循环被迅速降解等问题。目前具有主动靶向作用的纳米颗粒相关研究成为药物递送领域的热点,与纳米颗粒主动靶向相关的病理基础探索也在不断深入。目的:归纳总结目前常见肾脏疾病中已有研究的主动靶向策略。方法:第一作者及第二作者检索中国知网、万方数据库和维普数据库、PubMed数据库,以“Nanoparticles,active targeting,target,kidney,kidney disease”为英文检索词,以“纳米颗粒,纳米粒子,靶向,主动靶向,肾脏疾病,肾脏”为中文检索词,检索2023-07-02前发表的所有相关文献,并对文献进行了筛选、归纳、总结,最后纳入62篇文献进行综述。结果与结论:具有主动靶向作用的纳米粒子在多种常见肾脏疾病中已有研究。主动靶向作用的机制主要是配体受体结合,通过在纳米粒子上修饰配体将其特异性导向肾脏内细胞上的受体,实现主动靶向。在不同肾脏病理条件下,肾脏特定部位的病理变化可能成为主动靶向实现的关键突破点。虽然具有肾靶向作用的纳米颗粒在非肿瘤性肾脏疾病中已有初步研究,但所有研究均处于动物体内实验阶段,距离将这些研究成果应用于医疗工作还要走很远的道路。

一种基于红外图像的空间目标探测方法

针对空间环境中的监视高速运动小目标的需求,提出一种基于红外图像的空间目标探测方法,实现对空间非合作目标的检测、跟踪与识别。根据目标红外特性,目标检测过程采用阈值分割算法分割目标,通过重心法提取目标质心,采用星图匹配方法剔除恒星背景;目标跟踪识别过程采用轨迹关联算法进行多目标编批及轨迹跟踪,采用基于目标运动速度信息和方向矢量信息的目标分类算法最终识别目标。实验结果表明,应用该方法能够在1 s内实现空间目标探测,满足空间环境监视对目标探测的实时性好、检测概率高、虚警概率低等要求。

一种靶弹多功能控制器设计与实现

靶弹是模拟敌方来袭导弹技战术特性的实体空中靶标;针对退役导弹改装靶弹中面临的改装线路复杂、对动目标供靶精度不足等实际问题,对靶弹飞行控制规律和改装设计方法进行了研究探索,创新了靶弹制导控制方法,综合采用靶弹飞行控制回路状态转换、动目标供靶航路精确控制、靶弹功能扩展等关键技术,设计研制了集电气改装、接口转换、目标导引、安全控制等功能于一体的靶弹多功能控制器,实现了退役飞航导弹到多用途靶弹的通用化、标准化改装,探索了一种经济而有效的靶弹开发方法;试验结果表明,该多功能控制器具备简便可靠、工作量小、通用性好、弹道控制灵活等突出特点,较好地解决了靶弹改装难题,满足了防空武器系统试验训练的需要。

基于CNA35靶向液态氟碳纳米粒的超声分子成像检测糖尿病肾病大鼠肾脏纤维化的实验研究

目的制备一种由胶原结合蛋白35(CNA35)介导的靶向液态氟碳纳米粒(PFP-NPs),探讨其在超声分子成像检测糖尿病肾病(DN)大鼠肾脏纤维化中的应用价值。方法制备经荧光标记的非靶向PFP-NPs和CNA35靶向PFP-NPs,经转化生长因子-β诱导人肾小管上皮HK-2细胞间质转化,发生胶原沉积,然后分别将非靶向PFP-NPs和CNA35靶向PFP-NPs与细胞共同孵育,于倒置荧光显微镜下观察细胞上PFP-NPs荧光信号。建立DN大鼠模型,分为非靶向组和靶向组,每组各10只,分别静脉注射非靶向PFP-NPs与CNA35靶向PFP-NPs,应用超声分子成像检测两组DN大鼠静脉注射PFP-NPs后10 min、30 min肾脏超声分子成像信号强度;然后处死DN大鼠并取肾脏组织,检测肾脏组织PFP-NPs荧光信号强度及Ⅰ型胶原荧光信号强度;免疫组织化学检测肾脏组织Ⅰ型胶原染色面积占比,分析肾脏超声分子成像信号强度与Ⅰ型胶原染色面积占比的相关性。结果CNA35靶向PFP-NPs孵育的人肾小管上皮HK-2细胞上的荧光信号强度高于非靶向PFP-NPs孵育的细胞(388.21±15.28 vs.25.79±3.62),差异有统计学意义(P<0.05)。靶向组DN大鼠肾脏组织PFP-NPs荧光信号强度高于非靶向组(946.02±83.55 vs.73.69±21.72),差异有统计学意义(P<0.05);靶向组Ⅰ型胶原荧光信号强度与非靶向组比较差异无统计学意义(969.07±96.67 vs.943.39±106.18),且CNA35靶向PFP-NPs荧光信号与Ⅰ型胶原荧光信号区域重合。体内超声分子成像显示,靶向组DN大鼠静脉注射PFPNPs后10 min、30 min肾脏组织超声分子成像信号强度均高于非靶向组(8.37±1.27 vs.1.92±0.25、9.73±1.25 vs.2.08±1.32),差异均有统计学意义(均P<0.05)。相关性分析显示,DN大鼠肾脏超声分子成像信号强度与Ⅰ型胶原染色面积占比呈正相关(r=0.838,P<0.001)。结论成功制备了CNA35靶向PFP-NPs,其能够靶向结合大鼠肾脏胶原高表达部位,实现了对DN大鼠肾脏纤维化的靶向超声分子成像。

空间目标天基光学定位方法综述

近年来空间目标定位领域不断结合网络协同、多模融合等探测技术,发展迅速。其中,基于天基光学探测的定位方法以隐蔽性好、测量精度高的独特优势在民用和国防领域应用广泛。为了分析不同情景下适用于不同类型目标的定位方法,针对基于天基光学探测的空间小目标定位进行综述。首先介绍天基光学探测技术的发展、空间目标的分类和特点以及空间目标定位的概念。然后着重分析适用于空间“小、弱”目标的单星和多星定位方法,并对近年提出的异质传感器联合定位展开说明。最后,依据成像过程建立空间目标定位误差分析模型,分析定位精度的影响因素占比并根据现存问题做出总结和展望。

复杂背景下基于YOLOv7-tiny的图像目标检测算法

“黑飞”无人机一旦带有炸弹等物品,会对人们带来威胁。对在公园、游乐场、学校等复杂背景下“黑飞”的无人机进行目标检测是十分必要的。前沿算法YOLOv7-tiny属于轻量级网络,具有更小的网络结构和参数,更适合检测小目标,但在识别小目标无人机时出现特征提取能力弱、回归损失大、检测精度低的问题;针对此问题,提出了一种基于YOLOv7-tiny改进的无人机图像目标检测算法YOLOv7-drone。首先,建立无人机图像数据集;其次,设计一种新的注意力机制模块SMSE嵌入到特征提取网络中,增强对复杂背景下无人机目标的关注度;然后,在主干网络中融入RFB结构,扩大特征层的感受野,丰富特征信息以增强特征提取的鲁棒性;然后,改进网络中的特征融合机制,通过新增小目标检测层,增加对小尺度目标的检测精度;然后,改变损失函数提高模型的收敛速度,减少损失以增强模型的鲁棒性;最后,引入可变形卷积(Deformable convolution, DCN),更好的根据目标本身形状进行特征提取,提升了检测精度。在PASCAL VOC公共数据集上进行对比实验,结果表明改进后的算法YOLO7-drone相比于YOLOv7-tiny,平均精度(map@0.5)提升了6%;在自制无人机数据集上进行实验,结果表明YOLOv7-drone与原算法相比,平均精度(map@0.5)提高了6.1%,并且检测速度为72帧/s;与YOLOv5l、YOLOv7目标检测算法进行对比实验,结果表明改进后的算法在平均精度(map@0.5)上分别高于对比算法4%、3.1%,验证了文中算法的可行性。

远距离和遮挡下三维目标检测算法研究

针对现有三维目标检测算法对存在遮挡及距离较远目标检测效果差的问题,以基于点云的三维目标检测算法(3D object proposal generation and detection from point cloud,PointRCNN)为基础,对网络进行改进,提高三维目标检测精度。对区域生成网络(region proposal network,RPN)获取的提议区域(region of interest,ROI)体素化处理,同时构建不同尺度的区域金字塔来捕获更加广泛的兴趣点;加入点云Transformer模块来增强对网格中心点局部特征的学习;在网络中加入球查询半径预测模块,使得模型可以根据点云密度自适应调整球查询的范围。最后,对所提算法的有效性进行了试验验证,在KITTI数据集下对模型的性能进行评估测试,同时设计相应的消融试验验证模型中各模块的有效性。

面向对海监视的舰船目标跟踪与航迹融合数据集

对海监视中航迹实时关联与轨迹融合任务是安全防控、区域态势监视、远程精确打击等军民应用领域的热点和难点问题,高质量的数据集对推动目标跟踪与融合技术在该领域的研究有重要作用。本研究针对目标跟踪与融合领域技术研究的数据需求以及目前公开数据集所存在的数据缺乏、场景设计针对性差、数据格式单一、数据描述不全等问题,通过仿真软件对复杂场景中多传感器多目标探测数据进行仿真,提供了一套面向典型对海监视场景(以舰船为探测对象的2D雷达与侦察传感器﹝ESM﹞)的目标跟踪与航迹融合数据集。其中仿真软件包括剧情发生器和传感器模拟器两部分,是一套成熟的目标跟踪场景仿真环境,提供逼真的探测数据模拟能力。本数据集涵盖的传感器对象包括2D雷达与侦察传感器,目标包括典型的海上舰船类别,并支持携带辐射源配置,设计了高速运动、密集交通、多传感器数据融合、特定舰船侦测和交叉定位等多种典型场景。本数据集中共包含368155条目标点迹,舰船数量为101条,时间范围15000秒,数据格式符合实际设备上报情景、探测误差模型符合实际。本数据集通过对数据误差进行正态性检验、对检测率、虚警率的场景检验以及实地调研,完成了对数据的准确性评估与数据完备性控制,可为舰船目标跟踪、轨迹融合等算法研究与验证提供基础数据。

基于改进YOLOv7的遥感图像小目标检测方法

针对遥感图像中小目标数量众多且背景复杂所导致的识别精度低的问题,提出了一种改进的遥感图像小目标检测方法。该方法基于改进的YOLOv7网络模型,将双级路由注意力机制加入至下采样阶段以构建针对小目标的特征提取模块MP-ATT(max pooling-attention),使得模型更加关注小目标的特征,提高小目标检测精度。为了加强对小目标的细节感知能力,使用DCNv3(deformable convolution network v3)替换骨干网络中的二维卷积,以此构建新的层聚合模块ELAN-D。为网络设计新的小目标检测层以获取更精细的特征信息,从而提升模型的鲁棒性。同时使用MPDIoU(minimum point distance based IoU)替换原模型中的CIoU来优化损失函数,以适应遥感图像的尺度变化。实验表明,所提出的方法在DOTA-v1.0数据集上取得了良好效果,准确率、召回率和平均准确率(mean average precision,mAP)相比原模型分别提升了0.4、4.0、2.3个百分点,证明了该方法能够有效提升遥感图像中小目标的检测效果。

基于Transformer复杂运动辨识的机动星凸形扩展目标跟踪方法

针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。

基于改进Tracktor的行人多目标跟踪算法

在多目标视频跟踪中,针对受交互遮挡等影响导致检测偏差从而致使目标身份丢失的问题,提出一种基于改进Tracktor的行人多目标跟踪算法DUTracktor。在检测框回归中设计一个动态更新模块,利用孪生网络对建议框进一步检测定位;利用时序信息增强模块更新当前帧更适合的模板,建立全局上下文关系;并通过像素相关进行特征融合,从而增强目标边缘信息和尺度信息;利用相机运动补偿和融合相似矩阵构建二级关联跟踪机制,建立检测框和轨迹更强大的关联性,提高目标跟踪的鲁棒性。在公开的MOT16数据集上进行实验测试,并与当前主流算法相比,该算法跟踪精度表现较优,具有良好的鲁棒性,FPS稳定在24帧。

基于卷积神经网络的预制叠合板多目标智能化检测方法

在生产过程中,预制构件尺寸不合格问题将导致其在施工现场无法顺利安装,从而影响工期。为推进预制构件智能化生产的进程,以预制叠合板为例,基于卷积神经网络研究生产过程中的智能检测方法,在生产流水线上设计并安装图像采集系统,建立预制叠合板尺寸检测数据集。通过YOLOv5算法实现对混凝土底板、预埋PVC线盒及外伸钢筋的识别,并以固定磁盒作为基准参照物进行尺寸检测误差分析,实现混凝土底板尺寸、预埋PVC线盒坐标的检测,在降低训练数据集参数规模的工况下保持较高的识别精度。结果表明:该方法可以有效检测预制叠合板的底板数量和尺寸、预埋PVC线盒数量和坐标,并实现弯折方向不合格的外伸钢筋检测,并能降低人工成本,提高检测精度,加快检测速度,提高预制叠合板的出厂质量。