结合SAM大模型和数学形态学的历史地图水系信息提取方法

历史地图记载着丰富的历史地理信息,能够帮助了解历史规律,为当代发展提供借鉴。不同于现代地图、遥感影像等数据,历史地图保存时间久,存在留存数量少、图像精度低等问题,地图符号也与现代有所差异,因此信息难以被高效提取。针对该问题,本文以历史地图《宁夏省境黄河沿岸沟渠水道地形图》为试验数据,提出一种智能化历史地图水系信息提取方法。首先,结合符号句法,运用聚类与数学形态学方法构建数据集;然后,改进通用大模型(SAM)结构并进行迁移学习优化权重;最后,借助改进SAM自动提取历史地图水系信息。将试验结果与其他模型作对比,显示本文方法提取结果边界清晰,轮廓完整,准确率、精度等指标均为最高。同时,将提取结果与该区域水系现状作对比,发现历史上的河流沟渠如今大多改道、偏移或消失,湖泊面积大大减小。本文方法基于SAM通用大模型进行改进,验证了大模型在地图领域的可用性,为地图信息提取提供了思路。

Ⅰ型倍增层对异质SAM结构InSb-APD红外探测器性能的影响

红外探测器的光电特性会受到内部结构倍增层参数的影响,为了能够改善器件的雪崩效应,借助仿真软件Silvaco-TCAD,详细探讨了Ⅰ型倍增层的残余掺杂浓度和厚度对异质SAM结构InSb-APD红外探测器性能的影响。研究结果表明,随着Ⅰ型倍增层掺杂浓度的增加,其倍增层内的电场强度峰值增加,同时光响应度略微增加;随着Ⅰ型倍增层厚度的增加,其倍增层的光响应度与暗电流密度升高,同时电场强度峰值减少。进一步研究表明,当Ⅰ型倍增层残余掺杂浓度和厚度分别为1×10^(15)cm^(−3)和3μm时,有利于雪崩过程。

SAM在遥感影像通用语义分割中的应用

Segment Anything Model(SAM)是Meta公司最新发布的一个处理图像分割任务的通用模型,与FCN、U-Net等只能处理特定类型图片的图像分割模型不同,SAM具有较强的泛化能力。本文简述了目前主要的图像分割模型及特点,提出了基于SAM的遥感影像通用语义分割方法,研发了软件平台,并详细阐述了各功能模块的设计思路。实践表明,SAM在遥感影像通用分割方面具有良好的应用效果,研究成果在自然资源调查监测、农作物种植结构提取等工作中得到广泛应用。

视觉大模型SAM在医学图像分割中的应用综述

随着大模型技术的不断发展,以分割一切模型(segment anything model,SAM)为代表的视觉大模型在图像分割领域取得重要突破。SAM通过提示驱动完成一系列下游分割任务,旨在统一解决所有的图像分割问题。因此,将SAM应用于医学图像分割具有重要意义,其泛化性能够适应多种医学图像,为医生提供更全面的解剖结构和病变信息。介绍了图像分割常用的数据集;对SAM的网络结构和泛化性进行细致阐述;重点对SAM应用在全切片成像、磁共振成像、计算机断层扫描、超声和多模态图像的五大类医学图像进行梳理分析,总结优缺点和相应的改进方法;结合当前医学图像分割领域中存在的实际问题,讨论并展望了SAM未来的发展方向。

结合SAM视觉分割模型与随机森林机器学习的无人机影像盐沼植被“精灵圈”提取

“精灵圈”是海岸带盐沼植被生态系统中的一种“空间自组织”结构,对盐沼湿地的生产力、稳定性和恢复力有重要影响。无人机影像是实现“精灵圈”空间位置高精度识别及解译其时空演化趋势与规律的重要数据源,但“精灵圈”像素与背景像素在色彩信息和外形特征上差异较小,如何从二维影像中智能精准地识别“精灵圈”像素并对识别的单个像素形成个体“精灵圈”是目前的技术难点。本文提出了一种结合分割万物模型(Segment Anything Model,SAM)视觉分割模型与随机森林机器学习的无人机影像“精灵圈”分割及分类方法,实现了单个“精灵圈”的识别和提取。首先,通过构建索伦森-骰子系数(S?rensen-Dice coefficient,Dice)和交并比(Intersection over Union,IOU)评价指标,从SAM中筛选预训练模型并对其参数进行优化,实现全自动影像分割,得到无属性信息的分割掩码/分割类;然后,利用红、绿、蓝(RGB)三通道信息及空间二维坐标将分割掩码与原图像进行信息匹配,构造分割掩码的特征指标,并根据袋外数据(Out of Bag,OOB)误差减小及特征分布规律对特征进行分析和筛选;最后,利用筛选的特征对随机森林模型进行训练,实现“精灵圈”植被、普通植被和光滩的自动识别与分类。实验结果表明:本文方法“精灵圈”平均正确提取率96.1%,平均错误提取率为9.5%,为精准刻画“精灵圈”时空格局及海岸带无人机遥感图像处理提供了方法和技术支撑。

基于SAM&ImageJ图像处理的堆石混凝土坝层面露石率研究

堆石混凝土坝层面的外露块石为上下层提供了重要的啮合作用,其投影面积比例是科学评价层间抗剪性能的重要指标。采用国际最新Meta AI模型segment anything model(SAM)对层面外露堆石进行自动图像分割,并基于ImageJ软件对SAM识别后的图片进行再加工与图像计算,利用平滑、差分算法、中值滤波等方法精准标定外露堆石,二值化后计算得到层面露石率。结果表明:SAM图像预分割可识别约90%的外露堆石,经过ImageJ二次图像处理后可有效提高小粒径堆石的识别精度,对比手动标注结果误差在±3%以内。以贵州省两座水库的工程应用为例,对浇筑仓面进行分区预处理,结果发现靠近上游、中部、下游不同区域的露石率差别较大,计算得到的层面露石率以10%~30%居多,其中堆石入仓运输通道区域的露石率较低。研究内容与结论可为堆石混凝土结构层间界面抗剪力学性能和大坝蓄水安全稳定的研究提供参考与借鉴。

新几内亚凤仙CCoAOMT和SAMS基因的克隆及表达分析

通过对新几内亚凤仙(Impatiens hawkeri)指甲花醚合成相关基因CCoAOMT和SAMS的克隆及表达分析,以期为解析其合成途径提供一定的理论依据。基于新几内亚凤仙指甲花醚含量测定和转录组测序数据分析,克隆到1个CCoAOMT和2个SAMS基因,将其命名为IhCCoAOMT、IhSAMS1和IhSAMS2。3种处理(光培养、暗培养和前体物DHNA (1,4-dihydroxy-2-naphthoate)诱导)均能促进指甲花醚积累,且暗培养处理最佳。IhCCoAOMT的cDNA全长为729 bp,编码242 aa,其蛋白具有AdoMet_MTases超家族结构域;IhSAMS1和IhSAMS2的cDNA全长分别为1179 bp和1173 bp,分别编码393 aa和391 aa,其蛋白均具有S-AdoMet_synt超家族结构域。系统进化分析表明,IhCCoAOMT与喜马拉雅凤仙亲缘关系最近;IhSAMS1与IhSAMS2可能为旁系同源。qRT-PCR分析表明,3个基因在新几内亚凤仙的3个处理及4个时期中均有表达,其中IhCCoAOMT在暗培养及前体物DHNA诱导中表达量整体上调,且暗培养第60天时表达量最高;IhSAMS1和IhSAMS2在暗培养及DHNA诱导中表达量整体下调,但IhSAMS1在DHNA诱导中表达量较高,IhSAMS2在暗培养中表达量较高。综上所述,推测IhCCoAOMT在指甲花醚处理后期起主要作用,IhSAMS1和IhSAMS2在其早期起主要作用,且IhSAMS2作用更为显著。

基于SDP和改进SAM⁃MobileNetv2的滚动轴承故障诊断方法研究

针对传统的滚动轴承故障诊断方法难以准确高效的实现故障分类,提出了一种融合对称点模式(Symmetrized Dot Pattern,SDP)和改进SAM⁃MobileNetv2的滚动轴承故障分类方法。首先,将轴承振动信号通过SDP算法转化为含有丰富特征信息的二维图像。然后,将二维图像输入到改进SAM⁃MobileNetv2网络模型中,对故障特征信息进行提取和分类。在改进SAM⁃MobileNetv2网络中,使用自适应激活函数ACON(Activate or not)对SAM⁃MobileNetv2中的ReLU6激活函数进行替换,提高模型分类性能。最后,将本模型与多种网络模型做对比。试验结果表明,本模型可以准确高效地实现对滚动轴承故障的分类,使用凯斯西储大学轴承故障数据的准确率为99.5%,使用渥太华大学轴承故障数据的准确率为97.2%。

基于SAM分割的交互式局部图像风格迁移方法研究

针对目前局部图像风格迁移目标区域选择困难、迁移灵活性不足、容易出现内容泄露、前景与背景边缘过渡不自然等问题,提出一种基于任意分割模型(Segment Anything Model,SAM)的交互式局部图像风格迁移方法。首先利用SAM分割网络在用户输入提示的指导下对输入的内容图像进行交互式目标迁移区域提取,对得到的有效对象掩码进行二值化处理,以二值化掩码提取全局风格化图像的目标区域作为前景、内容图像作为背景图像进行泊松融合,实现局部图像风格迁移。为了避免迁移过程中的内容泄露,全局风格迁移网络采用生成对抗网络架构,通过多级自适应注意力归一化模块进行风格特征转换,利用联合损失函数对网络进行综合训练。实验结果表明,设计的交互式局部图像风格迁移网络能够根据用户提示生成灵活可控的局部迁移结果,可以对图像中的任意物体进行风格迁移,迁移结果很好地保留了内容源图像中的内容结构,避免了内容泄露,且前景与背景边缘过渡更加自然。

温度梯度下SAMs膜对油滴迁移行为控制及减摩效果试验研究

采用自组装单分子膜技术以及局部紫外光刻技术相结合的方法,制备了条形润湿性表面,用于解决由温度梯度作用造成的油滴热毛细迁移而导致的接触区域乏油问题.使用高速摄像机以及接触角测量仪,对温度梯度下,液体石蜡在所制备表面与原始不锈钢表面上的迁移速度、迁移距离及接触角进行了对比.结果表明:在不锈钢表面设计的条形图案能够有效地抑制油滴的热毛细迁移现象.将制备表面进一步应用于摩擦磨损试验中,发现所制备表面能使液体石蜡在摩擦的过程中始终汇聚在摩擦接触区,减缓了接触区乏油,能够明显减少摩擦磨损.此研究为解决由油滴热毛细迁移而引起的接触区乏油问题提供了新思路和新方法.

基于时差提示SAM的遥感变化检测

遥感变化检测作为观测和分析地表变化的重要手段,以双时相图像为输入,旨在预测变化发生的“位置”。近期出现的基础模型,例如SAM模型(Segment Anything Model),展现出强大的通用性和泛化能力,有望为变化检测任务提供更为有效的解决方案。然而,由于遥感图像的特殊成像特性,它们在许多遥感应用中的直接使用往往效果不佳。此外,SAM模型最初被设计用于分割单时相图像,其通过人工添加点或框的提示来实现,但这种过于直观的方法在处理双时相图像输入时并不适用。为了应对上述挑战,本文提出了一种基于时差提示SAM的遥感变化检测方法(TDPS),充分发挥SAM模型强大的视觉识别能力,以改进对遥感图像的变化检测。具体而言,本文首先在SAM骨干网络中引入了低阶可微调参数,以减轻自然图像到遥感图像上的域偏移。其次,本文设计了时相差异提示生成器,通过将双时相图像的特征与查询嵌入一起优化,得到适用于变化检测任务的提示向量。最后,大量实验证明了本文方法的有效性,在两个常用的变化检测数据集LEVIR-CD和WHU-CD上取得了最先进的性能,F1指标相比于最先进方法分别提升了1.4%和2.5%。

基于无人机遥感和SAM的山区房屋提取研究

为了解决山地区域房屋信息难以高效准确提取的问题,以无人机遥感作为地理环境监测手段,采用新兴的人工智能与信息化技术,基于Segment Anything Model(SAM)进行房屋提取模型的构建,并在典型研究区进行房屋提取实验和结果分析,新方法在无人机遥感影像上CPA为0.9956,房屋IoU为0.8611,非房屋IoU为0.9954。研究表明,基于无人机遥感和SAM的山区房屋提取方法对于复杂地理环境具有较好的适应能力,能够有效挖掘房屋相关特征信息,提取的房屋具有形态完整、边缘准确的特点,可满足山区房屋信息获取相关要求。研究结果表明,该方法展现遥感技术和人工智能在山区治理相关工作应用潜力,能够为铁路线路选线、地质灾害防治提供新的信息化技术支持。

基于SAM工法的超深竖井水下封底关键技术

南京某竖井项目采用了机械掘进悬吊拼装竖井施工工法(SAM工法),基于该工艺的竖井,具有开挖深度深、须为水下封底形式的特点。文章计算了封底混凝土扩散半径及首封混凝土量,从清底、封底平台安装、导管选用、水下混凝土浇筑等环节出发,总结了封底流程及关键技术,以供参考。

基于SAM教学系统设计模型的钉钉医学检验实践教学分层培训系统构建

目的基于钉钉构建医学检验实践教学分层培训系统。方法2019年3月—2021年12月,课题组以SAM教学系统设计模型为理论框架,分析检验学员实践教学分层培训需求,基于钉钉系统对宜宾市第二人民医院检验科检验实践教学分层培训系统功能进行设计、开发。结果2019年完成钉钉医学检验实践教学分层培训系统的构建,对培训系统进行试运行,通过评价反馈进一步改进。至2021年12月该系统开设了104个规培、进修、实习学员分层课程,共162人参与网上学习,3216人次自主完成课程学习并通过在线考核,培训人员满意度达98.15%。结论基于SAM教学系统设计模型的钉钉医学检验实践教学分层培训软件可以用于医学检验实践教学,值得进一步推广应用。

SAM和ENSO对罗斯海和阿蒙森海区域冬季气候的影响

本研究利用ERA5数据对南半球环状模(SouthernAnnularMode,SAM)正、负位相和ENSO(El Ni?o-SouthernOscillation)事件发生时罗斯海和阿蒙森海冬季风场、气温和海平面气压进行合成分析,并深入分析了SAM和ENSO对冬季阿蒙森低压(Amundsen Sea Low,ASL)的影响,通过对典型区域进行经验正交分解(Empirical Orthogonal Function,EOF),结合ASL中心的位置变化,解释了SAM和ENSO事件同时发生时该区域风场的变化特征。结果表明,在罗斯海和西阿蒙森海,主要由SAM和ENSO通过影响ASL的纬向位置来影响该区域的风场,当SAM正位相和拉尼娜事件同时发生时,ASL的位置显著靠东,造成了西罗斯海南风减弱,东罗斯海南风加强,西阿蒙森海沿岸东风减弱。而在东阿蒙森海,主要由SAM通过影响ASL的经向位置来影响该区域的风场,SAM负位相时,ASL中心位置靠北会造成东阿蒙森海东风增强。此外,ASL位置的偏移也会造成该区域大气环流的改变,当SAM正位相和拉尼娜事件同时发生时,ASL偏移至西阿蒙森海沿岸,而从南极大陆来的寒冷气流主导了该区域,造成气温异常降低,降幅最大超过3℃。

基于log-SAM改进Autogram的滚动轴承故障诊断

针对Autogram算法中的无偏自相关方法所得包络结果受到强噪声污染,导致无法有效地对滚动轴承进行故障诊断问题,提出改变原算法内部处理流程,同时将无偏自相关方法替换为log-SAM方法,形成一种改进Autogram算法。首先,对实测滚动轴承振动信号进行最大重复离散小波包变换分解(Maximal Overlap Discrete Wavelet Packet Transform,MODWPT),在不同分解层数形成一系列小波包子信号;其次,对小波包子信号求取谱峭度,并筛选最大谱峭度值所对应的子信号作为数据源;最后,对数据源进行阈值处理,进而将log-SAM替代无偏自相关方法进行包络分析,实现最优故障诊断。针对滚动轴承内圈仿真故障信号和实测故障信号,实验表明,改进Autogran算法具有良好的去噪能力和诊断效果,且较原Autogram算法和其他传统方法均更具有效性和优越性。

SAMS系统在仪控设备智能运维的应用

针对仪控设备维修不足和故障率高等问题,某炼化公司引入一种新型的智能设备管理系统——SAMS系统。该系统依托仪控设备的智能诊断、系统集成等技术,拓展了仪控设备的预知性维护的应用范围,推进运维模式由事后维护向主动性维修转变,从而提高运维效率。介绍了一种基于FDT技术的SAMS,展示了通过SAMS对仪控设备进行实时监测的功能,并介绍了利用ValveLink软件对调节阀进行高级诊断的实际应用。应用效果表明,SAMS既可提高设备利用率,又可降低设备维护成本,同时减少设备故障,实现工厂的降本提效。

SAMS系统与E+H温变TMT82不兼容问题的研究

本文主要针对塔石化乙烯装置运行过程中SAMS系统与TMT82型温变不兼容导致温度不定期跳零问题进行分析研究,得出这种现象由SAMS系统与TMT82温变的HART协议版本存在差异使温变重启而造成,可通过更换HART协议版本低的TMT182型温变解决此问题。

附加距离约束的导航相机快速标定方法

针对在轨条件下因观测条件匮乏导致巡视器导航相机标定精度受限的问题,提出了一种基于直线特征的导航相机快速在轨自标定方法。首先,利用SAM(segment anything model)对导航影像太阳能板区域进行图像分割,并对太阳能板OCR(optical control room)直线特征进行提取;然后,构建附加距离约束的导航相机自检校模型;最后,利用Levenberg-Marquardt方法对标定模型进行求解。开展了模拟实验及在轨实验。分析结果表明,相比光束法自标定、CAHVOR及Vanishing Points等标定方法,所提出方法标定参数重建的坐标精度平均值分别提升了20.60%、30.82%和35.92%,对太阳能板OCR距离恢复距离偏差范围在-1.4~1.5 mm之间。该方法可为巡视器导航相机在轨标定技术提供一定的价值参考。

SPDEF基因在乳腺癌发病机制中的研究进展

乳腺癌作为全球女性最常见的恶性肿瘤之一,其发病率及病死率不断攀升,已成为严重威胁女性健康的主要疾病。随着分子生物学和基因组学的飞速发展,越来越多的基因被发现与乳腺癌的发生、发展密切相关。ETS转录因子(SPDEF)基因作为一种ETS家族的转录因子,在多种生物学过程中发挥重要作用,包括细胞分化、增殖、凋亡以及肿瘤发生等。近年来,SPDEF在乳腺癌中的研究进展逐渐受到关注。本文旨在综述SPDEF基因在乳腺癌表达的相关研究,探讨其潜在的作为治疗靶点的可能性。