基于迁移学习与残差网络的快递包裹X光图像识别

针对快递包裹违禁物品识别存在种类繁多、依赖人力和X光图像获取难度大等问题,为提高快递包裹违禁物品识别的效率和准确度,本研究提出一种迁移学习与残差网络相结合的快递包裹X光图像识别方法(TL-ResNet18)。首先构建了相似度高的源领域数据集和目标领域数据集;其次,选用ResNet18作为预训练模型,调整初始化参数结构,并将ResNet18学习到的内容作为初始化参数迁移到目标领域,实现快递包裹X光图像分类;最后,将相同数据集作为三种模型的输入并对结果进行对比。实验结果表明,TL-ResNet18模型的局部微调和全局微调的识别准确率分别为93.5%、95.0%,相比于ResNet18模型提高了7%、8.5%,且精确度、召回率和F1值都优于ResNet18模型,该方法性能更优,且不受小型数据集对深层网络训练的限制,有利于快递包裹X光图像识别的智能化发展。

基于空洞分层注意力胶囊网络的X射线焊缝缺陷识别方法

由于X射线焊缝图像的复杂多样性,使得很多传统基于X射线焊缝缺陷检测方法的准确性不高,泛化能力较差。提出一种基于空洞分层注意力胶囊网络(DHACNet)的X射线焊缝缺陷识别方法。DHACNet由卷积模块、空洞分层注意力和胶囊网络(CapsNet)组成。卷积模块用来提取图像的卷积特征,空洞分层注意力用来提取多尺度显著性特征,CapsNet利用胶囊层和动态路由算法替代卷积神经网络(CNN)中的池化操作和全连接操作。DHACNet具有强大多尺度特征提取能力,能够克服CNN只关注图像局部特征和池化操作导致图像部分信息丢失等不足。在构建的X射线焊缝缺陷图像集上进行识别试验,识别准确率为96%以上,与传统方法进行比较,结果表明,该方法有效可行,能够为X射线焊缝缺陷识别系统提供技术支持。

基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测

针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。

基于同步辐射X射线荧光光谱与一维卷积神经网络的癌症筛查方法

癌症是全球范围内引起高发病率与高死亡率的疾病之一。现有癌症检测方法耗时、昂贵、专业人员依赖性强,开发一种无损、快速筛查方法非常重要。在前期工作基础上,发展了基于同步辐射X射线荧光光谱技术(SRXRF)与深度学习技术结合的一种非靶标金属组学方法筛查癌症患者。首先,分析控制组与癌症组共269份血清样本的SRXRF谱线,得到Ca、Mn、Zn、Ge、Br在两类人群中具有代表性差异,可以作为癌症筛查的标志物;其次,对于平均光谱进行归一化(Normalization)、迭代自适应加权惩罚最小二乘法(airPLS)、Savitzky-Golay平滑(SG)、标准正态变换(SNV)的预处理,并建立偏最小二乘判别分析(PLSDA)、K近邻法(KNN)、软独立建模分类法(SIMCA)的化学计量学模型,三种模型对癌症筛查的最优准确率分别为89.89%、93.26%、90.95%;最后,基于像素级光谱,搭建三种一维卷积神经网络(1DCNN)模型,三种模型准确率分别为93.56%、95.24%、93.27%,相对于化学计量学模型均有所提高,增加卷积层的数量有助于数据特征提取,模型准确率提高了1.68%。将三种模型卷积层提取获得的特征进行t-分布随机邻域嵌入算法(tSNE)降维可视化,得到1DCNN提取的特征具有显著可分性,SRXRF结合1DCNN模型开发的非靶标金属组学方法在实现癌症的快速筛查方面具有潜力。

基于神经网络架构搜索的X射线图像违禁品检测算法

为了提高卷积神经网络设计的自动化程度并进一步提高复杂背景下违禁品检测的准确率和速度,提出了一种基于神经网络架构搜索的X射线图像违禁品检测算法。首先,设计逐层渐进式搜索策略和多分支搜索空间,并基于批量归一化指标为每一个layer结构搜索最佳侧分支;然后,逐层搜索构建新的骨干网络组件;最后,组成由数据驱动的新目标检测模型。该算法在数据集HiXray、OPIXray、PIDray上分别取得了83.4%、87.2%、70.4%的检测精度。实验结果表明,本文算法能够自适应数据集并自动搜索出性能更好的Backbone组件,与FCOS、YOLOv4等主流算法相比,有效提高了复杂背景下违禁品检测的准确率和速度。

基于BP神经网络模型优化Fe_(1-x)O基氨合成催化剂

运用BP神经网络建立了助催化剂含量与催化剂活性之间的预测模型,对Fe_(1-x)O基氨合成催化剂的助催化剂进行优化。首先将前期实验数据整理归纳为含有3、4、5、6和7个助催化剂等5类催化剂,以助催化剂含量(体积分数)为输入变量,以425℃反应器出口氨浓度(活性)为输出变量,对助催化剂进行优化。结果表明,BP神经网络预测模型拟合值均方误差最高为0.2784,预测值均方误差最高为0.1592,构建的BP神经网络模型准确度较高。在该模型的基础上,运用多种群遗传算法进行极值寻优,求解最优的催化剂配方,并进行实验验证。结果表明,根据优化结果制备5个样品的实验测定值与预测值的相对误差最高为2.88%,优化结果较为准确;含有7个助催化剂的催化剂活性最高为18.83%,比原样本的统计平均活性值(17.52%)高1.31%,相对提高7.48%,助催化剂含量优化取得满意的结果。

M^(3)Res-Transformer:新冠肺炎胸部X-ray图像识别模型

新冠肺炎(COVID-19)自爆发以来严重影响人类生命健康,近年来残差神经网络广泛应用于COVID-19识别任务中,辅助医生快速地诊断COVID-19患者,但是COVID-19图像病变区域形状复杂、大小不一,与周围组织的边界模糊,导致网络难以提取有效特征.本文针对上述问题,提出一种M^(3)Res-Transformer的新冠肺炎胸部X-ray图像识别模型,采用Res-Transformer作为模型的主干网络,结合ResNet和ViT,有效地整合局部病变特征和全局特征;设计混合残差注意力模块(mixed residual attention Module,mraM),同时考虑通道和空间位置的相互依赖性,增强网络的特征表达能力;为了增大感受野,提取多尺度特征,通过叠加具有不同扩张率的扩张卷积构造多尺度扩张残差模块(multiscale dilated residual Module,mdrM),根据不同层次特征尺度的差异,使用3个逐渐收缩尺度的mdrM进行多尺度特征提取;提出上下文交叉感知模块(contextual cross-awareness Module,ccaM),使用深层特征中的语义信息来引导浅层特征,然后将浅层特征中的空间信息嵌入深层特征中,采用交叉加权注意力机制高效聚合深层和浅层特征,获得更丰富的上下文信息.为了验证本文所提模型的有效性,在新冠肺炎胸部X-ray图像数据集上进行实验,与先进的CNN分类模型、融合不同注意力机制的ResNet50模型、基于Transformer的分类模型对比以及消融实验.结果表明,本文所提模型的Acc、Pre、Rec、F1-Score与Spe指标分别为96.33%、96.36%、96.33%、96.35%与96.26%,在COVID-19胸部X-ray图像识别任务中有效提升了识别精度,并通过可视化方法对其进行进一步验证,为COVID-19的辅助诊断提供重要的参考价值.

飞机结构X射线裂纹图像智能评定

飞机结构X射线图像评定过程存在复杂背景下裂纹分割不准确、检出难等问题。基于高效层聚合网络提出一种飞机结构X射线裂纹图像智能评定模型(ELAN-Seg),将ELAN-Seg模型和DeepLabv3+模型的射线图像裂纹分割能力进行对比,结合图像处理技术对模型分割的裂纹长度进行评估,利用飞机强度试验及外场维护过程采集的X射线图像对模型进行验证。结果表明:分割的最小裂纹长度约为3 mm,ELAN-Seg模型对复杂背景射线图像裂纹分割更加准确,裂纹漏检率小于3.8%,该模型具有工程适用性。

血清IL-25、CXCR4水平与肺炎支原体肺炎伴肺不张患儿呼吸力学指标及预后的关系

目的分析血清白细胞介素(IL)-25、CXC趋化因子受体4(CXCR4)水平与肺炎支原体肺炎(MPP)伴肺不张患儿呼吸力学指标及预后的关系。方法选取2019年12月至2021年12月在陆军第七十三集团军医院就诊的MPP伴肺不张患儿125例作为疾病组,入院后均接受临床规范化治疗。另从同期入院体检的健康儿童中选择30名作为健康对照组,检测并比较两组血清IL-25、CXCR4水平。统计疾病组患儿7 d转归情况,并以此为依据将其分为预后良好组和预后不良组,采用Pearson相关分析、Logistic回归分析明确血清IL-25、CXCR4水平与MPP伴肺不张患儿呼吸力学指标及预后的关系。结果125例MPP患儿规范治疗7 d后,76例预后良好,49例预后不良。疾病组血清IL-25、CXCR4水平均显著高于健康对照组[(54±5)ng/L比(38±6)ng/L、(281±26)ng/L比(186±20)ng/L](P<0.01)。预后不良组患儿年龄、呼气末正压(PEEP)、动脉血氧分压、氧合指数、免疫球蛋白(Ig)A、IgM、IgG水平低于预后良好组(P<0.01),体温、呼吸频率、气道峰压(Ppeak)、平均气道压(MPaw)、动脉血二氧化碳分压、白细胞计数、血小板计数、IL-17、肿瘤坏死因子-α、IL-25、CXCR4水平及双侧肺部病变、胸腔积液、并发脏器衰竭≥2个占比、并发症(坏死性肺炎、感染性休克、闭塞性细支气管炎)占比高于预后良好组(P<0.01),病程长于预后良好组(P<0.01)。经Pearson分析结果显示,IL-25、CXCR4与Ppeak、MPaw均呈正相关,与PEEP均呈负相关(P<0.01)。经逐步Logistic回归分析,结果显示,高Ppeak、MPaw、IL-25、CXCR4水平以及并发脏器衰竭≥2个、坏死性肺炎、感染性休克、闭塞性细支气管炎是影响MPP患儿预后的危险因素(OR=4.104,95%CI 1.247~6.961;OR=3.900,95%CI 1.352~6.448;OR=3.662,95%CI 1.370~5.954;OR=3.615,95%CI 1.222~6.007;OR=3.547,95%CI 1.153~5.940;OR=3.216,95%CI 1.567~4.864;OR=2.936,95%CI 2.654~3.218;OR=2.732,95%CI 1.685~4.779)(P<0.05或P<0.01),PEEP水平升高是保护因素(P<0.01)。结论血清IL-25、CXCR4水平在MPP伴肺不张患儿中呈高表达,与呼吸力学指标存在相关性,且是影响MPP伴肺不张患儿预后的危险因素。

S波段与X波段天气雷达探测参量差异及组网融合处理研究

随着X波段双偏振雷达探测网的增多,与S波段双偏振雷达开展组网观测愈发具有必要性。利用北京地区2021年7月27日的一次强对流天气过程的观测资料,对X波段双偏振雷达组网观测值和S波段双偏振雷达观测值进行一致性定量分析,结果表明:两者观测的反射率因子(Z)一致性好,差分反射率(Z_(DR))差异集中在0 dB值附近,Z≥30 dBz时,差分相移率(K_(DP))差异显著。根据观测值差异特征,比较了探测参量直接融合和距离指数权重融合两种数据融合方式,通过分析偏振参量垂直剖面图发现,融合后可以相互弥补探测盲区,K_(DP)通过距离指数权重融合的方式过渡更加自然。本文融合效果可供不同波段雷达融合组网提供参考。

基于神经网络深度学习模型的踝关节X线片标志点自动定位研究

目的探索基于神经网络深度学习模型的踝关节X线片标志点自动定位方法及其应用价值。方法选取陕西省人民医院2019年1月至2022年11月间行X线检查的360例成年人正常左踝关节正、侧位片影像资料为研究对象,将其随机分配至训练集(210例)、验证集(90例)和测试集(60例)。以人工标注作为参考,对图像预处理后分别建立基于神经网络Unet架构的踝关节X线片标志点预测模型,生成对应的热力图,并用测试集数据进行验证。结果在踝关节X线正位片6个标志点的预测中,2 mm阈值的平均正确估计比例(Percentage of Correct Keypoints,PCK)可达99.7%,总体平均径向误差(Mean Radial Errors,MRE)为0.411,总体标准差(Standard Deviation,SD)为0.290。距骨顶端内点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在正位片6个点中最小,分别为0.290和0.178。在踝关节X线侧位片9个标志点的预测中,2 mm阈值的平均PCK达到95.0%,总体MRE为0.669,总体SD为0.710。胫骨下段最前点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在侧位片9个点中最小,分别为0.334和0.173。正位片和侧位片所有标志点的预测位置坐标与对应参考标准标志点位置坐标差异均无统计学意义(P>0.05)。结论基于神经网络深度学习模型能够实现对踝关节X线片标志点的有效自动定位,对辅助踝关节X线片形态学自动测量和疾病诊疗具有应用价值。

基于时空注意力图卷积网络的锅炉NO_(x)预测方法

在可再生能源大规模并网背景下,火电机组的调峰运行大幅增加了锅炉NO_(x)排放控制的难度。锅炉NO_(x)排放的实时预测,对于指导火电机组调峰工况下的高效、清洁运行具有重要意义。CFD计算方法涉及多个物理场的耦合迭代计算,计算量巨大,难以实时地建立锅炉运行参数与NO_(x)排放质量浓度之间复杂的非线性映射关系。随着大数据分析和人工智能技术的快速发展,数据驱动建模为锅炉NO_(x)的实时预测与控制提供了新方法。锅炉调峰运行状态下的运行数据具有明显的时序特征,同时亦存在着复杂的空间关联特征。然而,目前所普遍采用的深度神经网络等方法无法有效地识别运行数据的时-空关联特征,因此限制了其准确预测NO_(x)排放的能力。针对上述问题,提出一种基于时空注意力图卷积网络(AST-GCN)的锅炉NO_(x)预测模型。该模型不仅可以在空间维度挖掘运行参数间的关联特征,还能捕捉历史运行数据与NO_(x)排放质量浓度的动态映射关系。此外,模型中所嵌入的注意力机制能够进一步提高对运行数据中时空相关特征的动态提取能力,并增加了模型的可解释性,从而可用于指导锅炉在调峰运行下对关键运行参数的优化调整。基于某600 MW锅炉实际运行数据的预测结果表明,相较于传统神经网络模型,AST-GCN模型由于可有效提取锅炉运行参数间的空间关联与时序动态特性,显著提升了模型的预测精度和泛化性能。

基于HPO-LSTM的柴油机NO_(x)虚拟预测技术研究

在严格的排放法规面前,柴油机后处理系统发挥了不可估量的作用,而获取NO_(x)排放是后处理系统中SCR装置得以正常工作的前提之一。建立一种使用猎人猎物优化(HPO)算法优化长短期记忆(LSTM)网络的虚拟预测模型,实现对柴油机NO_(x)排放准确预测,以代替现有物理传感器或作为并行装置监控其运行。试验在柴油机测功机上进行,在高度瞬态的柴油机运行周期内,输入了若干种便于获取且与NO_(x)形成密切相关的参数至模型中,结果表明:该优化后的网络应用于测试集和全新的未知瞬态工况时,与未优化网络的预测结果相比,RMSE分别提高了29.1%和23.4%,R 2分别大于和接近0.95,预测结果与传感器测量值呈现高度相同的变化趋势,满足了车载运用和准确性的需求,验证了该方法的可行性。

基于X射线数字成像的GIS设备缺陷无损检测方法

GIS设备的安全性和可靠性对电力体系的平稳运行具有重要意义;因此,为提高对GIS设备缺陷的检测效果、提高设备运行的安全性,在X射线数字成像的基础上,提出一种针对GIS设备的缺陷无损检测方法;通过X射线数字成像的方式采集GIS设备图像,并对图像中存在的泊松噪声实施去噪处理,以提高图像质量;针对处理后的图像,利用二维主成分分析法,通过将复杂的图像数据转换为简单的主成分来表示原始数据,提取出最具代表性的特征;将提取结果输入到BP神经网络分类器中,通过特征分类完成对GIS设备缺陷的无损检测;实验结果表明:应用该方法后,图像识别清晰度较高,对不同类型缺陷的检测效果良好;该方法的优势在于使用先进的图像处理和机器学习技术,能够有效地识别和定位GIS设备中存在的缺陷,通过及时发现并修复这些缺陷,可以提高GIS设备的安全性和可靠性,从而确保电力系统的平稳运行。

基于稠密高分辨率并联网络的安检X光图像分割

针对安检X光图像检测中违禁物品尺度差异大、杂乱无章且存在重叠遮挡现象的技术难题,对高分辨率网络(high-resolution network, HRNet)模型进行改进,同时融合去遮挡单元,提出了一种新的多尺度特征融合网络结构,实现安检X光图像中的违禁物品语义分割。在编码阶段,基于HRNet的多分支并联网络结构,设计了一种单分支内稠密连接的方式,增强深、浅层的信息融合,提取多尺度特征,解决安检X光图像违禁物品尺度多样化的问题。在网络整体架构中,融入基于注意力机制的去遮挡单元,加强模型的边缘感知能力,有效抑制安检X光图像中物品重叠遮挡对分割精度的影响。在PIDray安检图像公开数据集的Easy、Hard、Hidden三个验证子集上验证了所提方法的有效性。结果表明:该模型分别取得了74.69%、69.92%、56.77%的平均交并比,相比原始HRNet模型,分别提升了2.03、1.62、4.13百分点,总体平均交并比提升约2.59百分点。

基于BP神经网络X频段调制器故障预测

采用反向传播(Back Propagation,BP)神经网络对X频段调制器的故障预测进行研究,通过仿真软件编程构建BP神经网络故障预测模型,验证X频段调制器输出功率指标的精确性,根据测试结果表明建立的BP神经网络故障模型预测误差很小,能够较准确对X频段调制器的输出功率故障进行预测。

基于三菱燃机机组满负荷状态下NO_(x)排放量的计算方法研究

为了准确、快速地预测燃气轮机燃烧室稳定运行时污染物的排放情况,提出了一个采用数值模拟的计算方法预估NO_(x)排放的设计流程。首先,根据燃气轮机燃烧室的类型和控制部件确定相关设计参数;其次,采取拉丁超立方方法优化燃烧室进口压力P、燃烧室出口温度T、主空气质量流量q和当量比φ的取值,形成主要参数样本空间;再次,根据计算流体力学的数值模拟结果为燃烧室化学分区提供依据,并通过化学反应器网络方法计算污染物的排放值;最后,在影响污染物排放的参数中选择主要参数,拟合出多参数影响的NO_(x)预估公式并分析4个显著参数对NO_(x)排放的影响关系。结果表明:在满负荷状态时,燃烧室压力增大,NO_(x)排放量增多;燃烧室温度上升,NO_(x)排放量增多;当主空气质量流量变大时,NO_(x)排放量呈减小的趋势;当量比增加时,NO_(x)排放量减少;模拟情况和经典模型在所研究的范围内的相关关系一致,说明了预估公式的适用性。

面向牙齿X-RAY图像分割的牙齿模型

医学图像分割技术为临床诊断和治疗提供关键依据,但传统的图像分割技术易将图像过度分割且分割效果不够精细。为解决这些问题,本文研究采用U-Net网络分割牙齿X-Ray图像,通过合理选择池化操作、激活函数和周期数目,解决牙齿X-Ray图像中存在的牙齿与周围组织的对比度低、边界模糊、牙齿与背景分布不均、牙齿与组织粘连等问题。实验结果表明,U-Net网络具备有效的牙齿X-Ray图像的分割性能。

多卷积神经网络的胸部X光片肺结核检测方法

由于肺结核病灶区域与正常肺部区域之间的差异微小,导致肺结核疾病难以准确检测。针对此问题,提出了一种基于深度可分离卷积和图卷积相结合的肺结核疾病检测算法。使用深度可分离卷积模块提取图像的局部特征;使用图卷积模块提取图像的全局特征;通过一个捷径分支操作,将提取的局部特征和全局特征进行融合;将融合后的特征经过线性层输出检测的结果。算法模型在中国广东省深圳市第三医院收集的公开可用的正面胸部X光片数据集上进行了充分的实验与验证。实验结果表明,所提算法模型与基准模型相比,在Accuracy、Precision、Recall和F1-Score四个评价指标上分别提高了2.98、3.23、2.94和3.08个百分点,从而证明了所提方法的有效性。

TC25合金零件含钨金属夹杂检出及模拟实验分析

某厂锻造的TC25钛合金盘类零件在交付前需进行水浸超声波探伤,合格后交付。但在交付后验收时进行X光射线探伤,发现其中一件零件的外轮缘部位有一处缺陷显示。因该缺陷用水浸超声波探伤未能及时检测出来,而X光射线探伤时却有效检测出来并对缺陷定位,对此问题开展研究。本文主要进行了模拟缺陷检出实验及能谱分析,确定缺陷的性质及特征。实验结果表明:X射线探伤检查对含钨金属夹杂物有效,属于高密夹杂,利用能谱分析夹杂物中心区域钨的成分接近100%。鉴于此种缺陷,对后续的TC25合金盘件交付状态更改为锻造+热处理(双重退火)+粗加工+X射线探伤,合格后再予以交付。