DeepRanger:覆盖制导的深度森林测试方法

深度学习软件的结构特征与传统软件存在明显差异,因此即使展开了大量测试,依然无法有效衡量测试数据对深度学习软件的覆盖情况和测试充分性,并造成后续使用过程中依然可能存在大量未知错误.深度森林是一种新型深度学习模型,其克服了深度神经网络存在的一些缺点,例如:需要大量训练数据、需要高算力平台、需要大量超参数.但目前还没有相关工作对深度森林的测试方法进行研究.针对深度森林的结构特点,制定了一组由随机森林结点覆盖率RFNC、随机森林叶子覆盖率RFLC、级联森林类型覆盖率CFCC和级联森林输出覆盖率CFOC组成的测试覆盖率评价指标.在此基础上,基于遗传算法设计了覆盖制导的测试数据自动生成方法DeepRanger,可自动生成能有效提高模型覆盖率的测试数据集.为对所提出覆盖指标的有效性进行验证,在深度森林开源项目gcForest和MNIST数据集上设计并进行了一组实验.实验结果表明,所提出的4种覆盖指标均能有效评价测试数据集对深度森林模型的测试充分性.此外,与基于随机选择的遗传算法相比,使用覆盖信息制导的测试数据生成方法DeepRanger能达到更高的模型覆盖率.

Sedimentary processes in Zenisu deep-sea channel revealed by side-scan imagery

Side-scan sonar data collected by Cruises 99-09 Leg 2 and 00-06 Leg 1 of R/V Yokosuka were used to reveal the sedimentary processes in Zenisu deep-sea channel. The middle and lower segments of the channel are rich in turbidite and other debrite deposits. By high-resolution imaging, three sedimentary processes were distinguished with distinct acoustic features. 1. Slumps and slides occur with contrasting backscatter, rough surface textures, blockings, and acoustic shadows at headwalls. They are very extensive and often in lobate form downslope. 2. Debris flow has uniform, general medium backscatter, sometimes showing marbling/lineation in lobate form. 3. Turbidity current is characterized by low backscatter confined to the channel as acoustic signal is attenuated. Regional tectonics must be the dominating factor that controls deposition pattern in this area.

三维激光扫描点云的岩体产状智能识别研究

目的为了降低传统的人工测量方式带来的工作量大、效率低、工作环境恶劣等影响。方法提出在深部工程或高陡边坡的地质工程测量中,采用三维激光扫描技术获取岩体结构面点云数据,结合一个特制三角形标靶将三维激光点云的局部坐标系下的法向量转化为大地坐标系下的法向量,再利用区域生长算法对结构面产状进行智能识别和输出。结果试验结果表明,利用Delaunay三角剖分三维点云表面的重建,在改进区域生长算法对点云数据的处理下,能够对大批量数据快速处理并获得结果,其独特的空圆特性、剖分中产生较少的畸形三角形和耗时极少的运行时间非常适合海量的点云数据的计算。结论和传统方法相比,该方法具有快速、自动、高精度和远距离测量的优点,对无GPS信号或者GPS信号弱的岩爆频发地区的地质测量具有重要意义。

基于深度学习的隧道渗漏水语义分割方法

文章针对隧道结构渗漏水病害巡检效率低的问题,基于隧道结构三维激光扫描影像建立了一个具备了一定规模的渗漏水病害数据集,选择了三种经典的图像分割的深度学习模型,分析和比较了三种模型在渗漏水病害识别的区别及差异,验证了图像分割的深度学习模型的有效性。

基于语义分割的侧扫声纳管线目标检测方法

为提高侧扫声纳图像中管线目标检测的自动化程度及效率,提出了一种基于语义分割的水下管线目标检测方法。首先通过构建高效语义分割网络主干,提高网络计算速度并降低网络对计算机硬件性能的需求;其次给出了一种针对管线目标特点的加权交叉熵损失函数,解决了因类间数量不均衡导致的网络训练困难问题。以多种复杂条件下侧扫声纳实测数据进行了水下管线检测试验,结果表明,该方法在取得和经典网络相近精度的情况下,速度提升了2.7倍,可达52.6FPS,实现了水下管线的快速、准确检测。

超深储层白云岩力学行为及宏细观破裂特征试验研究

超深层海相碳酸盐岩储层油气资源丰富,是我国油气“增储上产”的重要领域。超深层油气储层受高应力和高温共同影响,此时岩石的力学特性发生明显变化,这增大了破岩难度,增加钻井事故概率,制约着超深层油气资源勘探进程与效益开发。本文采用三轴压缩试验和工业CT扫描重构相结合的手段对超深层海相碳酸盐岩储层岩石进行了不同围压下的力学试验,并对试验后试样的细观破裂形态进行了重构研究。研究表明,围压对岩石的强度、变形特性以及破裂特征有重要的影响;随着围压的增大,岩石的峰值强度、弹性模量、峰值应变以及残余强度均增大;单轴条件下岩石主要以轴向劈裂为主,随着围压的增大,逐渐转为剪切破坏;单轴压缩条件下岩石的裂缝数量、裂缝体积以及平均裂缝宽度均高于三轴压缩条件下,表明围压的存在抑制了裂缝的扩展。研究成果对于深层油气资源勘探开发具有重要意义。

基于Deep Learning算法的漏洞扫描技术研究

随着计算机软硬件技术的不断发展,大大推动深度学习技术的进一步发展。深度学习算法是一种基于神经网络技术,用于支持向量机技术的统计算法的代表方法,是计算机自发明以来的一次伟大的发展进步。当前,随着硬件的推动,深度学习算法能够实现更多的功能,借助于深度学习算法来探究其在漏洞扫描中的应用,对于推动计算机网络安全的发展有着极其重要的意义。

地下溶洞形态分析与可视化

我国是世界上喀斯特地貌面积分布最广泛的国家之一,岩溶类型繁杂,发育较齐全,占国土面积的1/3。岩溶地区存在的主要地质问题有溶洞、断层和软弱地质带等,其具有隐蔽性、突发性和反复性等特点,已成为南方岩溶地区城市工程建设开拓中面临的主要问题。随着激光扫描设备的不断进步和发展,三维激光扫描技术能在封闭式、环境复杂的空间进行自动化测量,具有操作简单、扫描速度快、高分辨率和高精度等特点,可极大地节约测量时间与成本,现已逐渐适应了更广泛的工程应用领域。使用钻孔式三维激光扫描仪获取地下溶洞空间的三维点云数据,针对精度要求较高的复杂空间结构,可能需要布设多个测站进行不同角度扫描获得全局信息。然后,利用深度学习强大的特征学习能力进行点云配准,通过构建数字化模型,客观真实地反映洞内空间形态特征,这将为设计人员提供更精确的岩溶空间信息,制定安全预防措施计划,确保工程施工有序推进。

基于深度森林的多类型DDoS攻击检测方法

分布式拒绝服务攻击(DDoS)是网络安全的主要威胁之一。近年来,基于多种不同DDoS攻击方式的混合攻击数量大幅增长,如何在保证精度的前提下同时检测多种类型的DDoS攻击成为亟待解决的问题。为此,提出一种基于深度森林的多类型DDoS攻击检测方法。该方法首先使用基于平均不纯度的特征选择算法对多类型异常流量数据集进行特征排序与特征筛选;然后使用多粒度扫描对DDoS训练集进行特征提取,并使用级联森林分层训练模型,最终生成可用于DDoS恶意流量检测与分类的深度森林模型。实验结果表明,与6种主流树类集成学习模型相比,基于改进深度森林的DDoS攻击检测方法训练得到的分类器准确率最低提升了0.8%,召回率最低提升了0.9%;与改进前相比,改进后模型准确率提升了1.3%,加权召回率提高了1.3%,训练时间减少了29.7%。模型整体性能有明显提升。

水下目标物侧扫声呐图像自动识别

为解决现有港航工程、海洋工程建设中采用侧扫声呐进行水下目标检测和识别方法的局限性问题,通过引入YOLOV3深度学习方法,利用人工标记的侧扫声呐图像对深度神经网络进行训练和测试,检测水下沉船目标;采用转移学习方法,利用预先训练好的卷积神经网络对侧扫声呐数据进行特征提取、感兴趣区域(ROI)汇聚、目标定位和分类,实现目标自动检测和识别,提高了效率,且目标检测的平均识别精度达到88%。

40万吨级VLOC满载通行渤海乘潮窗口期探索

通过介绍渤海深水航线的最新扫测数据、渤海潮汐特点及船舶乘潮窗口期,分析40万吨级超大型矿砂船(VLOC)满载乘潮实际通行渤海的航海实践,总结40万吨级VLOC满载西行渤海直靠曹妃甸港的重要突破和宝贵经验,为大型深吃水船舶,尤其是40万吨级VLOC满载通行渤海充分利用潮汐提供参考借鉴。

MRI深度学习重建对乳腺脂肪抑制序列扫描时间和图像质量的影响

目的探讨磁共振成像(MRI)深度学习重建(DLR)对乳腺T_(2)加权(T_(2)WI)脂肪抑制序列扫描时间及图像质量的影响。方法招募30名女性志愿者为研究对象,采用平均采集次数(NAQ)为1和2的T_(2)WI脂肪抑制序列行乳腺MRI扫描,扫描时间分别为217 s和421 s,扫描完成获得Routine NAQ1和Routine NAQ2图像,Routine NAQ1组图像行DLR重建获DLR NAQ1图像,分析比较3组图像的信噪比(SNR)、对比噪声比(CNR)及临床医生主观定性评价资料。结果女性志愿者DLR NAQ1图像的SNR及CNR优于Routine NAQ1和Routine NAQ2图像(P<0.001),图像整体质量评分均优于Routine NAQ1和Routine NAQ2图像(P<0.001)。结论MRI DLR可缩短乳腺T2WI脂肪抑制序列的扫描时间,提高图像质量。

基于激光扫描和深度学习的人体动作精准识别研究

基于特征进行人体动作识别时,主要依靠短时间规模的时空特征,导致识别结果top-1值较低。因此,提出结合激光扫描技术和深度学习原理,设计有效的人体动作识别方法。针对激光扫描数据,进行去噪和校正处理。通过背景差分法划分静态背景与感兴趣区域,根据扫描数据点的连续性特点、空间位置关系,检测出待识别的人体目标。建立包含时空注意力机制的深度学习人体动作识别模型,获取扫描数据中包含的长期、复杂时空信息,得到融合特征输入融合域,得到初始分类结果。最后,结合决策融合机制,生成人体动作精准识别结果。实验结果表明:所提方法的top-1值为74.4%,与其他识别方法相比提升了30.7%、28.9%和24.2%。

基于深度学习的页岩扫描电镜图像有机质孔隙识别与比较

将深度学习模型引入地质图像分析中,可以大幅提高工作效率,增加研究定量化程度,开拓图像研究新领域。本文以上扬子鄂西地区下寒武统牛蹄塘组页岩的离子抛光扫描电镜图像为例,通过对图片二值化等预处理后,利用Mask-RCNN、FCN和U-Net 3种深度学习模型对页岩中主要矿物、有机质及孔隙等进行识别,比较运行时间与识别结果的准确度,讨论了不同深度学习模型在地质图像识别和处理过程中的适用性和差异性。并优选效果最优的U-Net模型与JMicroVision、Adobe Photoshop等通用图像处理软件识别结果进行孔隙识别对比。结果显示:FCN模型能够基本识别图像中的主要矿物、有机质与孔隙,但对颜色相近的组分和裂缝识别效果较差;Mask-RCNN模型可识别分割性强的主要矿物,但对分辨率较低的孔隙和裂缝识别效果较差;U-Net模型对主要矿物、有机质及孔隙识别效率大大提高,在页岩地质图像识别方面具有优势。相较于通用图像处理软件,U-Net模型识别速度提高了300多倍。基于深度学习U-Net模型识别结果,研究区牛蹄塘组页岩孔隙结构类型可分为矿物内圆状孔、矿物间随机不规则孔、有机棱角状孔和有机密集微孔。基于足够数量电镜图片识别得到的孔隙结构参数对于实际储层分类评价具有参考价值。本实验为基于深度学习的页岩扫描电镜图像识别与分析提供了范例,对提高地质图像研究工作效率和推进油气智能化具有一定的借鉴意义。

秸秆还田方式对砂姜黑土有机碳组分和孔隙结构的影响

砂姜黑土容重高、土壤有机碳(soil organic carbon,SOC)含量低是限制作物产量的关键因子,秸秆还田能有效改善土壤结构,提高土壤有机碳含量。为探明砂姜黑土区适宜的秸秆还田方式,进一步培肥改良耕地地力,该研究利用砂姜黑土连续6 a耕作与秸秆还田定位试验,探究不同秸秆还田方式(免耕还田、旋耕还田、深翻还田)对砂姜黑土不同土层(0~10、>10~20、>20~40 cm)有机碳及其组分颗粒有机碳(particulate organic carbon,POC)、矿物结合态有机碳(mineral-associated organic carbon,MAOC)和孔隙结构的影响。研究结果表明:在0~10 cm土层内,3种还田方式下SOC及其组分、土壤总孔隙度和大孔隙度(>50μm)均无显著性差异(P>0.05)。与旋耕还田相比,免耕还田使>10~20和>20~40 cm土层SOC含量分别降低了14.1%、23.7%(P<0.05),对>10~40 cm土层内孔隙结构特征参数无显著影响(P>0.05);与旋耕还田相比,深翻还田使>10~20和>20~40 cm土层SOC含量分别提高了12.7%、44.1%(P<0.05),使>20~40 cm土层POC和MAOC含量分别提高了116.0%和42.4%,显著提高了>10~40 cm土层内>200μm孔隙度、孔隙水力半径、最大连通网络孔隙度和全局连通性(P<0.05)。相关分析表明,POC含量与土壤大孔隙度(>50μm)(R^(2)=0.643,P<0.01)、全局连通性(R2=0.488,P<0.05)、最大连通网络孔隙度(R2=0.564,P<0.05)以及水力半径(R2=0.749,P<0.01)之间呈显著正相关关系(P<0.05)。综上所述,深翻还田促进了砂姜黑土>10~40 cm土层有机碳积累与大孔隙的形成,为该区较适宜的秸秆还田方式。

床垫睡眠脊柱形态与睡眠质量关系

床垫对人体睡眠舒适性与睡眠质量产生重要的影响。提出了一种睡眠脊柱形态的表征方法,测量了仰卧在6种弹簧床垫上人体脊椎曲线,同时通过真人睡眠脑电试验评价了人体的睡眠质量,建立了人体脊柱形态与睡眠质量指标之间的关系。结果表明:采用床垫贴合度指标可以反映人体脊柱曲线的变化程度,材质为乳胶、云柔深睡绵和独立筒弹簧的床垫睡眠舒适感最好;床垫贴合度与深睡眠占比和睡眠效率均呈现显著的非线性相关关系;贴合度越接近于1,脊柱形态变化越小,深睡眠占比和睡眠效率越高,睡眠体验感越好。研究结果为弹簧床垫的科学设计提供参考。

中高渗储层聚合物凝胶调剖机理及分布规律研究

随着油田开采进入特高含水后期,低渗透储层剩余油开采难度加大。聚合物凝胶调剖体系已经成为中高渗储层深度调剖和进一步提高采收率的重要措施。然而储层非均质性严重导致调剖体系成胶强度对调剖效果产生很大影响。因此为了使调剖体系达到“走得远”的目的,研究调剖体系调剖机理具有十分重要的意义。通过测试不同质量浓度聚合物凝胶黏度明确聚合物质量浓度对凝胶成胶强度的影响,通过注入能力实验得到不同成胶强度凝胶在中高渗储层调剖机理。

手持三维激光扫描室内停车场地面标识要素提取方法

为了满足停车场快速建图的需求,本文提出了基于手持激光点云的室内停车场地面标识要素的提取方法。首先,为减少要素提取对内存空间的需求,将整个点云以规则网格进行划分;其次采用RANSAC平面拟合的方法提取每个网格内的地面点云;然后为提取地面标识要素,根据地面点云生成地面图像,并在地面图像的基础上,采用BiSeNet网络对不同的标识要素进行语义分割,得到车道线、车位线和导向箭头标识的像素;最后针对车道线和车位线,采用基于霍夫变换的直线提取方法对其进行提取,对于地面导线箭头,采用模板匹配的方法对其进行提取。试验证明,本文提出的方法能够对扫描的结构要素和标识要素进行快速提取,可大大减少制图的人工工作量,有效提高室内停车场建图的效率。

动车组受电弓状态图像检测技术研究

受电弓安装于动车组车顶,其关键零部件安装状态、碳滑板运行状态直接关系到动车的动态运行安全。现有动车车顶的图像检测主要采用线阵相机拍摄,其缺点主要为图像立体感不强、线阵图像存在畸变等。采用一种新的基于深度学习的触发机制,通过高清面阵相机全方位拍摄受电弓,能够更加精准的呈现车顶受电弓全景图像,更加有利于图像智能识别。

基于机器视觉的条烟在线分类方法

针对条烟在线分类过程中条烟外表面类间差异性小、图像低照度现象所造成的分类精度低、耗时长的问题,提出一种基于机器视觉的条烟在线分类方法。该方法通过线扫描式视觉传感器,搭配同轴线光源采集条烟视觉图像,预处理采用改进的CLAHE算法,基于HSI色彩空间中的亮度分量I,使用亮度分量直方图峰值和均方差量化裁剪参数,自适应增强低照度图像亮度。分类使用ConvNeXt为主干网络,提出特征融合模块,将浅层纹理特征与深层特征进行二次融合,增加局部细节信息,提高条烟分类的准确性;随后提出block加速模块,在block中加入SimAM无参注意力机制并使用结构重参数化,以优化模型并增快推理速度。实验表明,算法的鲁棒性强,分类精确度达到99.99%,能够满足条烟在线分类的要求。