基于图像处理技术的棚室番茄果实识别

我国番茄的产量居世界前列,种植的主要方式为棚室种植,大多采用人工采摘,成本高、效率低,不利于种植产业的发展。为此,提出了一种基于A-ENet模型的图像处理技术,用于棚室番茄果实的识别。A-ENet模型在EfficientNet运行时引入注意力机制,用于优化深度网络运算结果。EfficientNet通过调整、完善网络的宽度、深度等网络参数提升网络的识别准确率,同时在网络提取输入信号特征时引入注意力机制用于捕捉输入信号特征的权重信息,主动忽略环境因素对目标信号的干扰。A-ENet模型能够解决由于识别目标之间的细微差异产生的识别错误的问题,且能够减少随机环境因素对识别过程的干扰,提高识别成功率,对棚室番茄果实识别问题起到积极的影响作用。实验结果表明:所提出的基于图像处理技术的A-ENet模型能够构建出效率更高、鲁棒性更强的目标识别系统。

华南晚中生代大陆变形、深部过程及动力学

受控古太平洋板块俯冲及后撤作用,华南晚中生代经历了强烈大陆再造,并伴随幕式岩浆活动,是研究活动大陆边缘构造-岩浆作用、壳幔过程和板块俯冲动力学的天然实验室。本文系统综述了近年来发表的构造变形、岩浆作用和深部结构等多学科成果,以构造解析为主线,深-浅结合,在华南识别出与古太平洋板块俯冲相关的中晚侏罗世弧背缩短和白垩纪弧后伸展系统,厘定了二者的时空格架和叠加改造关系。弧背缩短系统以扬子中部的隔档-隔槽式褶皱、深部多层滑脱和双重逆冲推覆构造为特征,具SE向NW的逆冲扩展变形规律,与古太平洋板块的前进式俯冲有关。白垩纪主体以大陆伸展为主,经历了伸展和挤压变形交替,并伴随着岩浆活动的爆发、迁移和停止,其可能与板片俯冲动力学变化有关。在此基础上,我们分析了白垩纪岩石圈长距离伸展的深部过程及浅表响应,提出了岩石圈随深度变化的分层差异伸展模式。自下而上,从岩石圈地幔到上地壳,应变近一致地表现为(W)NW-(E)SE伸展,反映了垂向变形一致性。可能的垂向应力传播过程:板片后撤诱发长距离地幔流,其在岩石圈底部形成剪切牵引应力,促进下岩石圈地幔被动拉伸;上岩石圈地幔局部发育强应变剪切带,作为应力传播构造,其可有效加强壳-幔间剪切,促进下地壳韧性拉伸,将下地壳和岩石圈地幔的变形关联。我们认为岩石圈伸展、板片后撤和地幔流形成了三位一体的动力学耦合系统,将华南岩石圈长距离伸展的驱动力归结为:(1)古太平洋俯冲带海沟后撤和板片回卷诱发的远程效应,和(2)地幔流在岩石圈底部施加的剪切牵引应力。

基于赛教融合的智能交通课程实践教学研究

结合全国大学生智能汽车竞赛百度智慧交通创意组竞赛项目,设计智能交通课程实践教学内容,从竞赛内容凝练与课程知识点结合的教学案例和实验项目,实现赛教资源融合和赛教一体化实践平台共享。设计的实验教学项目融合了图像处理、数据分析、人工智能、智能车硬件平台等内容,包括数据采集、数据分析、数据集构建,深度学习模型建立与智能车平台部署等实践环节。学生从编写简单程序开始,不断提高,到构建复杂的深度学习模型实现智能车自动巡航控制实验。将竞赛任务具有挑战性和对抗性的特点融入课程教学,吸引学生兴趣,增强学生求知欲,提升学生创新能力和工程实践能力。

基于改进Deformable-DETR的水下图像目标检测方法

针对由于水下复杂环境造成的目标检测效果较差、检测精度较低的问题,基于Deformable-DETR算法提出一种改进的水下目标检测算法Deformable-DETR-DA。使用空间注意力模块结合标准Transformer块设计了一个用于增加模型深度的深度特征金字塔(deep feature pyramid networks,DFPN)模块,将其嵌入到模型中提高模型对深层纹理信息的提取能力。使用注意力引导的方式对原模型中编码器部分进行改进,加强了对特征信息的聚合能力,提高了模型在复杂环境下的检测能力。针对URPC数据集,模型各交并比尺度的平均准确度(average precision,AP)为39.5%,相比原模型提升1%,与一些DETR(detection transformer)类的模型相比,不同目标尺度的平均准确度均有1%~4%左右的提高,表明改进的模型能够很好解决复杂环境的水下目标检测的问题。本文提出的模型可作为其他水下目标检测模型设计的参考。

基于关键点检测方法的焊缝识别

为保证自动焊接的质量,提高焊缝识别的准确性和适应性,提出一种焊缝特征提取的关键点检测方法.基于卷积神经网络设计了焊缝特征提取网络,该网络通过卷积、池化操作提取焊缝特征.将来自深层的特征图进行上采样,最后将深层特征图和浅层特征图相融合,提高焊缝特征提取精度.输出焊缝图像的热力图来预测焊缝特征点位置,实现多种坡口焊缝的识别定位,且不需要非极大值抑制算法,提升了特征提取速度.采集不同的焊缝特征图像,进行网络模型训练.结果表明,焊缝特征点定位均方根误差为0.187 mm,网络模型在焊缝特征点识别任务中检测精度较高,而且适应性和泛化性较强,满足自动焊接的要求.

基于VGG-UNet的食用菌菌丝体表型参数自动测量方法

食用菌菌丝体表型特征是食用菌种质资源评价和科学育种的重要依据。针对传统阈值分割方法提取菌丝体区域易受到光照不均、菌丝体不规则生长和培养皿内产生代谢物等因素干扰的问题,制作食用菌菌丝体图像数据集,并提出一种基于深度学习的食用菌菌丝体表型参数自动测量方法。将U-Net网络编码器部分替换为VGG16的前13个卷积层,引入预训练权重,构建适用于菌丝体分割的VGG-UNet模型。测试集上对比实验表明,该模型的平均交并比达到98.18%,比原始U-Net模型高0.93个百分点。经该模型获取菌丝体分割图像后,利用OpenCV相关函数计算菌丝体的半径、周长、面积、覆盖度、圆整度这5个表型参数。将人工测量方法与本文方法进行线性回归分析,得出菌丝体半径、周长、面积和覆盖度的决定系数分别为0.979 5、0.991 5、0.975 0和0.975 0,均方根误差分别为2.20 mm、4.73 mm、176.74 mm^(2)和3.16%。经测试,本文方法能准确地完成食用菌菌丝体表型参数自动测量任务,为食用菌表型分析研究提供理论基础。

加热氧化对山茶油热力学及流变学特性的影响

目的探究加热氧化对山茶油热力学及流变学特性的影响。方法山茶油经加热氧化处理后,运用差示扫描量热技术(differential scanning calorimetry,DSC)、旋转流变技术,研究其DSC氧化稳定性,熔融结晶特性及黏度随剪切速率、温度变化等特性。结果山茶油加热时间越长,其DSC热力学氧化稳定性越低,当加热120 min后较初始山茶油的氧化起始温度降低了8.3℃,加热氧化后它的熔融温度及熔融焓降低,主要结晶峰消失。山茶油加热氧化后流动性变差,表现为黏度升高,加热120 min的山茶油较初始山茶油黏度提高了2.8倍,山茶油氧化程度越高,其黏度随温变化的速率越快。结论加热氧化降低了山茶油的热力学稳定性及流变学稳定性,本研究为山茶油精深加工的热力学性能及流变性能提供了一定的理论支撑。

徐州市食品加工业在乡村振兴过程中发挥作用的途径分析

江苏省徐州市食品加工行业发展基础较好,要想在乡村振兴过程中充分发挥其优势,需要做到鼓励精深加工,开发特色产品;推进企业集群化发展,发挥集群效应;推动营商环节网络化;加强品牌建设;鼓励食品加工企业与科研单位加强合作;打造从种植养殖、加工到销售的食品全产业链体系等。

深加工益生菌产品中常用7种乳杆菌的快速鉴定

目的探讨适用于复杂基质中益生菌产品的DNA提取方法,并通过鉴定7种常见的乳杆菌,比较产品标签标示与实际添加乳杆菌种类的一致性。方法本研究采用了3种不同的DNA提取方法,分别为十六烷基三甲基溴化铵(cetyltrimethylammonium bromide,CTAB)法、磁珠法深加工产品基因组DNA抽提试剂盒(磁珠法)和Ezup柱式深加工产品基因组DNA抽提试剂盒(柱式法);通过测定DNA浓度、纯度以及利用16SrDNA V3/V4基因扩增技术评估DNA质量。此外合成嗜酸乳杆菌、德氏乳杆菌保加利亚亚种、罗伊氏粘液乳杆菌、植物乳植杆菌、干酪乳酪杆菌、鼠李糖乳酪杆菌和副干酪乳酪杆菌特异性引物探针,利用实时荧光定量聚合酶链式反应(real-time fluorescence quantitative PCR,qPCR)技术验证方法的特异性、灵敏度和重复性,进一步对市售益生菌产品进行乳杆菌种类的鉴定。结果综合3个DNA质量评价方法,使用CTAB法提取的DNA质量较高,纯度在1.7~2.1之间,质量浓度大于25ng/mL,且16SrDNAV3/V4基因扩增的循环数阈值(cycle threshold,Ct)值均小于35,符合后续qPCR扩增要求;相比之下,柱式法除了饼干类产品DNA纯度为1.96±0.13,浓度为79.07±2.15,扩增Ct值为22.67±3.09能够达到要求外,提取的其他产品DNA和磁珠法提取的DNA无法同时满足3个DNA评价方法要求且重复性较差。本研究所使用的引物和探针对目标乳杆菌有明显的特异性扩增,灵敏度范围为0.0100~1.0000ng/μL和10^(3)~10^(4)CFU/mL,且重复性良好[相对标准偏差(relative standard deviation,RSD)≤3.02%]。检测的20批市售产品中,6批产品未检出标示的乳杆菌种类,存在标示与实际检出菌种不符的情况。结论CTAB法因其较高的适应性和低成本,在提取复杂基质中益生菌产品的DNA时表现更优,结合qPCR方法能有效实现产品中乳杆菌种水平鉴定;然而针对干酪乳酪杆菌的检出限需要进一步研究开发更为灵敏的引物和探针。

金银花总黄酮低共熔溶剂提取工艺优化

目的优化金银花总黄酮低共熔溶剂提取工艺。方法在单因素试验基础上,以1,3-丁二醇与氯化胆碱比例、液料比、超声时间为影响因素,总黄酮得率为评价指标,响应面法和BP神经网络优化提取工艺。结果BP神经网络优化总黄酮得率高于响应面法优化。最优条件为1,3-丁二醇与氯化胆碱比例2.7∶1,液料比27∶1,超声时间29 min,总黄酮得率为7.85%。结论该方法稳定可靠,可用于低共熔溶剂提取金银花总黄酮。

山茱萸食品的研究进展及开发策略

山茱萸作为一种药食同源物质,具有极高的食用和药用价值,但一直以来作为药物进行研究,其相关食品研发相对较少。对山茱萸在食品领域开发的主要产品进行总结,分析当前研究中存在的问题,并对山茱萸产业的开发提出相应的建议,可为山茱萸的进一步研究与利用提供参考。

基于深度强化学习的多自动导引车运动规划

为解决移动机器人仓储系统中的多自动导引车(AGV)无冲突运动规划问题,建立了Markov决策过程模型,提出一种新的基于深度Q网络(DQN)的求解方法。将AGV的位置作为输入信息,利用DQN估计该状态下采取每个动作所能获得的最大期望累计奖励,并采用经典的深度Q学习算法进行训练。算例计算结果表明,该方法可以有效克服AGV车队在运动中的碰撞问题,使AGV车队能够在无冲突的情况下完成货架搬运任务。与已有启发式算法相比,该方法求得的AGV运动规划方案所需要的平均最大完工时间更短。

基于浮选泡沫图像预测精矿品位的研究进展

随着人工智能技术在矿业生产的广泛应用,利用计算机视觉技术提高精矿品位预测的准确性和效率已成为必然趋势。在综述了传统图像处理算法和深度学习算法在精矿品位预测中的应用与发展历程基础上,并探讨了未来的发展趋势和挑战。传统图像处理技术通过提取泡沫图像的尺寸、颜色、纹理和流速等特征,结合分水岭分割、颜色矩、灰度共生矩阵和局部点特征匹配等算法进行特征提取。这些特征在计算资源有限的场景中具有一定的应用价值,但在应对精矿品位预测任务时精度较低。深度学习技术通过构建合适的模型架构并利用大量数据进行训练,能够提取高层语义特征,具有较高的预测精度,与图形处理单元(GPU)等高效运算设备配合使用,可实现高性能和高效率的统一。介绍了支持向量机(SVM)、极限学习机(ELM)等机器学习算法以及多层感知器(MLP)、全连接层和多尺度特征融合等深度学习算法在特征映射和品位预测中的应用,以及深度学习模型的发展历程。最后综述了工业界视觉检测系统的应用现状,并从数据驱动模型、多模态数据融合、算法实时性和数据集规模等方面分析了该领域所面临的挑战和未来发展趋势。

基于深度学习的电力工程数据异常检测模型设计

针对当前电力工程数据质量较差的问题,文中开展了基于深度学习的电力工程数据异常检测模型设计研究。提出了局部密度因子的改进方案,设计了一种基于深度自编码器(DAE)与高斯过程回归(GPR)的电力异常数据检测算法。该算法利用DAE模型实现了电力工程数据的重构,且将改进的局部密度因子、编码器输出数据及重构误差等作为GPR模型的输入,进而完成对异常数据的精准检测。仿真算例结果表明,与DAE、AE算法相比,所提算法的准确率可达89.2%,且稳定性更强。同时在实际应用中还可发现,通过加强对工程量及费用类型数据的校核管控,能够有效提升电力工程数据的质量,从而为电网的精细化运营提供数据基础。

基于双流残差融合的多模态讽刺解释研究

针对现有多模态讽刺解释模型在融合过程中仅关注图像中的细粒度特征信息,使得模型存在解释效果不佳、多模态特征难以融合等问题,本文设计了一种基于双流残差注意力的多模态融合机制.首先,本文采用了BART和VGG19模型分别提取文本和图像两种模态特征.其次,模型经过两路多头注意力引导,分别关注图像和文本的细粒度信息,考虑到单纯的多头自注意力不能很好学习图文间的关联信息,采用二次注意力模块(AOA)合理分配特征权重.最后,本文将多模态特征拼接融合后输入BART解码器中进行讽刺解释.模型在公开的数据集MORE上的实验结果表明,相较于ExMore模型,本文模型在METEOR和ROUGE-L评价指标上分别提升了4.35%、3.39%.实验结果表明本文模型能更好融合模态特征,从而显著地提升模型解释的效果.

深海采矿柔性管力学性能及加工工艺研究综述

海洋蕴藏着储量丰富的矿产资源,深海矿产资源开发逐渐成为学术界和工程界的研究热点。管道提升式开采方案是目前公认的最具商业前景的海洋矿产开发方案。矿产输运管道作为连接海底中继舱和海上采矿平台的纽带,需要承受恶劣的风、浪、流环境载荷和复杂作业工况的工作载荷,其设计制造和力学性能分析一直备受关注。相比于刚性管道,柔性管道的弯曲刚度小、便于安装与回收、使用寿命较长。然而,柔性管道的结构复杂,各层之间相互影响,金属柔性管道由于自身结构的限制,在深海采矿行业中难以广泛应用,人们开始把目光放在非金属柔性管的设计与应用上。本文回顾了柔性管的发展历程,总结阐述了柔性管设计及加工制造中的力学性能分析方法和力学特性,并对柔性管设计制造的未来发展提供力所能及的展望。

基于深度学习模型的油气管道焊缝缺陷智能识别

焊接技术在油气管道连接时广泛应用,确保焊缝区域可靠是保障油气管道安全运行的关键。受工艺和技术制约,油气管道焊接过程中可能出现不同类型的焊缝缺陷。针对油气管道焊缝部分缺陷尺寸小、缺陷与背景差异性较小导致焊缝缺陷识别效果不理想、人工识别工作量大等问题,提出了基于SCT-ResNet50模型的管道焊缝缺陷智能识别新方法。首先将焊缝区域图像输入特征提取网络;然后在特征提取的浅层使用SCC(Spatial Channel Context)进行局部空间和通道信息融合,在特征提取较深的层次使用ECA-MHSA(Efficient Channel Attention-Multi-Head Self-Attention)来捕捉长程依赖和上下文信息;最后通过全连接层和Softmax得到最终的缺陷识别结果。研究结果表明:(1)该新方法在油气管道X射线图像焊缝缺陷数据集上缺陷识别准确率达到98.28%;(2)相较于ResNet50、VGG16、DenseNet121、MobileNetv3和EfficientNetv2分类方法,其准确率分别提高了3.05%、46.05%、28.99%、15.95%和18.84%;(3)在缺陷尺寸小、缺陷和背景差异较小的场景下,该新方法在油气管道焊缝缺陷识别中具有更高的准确率。结论认为,该新方法的优势在于结合SCC模块与ECA-MHSA模块学习图像的局部信息和全局信息,能较好解决油气管道焊缝缺陷分类效果不理想的问题,为保障油气管道安全运输提供了技术支撑。

主观题自动评判算法研究综述

在教育教学中,试卷评判是教师获取学生知识点掌握情况的重要途径。然而,试题评分是一个耗时的过程,主观题的评判更需要阅卷人认真、投入、细致地审阅,需要耗费大量精力。要减轻教师工作压力,提高主观题评判的效率,基于人工智能的自动评判技术非常重要,其中主观题的自动评判是难点。随着机器学习和深度学习等技术在自然语言处理领域的发展,主观题自动评判技术有了较大进展。文中将主观题分为常规型和开放型两类进行文献梳理,总结主观题自动评价的标准和公开数据集,归纳涉及的方法和技术路线,并对主观题自动评判技术未来的研究方向进行总结和展望。

辅助任务增强的中文跨域NL2SQL算法

自然语言到结构化查询语言(natural language to structured query language,NL2SQL)任务旨在将自然语言询问转化为数据库可执行的结构化查询语言(structured query language,SQL)语句。本文提出了一种辅助任务增强的中文跨域NL2SQL算法,其核心思想是通过在解码阶段添加辅助任务以结合原始模型来进行多任务训练,提升模型的准确率。辅助任务的设计是通过将数据库模式建模成图,预测自然语言询问与数据库模式图中的节点的依赖关系,显式地建模自然语言询问和数据库模式之间的依赖关系。针对特定的自然语言询问,通过辅助任务的提升,模型能够更好地识别数据库模式中哪些表/列对预测目标SQL更有效。在中文NL2SQL数据集DuSQL上的实验结果表明,添加辅助任务后的算法相对于原始模型取得了更好的效果,能够更好地处理跨域NL2SQL任务。

蔗渣中纤维素提取工艺优化及性质分析

该研究以制糖业生产废弃物甘蔗渣为原料,以提高提取得率和获得含量更高,性能更好的纤维素为目标,对比不同提取方法研究最佳提取工艺。在单因素筛选提取温度、时间和料液比的基础上,应用响应面法进一步优化。结果表明,预处理加深度共熔溶剂提取法较酸法和直接深度共熔溶剂提取法能更高效地提取蔗渣纤维素。最优工艺条件为:采用20%质量浓度碳酸钠浸泡24 h进行预处理、提取温度103℃、时间200 min、料液比1:25(g/g),获得的最佳理论和实际纤维素含量分别为70.60%和70.26%。采用扫描电镜、X射线衍射、热重分析等对纤维素的结构和性质进行分析,表征结果表明:提取处理后纤维素结构细密多孔、尺寸变小、结晶度提高、热稳定性变好。本研究可为甘蔗渣纤维素资源的合理利用提供一定的理论依据与技术支持。