基于MobileNetV3Small-ECA的水稻病害轻量级识别研究

为实现水稻病害的轻量化识别与检测,使用ECA注意力机制改进MobileNetV3Small模型,并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练,将预训练得到的共享参数迁移到对水稻病害识别模型上微调优化。在开源水稻病害数据集上进行试验测试,试验结果表明,在非迁移学习下,识别准确率达到97.47%,在迁移学习下识别准确率达到99.92%,同时参数量减少26.69%。其次,通过Grad-CAM进行可视化,本文方法与其他注意力机制CBAM和SENET相比,ECA模块生成的结果与图像中病斑的位置和颜色更加一致,表明网络可以更好地聚焦水稻病害的特征,并且通过可视化和各水稻病害分析了误分类原因。本文方法实现了水稻病害识别模型的轻量化,使其能够在移动设备等资源受限的场景中部署,达到快速、高效、便携的目的。同时开发了基于Android的水稻病害识别系统,方便于在边缘端进行水稻病害识别分析。

α-细辛醚上调细胞色素C及Caspase-3表达影响食管癌Eca-109细胞的生物学行为

目的:分析α-细辛醚上调细胞色素C(cytochrome C,cytC)及Caspase-3表达对食管癌Eca-109细胞生物学行为的影响。方法:将食管癌Eca-109细胞随机等量分为4组,即低、中及高剂量(分别给予25、50及100 mg/L的α-细辛醚),另随机取等量细胞加入等体积培养液作为空白组,培养48 h后通过平板克隆实验检测4组细胞增殖情况,Annexin V/PI法检测细胞凋亡情况,RT-qPCR及Western Blot法检测细胞中cytC及Caspase-3 mRNA及蛋白表达。结果:(1)细胞克隆数在空白组最高,低剂量组显著高于高剂量组;凋亡率在空白组最低,低剂量组显著低于高剂量组。(2)4组细胞迁移至小室下的细胞数空白组>低剂量组>中剂量组>高剂量组。(3)CytC及Caspase-3蛋白在高剂量组表达显著高于空白组及低剂量组,且中剂量组表达高于空白组。(4)CytC及Caspase-3 mRNA的表达:高剂量组>中剂量组>低剂量组>空白组,差异均有统计学意义(均P<0.05)。结论:α-细辛醚抑制Eca-109细胞增殖及侵袭,并且可能通过上调cytC及Caspase-3表达促进调亡。

基于空洞卷积和ECANet的双判别生成对抗网络图像修复模型

针对传统的生成对抗网络模型在修复过程中所产生的训练不稳定、结构不一致和内容纹理不够真实等一系列问题,提出一种基于空洞卷积和ECANet双判别生成对抗网络的图像修复模型,分别从生成网络、判别网络和损失函数三个方面进行改进。生成网络采用从粗糙到精细的两阶段网络模型,并在网络模型中加入高效通道注意力(ECA),结合L1重建损失以提高修复区域的细节精度;判别网络中采用全局判别和局部判别的双重判别式网络模型,以提高判别性能的准确性;最后损失函数选取WGAN-GP对抗损失和L1重建损失使得训练更加稳定。在Celeba数据集上进行实验对比,本文所提模型能够取得更好的效果。

融合ECA注意力层和轻量正则化的多视图三维重建

为了有效解决多视图三维重建中的边缘缺失、网络内存消耗严重、重建精度低的问题,对基于深度学习的多视图三维重建网络的特征提取、正则化网络、损失函数、优化器等进行研究。首先,使用融合ECA注意力层的特征提取网络,提高网络对通道特征信息的关注;然后,在门控循环单元模块中加入卷积层,改进的门控循环单元组合成GC正则化网络,采用此网络对代价体进行正则化,降低网络的计算量;最后,使用SmoothL1损失函数和Adam优化器,提高模型训练后期的收敛精度,优化模型的损失和参数。在DTU公开数据集上训练和测试,提出的融合注意力机制和轻量正则化的多视图三维重建网络(EGF-MVSNet)相比于经典的MVSNet网络完整性上提高了22.1,模型总体评分提高了11.5%。能够实现物体的重建,显著提高重建结果的质量,降低网络对内存的消耗。

基于ECA和三分支卷积融合网络的脑电信号解码研究

基于运动想象脑电信号的脑机接口系统可以实现大脑和外部设备的交互,能够帮助残疾人控制辅助设备,提高他们的生活质量。然而,有限的脑电信号解码性能限制了脑机接口产业的大规模发展。文中提出一种基于高效通道注意力(ECA)和三分支卷积融合网络的ECA-TBCFNet模型用于基于脑电图的运动想象(MI-EEG)信号解码。ECA模块可自动捕捉脑电信号中的跨通道交互,三分支卷积融合网络能够多尺度地提取信号中的时空特征。ECA-TBCFNet模型在BCI竞赛IV-2a数据集上的四分类任务中取得了83.3%的准确率和0.78的kappa系数;此外,在Physionet MI-EEG数据集上两分类和四分类任务中,ECA-TBCFNet模型的准确率分别为87.87%和69.01%。结果表明,提出的ECA-TBCFNet模型可以有效提高运动想象脑电信号的识别准确率,并具有较高的鲁棒性。

基于ECA和BiFPN改进YOLOv5s的PCB缺陷检测

针对常规的PCB缺陷检测算法存在精度不高、缺陷定位不准确等问题,提出一种基于ECA和BiFPN改进YOLOv5s的PCB缺陷检测方法。首先,在主干网络的C3中引入ECA注意力机制,使模型更加关注小目标的特征信息,保证模型检测效果;其次,引入加权双向特征金字塔网络(bidirectional feature pyramid network, BiFPN),让模型能够更快速地开展多尺度特征融合;最后,使用SIoU Loss替换CIoU Loss,进一步提升模型的稳定性。以同一PCB数据集为实验对象,实验结果表明,改进后的模型mAP达到了98.1%,相较于原模型,FPS提高了4.68,在检测的精度和速度上均有提升,满足PCB缺陷的实际检测要求。

融合ECA的多分支多损失行人重识别

针对现有行人特征提取方法的不足,提出了一种融合ECA的多分支多损失行人重识别方法.首先,将轻量级ECA注意力模块嵌入到骨干网络ResNet50中,以增强显著特征,抑制无关特征.其次,设计了一个多分支网络结构分别提取行人的全局特征和局部特征,针对不同的特征采取不同的多池化特征提取方式,增强网络的特征提取能力.最后,联合三种损失函数对模型进行训练,并采用BNNeck进行优化,从而提高模型的鲁棒性.在Market1501和DukeMTMC-reID数据集上的实验表明,所提方法具有较好的效果,在识别精度上也优于较多的经典算法.

噪声背景下的MSECAE轴承故障诊断方法研究

针对传统基于深度学习的故障诊断方法存在特征提取尺度单一、抗噪声能力差的问题,提出一种多尺度卷积自编码器融合高效通道注意力机制的方法(MSECAE)用于轴承故障诊断。首先,使用傅里叶变换对原始数据进行归一化处理,将原始的一维振动信号转换到频域进行表示,有利于模型进行提取特征。其次,构造MSECAE结构,利用多尺度卷积(MSCNN)提取原始信息中的多尺度特征,使用高效通道注意力机制(ECA)动态选择卷积核大小,根据各个通道中特征的重要程度赋予不同的权重。最后通过卷积解码器对融合后的信息进行特征重构,利用Softmax分类器进行故障类别分类。为了验证所提模型的性能,使用2种不同采样频率下的数据集在4种不同噪声条件下进行多次实验,并和其他模型进行对比。实验结果表明,所提模型与其他模型相比,分类精度达到99%以上,具有更好的泛化能力和更强的鲁棒性。

工程临界评估(ECA)在海管铺设中应用的经济性

工程临界评估(Engineering Critical Analysis,ECA)在海底管道铺设工程中已有非常广泛的应用。为了评估工程中采用ECA后的经济性,通过解读基于API 1104:2013附录A选项3和BS 7910:2013中的塑性破坏和断裂分析模式下的ECA分析过程和方法,对比某项目海底长输管线铺设过程中采用ECA结果的焊缝自动超声波检测(Automatic Ultrasonic Testing,AUT)统计数据进行分析,探讨海底管道铺设过程中运用ECA与经济性之间的关联。分析表明,在一定的条件下使用ECA可以大幅提高施工过程的一次焊接合格率,节省施工周期,产生巨大的经济效益。

基于STM32单片机的ECAS辅助控制器开发

本文基于STM32单片机,开发了一款电子控制空气悬架系统ECAS(Electronic-Controlled Air SuspensI/On)辅助控制器,阐述了它的工作原理、软硬件设计方案,并且对使用ECAS辅助控制器的控制策略进行了重点介绍。最后通过产品的实际投入使用可以表明,本产品的开发在保证安全的前提下可极大提升客车在上下车时的舒适性。

基于ECA规则的适应性工作流技术研究

工作流管理系统能够给企业的业务运行提供有力支持。但是 ,目前的工作流管理系统对过程模型的表达过分简化 ,影响了它在实际应用中的效果。为了提高工作流管理系统的适应性 ,文中形式化地定义了适合于工作流的ECA规则。在此基础上提出了基于ECA规则的工作流模型 ,并将该模型与基于Petri网和基于UML活动图的工作流模型进行了比较。提出了一种基于事件表达式重写策略的事件检测方法 ,以提高工作流引擎的执行效率。最后 ,介绍了一个基于ECA规则的工作流技术的应用系统。

基于ECA规则和活动分解的工作流模型

企业在面临电子商务的挑战中,越来越重视业务过程重组.建立一种合理的流程模型是成功开展BPR（business process re-engineering）的关键.这样的模型应该可以集成企业许多业务相关的信息并且是可被系统解释执行的.在参考WfMC（workflow management coalition）元模型基础上建立了一种基于ECA（event-condition-action）规则和活动分解的工作流模型.ECA规则反映活动之间的执行依赖关系,通过重写办法把ECA模型变为触发器形式的TA（trigger-action）模型,使模型的解析更高效,把事件重写为事件发生时间,使事件表达式具有更强的表达能力.活动分解的模型能很好地支持层次化项目管理.

基于ECA规则和事物特性表的产品配置模型

针对按订单制造和按订单设计产品的特点,采用event-condition-action(ECA)规则和事物特性表建立产品配置模型.设计人员根据ECA规则对组成产品族的必选模块和可选模块进行选择,得到定制产品的结构;借助于模块的事物特性表对其进行变型设计,即可快速得到个性化的定制产品.结合工业汽轮机的配置设计,给出了汽轮机本体中汽缸部分的配置模型和实例.该配置模型不仅有利于提高产品配置效率和配置成功率,而且还可以保证产品全生命周期中数据的一致性.

一种基于ECA规则的Web Service工作流模型的研究

工作流技术的深入应用要求工作流管理系统增强Web服务功能,基于Petri网工作流过程模型存在无法表述状态变迁过程或状态变迁边缘时刻事件的缺陷。给出了基于ECA规则Web Service工作流模型形式化定义,基于ECA规则的过程模型以事件推动工作流实例的执行,通过严格定义事件的语义来保证工作流的正确执行和监控并支持工作流在运行中修改实例。

基于ECA规则的工作流时间约束分析

本文着重研究了工作流中各活动间的定量时序关系,提出了一种分析工作流中时间约束的方法。该方法针对基于ECA规则的工作流,通过建立及分析工作流的约束图,对工作流中活动间定量时序约束的一致性进行了分析,从而保证了工作流的正常运行。

采用ECA介体实现数据库触发器功能

封装了ECA规则的介体程序,不修改客户应用程序和数据库管理系统内核,可实现数据库触发器的事件检测、条件判断、动作执行等主动功能。其实现方式有轮询、层次化、远程过程调用等。将ECA介体引入XBase数据库,介体语言过滤器则将客户请求分离为ECA规则、过程调用和SQL命令等部分。介体同时封装了ECA规则解析器、事件检测器和动作执行器。

ECA透皮剂涂肤防护血吸虫感染的研究

目的 探讨 ECA透皮剂防护血吸虫感染的效果。 方法 以 10 % DMSO作溶剂配置不同浓度的 ECA透皮剂 ,涂于小鼠腹部 ,待干、泥浆摩擦后感染血吸虫尾蚴 ,观察防护作用。 结果 3% ECA透皮剂涂肤 ,10 0 %抵抗血吸虫感染 ;1%、0 .5 % ECA透皮剂防护率分别达 96 .91%、93.6 2 %。药物对皮肤无明显刺激。

基于ECA规则的业务行为描述方法

给出了业务行为的形式化描述,并在此基础上利用ECA规则详细给出了业务行为过程的描述方法、业务行为内部活动之间的关系模型,以及不同业务行为之间的关系模型,使业务行为过程描述变得清楚,而且有利于机器的自动解释。基于ECA规则的业务过程模型对过程的调整和动态变化带来了方便,增强了其适应变化的能力。

基于ECA规则和多代理的敏捷供应链管理

敏捷供应链已成为企业提高全球化市场竞争力的有效手段。由于市场的动态快速变化 ,企业经常需要进行供应链的重新组合 ,因此 ,如何使供应链管理信息系统能够适应企业重组的需要 ,以降低成本 ,就显得非常重要。基于多代理技术的供应链管理信息系统 ,可实现企业的信息和事务处理 ;利用事件 -条件 -活动规则表达企业的商务逻辑 ,可调度多代理的执行。该系统具有软件可重用性、可重构性和动态可扩展性 。

基于RBAC和ECA规则构建的工作流系统

针对工作流建模的复杂性和模型的安全存取控制问题,提出一种通过建立任务节点和路由节点及其依赖关系来创建工作流模型的方法。在任务节点中引入RBAC机制对角色属性进行约束以实现对工作流的安全存取控制。在路由节点中引入ECA规则,灵活地控制了工作流的流程。最后给出利用该方法建立的工作流系统体系结构的描述。