基于改进U^(2)Net的岩石薄片图像分割

了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造切片过程中染色不均会造成薄片孔隙的颜色特征不平衡而导致无法分割.因此为了改善岩石薄片分割效果,本文提出基于一种改进的U^(2)Net的分割算法.主要内容如下:(1)以U^(2)Net网络为骨干进行改进,结合coordinate attention注意力机制,用来提高模型对图像特征的表达能力.(2)通过引入多尺度特征提取模块,增加卷积层的感知区域,且能够利用特征图的多尺度特征信息.实验证明,该方法与传统分割方法和其他分割网络相比在较小颗粒的分割上表现更好,所提出的算法具有较高的分割准确度和鲁棒性.

裂变谱中子诱发^(235)U裂变产物核Xe的产额评价

裂变产额是核工程应用和核物理科研中最重要的基础核数据之一,特别是裂变气体产物核,对核装置的设计、运行有不可忽视的影响,因此对中子诱发裂变的气体产物核裂变产额进行评价,得到可靠的产额对核工程的应用和基础研究核技术的发展具有重要意义。本工作针对裂变谱能区中子诱发^(235)U裂变的Xe气体产物核,在EXFOR实验数据基础上,采用基于Zp模型的裂变统一评价方法,对其所在质量链的裂变产物的独立产额、累积产额进行了统一拟合评价,并与现有评价库中Xe的产额进行了比较,对存在分歧的产额进行了进一步分析,给出了合理的解释。与传统方法比较,统一评价方法给出的产额具有更好的可靠性和合理性,同时解决了传统方法独立产额、累积产额不自洽的问题。

基于边缘U^(2)-Net的视盘分割方法

彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使用视盘感兴趣区域提取的预处理方式去除无关特征,同时引入边缘注意力机制增强对视盘边缘特征的提取能力。在Drishti_GS和REFUGE两个公开数据集上的F1分数分别达到97.82%和97.36%,Dice相似系数分别达到97.15%和96.64%,IOU分别达到94.47%和93.50%,与其他网络模型相比表现出优越的分割性能,具有临床应用价值。

基于U^(2)-Net+的透水混凝土CT影像孔隙分割

针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题,提出了一种堆叠高效RSU模块的U^(2)-Net+的图像分割方法。该方法通过堆叠高效的RSU模块,在网络中引入了更多的上采样节点和跳跃连接,还原了更多下采样阶段丢失的特征图细节;在编码阶段增加了一个可学习的下采样操作,进一步提升了网络对细节的捕获能力;简化了原网络的深度监督,避免了底层特征图对融合输出特征图的负面影响;将单一的标准二分类交叉熵损失函数改为Focal loss和IoU loss组成的混合损失函数,提升了网络对高噪声孔隙的关注度;最后由于数据集的特点加网络改进的提升,原网络中各模块的中间通道数得以进一步缩减,减小了网络体积。试验结果表明,U^(2)-Net+相比U^(2)-Net†在保证轻量化和快速性的同时,平均交并比、精确度、F1得分由94.12%、88.89%、93.28%分别提升至94.24%、91.15%、94.29%;U^(2)-Net+综合指标优于U-Net、U-Net++、U-Net3+、U^(2)-Net、U^(2)-Net†,各指标相较于主流的阈值分割算法至少提高23.29%,实现了透水混凝土CT影像孔隙的精准、快速分割。

中子诱发^(238)U裂变产额的统一评价

采用基于Z_(P)模型的裂变产额统一评价方法,开展中子诱发^(238)U裂变产额评价,通过拟合实验数据获得优化的模型参数,基于获得的模型参数计算入射能量为裂变谱(F)和14 MeV(H)的中子诱发^(238)U裂变的独立产额和累积产额,并建立了ENDF/B-VI格式数据库。该评价方法包含了裂变独立产额、累积产额和衰变数据相互关联的物理机制,可以获得自洽的产额数据,解决了传统评价方法产额不自洽的问题,同时可以获得缺失或者缺乏实验数据的产额。与国际现有产额数据库比较,本工作评价的累积产额与实验数据的符合度χ^(2)=7.1(F)和2.9(H),与ENDF/B-VIII.0裂变产额子库的χ^(2)=8.0(F)和57.3(H)、JEFF-3.3裂变产额子库的χ^(2)=57.0(F)和74.2(H)相比,有较好的改进。

核燃料棒芯块^(235)U丰度检测方法研究

核燃料棒中UO_(2)芯块的^(235)U丰度检测是保证核反应堆正常运行的重要环节,根据铀样品能谱谱形,通过迭代拟合算法精确选取目标信号的能量范围,减少了测量精度受UO_(2)芯块年龄的影响,扩大了目标信号能量选取范围,基于小波变换法,过滤无关频率信号,提高了突变信号的识别精度,进一步提高了检测速度。通过模拟存在异常丰度芯块燃料棒检测验证了方法的可行性。

Y^(3+)掺杂g-C_(3)N_(4)光催化还原U(Ⅵ)

光催化是一种重要的分离溶液中铀的技术方法。氮化碳(CN)作为一种无金属聚合物半导体,其成本低、制备简单,并具有优异的理化和光电特性,在光催化领域受到越来越多的关注。然而,由于氮化碳活性位点少、载流子分离效率低,其在U(Ⅵ)光催化还原领域的应用受限。本工作通过原位掺杂的方法在氮化碳中引入Y^(3+)构建了Y掺杂氮化碳(YCN),改善氮化碳光催化活性。结果显示,Y^(3+)的引入影响了3-s-三嗪单元的周期性拓扑结构和层间堆积结构,使3-s-三嗪单元在高温条件下发生不完全聚合,显著增加了催化剂活性位点,有效改善了能带结构。与CN相比,YCN_(2)表现出更强的可见光吸收和光生载流子分离效率,且伴随着载流子密度增加,活性氧物种(·O_(2)^(-))数量明显增多,其在20 min内可以去除约95%的U(Ⅵ)。YCN_(2)对U(Ⅵ)的光催化还原速率(0.112 min^(-1))是原始CN(0.021 min^(-1))的5.3倍。光催化反应中,水溶性U(Ⅵ)主要被·O_(2)^(-)还原为难溶的UO_(2+x)沉积于催化剂表面,可实现U(Ⅵ)的高效分离。

基于U^(2)-Net的高精度多套层位追踪方法及应用

层位追踪是地震资料解释中一项基础且重要的工作,常规智能层位追踪方法的精度难以满足实际生产需求。为此,提出了一种基于U^(2)-Net的高精度多套层位追踪方法。首先,设计一种充填标签的制作方法,遍历地震数据每个像素点,判断当前像素点所在位置并为其划分一个层位区域;对于穿过断层的层位,则自动搜寻相邻层位,实现非全区层位、断层等复杂条件下的地震反射层位及不整合面的充填标签的制作;然后,利用充填标签,采用U^(2)-Net网络模型对F3数据体和M工区地震资料进行训练。与U-Net+PPM网络模型相比,U^(2)-Net网络模型的预测精度更高,稳定性更好,泛化性更强,训练时间更短,且预测复杂地区的地震反射层位的准确率和平均交并比都大于95%。该方法可以较好地适应低信噪比地震资料的层位追踪。

U^(2)-Net在建筑物提取中的边缘精度分析

随着城市化的进程和遥感科学技术的发展,在高分辨遥感影像中进行建筑物提取一直是摄影测量与遥感领域的一个热点研究主题。针对遥感影像中提取建筑物存在边缘模糊的问题,本文运用U^(2)-Net网络算法提取建筑物,并与lr-aspp、fcn、deeplab_v3三种网络算法分别进行了建筑物提取对比实验;结果表明U^(2)-Net网络,在不损失预测精度的情况下,耗时较短,且准确率可提升至97.478%,可较好地解决建筑物提取中的边缘模糊问题。

基于轻量化U^(2)-Net的车道线检测算法研究

针对车道线遮挡、道路阴影等多车道驾驶环境下提取的车道线特征信息缺失造成预测车道线模糊、不连续等问题,提出一种基于轻量化U^(2)-Net的车道线检测算法。首先,以轻量化U^(2)-Net的残差U形模块(RSU)和多特征尺度融合获得全局信息丰富的车道线特征;其次,对车道线特征进行逐像素阈值判断,并选择最小二乘法结合感兴趣区域(ROI)中车道线簇进行车道线的拟合,实现多车道线检测并确认自车道线区域;最后,在图森(TuSimple)数据集上进行验证与分析。验证结果表明,所提出的车道线检测算法的平均准确率达到98.4%,相比于其他车道线检测网络,该算法的网络参数量较少,准确率较高。

基于U^(2)-Net的痕迹物证图像分割方法的研究

针对痕迹物证检测方法精度不高、模型体积较大、部署困难等问题,设计了一种简单且强大的深层网络架构U^(2)-Net,用于研究痕迹物证图像分割方法。该架构特别设计了用于处理复杂背景下的图像分割任务。U^(2)-Net采用了一种新颖的嵌套U型结构,通过多尺度的特征提取和深层次的信息融合,能精确地识别和分割痕迹物证图像中的关键对象。该方法在痕迹物证的识别和提取方面展现了优越的性能,特别是在处理高度复杂或模糊不清的图像时,能有效提高分割的准确性和细节恢复能力。

基于改进U^(2)-Net模型的混凝土结构表面裂缝检测

【目的】背景复杂的混凝土结构表面裂缝连续性差、识别率低,基于深度学习的裂缝检测方法存在模型参数量大的问题。【方法】为此,结合U^(2)-Net框架构建了一种聚合多尺度信息的轻量级模型U^(2)-Net_Aggregation,用于复杂背景下的裂缝特征学习。该模型通过增加跳跃连接,使得每个解码层均聚合该层以上所有浅层编码特征,以获得足够的特征细节,提升裂缝分割精度;利用深度可分离卷积(Depthwise Separable Convolution, DSC)对原本的残差模块(ReSidual U-blocks, RSU)进行改进,提出了新的残差模块(RSU-DSC-ECA),来降低聚合多尺度信息时带来的模型复杂度提升的问题,其中的通道注意力机制(Efficient Channel Attention, ECA)可提升模型对裂缝区域的敏感性和对复杂背景的抗干扰能力。【结果】在三组裂缝数据集上进行消融试验,改进后的模型(U^(2)-Net_Aggregation)相较于U^(2)-Net在准确率、交并比、综合评价指标上均有优异的表现。为了验证模型对复杂背景中裂缝的识别能力,利用无人机实地采集的某混凝土结构数据进行试验,其检测效果优于FCN、SegNet、U-Net和U^(2)-Net。【结论】改进后的模型相比U^(2)-Net在召回率、交并比和综合评价指标方面分别提高了4.18%、2.97%和2.03%,可借助无人机影像快速准确地检测出裂缝,为结构裂缝检测提供一种新的方法。

基于改进U^(2)Net网络和无人机影像的城市绿化识别方法

针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对数据进行标注,引入U^(2)Net用于无人机影像下的城市绿化识别,最后,在网络的特征提取模块引入最大池化索引来加强对目标边界的分割能力.结果表明,相较于其它深度学习网络,U^(2)Net在小规模数据集中有着优异的表现且改进后的网络在1 000张的训练集中达到了97.16%的分类精度,较原始的U^(2)Net提高0.68%,模型参数量、计算量、内存均未显著提升.改进后的方法提升了城市绿化的识别精度,可以为城市绿化识别提供一种新的自动解译方法.

一种基于U^(2)⁃Net的红外热成像与可见光图像融合方法

为解决红外热成像分辨率低且成本高昂的问题,结合可见光图像分辨率高、成本低的特点,提出一种采用U^(2)‐Net结构模型对红外热成像与可见光图像中显著目标检测的方法。针对图像中显著目标,通过图像裁剪、轮廓提取、仿射变换、形心计算、尺寸变换、匹配定位与融合等操作,实现目标物体在红外图像与可见光图像中的融合。实验结果表明,通过所提方法将低分辨率红外热成像中目标物体与高分辨率可见光图像融合,能够有效提升目标物体在整体图像中的可视性。

基于注意力机制的U^(2)-Net图像语义分割

图像语义分割是计算机视觉领域中的一项重要技术,在自动驾驶、医学影像分析、智能家居和安防监控等领域都有广泛的应用。近年,利用深度学习模型进行图像语义分割的方法得到了广泛关注和研究。然而,深度学习模型很容易出现过拟合问题,并且面对一些存在遮挡、噪声的图像时容易预测出错,从而导致模型分割精度下降。针对这个问题,提出了一种联合注意力机制的U^(2)-Net图像语义分割优化方法,在以VGG为主干网络的U^(2)-Net模型中,增加CBAM注意力模块,使网络模型能够更加关注与分割任务相关的区域,忽略掉一些无关或噪声干扰的区域,增强特征图的表征,进而能够有效地提高模型的性能和泛化能力。实验结果表明,在增加CBAM模块后,U^(2)-Net模型的MIoU及准确率分别提高了8.21%和4%。

改进U^(2)-Net的太阳能电池片缺陷分割方法

针对太阳能电池片缺陷分割中存在的特征提取能力弱、分割精度低和漏分割等问题,提出了一种改进U^(2)-Net的太阳能电池片缺陷分割方法。为提高RSU内部有效特征的提取能力并减少参数量,利用残差结构将有效的通道注意模块和深度可分离卷积结合起来,组成新的特征提取层;为防止空间信息的丢失,在外层编解码跳跃连接中添加语义嵌入分支结构,并利用CARAFE算子进行上采样,将更多的语义信息引入低层特征以加强级间特征的融合,减少因跳跃连接丢失的空间信息;最后,将所提方法与常用分割网络对比分析。实验结果表明,该方法的类别像素准确率、交并比和平均交并比分别达74.69%、60.68%、80.30%。相较于U-Net、PSPNet及Deeplab v3+,该方法不仅有效提高了缺陷分割的精度,还实现了小目标缺陷的准确分割,有效减少了漏分割。

C^(2)Transformer U-Net:面向跨模态和上下文语义的医学图像分割模型

跨模态的医学图像可以在同一病灶处提供更多的语义信息,针对U-Net网络主要使用单模态图像用于分割,未充分考虑跨模态、上下文语义相关性的问题,该文提出面向跨模态和上下文语义的医学图像分割C^(2)Transformer U-Net模型。该模型的主要思想是:首先,在编码器部分提出主干、辅助U-Net网络结构,来提取不同模态的语义信息;然后,设计了多模态上下文语义感知处理器(MCAP),有效地提取同一病灶跨模态的语义信息,跳跃连接中使用主网络的两种模态图像相加后传入Transformer解码器,增强模型对病灶的表达能力;其次,在编-解码器中采用预激活残差单元和Transformer架构,一方面提取病灶的上下文特征信息,另一方面使网络在充分利用低层和高层特征时更加关注病灶的位置信息;最后,使用临床多模态肺部医学图像数据集验证算法的有效性,对比实验结果表明所提模型对于肺部病灶分割的Acc,Pre,Recall,Dice,Voe与Rvd分别为:97.95%,94.94%,94.31%,96.98%,92.57%与93.35%。对于形状复杂肺部病灶的分割,具有较高的精度和相对较低的冗余度,总体上优于现有的先进方法。

一种基于高分辨液质联用仪的^(13)C标记葡萄糖同位素丰度检测方法

[U-^(13)C_(6)]葡萄糖是一种重要的同位素试剂,在代谢组学等生物医药领域具有重要应用。开发了一种基于超高效液相色谱-高分辨质谱联用仪的[U-^(13)C6]葡萄糖同位素丰度检测方法。在确定检测[U-^(13)C_(6)]葡萄糖同位素丰度的适用条件后,进行液质联用上机检测,根据不同同位素标记模式峰的强度值进行丰度计算;考察了样品浓度、质谱分析图数、流动相背景干扰对同位素丰度计算的影响,在最优条件下取出峰时间窗口内所有质谱图并扣除流动相背景干扰后,重复7次进样测得浓度为10μg/mL的[U-^(13)C_(6)]葡萄糖试剂^(13)C丰度为99.05%(理论值99.2%)且RSD为0.15%。该方法无需复杂的前处理过程,具有较好的准确性和稳定性,是一种具有潜力的同位素试剂质量控制方法。

高速无源燃料棒^(235)U富集度检测设备研制

高速无源燃料棒235U富集度检测设备采用小型化模块化BGO+SiPM探测器串列及集成了放大、甄别、信号采集、网络传输、I/O功能的多通道核电子仪器组成检测体,设计恒温箱对检测体温度进行精准控制,通过燃料棒传输及上下料装置完成燃料棒235U富集度及棒内富集度异常芯块的全自动检测。设备具有良好的芯块年龄校正功能。测试表明,单通道96只探测器检测速度6 m/min时,富集度检测精度优于2.1%,对基体富集度3.4%、富集度偏差8.73%的异常芯块检出率为70%,检测置信度95%。

高纯锗γ能谱法测量伴生放射性矿稀土酸熔渣^(238)U方法研究

为降低高纯锗(HPGe)γ谱仪测量稀土酸溶废渣^(238)U时基体自吸收效应产生的干扰,本文按比例将伴生放射性矿稀土酸熔渣样品与模拟土壤基体空白混合均匀,采用高纯锗(HPGe)γ谱仪对^(238)U子体^(234)Thγ射线(92.6keV)进行测量得到^(238)U放射性比活度。伴生放射性矿稀土酸熔渣样品与模拟土壤基体样品按比例为40g:260g与50g:250g时测量结果与电感耦合等离子体质谱法(ICP-MS)和激光荧光法测量结果相符合,可知HPGeγ能谱法在伴生放射性矿稀土酸熔渣样品与模拟土壤基体样品按40g:260g与50g:250g比例混合时灵敏度最佳。本研究建立了HPGeγ能谱法测定伴生放射性矿稀土酸熔渣中^(238)U的测定方法,填补当前伴生放射性矿样品^(238)U测定方法的空白。