CMIP6检测归因模式比较计划(DAMIP)概况与评述

气候变化的检测归因是历次IPCC评估报告的重要组成部分。检测归因的目标是检测并量化由外强迫引起的变化,识别人为和自然强迫对气候变化的相对贡献。有助于全面评估气候系统是如何受人类活动影响的,所得结论对未来气候变化预估的信度而言至关重要。检测归因模式比较计划(DAMIP)是第六次国际耦合模式比较计划(CMIP6)的一个子计划,共包含3个级别、多达14组不同强迫驱动下的试验。文中概述其科学背景、试验设计、参与模式情况,并评述该计划的意义、期待的产出以及中国的机遇和贡献,以期使读者迅速了解相关要点和进展,为利用这些模式模拟试验数据开展检测归因研究提供必要的参考。

全球和中国区域近50年气候变化检测归因研究进展

回顾了近年来国内外对全球和中国区域气候变化的检测归因研究,主要集中在对20世纪中期以来温度、降水和主要极端事件变化的检测归因研究进展,而不涉及更长时间尺度历史气候变化的检测归因。分析表明,国际上近年来在气候变化检测归因研究领域发展迅速,从全球尺度气温变化的检测归因发展到区域尺度和多变量的检测归因。但在中国,虽然也有一些研究探讨了中国东部南涝北旱等发生的原因,但在以数理统计推断方法为基础的气候变化事实归因领域的研究仍然亟待加强。一些重要的问题,如中国不同区域的变暖、不同区域的变干或变湿的归因分析,以及这些因子和引起全球气候变化因子的异同等,都是迫切需要回答的科学问题。

对IPCC第五次评估报告检测归因结论的解读

气候变化的检测归因是识别人为和自然因子对气候变化相对贡献的核心研究内容，也是迄今没有很好解决的科学问题之一。学术界对于检测和归因的概念有严谨的阐述。气候变化的检测，是在某种统计意义的定义下揭示气候或被气候影响的系统已发生变化的过程，但并不解释这种变化的原因。

改进YOLOv7算法的钢材表面缺陷检测研究

当前,基于深度学习的智能检测技术逐步应用于钢材表面缺陷检测领域,针对钢材表面缺陷检测精度低的问题,提出一种高精度实时的缺陷检测算法CDN-YOLOv7。加入CARAFE轻量化上采样算子来改善网络特征融合能力,融合级联注意力机制和解耦头重新设计YOLOv7检测头网络,旨在解决原始头网络特征利用效率不高的问题,使其充分利用各尺度、通道、空间的多维度信息,提升复杂场景下模型表征能力。引入归一化Wasserstein距离重新设计Focal-EIoU损失函数,提出NF-EIoU替换CIoU损失,平衡各尺度缺陷样本对Loss的贡献,降低各尺度缺陷的漏检率。实验结果表明,CDN-YOLOv7的检测精度可达80.3%,较于原YOLOv7精度提升了6.0个百分点,模型推理速度可达60.8帧/s,满足实时性需求,CDN-YOLOv7在提升各尺度缺陷检测精度的同时显著降低了缺陷的漏检率。

铆接铝合金板铆钉失效缺陷检测方法研究

针对车身用铝合金板内部铆钉缺陷特征提取难度大、缺陷类型与程度识别准确率低的问题,提出一种基于高斯卷积深度信念网络与双向长短期记忆网络相结合的铆钉失效缺陷诊断模型与检测方法。首先,面向5种铆钉断裂缺陷设计试件并搭建自动检测系统,通过规划和调整探头姿态有效地降低提离效应对检测信号的影响。其次,设计双网络融合诊断模型提取和学习多维度缺陷特征信息,解决检测曲线中由时序变化特性和空间分布状态表征的缺陷信息提取难题。实验结果表明,与传统卷积网络及单一深度信念网络相比,优化后算法诊断模型的平均准确率为99.85%,相比提升了14.54%,且具有良好的通用性和鲁棒性,可实现铆钉内部缺陷的在线诊断。

结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

国内外食品快速检测方法评价技术研究

相比于国外成熟的快速检测方法评价技术体系,我国的评价技术体系发展滞后且有较多问题,严重制约了快检行业的发展。本文主要从验证方法、性能指标、测试要求等方面对各个评价技术体系做了对比分析。同时梳理了国内不同监管部门的评价技术体系发展与侧重,以期为我国食品快速检测方法确认政策和技术研究提供良好的借鉴,引导食品快速检测方法及产品的评价标准进一步规范,形成完善的科学评价方法和评价技术体系,促进我国食品安全及快速检测行业的健康发展。

基于卷积神经网络的预制叠合板多目标智能化检测方法

在生产过程中,预制构件尺寸不合格问题将导致其在施工现场无法顺利安装,从而影响工期。为推进预制构件智能化生产的进程,以预制叠合板为例,基于卷积神经网络研究生产过程中的智能检测方法,在生产流水线上设计并安装图像采集系统,建立预制叠合板尺寸检测数据集。通过YOLOv5算法实现对混凝土底板、预埋PVC线盒及外伸钢筋的识别,并以固定磁盒作为基准参照物进行尺寸检测误差分析,实现混凝土底板尺寸、预埋PVC线盒坐标的检测,在降低训练数据集参数规模的工况下保持较高的识别精度。结果表明:该方法可以有效检测预制叠合板的底板数量和尺寸、预埋PVC线盒数量和坐标,并实现弯折方向不合格的外伸钢筋检测,并能降低人工成本,提高检测精度,加快检测速度,提高预制叠合板的出厂质量。

改进YOLOv7的复杂道路场景目标检测算法

虽然基于深度学习的目标检测算法在道路场景中的目标检测方面已经取得了很好的效果,但是对于复杂道路场景中的密集目标,远处的小尺度目标检测精度低,容易出现漏检误检的问题,提出一种改进YOLOv7的复杂道路场景目标检测算法。增加小目标检测层,增加对小目标的特征学习能力;采用K-means++重聚类先验框,使得先验框更贴合目标,增加网络对目标的定位精度;采用WIoU(Wise-IoU)损失函数,增加网络对普通质量锚框的关注度,提高网络对目标的定位能力;在颈部和检测头引入协调坐标卷积(CoordConv),使网络能够更好地感受特征图中的位置信息;提出P-ELAN结构对骨干网络进行轻量化处理,降低算法参数量和运算量。实验结果表明,该改进算法在华为SODA10M数据集下的mAP达到64.8%,比原算法提高2.6个百分点,模型参数量和运算量分别降低12%和7%,达到检测精度和检测速度的平衡。

水产品过敏原及其检测技术概述

水产品因鲜美的味道和丰富的营养而深受消费者青睐。水产品属于联合国粮农组织和世界卫生组织认定的过敏食物,其在加工、运输、贮藏过程中有可能受到外来过敏原的污染,由此引起的食品安全问题日益严峻,严重制约了行业的发展。明确水产食品中的过敏原,并利用适当的检测技术进行检测、监控,有利于预防水产食物过敏疾病的发生。本文概述水产食品中的主要过敏原,以及基于基因水平的核酸检测技术、蛋白水平的免疫检测技术及质谱检测技术研究进展,为丰富水产品过敏原及其检测手段提供理论依据。

羊捻转血矛线虫病检测方法研究进展

羊捻转血矛线虫病是由捻转血矛线虫寄生于羊等小反刍动物皱胃内引起的一种危害严重的嗜血性寄生虫病。病羊临床表现为消瘦、贫血和衰弱等慢性消耗性症状,严重感染者可致死。该病在我国牧区普遍流行,目前暂无安全长效疫苗可用,加之耐药性严重,放牧羊群感染率和发病率居高不下,极大地降低了羊养殖业的经济效益。准确可靠的检测手段是诊断寄生虫感染、制定驱虫治疗方案、耐药监测及流行病学调查的关键环节。本文详细介绍了羊捻转血矛线虫病的检测技术研究现状,分析了病原学、免疫学及分子检测等方法的优缺点,并对未来检测技术发展趋势进行了展望,以期为该病新型检测方法的研发及综合防控策略提供参考。

高温声学检测技术的发展、应用与挑战

以我国航空航天、钢铁冶金、特种设备等领域的高温声学无损检测技术研究与应用为主线,分析了高温声学检测技术在促进先进高温材料制备与研发、钢铁冶金行业绿色低碳生产和产业升级、高温压力管道安全运行与维护等方面的巨大需求。介绍了国内外在高温声学检测的技术方法和仪器研制等方面取得的进展,分析了压电超声、电磁超声、激光超声、激光电磁超声等技术在高温无损检测应用方面存在的优缺点和应用场景,总结了高温声学检测技术面临的机遇与挑战。

古建筑木结构无损检测内容与研究进展

中国拥有大量的木结构古建筑。合理有效地检测评估木结构的存在状况,是古建筑保护和修缮工作的重要需求。古建筑木结构无损检测是以无损检测和评估古建筑木结构安全性,以现场应用和实际需求为导向的木材材性检测评估技术,检测内容主要包括缺陷无损检测和木材物理力学性能无损检测两个方面。木结构、木构件隐藏缺陷的检测以及评估是古建筑木结构无损检测工作的重点和难点。本文首先介绍古建筑木结构的组成,总结其无损检测内容和目前常见无损检测方法;然后归纳总结古建筑木构件隐藏缺陷无损检测、古建筑木构件分等、腐朽对古建筑木材力学性能影响等应用和研究进展;最后归纳说明古建筑木材力学性能无损检测和自然老化对古建筑木材性质影响的研究状况。以期对从事木结构文物保护技术应用和科研工作的相关人员,有所启发和帮助。

不同百合食药用功能指标检测分析

百合(Lilium spp.)是百合科(Liliaceae)百合属(Lilium L.)多年生球根草本植物的统称,是传统的药食同源植物,含有多糖、甾体皂苷等生物活性物质和淀粉、可溶性糖等营养成分,具有抗癌、抗氧化、抗抑郁、止咳等多种药理功能。受品种少、种源退化、重茬障碍等因素制约,现有食药用百合产能无法满足消费市场日益增长的需求,需要开发新的品种。选择百合原生种、药用百合杂交后代和栽培品种为试验材料,检测百合鳞茎多糖、总皂苷、总酚、黄酮、超氧化物歧化酶(SOD)、过氧化氢酶(CAT)等生物活性成分和可溶性总糖、维生素C、总淀粉、游离氨基酸、粗蛋白、总膳食纤维等营养成分含量,以卷丹和兰州百合为对照,开展百合食药用指标检测分析。结果表明:大花卷丹多糖含量达到281.58 mg·g^(-1)Dw,多项指标优于或接近卷丹和兰州百合,具有开发成食药用百合新品种的潜力;卷丹杂交后代辽宁晨曦多糖含量244.97 mg·g^(-1)Dw,粗蛋白含量130.94 mg·g^(-1)Dw,适合作为提取百合多糖和加工高蛋白食品的原料;栽培品种穿梭和伯格菲的淀粉、可溶性糖、膳食纤维含量等单项指标较为突出,适合作为提取单类营养物质的原料;凌源产兰州百合与大连产兰州百合5项指标差异极显著,可见产地环境条件能够对百合品质产生重要影响。

基于自适应融合的实时车辆检测

针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法(fusion attentiont adaptive pyramid network,FAAP-Net),可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构(CPS),该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数(GFLOPs)和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块(AAM)和特征增强模块(FEM)引入自适应融合特征金字塔网络(AF-FPN),以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力(SA)机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。

检测类专业虚拟仿真实训平台开发研究

本文主要探讨检测类专业虚拟仿真实训平台的开发。采用系统化分析方法,深入探讨虚拟仿真技术的重要性,并阐述了检测类专业虚拟仿真实训平台在提升学生实践能力、提供灵活学习环境及节约资源方面的优势。结合一系列平台功能需求,详细介绍了系统框架设计、虚拟环境构建以及模拟实验实现方面的创新实践,得出了该实训平台具有广泛的适用性和可持续发展性的结论。为了使平台持续优化,提出了互联网技术与在线协同学习整合、引入人工智能技术和强化平台个性化等方面的改进和发展建议。本研究旨在推动检测类专业教育教学模式改革,培养学生的实践能力以适应社会需求。

融合改进自编码器和残差网络的入侵检测模型

互联网中存在大量隐私数据,因此防止网络入侵成为保护网络安全的关键问题。为提高网络入侵检测的准确率并解决其收敛慢问题,设计一种改进的堆叠自动编码器和残差网络(ISAE-ResNet)入侵检测模型。融合栈式自编码器和残差网络,首先将预处理后的数据输入到改进的栈式自编码器中,该栈式自编码器由2个副编码器和1个主编码器组成,数据经过副编码器和主编码器训练后重构出新的特征来防止过拟合问题;然后将解码层的权重捆绑到编码层进行优化,使模型参数减半来进行降维,提高模型的收敛速度;最后将处理过的数据输入到改进的残差网络中,并基于改进的ResNet网络设计一种加入软阈值函数的残差模块,通过降低数据中的噪声来提高模型准确率。在CIC-IDS-2017数据集上的实验结果表明,该模型准确率为98.67%,真正例率为95.93%,误报率为0.37%,损失函数值快速收敛至0.042,在准确率、真正例率、误报率和收敛速度方面均超过对比入侵检测模型,具有较高的有效性和可行性。

应用于食品检测领域的分子即时检测技术研究进展

食品安全问题关系人类民生。为有效预防和控制食品安全风险,减少食品安全经济损失,迫切需要开发出针对食源性病原体、食物掺假、转基因作物的高特异性、高敏感性、快速的核酸检测技术。即时检测(point-of-care testing,POCT)作为一种新兴的快速检测手段,由于其检测速度快、操作简单、现场检查等特点,在食品检测领域应用广泛。本文首先介绍了POCT技术的发展历史,而后根据食品安全事件的特点,从食源性致病菌、食物掺假、转基因作物3个方向分析了食品检测的主要对象,阐述了分子POCT技术在食品检测领域的应用现状,最后对应用于食品检测领域的分子POCT技术存在的问题和解决办法进行了分析总结,对食品检测分子POCT技术的发展方向进行了展望。本文有助于进一步了解分子POCT技术在食品检测中的应用,并为分子POCT技术在食品快速检测中的研究和应用提供参考。

基于改进YOLOv3的水稻叶部病害检测

为了解决水稻小病斑检测不准确的问题,提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice-YOLOv3。首先,采用K-means++聚类算法,计算新的锚框尺寸,使锚框尺寸与数据集相匹配;其次,采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数,利用该激活函数的平滑特性,提升网络的检测准确率,同时将CSPNet与DarkNet53中的残差模块相结合,在避免出现梯度信息重复的同时,增加神经网络的学习能力,提升检测精度和速率;最后,在FPN层分别引入注意力机制ECA和CBAM模块,解决特征层堆叠处的特征提取问题,提高对小病斑的检测能力。在训练过程中,采用COCO数据集预训练网络模型,得到预训练权重,改善训练效果。结果表明:在测试集下,Rice-YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%,其中,稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%,相较于YOLOv3,Rice-YOLOv3检测的m AP提高了6.05个百分点,速率提升了2.8帧/s,对稻瘟病和褐斑病的小病斑的检测能力明显增强,可以检测出原始网络模型漏检的小病斑;与Faster-RCNN、YOLOv5等模型对比,Rice-YOLOv3提高了对相似病害和微小病害的识别能力,并在原始的基础上提高了检测速率。

基于轻量化网络与增强多尺度特征融合的绝缘子缺陷检测

随着无人机搭载目标检测算法在输电杆塔绝缘子巡检领域的发展,针对绝缘子缺陷检测速度较低,网络复杂度高且缺陷小目标难以准确检测的问题,提出一种基于轻量化网络与增强多尺度特征融合的YOLOv5-3S-4PH模型进行绝缘子缺陷实时检测。首先将重构的ShuffleNetV2-Stem-SPP(3S)网络作为YOLOv5的主干网络,显著减小了网络的参数量和计算量;其次引入针对小目标的增强多尺度特征融合网络以及4个预测头,来增强网络对绝缘子缺陷的感知能力,并结合Mosaic-9数据增强、CIoU损失函数进一步补偿轻量化导致的检测精度损失;最后将其应用到自制绝缘子数据集进行验证。实验结果表明,该文所提出的模型相对于未改进的YOLOv5,全类平均精度提高了3%,检测速度提高了81.8%,参数量、计算量分别压缩了82.4%、67%。因此,所提出的模型更适合部署在无人机平台上进行绝缘子缺陷的实时监测。