流动注射分析仪挥发酚检测模块校准方法的研究

建立一种科学合理且可操作性强的流动注射分析仪挥发酚检测模块校准方法。对计量技术机构开展该仪器的校准工作规范的制定有指导意义。

面向白内障识别的临床特征校准注意力网络

近年来,卷积神经网络(convolutional neural network,CNN)模型已经被广泛用于年龄相关性白内障自动分类任务,然而,鲜有研究工作将年龄相关性白内障的临床先验知识注入卷积神经网络架构设计中,以此来提高年龄相关性白内障的分类效果和改善模型决策过程的可解释性。提出了一种临床特征校准注意力网络(clinical feature recalibration attention network,CFANet)模型用于自动识别年龄相关性白内障严重级别。在CFANet中,设计了一个简单且有效的临床特征校准注意力模块(clinical feature recalibration attention block,CFA),其不仅能对不同临床特征类型进行自适应地加权融合,还通过门控操作符来突出重要通道和抑制不重要通道。在一个核性白内障的眼前节光学相干断层成像影像(anterior segment optical coherence tomography,AS-OCT)数据集和一个公开眼科影像数据集上进行了充分实验,实验结果表明,相较于squeeze-and-excitation network(SENet)、efficient channel network(ECANet)、style-based recalibration module(SRM),CFANet在AS-OCT数据集上的分类准确率至少提升了3.54个百分点,同时在公开的眼科影像数据集上的分类结果比先进的神经网络模型和已发表的研究工作提升了1个百分点以上。此外,还通过可视化方法分析临床特征的权重分布和通道的注意力权重分布来提高该文模型决策过程的可解释性。

图像质量客观评价算法中校准模块的设计

提出了一种适用于全参考的图像质量客观评价的校准模块。该模块通过分析主观评价结果的统计特性,以及以最差图像质量的视频序列作为客观评价分值区间划分的参考,可以有效改善客观评价算法的评价性能,获取与主观评价结果较高的一致性。在实验部分,通过对PSNR在采用该校准模块前后的评价结果进行分析,验证了算法的有效性。

电子校准微波模块结构改进设计研究

文章首先对电子校准微波模块的失效原因进行分析,在解决故障问题基础上并考虑产品的系列化及通用化设计,提出电子校准微波模块结构的改进设计方案并验证了该方案的可行性。

光信号眼图校准模块设计

介绍一种新型光信号眼图校准模块的设计方法,给出了眼图测量的参数、眼图校准模块设计原理和试验装置的选择思路,充分考虑了可调谐激光器的出光功率、偏振方向、光调制启、微波放大器引入的误差以及被测设备自身的抖动、时基误差等因素,通过开展上升时间测试和抖动测试,分析了光接收机的带宽、抖动对标准眼图的影响,最后给出了试验结果,分析光信号的眼高度、眼宽度、消光比、光调制幅度、抖动与码速率、码长度、误码率参数的关系。

基于多尺度注意力机制的单幅图像超分辨率重建

近年来,深度卷积神经网络(CNN)在单幅图像超分辨率重建中取得了明显的进展。在此基础上,提出了一个校准多尺度通道空间注意网络(CMCSAN)。CMCSAN由两个关键模块组成:校准多尺度模块(CMSM)和通道空间注意模块(CSAM)。CMSM从不同尺度提取特征信息,自适应调整信息特征;CSAM模块可以自动鉴别不同通道的特征信息,有效调整空间的位置权重。实验结果表明,CMCSAN显著增强了挖掘中间特征信息的能力,在单幅图像超分辨率重建中表现出良好的性能。

机械和电子校准的比较

通常情况下矢量网络分析仪的校准都是使用机械校准件来完成的。但这个过程费力而且容易产生误差.使用电子校准模块对矢量网络分析仪进行校准比用机械校准件更快、更简单。该论文对电子和机械校准进行了比较。

基于循环显著性校准网络的胰腺分割方法

胰腺的准确分割对于胰腺癌的识别和分析至关重要.研究者提出通过第一阶段粗分割掩码的位置信息缩小第二阶段细分割网络输入的由粗到细分割方法,尽管极大地提升了分割精度,但是在胰腺分割过程中对于上下文信息的利用却存在以下两个问题:1)粗分割和细分割阶段分开训练,细分割阶段缺少粗分割阶段分割掩码信息,抑制了阶段间上下文信息的流动,导致部分细分割阶段结果无法比粗分割阶段更准确;2)粗分割和细分割阶段单批次相邻预测分割掩码之间缺少信息互监督,丢失切片上下文信息,增加了误分割风险.针对上述问题,提出了一种基于循环显著性校准网络的胰腺分割方法.通过循环使用前一阶段输出的胰腺分割掩码作为当前阶段输入的空间权重,进行两阶段联合训练,实现阶段间上下文信息的有效利用;提出卷积自注意力校准模块进行胰腺预测分割掩码切片上下文信息跨顺序互监督,显著改善了相邻切片误分割现象.提出的方法在公开的数据集上进行了验证,实验结果表明其改善误分割结果的同时提升了平均分割精度.

平衡多尺度注意力网络的视网膜血管分割算法

针对现有算法对微血管分割精度低、难以区分病灶区域等问题,提出一种平衡多尺度注意力网络用于分割视网膜血管。在编码阶段引入多尺度特征提取模块,提升感受野减少血管细节特征损失;在编码和解码器间增加细节增强模块,突出目标区域提高信息敏感度;设计平衡尺度注意力模块调节细节和语义特征进行最终预测,减少伪影现象。实验结果表明,在DRIVE数据集上分割准确率为96.42%、灵敏度为83.17%、特异性为98.27%,优于现有其它算法。

基于Agilent VEE的LCR自动测试系统

表贴元件,例如电容,电阻和电感,在电路设计中经常需要,测量其电性能是一项频繁而且重要的工作。但是,由于硬件上的不足,复杂的面板操作和手写记录数据使得LCR测量在大规模和高速测量上不能广泛应用。因此,通过搭建基于虚拟仪器的硬件平台,本文介绍一种LCR自动化测试系统,采用VEE编译软件编写自动化测试软件,不仅实现测试的自动化,而且实时显示结果并保存。特别的是,测试系统在连续变化条件下测量表贴元件的电性能上具有明显的优势。通过实验对比,比普通测量方法速度快10倍。

基于改进DenseNet模型的滚动轴承变工况故障诊断

针对旋转机械传统故障诊断中浅层特征对振动信号故障信息表征能力不足以及在变工况条件下传统的网络模型诊断能力差的问题,提出了一种结合风格再校准模块(style-based recalibration module,SRM)和密集连接卷积神经网络(densely connected convolutional networks,DenseNet)智能故障诊断神经网络模型。将预处理得到的时频图输入到引入SRM的DenseNet网络模型中,通过对特征图进行重新加权以及特征复用,避免有效信息缺失,降低了无关信息的干扰,增强模型对故障特征的提取能力。分别进行单一工况和变工况实验验证,结果表明所提方法在变工况条件下的故障识别率均优于目前主流的SVM、WDCNN和ECACNN诊断方法。

一种16位高精度分段式电阻型DAC设计

采用0.5μm BCD工艺,设计了一种16位分段式电阻型高精度DAC。根据集成电路工艺中电阻的一般失配特性,确定电阻型DAC采用“4+12”的分段结构,分别为高位温度计码结构和低位二进制码结构。整个电路中的电阻类型均采用高阻型电阻,减小了DAC开关结构中的失配,极大降低了整体功耗。电路结构紧凑,整体面积小,仅有2.3976 mm^(2)。结合后仿真结果,对版图进行合理调整,使电路具有较低的微分非线性(DNL),之后采用校正结构,进一步降低DNL。电路测试结果表明,输入数字信号为10 kHz的正弦波时,DAC的无杂散动态范围(SFDR)为57.72 dB,DNL为0.5 LSB,积分非线性(INL)为1 LSB,功耗为1.5 mW。

光纤水听器阵列PGC高稳定性相位解调

相位生成载波(PGC)算法用于光纤水听器阵列解调时,载波初始相位φ_(0)和调制深度C值会受外界环境影响而发生变化,从而引起相位解调失真。通过引入自动延时校准模块保证φ_(0)值的稳定性;同时引入快速椭圆纠正模块实现一定范围内C值变化的动态抑制。通过上述模块的引入实现了光纤水听器阵列工程化应用中高稳定性相位解调。