空间目标天基光学定位方法综述

近年来空间目标定位领域不断结合网络协同、多模融合等探测技术,发展迅速。其中,基于天基光学探测的定位方法以隐蔽性好、测量精度高的独特优势在民用和国防领域应用广泛。为了分析不同情景下适用于不同类型目标的定位方法,针对基于天基光学探测的空间小目标定位进行综述。首先介绍天基光学探测技术的发展、空间目标的分类和特点以及空间目标定位的概念。然后着重分析适用于空间“小、弱”目标的单星和多星定位方法,并对近年提出的异质传感器联合定位展开说明。最后,依据成像过程建立空间目标定位误差分析模型,分析定位精度的影响因素占比并根据现存问题做出总结和展望。

复杂背景下基于YOLOv7-tiny的图像目标检测算法

“黑飞”无人机一旦带有炸弹等物品,会对人们带来威胁。对在公园、游乐场、学校等复杂背景下“黑飞”的无人机进行目标检测是十分必要的。前沿算法YOLOv7-tiny属于轻量级网络,具有更小的网络结构和参数,更适合检测小目标,但在识别小目标无人机时出现特征提取能力弱、回归损失大、检测精度低的问题;针对此问题,提出了一种基于YOLOv7-tiny改进的无人机图像目标检测算法YOLOv7-drone。首先,建立无人机图像数据集;其次,设计一种新的注意力机制模块SMSE嵌入到特征提取网络中,增强对复杂背景下无人机目标的关注度;然后,在主干网络中融入RFB结构,扩大特征层的感受野,丰富特征信息以增强特征提取的鲁棒性;然后,改进网络中的特征融合机制,通过新增小目标检测层,增加对小尺度目标的检测精度;然后,改变损失函数提高模型的收敛速度,减少损失以增强模型的鲁棒性;最后,引入可变形卷积(Deformable convolution, DCN),更好的根据目标本身形状进行特征提取,提升了检测精度。在PASCAL VOC公共数据集上进行对比实验,结果表明改进后的算法YOLO7-drone相比于YOLOv7-tiny,平均精度(map@0.5)提升了6%;在自制无人机数据集上进行实验,结果表明YOLOv7-drone与原算法相比,平均精度(map@0.5)提高了6.1%,并且检测速度为72帧/s;与YOLOv5l、YOLOv7目标检测算法进行对比实验,结果表明改进后的算法在平均精度(map@0.5)上分别高于对比算法4%、3.1%,验证了文中算法的可行性。

CCT2在卵巢癌中的表达及其对卵巢癌细胞生物学功能的影响

目的:探究CCT2在卵巢癌中的表达及对卵巢癌细胞生物学功能的影响。方法:通过TCGA和GTEx数据库分析在卵巢癌组织及正常卵巢组织样本中CCT2的表达差异;通过ICGC数据库分析并评价CCT2表达水平与患者预后的关系。免疫组化实验验证CCT2在卵巢癌组织及癌旁正常组织的表达差异。使用Western Blot实验对比正常卵巢细胞和卵巢癌细胞系CCT2表达水平。通过转染siRNA和质粒的方式构建CCT2沉默和CCT2过表达模型,并使用qPCR和Western Blot验证。利用CCK8及平板克隆方法检测CCT2对卵巢癌细胞增殖能力的影响,同时应用Western Blot验证细胞增殖相关蛋白(Ki67、PCNA)以及EMT相关蛋白(E-cadherin、N-cadherin、Vitmentin)表达水平。使用Transwell法明确CCT2对卵巢癌细胞转移和侵袭能力的影响。并进一步通过裸鼠体内成瘤实验观察CCT2对肿瘤生长的影响。结果:CCT2在卵巢癌组织中高表达且与患者预后负相关。沉默CCT2可显著抑制卵巢癌细胞增殖、迁移和侵袭能力,反之亦然。体内成瘤实验结果证实CCT2沉默可有效减慢肿瘤生长速度。结论:CCT2在卵巢癌组织中高表达,可作为患者预后不良的分子标志物,可通过促进细胞增殖转移促进卵巢癌的进展。

CT-MRI同体位图像融合在高级别脑胶质瘤放射治疗靶区勾画中应用

目的探讨同体位MRI图像(MRIsim)与CT模拟定位图像融合在高级别脑胶质瘤放射治疗靶区勾画中的临床应用价值。方法选择20例脑胶质瘤术后放射治疗患者,其中男性13例,女性7例;年龄39~69岁,平均年龄45.5岁;全部为单发病变;均已行全切或不全切手术,全部经病理组织诊断证实;世界卫生组织(WHO)分级Ⅲ级6例,Ⅳ级14例。将每例患者的同体位MRIsim、常规MRI影像(MRIconv)分别与CT模拟定位图像融合。运用Dice相似指数(DSC)和豪斯多夫距离(HD)算法来评价配准的精确度。在CT与MRIsim融合图像(Fusion-CT MRIsim)、CT与MRIconv融合图像(Fusion-CT MRIconv)上分别勾画危及器官(OAR)及靶区[大体肿瘤靶区(GTV)、临床肿瘤靶区(CTV)]。评估两种融合图像(即Fusion-CT MRIsim组和Fusion-CT MRIconv组)OAR勾画体积、GTV、CTV及剂量学差异。结果融合精确度评估:除全脑外,Fusion-CT MRIsim组其余OAR DSC均高于Fusion-CT MRIconv组(P<0.05);Fusion-CT MRIsim组OAR HD小于Fusion-CT MRIconv组(P<0.05)。OAR勾画体积比较:Fusion-CT MRIsim组OAR勾画体积与Fusion-CT MRIconv比较,差异无统计学意义(P>0.05)。靶区:Fusion-CT MRIsim组GTV、CTV小于Fusion-CT MRIconv组[(118.2±8.0)cm^(3)vs(125.3±8.1)cm^(3)、(234.3±12.8)cm^(3)vs(256.0±13.4)cm^(3)],差异有显著统计学意义(均P=0.000)。剂量学比较:Fusion-CT MRIsim组D_(max)-PTV、D_(mean)-PTV与Fusion-CT MRIconv组[(6432.9±23.0)cGy vs(6430.4±25.2)cGy、(6159.0±13.7)cGy vs(6166.2±17.3)cGy]比较,差异无统计学意义(P>0.05)。结论CT-MRI同体位融合图像配准精确度高,可降低全脑平均剂量(D_(mean))及缩小GTV及CTV,是高级别脑胶质瘤术后精确放射治疗值得广泛应用的临床方法。

经济增长目标调整促进了资本流动吗——基于企业跨地区投资的视角

地方政府“为增长而竞争”的发展模式是造成市场分割的重要因素,那么经济增长目标下调能否缓解这一局面、促进要素资源自由流通?为了回答这一问题,本文以上市公司在异地设立子公司的行为衡量资本要素的流动性,系统考察经济增长目标下调对企业跨地区投资的影响。研究发现,经济增长目标下调能够促进资本流动,表现为经济增长目标下调显著提升了辖区内上市公司设立异地子公司的比例;影响机制分析表明,经济增长目标下调提高了政府放权意愿,降低了市场分割程度,进而促进了企业跨地区投资;进一步的异质性分析揭示,在地区行政壁垒较低、行业竞争程度较高及民营企业样本中,经济增长目标下调对企业跨地区投资的促进作用更加明显。本文丰富了制度性政府行为影响资源配置的相关研究,为当前推进全国统一大市场建设提供了直接的政策思路。

基于改进YOLOv5的安全帽检测算法

为了解决建筑工地、隧道、煤矿等施工场景中现有安全帽检测算法对于小目标、密集目标以及复杂环境下的检测精度低的问题,设计实现了一种基于YOLOv5的改进目标检测算法,记为YOLOv5-GBCW.首先使用Ghost卷积对骨干网络进行重构,使得模型的复杂度有了显著降低;其次使用双向特征金字塔网络(BiFPN)加强特征融合,使得算法对小目标准确率提升;引入坐标注意力(Coordinate attention)模块,能够将注意力资源分配给关键区域,从而在复杂环境中降低背景的干扰;最后提出了Beta-WIoU作为边框损失函数,采用动态非单调聚焦机制并引入对锚框特征的计算,提升预测框的准确率,同时加速模型收敛.为了验证算法的可行性,以课题组收集的安全帽数据集为基础,选用了多种经典算法进行对比,并且进行了消融实验,探究各个改进模块的提升效果.实验结果表明:改进算法YOLOv5-GBCW相较于YOLOv5s算法,算法平均精确率(IOU=0.5)提升了5.8%,达到了94.5%,检测速度达到了124.6 FPS(每秒处理帧数),模型更加轻量化,在复杂环境、密集场景和小目标场景下检测能力提升显著,并且同时满足安全帽检测精度和实时性的要求,给复杂施工环境下安全帽检测提供了一种新的方法.

益景汤对早期糖尿病视网膜病变大鼠视网膜miRNA表达的影响

目的探究益景汤对早期糖尿病视网膜病变(DR)大鼠视网膜组织中微小RNA(miRNA)表达的影响,筛选出益景汤干预早期DR的靶点miRNA。方法将20只2月龄雄性SD大鼠使用链脲佐菌素建立糖尿病大鼠模型,随机分为模型组(MG)和益景汤组(YJG),另将常规喂养的大鼠设为对照组(CG),每组10只。YJG组大鼠每日灌胃益景汤12.50 g/kg,CG、MG组大鼠灌胃等体积0.9%氯化钠注射液,均干预16周。给药完成后记录大鼠体质量,摘除双侧眼球剥离视网膜,提取总RNA,PCR扩增构建小RNA文库,采用高通量测序技术对该文库进行测序。对差异miRNA进行靶基因预测,并对靶基因进行基因本体论(GO)、Pathway分析,选择差异倍数较大的miRNA进行PCR验证。结果(1)已知miRNA差异:筛选出644个已知miRNA,其中差异miRNA共59个。与CG组比较,MG组35个miRNA上调、6个miRNA下调,YJG组20个miRNA上调、4个miRNA下调;与MG组比较,YJG组6个miRNA上调、13个miRNA下调,差异均有统计学意义(均P<0.05);其中,1个上调miRNA,11个下调miRNA为益景汤干预DM大鼠后,3组共同差异性表达miRNA。(2)新发现miRNA差异:3组筛选出242个新发现的miRNA,其中差异miRNA共105个。与CG组比较,MG组50个miRNA上调,15个miRNA下调;与CG组比较,YJG组55个miRNA上调,20个miRNA下调;与MG组比较,YJG组16个miRNA上调,6个miRNA下调,差异均有统计学意义(均P<0.05)。(3)差异miRNA生物学功能和通路:差异基因主要涉及生物学过程方面的多种蛋白的转录调节;靶基因关联的通路主要是肿瘤相关的信号通路和糖脂代谢相关通路。(4)PCR验证:MG组大鼠视网膜miR-673-3p表达低于CG组,余11个miRNA表达均高于CG组;YJG组大鼠视网膜miR-673-3p、miR-23b-5p表达均高于MG组,余10个miRNA表达均低于MG组,差异均有统计学意义(均P<0.05)。除miR-23b-5p外,其余11个miRNA与上述RNA检测结果一致。结论miR-673、miR-1、miR-133、miR-214、miR-23b、miR-31a、miR-451等可能是益景汤干预早期DR微血管损害的靶点miRNA。

基于高分辨一维距离像及其特征的空间目标识别效果分析

目标高分辨一维距离像(High Resolution Range Profile,HRRP)中包含了丰富的目标尺寸、结构等目标特征,是进行空间目标身份识别的有效途径。但由于卫星宽带雷达实测数据获取难度大,前期相关研究多集中于基于HRRP的目标识别算法,结论也多是基于仿真数据和少量类别(几类)的前提下得到的,与工程应用实际情况有较大差距,工程指导意义有限。为解决这一问题,基于地基雷达获取的30类卫星目标的大量一维距离像实测数据,从识别正确率的角度对目标HRRP及其特征(组合)的可分性和在空间目标个体识别中的应用效果进行了量化分析,分析结果可为后续基于HRRP的空间目标个体识别技术研究和工程应用提供可靠依据。

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。

红外成像导引头对隐身飞机探测性能提升途径分析

隐身飞机的出现对现有雷达和红外制导空空导弹的目标探测能力都提出了挑战。由于隐身飞机对雷达隐身的效果优于红外,相对而言,红外制导空空导弹具有反隐身的优势。但红外导引头仍需采取一定的措施以提高其对隐身目标的探测识别能力。本文针对红外成像导引头探测隐身目标能力提升需求,首先梳理了隐身飞机的红外辐射特征,之后根据红外成像导引头探测性能的影响因素,提出了采用双色/多波段成像探测、优化系统工作参数设计、提高成像质量和场景自适应性、采用低信杂比目标检测截获等技术以提高系统对隐身飞机的探测识别能力。

重构本草——栀子

通过古籍文献调研、中医药现代研究成果的梳理,结合中医临床及中药学等学科领域内知名专家学者的认识及应用经验,归纳出栀子:功效主要为泻火除烦,清热利湿,凉血解毒,外用消肿止痛。症靶为心烦、黄疸。标靶为高血糖。现代药理发现栀子及其有效成分具有抗炎解热、保肝利胆、保护神经、降血糖、降血脂、镇痛等作用。栀子具有肝肾毒性,栀子苷是主要的肝毒性成分,临床中应避免长期大剂量服用,同时注意合理配伍。临床使用剂量为3~30 g,内服时当根据不同疾病,或同一疾病的不同阶段进行辨证使用,并积极探索栀子用量与症靶、标靶的量效关系构建。

改进YOLOv6的遥感图像目标检测算法

针对遥感图像背景复杂、目标普遍比较小且呈多尺度分布所导致的目标检测精度较低的问题,提出了一种改进YOLOv6的遥感图像目标检测算法。在骨干网络引入一种坐标注意力模块,以提高复杂背景下模型的特征提取能力和目标定位能力。提出一种上下文增强模块,使模型获取丰富的上下文信息,从而提升模型提取多尺度目标细节信息的能力。为了实现不同尺度特征的自适应融合,通过在颈网络引入一种自适应空间特征融合,提升了多尺度目标尤其是小目标的检测精度。将所提改进算法在遥感图像公开数据集DOTA-v1.0上进行训练并测试,实验结果表明,改进算法的收敛速度与收敛精度均优于原算法,其中AP值达到了54.6%,相比原算法提高了1.4个百分点,同时相比于一些其他目前先进的目标检测算法在精度和速度上均有提升,证明了改进算法的有效性。

杂草对9类常用不同作用机制除草剂的非靶标抗性机制研究进展

除草剂的应用为农业生产带来便利,但长期、单一使用某一种或相同机制的除草剂也引发了杂草对除草剂的抗性问题。抗性杂草种类逐渐增加,抗性形成机制复杂,导致农田杂草的治理难度增加。杂草对除草剂的抗性机制主要分为两种,一种是除草剂靶标位点基因的突变或过量表达导致的靶标抗性,另一种是杂草对除草剂吸收、转运、固存和代谢等一个或多个生理过程发生变化导致的非靶标抗性。本文综述了杂草对9类不同作用方式除草剂的非靶标抗性机制的生理、生化和分子基础的研究进展,以期为抗性杂草综合治理提供参考。

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。

基于空时级联单脉冲的多目标高效参数估计算法

比幅单脉冲最大似然算法(ACM-ML)在进行目标参数估计时需要进行距离与速度的2维松弛迭代搜索,导致了计算效率低、运算量大的问题。针对上述问题,该文提出一种基于空时级联单脉冲的高效多目标参数估计算法(M-STCMP算法)。该算法将单脉冲概念引入脉冲域,利用时域单脉冲计算目标速度,避免了ACM-ML算法中对速度的迭代搜索,将2维松弛迭代搜索降为1维搜索,有效降低了计算复杂度。考虑时域单脉冲无法同时匹配分布在不同时域主波束的速度各异的多个检测目标,进一步利用目标信号的多普勒信息,在各多普勒单元分别进行时域单脉冲测速,并搜索目标距离值。最后为抑制目标间的信号泄露,将所有目标的估计参数进行级联迭代获得高精度参数估计值。理论分析和仿真结果验证了M-STCMP算法的有效性。

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。

AccuLearning自动勾画临床靶区和危及器官用于宫颈癌术后放疗的可行性研究

目的从几何学和剂量学探讨AccuLearning(AL)建立宫颈癌术后临床靶区(CTV)和危及器官(OARs)自动勾画模型应用于临床的可行性。方法选取75例宫颈癌术后手动勾画CT数据,60例应用AL训练生成自动勾画模型,并对剩余15例进行自动勾画,同时将自动勾画图像上的放疗计划导入到手动勾画结构上,比较两种勾画方式的效率、戴斯相似系数(DSC)、豪斯多夫距离(HD)和剂量学差异。结果自动勾画时间明显小于手动勾画(P<0.05);各结构DSC值≥0.87;肠袋和直肠的HD值在10 mm左右,其余结构小于5 mm;剂量学评估CTV(D98、V90%、V95%、Dmean、HI)、肠袋(V50)和膀胱(V50)有显著性差异(P<0.05)。结论基于AL形成的宫颈癌术后自动勾画模型提高了放疗效率,OARs具有直接应用于临床的可能性,CTV仍需进一步修改。

基于深度强化学习的舰船导弹目标分配方法

针对对抗环境下的海上舰船防空反导导弹目标分配问题,本文提出了一种融合注意力机制的深度强化学习算法.首先,构建了舰船多类型导弹目标分配模型,并结合目标多波次拦截特点将问题建模为马尔可夫决策过程.接着,基于编码器–解码器框架搭建强化学习策略网络,融合多头注意力机制对目标进行编码,并在解码中结合整体目标和单个目标编码信息实现舰船可靠的导弹目标分配.最后,对导弹目标分配收益、分配时效以及策略网络训练过程进行了仿真实验.实验结果表明,本文方法能生成高收益的导弹目标分配方案,相较于对比算法的大规模决策计算速度提高10%~94%,同时其策略网络能够快速稳定收敛.

基于改进YOLOv5-LITE轻量级的配电组件缺陷识别

为对配电组件缺陷进行精确快速的定位和识别,提出一种基于改进YOLOv5-LITE轻量级的配电组件缺陷识别方法。为使模型便于部署至移动设备终端,该方法使用ShuffleNetV2作为骨干网提取特征构建YOLOv5-LITE轻量级神经网络模型,并摘除ShuffleNetV2的1024卷积和5×5池化,采用全局平均池化操作替代,降低网络参数量,提升模型检测速度;通过引入有利于细粒度目标检测的152×152特征层,实现了对大、中、小尺度的缺陷检测;在PANet架构中采用深度可分离卷积代替下采样使得网络更加轻量化。实验结果表明:该方法能够识别电缆脱离垫片、电缆与绝缘子脱落、无环绝缘子3种缺陷,其检测精度分别达到92%、95%、95%,网络参数量约为YOLOv5的1/4,检测速度达到2 ms/张。所提出的方法具有实时性、准确率高、轻量化等特点。

雷达信号与遥感地图融合的深度学习低慢小目标检测算法

雷达复杂环境低慢小目标检测是一项具有挑战性的任务,而利用深度学习以及数据特征融合等方法是解决这一难题的有效手段。本文在雷达地图融合检测网络(Radar Map fusion Detection Network,RMDN)的基础上进行了优化,主要优化方向为将雷达与地图信息在检测过程中进行重要性程度区分,具体优化内容为减少地图特征提取模块的网络深度,加入通道注意力机制,让神经网络自主学习雷达信息与地图信息特征的权重,使神经网能够更好地利用地图信息对雷达目标进行辅助检测。在此优化基础上,本文重新设计出了雷达地图融合检测网络RMDN-V2。算法的主要思想为利用卫星遥感地图来提供背景环境信息,作为雷达信号检测的辅助,通过将目标背景中的特征信息融入检测决策中,提高目标检测的准确性和鲁棒性,减少对强杂波和移动物体的干扰敏感性,改善目标检测算法在复杂环境下的表现。最后的无人机雷达实测数据实验结果表明,本文所做的针对性优化是有效的,RMDN-V2的检测性能优于原始的RMDN,同时本文算法检测性能远超传统的雷达检测算法,同时也优于目前主流的一些深度学习雷达目标检测算法。本文为解决当下低慢小目标检测的难题提出了新的算法。