基于CenterNet模型的烟草甲虫视觉检测方法设计

【目的】实现卷烟厂烟草甲虫的精准检测,掌握虫情规律。【方法】使用数据增强技术提供的充足样本数据训练出理想的CenterNet模型,采用CenterNet模型对烟虫进行实时检测。【结果】(1)CenterNet模型在测试数据集中烟虫检测精度能够达到94%以上。(2)该模型对于烟丝、粉尘颗粒等干扰因素具有一定的抗干扰能力,能实现对烟厂烟虫的精确检测,对于小个体烟虫及粘连烟虫也能获得较优的检测结果。【结论】基于CenterNet模型设计的烟虫检测报警系统能准确统计出烟虫数量,为虫情的有效预警与防治提供了保障。

采用改进CenterNet模型检测群养生猪目标

为实现对群养环境下生猪个体目标快速精准的检测,该研究提出了一种针对群养生猪的改进型目标检测网络MF-CenterNet(MobileNet-FPN-CenterNet)模型,为确保目标检测的精确度,该模型首先以无锚式的CenterNet为基础结构,通过引入轻量级的MobileNet网络作为模型特征提取网络,以降低模型大小和提高检测速度,同时加入特征金字塔结构FPN(Feature Pyramid Networks)以提高模型特征提取能力,在保证模型轻量化、实时性的同时,提高遮挡目标和小目标的检测精度。以某商业猪场群养生猪录制视频作为数据源,采集视频帧1683张,经图像增强后共得到6732张图像。试验结果表明,MF-CenterNet模型大小仅为21 MB,满足边缘计算端的部署,同时对生猪目标检测平均精确度达到94.30%,检测速度达到69帧/s,相较于Faster-RCNN、SSD、YOLOv3、YOLOv4目标检测网络模型,检测精度分别提高了6.39、4.46、6.01、2.74个百分点,检测速度分别提高了54、47、45、43帧/s,相关结果表明了该研究所提出的改进型的轻量级MF-CenterNet模型,能够在满足目标检测实时性的同时提高对群养生猪的检测精度,为生产现场端的群养生猪行为实时检测与分析提供了有效方法。

改进CenterNet模型在遥感影像输电杆塔中的应用

基于卫星影像的输电杆塔的自动识别在电力基础设施规划、建设、维护和灾后评估等方面具有重要意义。但卫星影像因尺度变化差异大、拍摄角度的特殊性、背景复杂多变等问题,给杆塔的自动识别带来了挑战。为此,文章提出了基于改进的CenterNet模型的卫星影像杆塔自动识别算法,一方面在CenterNet骨干网络的输出端增加空间金字塔池化模块,增强模型对多尺度杆塔的适应性;另一方面利用DIoU loss对CenterNet模型的训练过程进行优化。DIoU loss能够直接最小化目标框和预测框之间的距离,使网络收敛速度加快,准确率得到提升。通过对比实验分析,改进后的模型在测试集上的AP指标提升了3%。

基于CenterNet编码优化的车辆目标检测模型

为解决车辆识别系统中车辆类型识别率低的问题,文章提出了一种优化CenterNet编码的车辆目标检测模型。本模型为保证实时性采用ResNet18作为基础网络,针对原模型中检测与分类同时进行的目标检测可能会导致车辆目标信息的混淆和互相干扰的问题,本模型将检测与分类进行解耦,着重关注车辆固有特征和车型间的特有特征,有效提高分类的准确率;针对特殊车型识别不准确的问题,模型将车辆目标的宽高,形状等特征信息加入分类中进行特征学习,提高特殊车型分类的准确性。实验结果表明:在UA-DETRAC数据集上,本模型的平均精度均值提升了0.5个百分点,F1-Score提升了1.1个百分点。

基于改进CenterNet的图像多篡改检测模型

针对目前的图像篡改数据集中缺少同时包含多种篡改操作的单张图像的问题,构建了包含多种图像篡改手段的综合数据集(MTO Dataset),每张图片包含复制移动、拼接和移除中的2种或3种篡改操作。针对多篡改检测,提出了一种基于改进CenterNet的图像多篡改检测模型,将RGB图像和经过隐写分析得到的噪声特征图作为特征提取网络的输入,在特征提取网络ResNet-50的每一层卷积前加入门控通道注意力转换单元以促进特征通道间关系。为得到更具辨别性的特征,通过改进后的注意力机制自适应学习并调节特征权重,最后使用改进的损失函数优化边框预测的准确度。实验结果证明,与当前先进模型DETR、EfficientDet和VarifocalNet相比,该模型的F1分数提升0.4%~7.4%,检测速率提高1.32~3.06倍。

基于CenterNet的跑步姿态鉴别系统的设计

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于CenterNet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进CenterNet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN(K-nearest neighbors)算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进CenterNet算法鉴别系统的有效性。结果表明:改进的CenterNet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。

基于MSPA和MCR模型的庐山市生态网络构建

【目的】在生态环境形势严峻的背景下,构建生态网络是连接破碎化斑块间的重要纽带,是保障物种迁徙交流的有效途径。【方法】以庐山市为研究对象,以GIS技术为核心,利用MSPA法对庐山市进行景观格局分析,再运用景观连通性评价法选取重要生态源地;其次采用AHP分析法结合专家打分法建立阻力因子评价体系构建阻力面,再基于MCR模型完成庐山市生态网络的构建,运用重力模型选取重要潜在生态廊道,给出生态网络的优化对策,最后应用生态网络分析法,对出生态网络的可行性进行分析。【结果】1)庐山市10处重要生态源地的面积为37 946.52 hm^(2),庐山和鄱阳湖为两处大型生态源地;2)遴选出19条重要生态廊道长为297.05 km,主要分布于中部地区;3)构成生态廊道的景观三要素分别为林地、水系和耕地,廊道宽度设置为300 m;4)构建形成“两区两带三轴”的生态安全格局。【结论】研究区内中心城区及中南部地区斑块分布零碎,景观连通性差,缺少生物栖息活动的绿色空间,应大力改善两地的生态环境,生态绿廊由两地内部向外部空间延伸构建,最终绿廊绿道交织成网覆盖全域,新增3个生态核心节点和9条重要生态廊道后的网络连接指数明显提高,表明构建的庐山市生态网络可行性较强。研究结果对于庐山市的城市绿地系统规划、生态园林城市的建设和生物多样性保护具有一定的指导意义。

轻量化特征融合的CenterNet输电线路绝缘子自爆缺陷检测

输电线路智能化巡检是新一代电力系统建设的必然要求。当前,基于深度学习的检测模型由于参数量过大,使得利用无人机(UAV)进行边缘部署较困难。为使无人机可搭载轻量级模型实现输电线路中具有自爆缺陷绝缘子的识别,提出了一种轻量级CenterNet-GhostNet的目标检测网络。对模型主干特征提取网络进行轻量化处理,利用计算成本较低的GhostNet提取自爆缺陷绝缘子的多层次特征,降低模型复杂度;引入增强感受野模块(RFB)增强特征表达能力,提升模型对小目标特征信息的注意力;构建特征融合模块,将低层特征信息和高层特征信息有效融合以输出更完整的特征图,提高缺陷识别精度。利用迁移学习参数共享,结合冻结与解冻训练相结合的模型训练策略,缓解网络因小样本数据集而产生的泛化能力不足问题。基于构建的输电线路自爆缺陷绝缘子数据集对所提方法进行验证,实验结果表明:相比原始CenterNet,所提方法的AP50、AP75和AP50:95分别提升至0.86、0.74和0.63,模型参数量由124.61×10^(6)减少至64.2×10^(6),可实现复杂环境下的自爆缺陷绝缘子检测,提高了基于无人机的输电线路巡检精度与速度。

数字经济对体育产业高质量发展的影响——基于中介模型和门槛模型的检验

对我国19个省级行政区2012—2021年的面板数据进行实证分析,通过建立中介模型和门槛模型探究数字经济与我国体育产业高质量发展的关系。结果显示:①在固定效应模型的基础上进行实证分析发现,数字经济对体育产业高质量发展产生推动作用;②在数字经济促进体育产业高质量发展过程中,产业结构作为中介变量、科技创新作为调节变量在其中起到相应的促进作用;③数字经济与体育产业高质量发展之间显著存在产业结构一阶门槛和科技创新二阶门槛效应。提出:应从提升数字经济发展水平、优化产业结构以及提升科技创新水平等方面促进体育产业高质量发展,推进社会主义现代化体育强国建设。

论大语言模型材料的证据属性——以ChatGPT和文心一言为例

以ChatGPT和文心一言为代表的大语言模型产生海量大语言模型材料,此类材料进入社会生活并产生广泛影响,讨论大语言模型材料证据属性具有重要意义。大语言模型材料可以成为证据,但是否具有证据资格需要在具体个案中进行判断。从诉讼效率出发,大语言模型证据在不同诉讼中的呈现形式可以有所区别:一般案件可以仅举示人机交流材料和使用者本地环境信息,重大案件则应完整举示。大语言模型材料区别于大数据证据和一般的人工智能证据,具有直观性强、可解释性弱、偏在于少数技术公司、可识别性弱等特点。

基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

基于BEPS模型的云南省碳源/汇时空特征及其适用性分析

净初级生产力(NPP)和净生态系统生产力(NEP)是估算陆地生态系统碳源/汇的重要指标,云南为我国碳汇的主要区域之一,开展云南NPP和NEP时空变化特征分析对科学评估陆地生态系统碳源/汇功能,以及开展碳排放交易具有重要意义。基于BEPS模型1981-2019年NPP和NEP产品,采用线性趋势分析、文献对比等方法,研究云南NPP和NEP时空变化特征及其在云南的适用性。结果表明:(1)1981-1999年云南NPP和NEP呈水平波动,2000年后云南NPP和NEP呈明显波动上升趋势,2000-2019年云南NPP高值区域主要分布在西部和南部,而NEP高值区则主要分布在东部和西部局部地区;(2)2000-2019年云南NPP和NEP除西北部部分地区为下降趋势外,其余大部地区为上升趋势;(3)云南NPP峰值出现在7、8月,谷值出现在2月,NEP峰值出现月份与NPP基本相同,但谷值出现月份较NPP滞后1-3个月,6-10月是云南碳汇的主要月份;(4)BEPS模型估算的NPP与目前广泛应用的CASA和遥感模型结果较为一致,时空变化特征与云南生态恢复措施和气候特征吻合,其估算的NEP与陆地生物圈模型(IBIS)模型和中国通量观测研究联盟(ChinaFLUX)碳水通量观测数据较为接近,时空变化大部地区与云南生态恢复措施和气候特征基本吻合,表明BEPS模型在云南具有较好的适用性。

数字融合背景下大学生数字素养培育:模型与路径

大学生数字素养培育是推进高等教育专业建设的必要举措,是助力高等教育数字化转型的重要议题。数字素养是包含知识、技能、特质、态度、伦理等要素的数字能力体系。该文从大学生群体出发,构建了数字素养陀螺模型,涵盖了多元知识、实践技能、个性特质、态度动机和道德伦理五个维度。基于此,立足于高等教育专业建设和数字化转型的背景,有针对性地提出大学生数字素养培育的路径:丰富数字资源供给,编制多元知识专业教材;强化数字培训力度,提升实践技能研习成效;加强个性特质培养,搭建虚实融合学习场景;重视数字意识培植,激活强化主体态度动机;拓展数字伦理边界,架构数字道德评价机制。

砂土中能量桩单桩水平承载特性模型试验研究

为探究能量桩单桩水平承载特性,针对砂土中能量桩在水平荷载下的承载特性进行研究,基于模型试验,分析了水平荷载作用下能量桩在制冷和加热过程中的桩顶位移、桩前土压力以及桩身弯矩等的变化规律。研究结果表明:制冷会引起能量桩桩顶水平位移略微增大,增量为0.48%D(D为桩体直径),而加热会引起较大的桩顶水平位移,达到了2.38%D;制冷和加热在初始阶段会引起桩前土压力增大,初始增长阶段结束后,土压力变化较小,多为缓慢增长或基本不变。相较于初始土压力,制冷和加热结束时的土压力基本呈增长趋势,仅个别埋深处土压力减小。制冷过程中,埋深0%L~40%L(L为有效桩长)范围内的弯矩增大,埋深40%L~100%L位置处的弯矩变化较小;加热过程中,埋深0%L~60%L范围内的弯矩均有所增大,0%L~40%L位置处的弯矩增大最为明显。制冷和加热过程中均在20%L处产生了最大弯矩,最大弯矩的增加量分别为9.93%和10.32%。进一步基于圆孔扩张理论提出了弯矩计算的理论解,并与试验结果进行对比分析,理论计算值与实测值较为吻合。

A-Kano模型下全过程工程咨询业主需求实证研究

我国全过程工程咨询实践正处于多种模式并存、咨询内容差异较大的探索性阶段。以业主需求为导向,合理确定咨询服务内容,提升全过程工程咨询企业服务能力,是推进全过程工程咨询健康发展的关键。通过梳理相关文献,识别出12种全过程工程咨询业主需求,进而借助A-Kano模型开展正、负向满意度与重要度问卷调查,并计算出各类需求的优先级。实证分析结果表明:工程监理和造价咨询属于基本型需求;项目管理、设计及勘察属于期望型需求;招标代理、前期策划和BIM咨询为兴奋型需求;后期运营、建筑节能与绿色建筑咨询、工程检测服务以及工程保险咨询为无差异需求。基于上述结果为工程咨询企业提出转型建议,使其更好地满足业主集成化、个性化的咨询需求。

面向小目标检测的轻量化改进CenterNet算法

为提高传统目标检测算法的实时性,并解决小目标检测效果不佳及漏检率高的问题,提出了改进CenterNet算法。首先将特征提取网络由ResNet50改为SqueezeNet,卷积计算的部分用深度可分离卷积代替;接着使用双阈值改进NMS算法替代单阈值-非极大值抑制算法,通过DIoU计算损失函数。结果表明:改进算法在安全帽和口罩检测数据集的检测精度分别为91.3%和85.5%,与CenterNet算法相比,性能分别提升了2.35%和3.76%,同时具有更快的检测速度。

教育大模型的发展现状、创新架构及应用展望

从通用大模型到教育大模型,是人工智能大模型技术深化发展的重要趋势。基于对教育大模型发展现状、典型案例、潜在挑战的分析,文章认为教育大模型是适用于教育场景、具有超大规模参数、融合通用知识和专业知识训练形成的人工智能模型,是大模型技术、知识库技术及各类智能教育技术的集成,能够推动人类学习和机器学习的双向建构,进而提出了应用驱动、共建共享的创新架构和“以学习者为中心”的未来应用场景,旨在建立人工智能大模型与各类数字化教育应用的开放接口,持续训练和完善能够更好地解决教育专业问题的教育场景模型,形成让广大师生常态化使用的智能教育开放模型集群和知识库,在提炼和萃取深度教育知识的同时,破解人工智能教育应用中的风险和挑战。

基于组合赋权-云模型的城市洪涝灾害韧性评价方法

基于城市系统应对洪涝灾害事件的响应过程,从基础抵御、防灾预警、应急响应和适应恢复4个方面构建了包含4个一级指标和20个二级指标的城市洪涝灾害韧性评价指标体系,在此基础上通过可拓层次分析法和熵权法对指标分别进行主观和客观赋权,结合博弈论理论进行组合赋权,提出了基于组合赋权-云模型的城市洪涝灾害韧性评价方法。南京市6个行政区的验证结果表明:该方法可有效评价城市洪涝灾害韧性水平,6个行政区中建邺区、江宁区为高韧性地区,鼓楼区、秦淮区为较高韧性地区,雨花台区为中等韧性地区,溧水区为较低韧性地区。

基于CIPP模型的全科基层实践基地指导医师门诊教学能力提升项目评价研究

背景基层实践基地指导医师的门诊教学能力是关系到全科住院医师规范化培训质量的重要因素。近年来,国内多个地区开展了社区全科师资培训项目,但缺少采用综合方法评价项目实施情况的相关研究。目的探明浙江大学医学院附属第二医院“分层督导式教学门诊”培训项目的实施现状与阻碍因素,为制定问题导向的应对策略提供理论参考和策略支持。方法2021年10月—2022年1月,基于CIPP模型,使用内容分析法、专家会议法、深度访谈法、专家评分法、问卷调查法等多种研究方法,从背景、输入、过程和成果4个方面对浙江大学医学院附属第二医院全科医学科“分层督导式教学门诊”培训项目的实施情况进行系统评估。结果政策文件分析和文献回顾结果表明,社区师资培训是受到国家卫生政策大力支持的医疗人才培养计划,且目前在国内已有广泛的实践基础。浙江大学医学院附属第二医院全科医学科“分层督导式教学门诊”培训制度基本涵盖了社区全科师资培训的内容和过程规范,基层实践基地制定的考核和激励制度缺乏实施细则,2021年5月—2022年1月,10名基层指导医师共完成了57人次社区教学门诊,每人参加4~7轮次,人均门诊教学能力评价得分从第1轮次的(78.6±5.7)分提升至第7轮次的(87.8±4.5)分。基层指导医师和全科住院医师对“教学场地与设备”“培训形式”“培训内容”及“培训效果”的满意度均超过90%,但基层指导医师对“教学激励制度”的满意度仅为20%。参与项目培训的受访者反映目前存在的主要阻碍因素是“教学相关激励制度不健全”“教学门诊患者招募困难”与“培训内容适用性不足”。结论“分层督导式教学门诊”培训项目初期取得了较为理想的结果,但仍有较大的提升空间,在下一阶段的培训中需要结合基层实践基地的实际情况制定相应的策略,以持续地改进培训质量。

小学生跨学科素养测评模型构建与应用研究

跨学科素养是小学生学习发展的关键素养,构建科学、合理的跨学科素养测评模型是开展小学生跨学科素养有效监测与提升的重要保证,对打破学科知识壁垒、培育新时代拔尖创新人才具有重要现实意义。研究遵循成熟的教育测评模型构建范式,厘清了小学生跨学科素养操作性定义,构建了包含跨学科知识、跨学科能力和跨学科情意3个一级指标、8个二级指标的小学生跨学科素养测评指标体系,开发了《小学生跨学科素养测评量表》,基于探索性、验证性因素分析以及层次分析法,构建了小学生跨学科素养测评模型:Y=0.306*Y1+0.412*Y2+0.282*Y3,其中Y表示小学生跨学科素养,Y1、Y2、Y3分别表示跨学科知识、跨学科能力、跨学科情意。应用该模型对全国东、中、西部地区12省市的18166名小学4—6年级学生进行测评,初步验证了模型的科学性、有效性与可操作性,并依据测评结果提出提升小学生跨学科素养的对策建议。