基于改进MobileNetV2网络的涂层表面缺陷识别方法

针对涂层表面缺陷检测工业化应用过程中对识别准确率和速度的需求,本文在MobileNetV2网络的基础上提出一种涂层表面缺陷识别方法。设计了递进式分类器,通过逐层筛选压缩有用特征实现高精度的快速识别操作,并在骨干中加入跨局部连接结构,以丰富网络中的基础特征并增加特征尺度信息。将交叉验证和迁移学习相结合以优化训练方法,在大幅度缩减训练耗时的同时使网络具有更优的初始状态和更快的性能提升率。结果表明:本文方法在采集的涂层表面缺陷数据集上准确率达到了99.48%,速度和精确度分别提升11.74%、8.38%,参数量降低20.89%,训练时间缩短36.77%,与其他分类网络相比,在综合考虑准确率和速度的情况下具有最佳表现。本文方法同时具有较高的识别准确率、较快的识别速度和较短的训练耗时,符合实际工业应用需求。

基于改进MobilenetV2网络的声光图像融合水下目标分类方法

针对小样本条件下水下目标分类准确率低、计算资源量大的问题,提出一种声光图像融合目标分类方法。首先,对MobilenetV2网络进行改进,去掉第9层之后的网络层,并将该层卷积通道数改为128,通过Flatten层进行数据降维,增加一个全连接层得到分类结果;其次,设计一种融合网络结构,将声光图像成对输入网络进行特征提取,在中间层利用通道拼接算法实现特征图融合,使用融合特征进行目标分类。在真实数据集上对网络进行训练,结果表明,改进的MobilenetV2网络对水下目标的分类性能更好,融合网络的分类准确率相比融合前有所提高,更加适用于水下目标分类任务。

改进MobileNetV2网络在遥感影像场景分类中的应用

针对使用深层卷积神经网络进行场景分类往往需要消耗大量的时间与存储空间来训练、测试并保存模型的问题,将DenseNet的密集连接的思想应用于轻量化网络MobileNetv2中,借助特征复用来提高网络性能。同时利用一个扩张系数为1、步长为1的瓶颈与一个扩张系数为1、步长为2的瓶颈的组合压缩特征图的通道数,并将部分瓶颈的扩张系数减小以控制网络的整体规模。将改进的网络在NWPU-RESISC45遥感影像数据集上进行实验分析。结果表明,改进网络在保持分类准确率的同时缩减了网络规模,提高了计算速度,对遥感影像场景分类具有较好的实用性。

基于改进MobileNetV2的铣削振动状态辨识

针对现有铣削振动状态辨识模型准确率不高,训练耗时较长的问题,提出基于改进MobileNetV2的铣削振动状态辨识方法。以MobileNetV2骨干结构为主干特征提取网络,联合多尺度注意力聚融层(MAFL)与层递式分类器(LC)对MobileNetV2顶层结构进行重建,从而达到模型改进目的;其次,以变分模态分解与希尔伯特变换为基础开展铣削振动状态数据预处理,并以迁移学习(TL)与Fine-tune相结合对改进模型进行训练;进而,以不同转速下变切深侧铣工艺为对象,利用改进MobileNetV2模型及多种经典分类模型对铣削振动状态进行辨识与对比分析。结果表明,改进MobileNetV2在准确率和耗时方面均具有优势,所提辨识方法更适应制造工程领域对切削状态实时认知与颤振预警的应用需求,具有较广阔的工程应用前景。

基于抑菌实验和网络药理学探讨D-柠檬烯、2-茨醇对白色念珠菌的抑制作用

目的:采用抑菌实验研究蛇床子-冰片药对成分中的D-柠檬烯及2-茨醇的体外抗白色念珠菌作用,并运用网络药理学预测D-柠檬烯和2-茨醇治疗念珠菌病的核心靶点和通路。方法:以白色念珠菌为研究对象,K-B纸片扩散法分别测定0.5、1.0、1.5 mg的D-柠檬烯、2-茨醇、制霉菌素的药液抑菌圈直径;采用试管双倍稀释法和棋盘法,测定D-柠檬烯、2-茨醇的最低抑菌浓度(MIC)以及两两联用的MIC,计算出联合抑菌分数(FIC)。通过Pubchem、SwissTargetPrediction数据库预测D-柠檬烯、2-茨醇的有效靶点;通过GeneCards、OMIM数据库检索念珠菌病相关的疾病靶点;运用Venny软件获得两种化学成分和念珠菌病的共同靶点;运用Cytoscape 3.9. 0软件构建“成分-靶点-疾病”网络;利用STRING数据库构建蛋白互作PPI网络;利用R软件进行GO功能及KEGG通路富集分析。结果:D-柠檬烯的MIC为5 mg/mL,2-茨醇的MIC为2.5 mg/mL。D-柠檬烯与2-茨醇联用的FIC指数为0.75,呈相加作用。网络药理学筛选得到两种成分相关作用靶点152个,疾病靶点893个,两者交集靶点为24个;网络拓扑分析得到核心靶点为肿瘤坏死因子(TNF)、过氧化物酶体增殖物激活受体γ(PPARG)、雌激素受体(ESR1)等;KEGG分析得到核心通路为C型凝集素受体信号通路(C-type lectin receptor signaling pathway)、Fc epsilon RI信号通路(Fc epsilon RI signaling pathway)、催乳素信号通路(prolactin signaling pathway)等。结论:D-柠檬烯、2-茨醇对白色念珠菌均有抑制作用,且2种组分药物联合使用具有一定的协同作用。网络药理学预测初步提示D-柠檬烯、2-茨醇可能通过作用于TNF、PPARG、ESR1等核心靶点调控C型凝集素受体信号通路(C-type lectin receptor signaling pathway)、Fc epsilon RI信号通路(Fc epsilon RI signaling pathway)等以治疗念珠菌病。

基于网络药理学和分子对接技术的2,3-吲哚醌抗少弱精症机制研究

为研究2,3-吲哚醌(isatin, ISA)治疗少弱精症的可能作用靶点和作用机制,基于公共数据库分别获取ISA作用靶点和少弱精症相关疾病靶点,确定交集靶点,采用Cytoscape软件获取核心靶点。通过GO功能富集和KEGG通路分析交集靶点,采用分子对接预测ISA与靶点蛋白的结合能力。研究结果显示,ISA干预少弱精症主要涉及氧化应激、细胞凋亡和炎症等生物学过程,并与p53信号通路、细胞衰老通路和IL-17信号通路密切相关;经筛选确定8个核心靶点,ISA与其中6个核心靶点稳定结合。这表明,ISA可能通过作用于核心靶点CASP3、TP53、ESR1、PTGS2、TNF和ANXA5,调控p53信号通路和IL-17信号通路发挥抗少弱精症作用。

基于m×2正则化交叉验证的神经网络超参数调优方法

超参数调优是神经网络建模的关键问题。针对传统的超参数调优方法存在的问题,该文提出了一种基于m×2正则化交叉验证的超参数调优方法。目的是给出一种适用于复杂模型、大数据集背景下的计算开销较小且稳健的超参数调优方法。该方法的思想是从完整的数据集上选取少部分数据进行调优,避免模型在数据集较大时非常耗时的超参数调优难题;在m×2交叉验证的基础上设置正则化条件均衡训练集与验证集之间的分布差异,从而减少分布不一致带来的性能波动;使用信噪比作为调优的优化目标,从而可以综合考虑模型性能评价指标的均值和方差;并采用正交设计选择相关性较低的超参数组合以提高调优效率。以命名实体任务为例进行实验,在CoNLL 2003数据集上的实验结果显示,提出的调优方法能够选到和网格搜索性能上没有显著差异的超参数组合,且调优时间可显著降低约66%。

基于网络药理学和分子对接的清热益气汤治疗2型糖尿病机制研究

目的:应用网络药理学和分子对接探索清热益气汤干预2型糖尿病(T2DM)的潜在机制,为其临床使用提供理论基础。方法:采用中药系统药理学数据库与分析平台(TCMSP)和BATMAN-TCM数据库获得清热益气汤方的化学成分,设置阈值筛选出相应活性物质;在GeneCards、OMIM、PharmGkb等数据库中搜集T2DM的相关靶点,去重后提取二者交集靶点;运用Cytoscape软件和String数据库绘制“药物-成分-作用靶点-疾病”可视化网络,筛选出核心成分和关键靶点;将药物-交集基因上传至String数据库进行蛋白质-蛋白质相互作用网络构建,经网络拓扑计算选出核心基因进行GO分析和KEGG分析;并运用分子对接软件Autodock、PyMOL将核心成分与靶点进行分子对接验证,结合相关研究分析预测清热益气汤干预2型糖尿病的作用机制。结果:共获得清热益气汤的主要活性成分310个,预测靶点6746个,与T2DM交集靶点508个,其中TP53、AKT1、STAT3、TNF、SRC等蛋白可能是其干预T2DM的关键靶点,对关键靶点及对应的活性成分进行分子对接,结果显示清热益气汤的活性成分和对应靶点具有强烈的结合能力。结论:清热益气汤干预T2DM涉及多靶点、多过程、多通路。

基于改进MobileNetV2的棉花颜色分级检测

针对棉花颜色级检验中感官检验容易受到主观因素影响、仪器检验不稳定的问题,提出一种使用改进MobileNetV2神经网络实现棉花颜色级检测的方法。通过自主设计的图像采集装置,收集白棉一级到白棉五级5种棉花颜色级样品,制作数据集。将MobileNetV2网络后三层进行特征融合,并嵌入CBAM注意力机制,同时与GhostNet、ShuffleNetV2和原始MobileNetV2模型进行对比,预测棉花颜色分级。结果表明:改进后的MobileNetV2在测试集的准确率达到92.10%,相对于GhostNet、ShuffleNetV2和原始MobileNetV2分别提高了3.01个百分点、4.61个百分点、1.24个百分点,具有较好的检测效果。

基于注意力Seq2Seq神经网络的生物强化系统厌氧发酵菌体质量预测研究

生物强化厌氧发酵系统能够提高发酵效率和产物质量。然而,在生物强化甲烷厌氧发酵过程中,关键的生物参数难以实时在线测量。为了解决这一问题,提出了一种基于注意力融入Seq2Seq-LSTM模型的质量预测方法。通过编码器将时间序列数据输入,并引入注意力机制以增强对重要信息的关注,从而得到更新后的中间向量;在解码器中同样引入注意力机制,利用LSTM神经网络对当前时刻的中间向量和输入信息进行综合处理。同时,为了提高模型的稳定性,使用了Adamw梯度下降优化器进行训练。最后,将该方法与LSTM、AM-LSTM模型一同应用于甲烷发酵菌体质量预测并进行对比。实验结果表明,该模型拟合能力和预测准确性均优于其他两种模型,能够更好适用于甲烷发酵菌体质量的在线预测。

基于改进CBAM注意力机制的MobileNetV2玉米种子品种识别研究

玉米是我国主要粮食作物,有较高的营养价值和经济价值。不同的地域环境适宜种植的玉米品种不同,但由于玉米种子在外形方面存在的差异较小,所以仅凭肉眼很难对其进行快速准确的识别。为实现玉米种子品种的准确识别,研究采集了9种玉米种子图像共2792张建立数据集,并按照7∶2∶1的比例随机划分训练集、验证集和测试集。将注意力机制CBAM引入轻量化模型MobileNetV2,对CBAM的串行方式进行改进,构建一个新型注意力模块E_CBAM,并通过对比不同的压缩比,选出效果最佳的压缩比为4,提出了E_CBAM_MobileNetV2模型。实验表明E_CBAM_MobileNetV2的准确率为98.18%,相较于MobileNetV2提高了5.45%。

基于MobileNetV3网络的龋病和根尖周炎根尖片的诊断

目的研究深度学习技术智能诊断龋齿和根尖周炎的效果,初步探讨深度学习在口腔疾病诊断中的应用价值。方法以2298张包含健康牙齿、龋病、根尖周炎的根尖片数据集为研究对象,随机划分为1573张训练集图像,233张验证集图像以及492张测试集图像。通过多种神经网络对比验证,选择性能较好的MobileNetV3网络模型应用于牙病诊断,并通过调整网络超参数优化模型。采用精确率、准确率、召回率和F1分数评估模型识别龋齿和根尖周炎的能力,并使用类激活热力图对网络模型性能进行可视化分析。结果基于MobileNetV3网络模型的牙齿病变检测算法对健康牙齿、龋病和根尖周炎进行分类的精确率、召回率和准确率分别为99.42%、99.73%和99.60%,F1分数为99.57%,达到了较为理想的智能诊断效果。可视化类激活热力图也显示出网络模型能够较为准确地提取牙科病变的特征。结论基于MobileNetV3网络模型的牙齿病变检测算法能够排除图像质量和人为因素的干扰,具有较高的诊断准确率,可满足口腔医学教学和临床应用需求。

响应面法和人工神经网络对亚临界CO_(2)萃取红花籽油的建模与优化

本文旨在寻找有效建模方法以预测亚临界CO_(2)萃取红花籽油的萃取率,优化其萃取工艺条件。以单因素实验为基础,采用Box-Behnken试验设计,研究了萃取压力、分离温度、萃取时间对红花籽油萃取率的影响,并采用响应面法(RSM)和人工神经网络(ANN)两种方法分别对同一实验进行建模分析,通过RSM数值优化、人工神经网络和遗传算法结合(ANN-GA)两种方法优化其工艺条件。结果表明,RSM与ANN两种模型均能较为精准预测,但通过两种模型的决定系数(R^(2))、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)值比较,得出ANN模型(R^(2)=0.9966)的预测效果较优于RSM模型(R^(2)=0.9950)。ANN-GA确定的最佳萃取条件及萃取率分别为:萃取压力19.04 MPa、分离温度55.50℃、萃取时间134.98 min、萃取率23.52%。综上,RSM和ANN两种方法均可用于亚临界CO_(2)萃取带壳红花籽油的建模与优化,但ANN的预测准确度及拟合能力更为优秀。

基于MobileNetV2的小肠溃疡病灶图像识别

小肠镜下的溃疡病变形态复杂,鉴别诊断困难。为实现小肠溃疡病变的人工智能辅助识别,提高诊断效率和准确度,构建了一种基于MobileNetV2网络的小肠溃疡性病灶识别算法。以MobileNetV2为主干特征提取网络,将输出特征图进行空间上的多尺度提取后输入至通道注意力模块中进行特征重标定,并将多个尺度上的特征进行融合后输出分类。为了缓解数据集不均衡所带来的影响,提出了一种改进的损失函数。所用数据集来自上海长海医院282位患者的共2124张小肠镜临床图像。采用所提方法对该数据集测试的识别准确率为87.86%,5折交叉验证平均准确率为87.27%。使用梯度加权类激活图进行了可视化验证,同时将所提模块应用在不同主干网络架构上,均具有良好的通用性。研究表明,该网络模型能够更加注重病灶信息,加强病灶特征判别指向,对于小肠溃疡图像具有较高的识别准确率,可初步实现小肠溃疡病灶的自动识别。

基于rs-fMRI的2型糖尿病患者动态功能网络连接研究

目的 应用动态功能网络连接(dynamic functional network connectivity, dFNC)分析技术探讨2型糖尿病(type 2 diabetes mellitus, T2DM)患者脑功能连接时变性及其动态功能指标与临床指标的相关性。材料与方法 前瞻性纳入31例T2DM患者的临床和影像资料,并记录患者的糖尿病相关生化指标和神经心理学测试得分。同期招募32名年龄、性别及受教育年限相匹配的健康对照(healthy control, HC)。使用滑动时间窗技术进行dFNC分析得到4个功能连接状态及dFNC指标(平均停留时间、时间分数、转换次数)。采用两独立样本t检验计算不同状态内FNC矩阵以及dFNC指标的组间差异,采用Spearman相关分析计算T2DM组dFNC指标与临床指标和认知评分的相关性。结果 在状态1弱连接中,T2DM组与HC组相比,平均停留时间增多(t=2.086,P<0.05)。在状态3局部强连接中,T2DM组与HC组相比,平均停留时间减少(t=-2.250,P<0.05),时间分数减小(t=-2.582,P<0.05),默认模式网络(default mode network, DMN)与视觉网络(visual network, VIS)之间的功能连接减弱(t=-4.875,P<0.05,FDR校正)。T2DM患者的病程与状态1弱连接状态的平均停留时间呈正相关(r=0.42,P<0.05),其他糖尿病相关生化指标和认知功能评分与dFNC指标无相关性(P>0.05)。结论 dFNC分析能捕获更多有关T2DM患者脑网络连接改变的潜在信息,揭示大脑网络复杂多变的时变特征及活动形式,有望为探究T2DM相关认知障碍的神经生物学机制提供新的见解。

基于MobileNetV2的干电池底盖缺陷检测研究

干电池是用于小型电子产品的电源,在移动电源市场上有一定的市场份额,具有一定的经济价值。然而,在干电池的生产中,底盖缺陷问题很常见,而且用肉眼进行人工分拣效率较低。为了快速准确地分拣底盖缺陷产品,采集了1568张干电池底盖图像,共分为4种类别,并将其随机划分为训练集、验证集和测试集,比例分别为70%、10%和20%。通过将CBAM注意力机制嵌入MobileNetV2网络模型的倒残差结构中,成功构建了CBAM_MobileNetV2模型。实验结果表明,CBAM_MobileNetV2模型的准确率达到了95.78%,相较于MobileNetV2提高了1.19%,优化效果较为明显。

社会网络视域下2型糖尿病管理研究进展

从糖尿病管理理论框架、社会网络特征及其主要评估工具、社会网络视域下的糖尿病管理(社会网络与糖尿病发病风险,并发症,预防及照护方法)等方面进行综述,为有效管理2型糖尿病提供参考。

2型糖尿病视网膜病变患者静息态功能磁共振认知控制网络研究

目的 探讨2型糖尿病视网膜病变(T2DR)患者在静息状态下背外侧前额叶(DLPFC)的功能连接(FC)改变特征。方法 纳入2021年8月—2022年8月中国中医科学院眼科医院诊治的T2DR患者30例作为观察组,将通过广告宣传招募的30例健康受试者作为对照组。2组受试者均测定空腹状态下血糖(GLU)、糖化血红蛋白(HbA1c)、血清C肽指标,进行静息态脑功能磁共振(rs-fMRI)扫描,通过分析DLPFC与全脑的FC,比较2组受试者FC差异,将差异脑区FC值与临床量表评分进行Pearson相关分析,并完成蒙特利尔认知评估量表(MoCA)、简易智力状态检查(MMSE)的评定。结果 (1)糖尿病相关指标:观察组患者GLU、HbA1c水平高于对照组(t_(GLU)=11.601、t_(HbA1c)=13.837,均P=0.000),MoCA得分、MMSE得分低于对照组(t_(MoCA)=-12.827、t_(MMSE)=-13.395,均P=0.000),差异均有统计学意义。2组血清C肽浓度比较,差异无统计学意义(P>0.05)。(2)FC值比较:以年龄、性别、受教育程度及头动作为协变量,观察组患者以左侧DLPFC为种子点,观察组在左侧顶下小叶、右侧中央后回的FC均高于对照组(t_(左侧顶下小叶)=6.785、t_(右侧中央后回)=5.126,均P=0.000);以右侧DLPFC为种子点,观察组在左侧顶下小叶、左侧额下三角回及小脑后叶的FC均高于对照组(t_(左侧顶下小叶)=4.274,t_(左侧额下三角回)=3.991、t_(小脑后叶)=4.227,均P=0.000),阈值体素水平数值满足要求,差异均有统计学意义。(4)相关性分析:观察组以右侧DLPFC为种子点,左侧顶下小叶FC值与MoCA量表评分呈正相关(r=0.494,P=0.005),有统计学意义。结论 T2DR患者存在认知控制网络(CCN)与默认网络、感觉运动网络和小脑网络异常的FC,这可能是T2DR重要的神经病理机制。

燃烧机理构建的极小化反应网络方法:C_(2)燃料燃烧

针对目前C_(2)燃料反应机理中存在的诸多问题,本文采用极小化反应网络方法,在特定化学分辨率条件下构建了乙烯、乙烷和乙醇等典型C_(2)燃料的燃烧反应机理.构建的C_(2)单组分机理具有简洁的反应网络,采用可逆反应形式,并对反应方向在形式上进行了统一.在动力学参数方面,采用经典Arrhenius方程(A,Ea)双参数形式,在保证物理意义的同时有利于参数优化.C_(2)机理构建过程中避免了机理简化步骤,能够大幅减少物种数和反应数.动力学模拟结果表明,构建的C_(2)燃烧反应机理在保持较小尺寸的同时有较高的可靠性,并为机理的实际工程应用降低计算成本带来便利.

基于长短期记忆网络的CO_(2)气层识别方法

CO_(2)监测是油气开采中的关键环节,传统的CO_(2)监测方法面临很多挑战,在人工智能逐渐兴起的当下,深度学习技术被广泛应用于地球物理测井。珠江口盆地恩平凹陷深层CO_(2)气藏发育,传统测井方法无法准确评价储层流体。构建了基于长短期记忆网络(LSTM)的CO_(2)气层识别模型,采用m×2正则化交叉验证优选CO_(2)敏感测井参数,并对模型进行训练。利用该模型对珠江口盆地恩平凹陷L2井CO_(2)气层进行识别,并与支持向量机和K近邻算法识别结果进行对比。结果表明,3种深度学习算法对CO_(2)气层的识别效果良好,其中LSTM算法对CO_(2)气层的识别效果最好,准确度达93.4%,为深层CO_(2)气层识别工作提供了新思路。