基于改进U^(2)Net的岩石薄片图像分割

了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造切片过程中染色不均会造成薄片孔隙的颜色特征不平衡而导致无法分割.因此为了改善岩石薄片分割效果,本文提出基于一种改进的U^(2)Net的分割算法.主要内容如下:(1)以U^(2)Net网络为骨干进行改进,结合coordinate attention注意力机制,用来提高模型对图像特征的表达能力.(2)通过引入多尺度特征提取模块,增加卷积层的感知区域,且能够利用特征图的多尺度特征信息.实验证明,该方法与传统分割方法和其他分割网络相比在较小颗粒的分割上表现更好,所提出的算法具有较高的分割准确度和鲁棒性.

基于U^(2)-Net+的透水混凝土CT影像孔隙分割

针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题,提出了一种堆叠高效RSU模块的U^(2)-Net+的图像分割方法。该方法通过堆叠高效的RSU模块,在网络中引入了更多的上采样节点和跳跃连接,还原了更多下采样阶段丢失的特征图细节;在编码阶段增加了一个可学习的下采样操作,进一步提升了网络对细节的捕获能力;简化了原网络的深度监督,避免了底层特征图对融合输出特征图的负面影响;将单一的标准二分类交叉熵损失函数改为Focal loss和IoU loss组成的混合损失函数,提升了网络对高噪声孔隙的关注度;最后由于数据集的特点加网络改进的提升,原网络中各模块的中间通道数得以进一步缩减,减小了网络体积。试验结果表明,U^(2)-Net+相比U^(2)-Net†在保证轻量化和快速性的同时,平均交并比、精确度、F1得分由94.12%、88.89%、93.28%分别提升至94.24%、91.15%、94.29%;U^(2)-Net+综合指标优于U-Net、U-Net++、U-Net3+、U^(2)-Net、U^(2)-Net†,各指标相较于主流的阈值分割算法至少提高23.29%,实现了透水混凝土CT影像孔隙的精准、快速分割。

基于边缘U^(2)-Net的视盘分割方法

彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使用视盘感兴趣区域提取的预处理方式去除无关特征,同时引入边缘注意力机制增强对视盘边缘特征的提取能力。在Drishti_GS和REFUGE两个公开数据集上的F1分数分别达到97.82%和97.36%,Dice相似系数分别达到97.15%和96.64%,IOU分别达到94.47%和93.50%,与其他网络模型相比表现出优越的分割性能,具有临床应用价值。

基于轻量化U^(2)-Net的车道线检测算法研究

针对车道线遮挡、道路阴影等多车道驾驶环境下提取的车道线特征信息缺失造成预测车道线模糊、不连续等问题,提出一种基于轻量化U^(2)-Net的车道线检测算法。首先,以轻量化U^(2)-Net的残差U形模块(RSU)和多特征尺度融合获得全局信息丰富的车道线特征;其次,对车道线特征进行逐像素阈值判断,并选择最小二乘法结合感兴趣区域(ROI)中车道线簇进行车道线的拟合,实现多车道线检测并确认自车道线区域;最后,在图森(TuSimple)数据集上进行验证与分析。验证结果表明,所提出的车道线检测算法的平均准确率达到98.4%,相比于其他车道线检测网络,该算法的网络参数量较少,准确率较高。

基于U^(2)-Net的痕迹物证图像分割方法的研究

针对痕迹物证检测方法精度不高、模型体积较大、部署困难等问题,设计了一种简单且强大的深层网络架构U^(2)-Net,用于研究痕迹物证图像分割方法。该架构特别设计了用于处理复杂背景下的图像分割任务。U^(2)-Net采用了一种新颖的嵌套U型结构,通过多尺度的特征提取和深层次的信息融合,能精确地识别和分割痕迹物证图像中的关键对象。该方法在痕迹物证的识别和提取方面展现了优越的性能,特别是在处理高度复杂或模糊不清的图像时,能有效提高分割的准确性和细节恢复能力。

基于改进U^(2)-Net模型的混凝土结构表面裂缝检测

【目的】背景复杂的混凝土结构表面裂缝连续性差、识别率低,基于深度学习的裂缝检测方法存在模型参数量大的问题。【方法】为此,结合U^(2)-Net框架构建了一种聚合多尺度信息的轻量级模型U^(2)-Net_Aggregation,用于复杂背景下的裂缝特征学习。该模型通过增加跳跃连接,使得每个解码层均聚合该层以上所有浅层编码特征,以获得足够的特征细节,提升裂缝分割精度;利用深度可分离卷积(Depthwise Separable Convolution, DSC)对原本的残差模块(ReSidual U-blocks, RSU)进行改进,提出了新的残差模块(RSU-DSC-ECA),来降低聚合多尺度信息时带来的模型复杂度提升的问题,其中的通道注意力机制(Efficient Channel Attention, ECA)可提升模型对裂缝区域的敏感性和对复杂背景的抗干扰能力。【结果】在三组裂缝数据集上进行消融试验,改进后的模型(U^(2)-Net_Aggregation)相较于U^(2)-Net在准确率、交并比、综合评价指标上均有优异的表现。为了验证模型对复杂背景中裂缝的识别能力,利用无人机实地采集的某混凝土结构数据进行试验,其检测效果优于FCN、SegNet、U-Net和U^(2)-Net。【结论】改进后的模型相比U^(2)-Net在召回率、交并比和综合评价指标方面分别提高了4.18%、2.97%和2.03%,可借助无人机影像快速准确地检测出裂缝,为结构裂缝检测提供一种新的方法。

一种基于U^(2)⁃Net的红外热成像与可见光图像融合方法

为解决红外热成像分辨率低且成本高昂的问题,结合可见光图像分辨率高、成本低的特点,提出一种采用U^(2)‐Net结构模型对红外热成像与可见光图像中显著目标检测的方法。针对图像中显著目标,通过图像裁剪、轮廓提取、仿射变换、形心计算、尺寸变换、匹配定位与融合等操作,实现目标物体在红外图像与可见光图像中的融合。实验结果表明,通过所提方法将低分辨率红外热成像中目标物体与高分辨率可见光图像融合,能够有效提升目标物体在整体图像中的可视性。

从方位格■kha^(1)与科■u^(2)看西夏语空间范畴的认知——以《类林》为中心

空间概念是认知其他非空间概念的基础,西夏语空间范畴的表达主要借助在名词之后加上方位格的形式来实现。■kha^(1)格与■■u^(2)格在表达空间范畴认知时存在相似之处,即均可表达包含与被包含的静态拓扑关系及动态位移关系。同时也存在相异之处,主要表现为在表达拓扑空间关系时,袭kha?格倾向于表征边界较为模糊的、具有开放性、范围相对较为宽泛的真实或非真实平面或立体空间范畴,由此其所引申的时间范畴为某一无限度的时间段;■■u^(2)格则倾向于表征边界较为清晰的封闭式或半封闭式的真实立体空间范畴,其所表征的时间范畴为一个具体的时间段,隐喻为一个有界的空间范围。在表达动态位移空间关系时,■kha^(1)格的途径关系因其空间范畴的特性,只由移动动词来体现;而■■u^(2)格所表达的途径关系由移动动词与复合趋向动词共同来体现,当复合趋向动词表达途径关系时,倾向于由位移轨迹与终始点共同来体现。

基于改进U^(2)Net网络和无人机影像的城市绿化识别方法

针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对数据进行标注,引入U^(2)Net用于无人机影像下的城市绿化识别,最后,在网络的特征提取模块引入最大池化索引来加强对目标边界的分割能力.结果表明,相较于其它深度学习网络,U^(2)Net在小规模数据集中有着优异的表现且改进后的网络在1 000张的训练集中达到了97.16%的分类精度,较原始的U^(2)Net提高0.68%,模型参数量、计算量、内存均未显著提升.改进后的方法提升了城市绿化的识别精度,可以为城市绿化识别提供一种新的自动解译方法.

基于注意力机制的U^(2)-Net图像语义分割

图像语义分割是计算机视觉领域中的一项重要技术,在自动驾驶、医学影像分析、智能家居和安防监控等领域都有广泛的应用。近年,利用深度学习模型进行图像语义分割的方法得到了广泛关注和研究。然而,深度学习模型很容易出现过拟合问题,并且面对一些存在遮挡、噪声的图像时容易预测出错,从而导致模型分割精度下降。针对这个问题,提出了一种联合注意力机制的U^(2)-Net图像语义分割优化方法,在以VGG为主干网络的U^(2)-Net模型中,增加CBAM注意力模块,使网络模型能够更加关注与分割任务相关的区域,忽略掉一些无关或噪声干扰的区域,增强特征图的表征,进而能够有效地提高模型的性能和泛化能力。实验结果表明,在增加CBAM模块后,U^(2)-Net模型的MIoU及准确率分别提高了8.21%和4%。

改进U^(2)-Net的太阳能电池片缺陷分割方法

针对太阳能电池片缺陷分割中存在的特征提取能力弱、分割精度低和漏分割等问题,提出了一种改进U^(2)-Net的太阳能电池片缺陷分割方法。为提高RSU内部有效特征的提取能力并减少参数量,利用残差结构将有效的通道注意模块和深度可分离卷积结合起来,组成新的特征提取层;为防止空间信息的丢失,在外层编解码跳跃连接中添加语义嵌入分支结构,并利用CARAFE算子进行上采样,将更多的语义信息引入低层特征以加强级间特征的融合,减少因跳跃连接丢失的空间信息;最后,将所提方法与常用分割网络对比分析。实验结果表明,该方法的类别像素准确率、交并比和平均交并比分别达74.69%、60.68%、80.30%。相较于U-Net、PSPNet及Deeplab v3+,该方法不仅有效提高了缺陷分割的精度,还实现了小目标缺陷的准确分割,有效减少了漏分割。

膨化改性稻壳对核素U^(6+)及重金属Cu^(2+),Pb^(2+)离子的吸附特性

研究了新型吸附剂膨化改性稻壳对放射性废水中的核素U^(6+)及重金属Cu^(2+),Pb^(2+)的吸附特性,考察了pH值、吸附剂用量、温度、时间和初始浓度等影响吸附的因素,分析了吸附过程中各种离子在溶液中的反应动力学、热力学参数及等温吸附规律。通过实验证明稻壳经膨化改性后对核素U^(6+)及重金属Cu^(2+),Pb^(2+)吸附效果明显,当pH值分别为3,5,5,吸附时间为40 min时,溶液中U^(6+),Cu^(2+),Pb^(2+)的去除率分别可达到89.10%,86.84%,96.58%;通过吸附理论拟合研究证明膨化改性稻壳对Cu^(2+),Pb^(2+)的吸附行为符合Langmuir单分子层吸附模型理论,对U^(6+)的吸附行为符合Freundlich等温多分子层吸附模型理论。

3-PU^＊U^＊型平动并联机构的运动学分析

研究 3-PU U 型平动并联机构的运动学分析问题。通过将该机构简化成运动等效的机构模型 ,得到其位置逆解公式及描述机构输入与输出速度关系的逆雅可比 ,并进一步对 3-PU U 并联机构作业空间的几何性质、机构的运动灵活性进行了分析 ,给出了尺度参数变化对机构作业空间及运动灵活性的影响规律。分析表明 ,该机构具有几何形状规则的作业空间及较好的运动灵活性 。

CS_2 ~1B_2(~1Σ_u^+)态预离解产物CS的振转布居研究

用一束波长为 2 10 .2 7nm的激光将CS2 分子激发至预离解态1B2 (1Σ+ u) ,用另一束激光通过激光诱导荧光 (LIF)方法检测碎片CS ,在 2 5 0 .5～ 2 86 .5nm获得了CS碎片A1Π←X1Σ+ 振转分辨的激发谱 .通过对光谱强度的分析 ,获得了CS碎片v″ =0～ 8的振动布居和v″=1,4～ 8振动态的转动布居 .结果发现 ,碎片CS的振动布居呈双模结构 ,分别对应于CS2 分子1B2 (1Σ+ u)态的两个解离通道 ,即CS(X1Σ+ ,v″=0～ 9) +S(3 PJ)和CS(X1Σ+ ,v″ =0～ 1)+S(1B2 ) .由此得到两个解离通道的分支比S(3 PJ) :S(1B2 )为 5 .6± 1.2 .与前人 193nm处的研究结果相比 ,2 10 .2 7nm激发更有利于S(3 PJ)通道的生成 .此外 ,实验还发现CS的转动布居不满足热平衡分布 。

欧山羊草6U^b染色体附加对小麦萌发期抗旱性的改良作用

为探究欧山羊草U^b染色体附加对普通小麦抗旱性的遗传改良作用,选取2个普通小麦-欧山羊草异附加系(Ae9041和Ae9061,均附加了一对6U^b染色体)和3个普通小麦品种为材料,以聚乙二醇(PEG6000)模拟干旱胁迫,研究了不同小麦材料干旱胁迫后种子发芽势、发芽率、胚芽鞘长度、种子根数、胚根长度、幼苗高度以及贮藏物质利用率等抗旱相关指标的变化。结果表明,干旱胁迫抑制了各供试材料的种子萌发,且胁迫程度越大,抑制越明显。在相同浓度PEG6000处理下,两个异附加系的种子发芽势、发芽率和贮藏物质利用率的表现较为一致,且差异不显著。与耐旱品种晋麦47和节水品种石4185相比,Ae9041和Ae9061的幼苗胚芽鞘长、种子发芽率和贮藏物质利用率在干旱胁迫下均较高。在30%PEG6000胁迫下,Ae9041和Ae9061的种子发芽势、发芽率、幼苗胚芽鞘长、胚根长、幼苗高度均显著高于亲本中国春。由此可见,普通小麦-欧山羊草异附加系种子在干旱胁迫下能迅速吸水并整齐萌发,以发达的根系和较长的胚芽鞘促进幼苗地上部生长,并将胚乳营养快速转运至幼苗中,从而促进其较快地进行形态建成,也说明欧山羊草U^b染色体的附加能够改良小麦萌发期的抗旱性。

关于u^5-Klein Gordon方程H'强解序列的振荡与集中

对ｕ５－ＫｌｅｉｎＧｏｒｄｏｎ方程，构造了一列具有紧支集的Ｈ强解序列．它在极限过程中，相对具有同样初值的线性波动方程，会产生新的振荡和集中．

氯分子Cl_2激发态D′(2_u^3Π)势能函数的高阶修正

采用能量自洽法研究了Cl2分子D′(2u3Π)态的解析势能函数.结果表明,对于Cl2分子D′(2u3Π)态,传统的解析势能函数Morse势与基于实验的Rydberg-Klein-Rees(RKR)数据有明显偏差,普遍认为优秀的Murrell-Sorbie(MS)势的改进型Huxley-Murrell-Sorbie(HMS)却给出了与物理意义不符的势能行为.采用能量自洽法Energy Consistent Method(ECM)研究得到的三阶解析势能函数ECM(3)对HMS的不正确势能行为虽有改进,但仍与RKR数据不符.我们对Cl2分子D′(2u3Π)态的解析势能函数进行了高阶修正,将ECM(3)势推广到五阶,得到的五阶解析势能函数ECM(5)结果与RKR数据符合得很好,并且正确描述了包括渐近区和离解区在内的全程势能行为,而渐近区和离解区内的实验势能数据常常是缺乏的.

NBU^＊t0寿命分布类序的非参数检验

对一类新的寿命分布类 NBU* t0 (在时间 t0 后新的比旧的好 )的 N BU性的强弱比较 ,给出一种新的非参数检验统计方法。通过对 N BU* t0 元件的 N BU性程度采用一种新的“度量”方法 ,对两个具有 NBU* t0 性元件的寿命的 NBU性强弱提出检验 ,并构造出相应的 U检验统计量 ,运用刀切法 ( Jackknife)的非参数估计方法对 U统计量的方差进行非参数估计 ,得到了 U统计量的一个渐近分布 ,给出了一个非参数检验方法 ,对检验过程给出了一个 Monte Carlo模拟结果 ,并证明该检验方法是渐近无偏的 ,最后给出了该检验的几个性质。

基于改进U^(2)-Net的透明件划痕检测方法

为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。针对透明件表面划痕快速检测问题,提出了一种基于改进U^(2)-Net的缺陷检测方法。首先,直接应用U^(2)-Net网络进行透明件表面划痕检测的数据集准备、网络搭建、损失函数、评估指标;其次,初始化网络进行训练,分析产生误检漏检及低效的原因;最后,优化损失函数,加入正则化技术,并给出在输入数据前加入Mosaic数据增强,解码阶段融入深层可分离卷积以及加入Attention机制的改进方案。结果表明:本文提出的改进方案能够有效分割出不同情况下的划痕,准确率达到0.987,漏检率为0.006,并在检测速度上有19%的提升。可见改进U^(2)-Net的透明件划痕检测方法能够很好满足工业流水线准确检测缺陷的实际需求。