融合残差结构与注意力机制的暗光图像增强算法

目的低光工况或拍摄技巧影响都可能获得低光照图像,为解决此类图像对比度低、噪声大、颜色失真等问题,提出一种卷积神经网络增强模型RetKIND,包括分解网络、亮度调整网络和降噪网络。方法它借助残差模块(RB)和跳跃连接,有效抑制分解网络在分解时产生的噪声;融合U-Net架构、空洞卷积和EBAM高效注意力机制构建降噪网络,利用空洞卷积扩大感受野,提取更多图像信息,提高EBAM在通道和空间上提取反射图的细节、纹理、颜色等特征的能力,实现图像去噪;由UC(亮度调整网络中的自定义模块)和普通卷积组成亮度调整网络,旨在减少光照图细节缺失,提高光照分量对比度。融合去噪后的反射分量和增强后的光照分量,得到正常光照图像。结果仿真结果表明:在LOL数据集上,相较R2RNet,FPSNR和FSSIM值分别上升了6.2%和4.2%;相较URetinex-Net,FPSNR和FSSIM值分别上升了5.9%和1.2%;相较DEANet,FPSNR和FSSIM值分别上升了2.9%和1.1%。结论Ret-KIND模型既能提升图像亮度,又能降低图像的噪声,有助于推动低光图像增强模型应用到目标检测领域。

基于注意力机制YOLOV8-EB的草莓病虫害检测算法研究

为了解决在自然环境下草莓病虫害图像中,由于病虫害种类繁多、小目标特征相似及叶片遮挡等技术问题导致的检测困难和精度差异,提出名为YOLOv8-EB的害虫检测识别模型,引入一维卷积替换MLP操作,同时采用5×5卷积替换Focus操作,来增强提取害虫特征的能力。围绕公开数据集及自行拍摄标注、分类综合后的草莓病虫害数据集进行了实验。结果表明,针对常见草莓病虫害情况下的YOLOv8-EB检测模型,其平均精度值比所有常见模型高出2个百分点。这一创新旨在提升草莓病虫害图像的检测和识别能力,为草莓种植业的相关人员及时进行病虫害的防治工作带来便利条件。

一个改进的指数双向联想存储器及性能分析

通过分析Wang的修正指数双向联想存储器（MeBAM），本文提出了一个新的指数式双向联想存储器．该存储器不仅保持了MeBAM的优点，如放宽了Kosko对BAM的连续性假定的限制，排除了BAM的补码问题，同时还大大改善了现有BAM的存储性能和纠错能力．通过定义一个随状态变化而减少的能量函数严格证明了改进的eBAM（IeBAM）在同步与异步方式下的稳定，从而保证了所有要存的模式对成为其稳定点．此外，借助信噪比分析方法给出了IeBAM和MeBAM的信噪比估计．理论分析和计算机模拟结果证实了IeBAM的性能确实优于MeBAM和eBAM．

多重加权改进型指数双向联想记忆网络及其决策性能

CCWang等作者利用指数双向联想记忆模型 (eBAM) ,构造了由多个eBAM构成的多重eBAM(Multi e BAM)信念组合模型 ,使之可模拟多个专家的投票表决决策 ,并获得了Multi eBAM在各eBAM具有同等权威度条件下的决策性能 .本文在此基础上 ,通过对各eBAM引入不同的权值来模拟各专家不同的权威度 ,推广了Multi eBAM .进一步借助陈所提出的改进型eBAM(IeBAM) ,构建了相应的多重加权改进型eBAM(Multi WIeBAM)信念组合模型 ,获得了此推理模型在同、异步方式下的决策性能及多专家不同权威度下的多数投票因子 ,使之更符合实际的多数表决决策 .理论分析表明Multi WIeBAM所获得的多数投票因子优于Multi WeBAM的多数投票因子 ,即前者较后者具有更紧致的下界 .实验结果也表明了Multi WIeBAM的性能要优于Multi WeBAM .

TC4钛合金薄壁件电子束熔丝增材修复熔覆组织及性能研究

本文利用电子束熔丝增材制造系统对TC4钛合金薄壁件进行了修复试验,分析了熔覆组织及硬度分布特征。结果表明:堆积层宏观组织是由α晶粒充当晶界包裹不规则的原始β柱状晶粒组成,柱状晶贯穿了堆积层横截面,存在明显的分层现象;层带结构“明亮”部分为粗大无规则的板条马氏体,“灰暗”部分为网篮编织的细长针状马氏体;堆积层自基体向上的硬度分布呈下降趋势,“明亮”部分对应硬度有明显升跳。