Multi-Behavior Fusion Based Potential Field Method for Path Planning of Unmanned Surface Vessel

The problem of the unmanned surface vessel (USV) path planning in static and dynamic obstacle environments is addressed in this paper. Multi-behavior fusion based potential field method is proposed, which contains three behaviors: goal-seeking, boundary-memory following and dynamic-obstacle avoidance. Then, different activation conditions are designed to determine the current behavior. Meanwhile, information on the positions, velocities and the equation of motion for obstacles are detected and calculated by sensor data. Besides, memory information is introduced into the boundary following behavior to enhance cognition capability for the obstacles, and avoid local minima problem caused by the potential field method. Finally, the results of theoretical analysis and simulation show that the collision-free path can be generated for USV within different obstacle environments, and further validated the performance and effectiveness of the presented strategy.

Positions Open in the Field of Plasma and Fusion

Institute of Plasma Physics, Chinese Academy of Sciences (ASIPP), one of the most important laboratories on magnetically confined fusion in China and the Nuclear Fusion Research Center of the World Laboratory, is searching for 5 senior and 10 junior scientists of plasma and fusion in the following superconducting tokamak research areas: theory and simulation, diverter and edge physics, plasma diagnostics, electron cyclotron resonant heating, ion cyclotron resonant heating, lower hybrid wave, neutral beam injection, reactor design, fusion material, superconducting engineering.

Positions Open in the Field of Plasma and Fusion

Institute of Plasma Physics, Chinese Academy of Sciences (ASIPP), one of the most important laboratories on magnetically confined fusion in China and the Nuclear Fusion Research Center of the World Laboratory, is searching for 5 senior and 10 junior scientists of plasma and fusion in the following superconducting tokamak research areas: theory and simulation, diverter and edge physics, plasma diagnostics, electron cyclotron resonant heating, ion cyclotron resonant heating, lower hybrid wave, neutral beam injection, reactor design, fusion material, superconducting engineering.

Positions Open in the Field of Plasma and Fusion

Institute of Plasma Physics, Chinese Academy of Sciences (ASIPP), one of the most important Laboratories on magnetically confined fusion in China and the Nuclear Fusion Research Center of the World Laboratory, is searching for 5 senior and 10 junior scientists of plasma and fusion in the following superconducting tokamak research areas: theory and simulation, diverter and edge physics, plasma diagnostics, electron cyclotron resonant heating, ion cyclotron resonant heating, lower hybrid wave, neutral beam injection, reactor design, fusion material, superconducting engineering.

Explosive Field Visualization Based on Image Fusion

The advantages and disadvantages of two existing methods for explosive field visualization are analyzed in this paper. And a new method based on image fusion is proposed to integrate their complementary advantages. With the method, two source images built by equal mapping and modulus mapping are individually decomposed into two Gauss-Laplacian pyramid sequences. Then, the two individual sequences are used to make a composite one according to the process of fusion. Finally, a new image is reconstructed from the composite sequence. Experimental results show that the new images integrate the advantages of sources, effectively improve the visualization, and disclose more information about explosive field.

VirtualLab Fusion在光偏振教学改革中的应用探索

偏振是光的基本特性之一,在工业生产和科学研究领域应用广泛。在大学物理实验和物理光学课程中,光的偏振都是重要内容之一。本文将VirtualLab Fusion仿真软件应用于光的偏振教学过程中,结合科研项目对旋光度的测量和矢量光场的产生进行了理论分析和VirtualLab Fusion建模仿真。该仿真立体直观,有利于激发学生的学习热情、培养学生的创新意识和创新能力。该研究能够对大学物理实验教学和物理光学课程教学模式改革提供一定的借鉴作用。

Controlling Fusion of Majorana Fermions in One-Dimensional Systems by Zeeman Field

We propose the realization of Majorana fermions （MFs） on the edges of a two-dimensional topological insulator in the proximity with s-wave superconductors and in the presence of transverse exchange field h. It is shown that there appear a pair of MFs localized at two junctions and that a reverse in the direction of h can lead to permutation of two MFs. With decreasing h, the MF states can either be fused or form one Dirac fermion on the π-junctions, exhibiting a topological phase transition. This characteristic can be used to detect physical states of MFs when they are transformed into Dirac fermions MFs is also given. localized on the π-junction. A condition of decoupling two

基于改进YOLOv5的遥感图像目标检测

目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联合注意力的多尺度特征增强网络,充分融合高低层特征,使特征层具有语义信息的同时包含丰富的细节信息,并在融合过程中利用设计的特征聚焦模块帮助模型选择关键特征,抑制无关信息。其次,使用感受野模块(RFB)对融合后的特征图进行更新,扩大特征图的感受野,减少特征信息损失。最后,对目标增加旋转角度,并采用圆形平滑标签将回归问题转化成分类问题,提高遥感目标定位的准确性。在用于航拍图像目标检测的大规模数据集(DOTA)上的实验结果表明,与YOLOv5算法相比,所提算法的交并比(Io U)为0.5和0.5~0.95时的平均精度均值(m AP@0.5和m AP@0.5∶0.95)分别提高了7.3和3.3个百分点,能够明显提高复杂背景下遥感图像目标的检测精度,并改善对遥感目标的漏检和误检情况。

基于激光雷达探测的飞机尾流融合预测方法

为提高基于激光雷达的飞机尾流探测反演精度,根据扫描出的径向风速数据,建立了基于Kolmogorov结构函数的大气背景湍流耗散率(EDR)估计方法;然后基于两阶段消散预测模型,计入湍流对尾流消散过程的影响,实现基于历史探测数据的尾涡强度环量和涡核运动趋势的预测;通过环境探测数据与预测模型的结合,提高尾涡特性参数的反演精度。研究表明,相较于反演算法,采用本文模型预测的尾涡轨迹在径向距离和角度的精度上分别提高了59.5%、64.8%。

多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测

初烤烟叶等级的快速准确检测对开发烟叶智能分级设备以促进农产品精细化管理有着重要意义。针对相似度较高但等级不同的初烤烟叶难以区分的问题,本文提出多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测网络(Flue-cured Tobacco Leaf Grade Detection Network,FTGDNet)。首先,FTGDNet采用CSPNet作为特征提取主干网络,采用GhostNet作为辅助特征提取网络以增强模型的特征提取能力;其次,在主干网络末端嵌入显式视觉中心瓶颈模块(Explicit Visual Center Bottleneck module,EVCB)以实现全局特征信息与局部细节特征信息融合;然后,构建多感受野特征自适应融合模块(Multi-Receptive Field Feature Adaptive Fusion module,MRFA_d),利用注意力特征融合机制(Attention Feature Fusion,AFF)将不同感受野特征图进行自适应加权融合,在增强模型局部感受野的同时突出有效通道信息;最后,设计了一种新的定位损失函数(More Complete IoU Loss,MCIoU_Loss),结合预测框与真实框面积损失以解决在回归定位过程中二者宽高比相等且中心点重合时CIoU_Loss性能退化导致定位精度下降问题,此外,引入矩形相似度衰减系数在训练过程中对真实框与预测框的相似度判别项进行动态调整,加快模型拟合。实验结果表明,FTGDNet对十个等级的初烤烟叶的验证精度达到90.0%,测试精度达到87.4%,且推理时间仅为12.6 ms。相较于多种先进目标检测算法,FTGDNet具有更高的检测精度和更快的检测速度,可为高精度初烤烟叶等级检测提供关键技术支撑。

融合知识的文博领域低资源命名实体识别方法研究

文物数据的实体嵌套问题明显,实体边界不唯一,且文博领域已标注数据极度缺乏,导致该领域命名实体识别性能较低。针对这些问题,构建一个可用于文物命名实体识别的数据集FewRlicsData,提出一种融合知识的文博领域低资源命名实体识别方法RelicsNER。该方法将类别描述信息的语义知识融入文物文本中,使用基于跨度的方式进行解码,用于改善实体嵌套问题,并采用边界平滑的方式缓解跨度识别模型的过度自信问题。与基线模型相比,该方法在FewRlicsData数据集上的F1值有所提升,在文博领域命名实体识别任务中取得较好的性能。在公开数据集OntoNotes 4.0上的实验结果证明该方法具有较好的泛化性,同时在数据集OntoNotes 4.0和MSRA上进行小规模数据实验,性能均高于基线模型,说明所提方法适用于低资源场景。

基于井震融合的碳酸盐岩古岩溶残丘储层刻画方法

北大港构造带千米桥奥陶系潜山顶部发育的碳酸盐岩古岩溶残丘作为一种重要的古地貌和油气储集单元,具备良好的成藏条件,有效地刻画古岩溶残丘储层对于残丘储层的油气运移聚集分析及勘探开发有着非常重要的意义。本文首先应用地震印模法对千米桥奥陶系潜山风化壳岩溶古地貌进行精细刻画,揭示该区发育5个岩溶残丘,4个岩溶沟谷,表现为山上有山的特征;同时井震融合分析认为潜山风化壳储层大多分布在风化壳面以下0~200 m范围内,主潜山各区块风化壳残余厚度差别较大,岩溶残丘之上构造高点残余厚度大。通过成像测井和常规测井曲线上异常显示识别残丘风化壳内幕发育的岩溶洞穴,主要有大溶洞和中小溶蚀孔洞两种。应用提频地震体开展正演模拟,明确优势缝洞体储层的地震反射特征,结合张量方向场裂缝定量预测技术,能精细地预测碳酸盐岩缝洞复合体储层,以指导残丘风化壳储层油气潜力目标区的评价开发。

基于Wobert与对抗学习的中文命名实体识别

由于自然语言处理(NLP)将中文命名实体识别(NER)任务建模为序列标注任务,将文本中每个字符映射至一个标签,每个字符相对独立且信息有限,因此在NER领域词汇信息的加入能够解决字符间缺乏联系的问题。针对现有中文NER模型多需要额外构建词汇表、提取词汇信息方式繁琐、词级嵌入与字级嵌入因来源不同导致信息难以融合的问题,提出一种基于Wobert与对抗学习的中文NER模型ALWAE-BiLSTM-CRF。与传统预训练模型相比,Wobert预训练模型在预训练阶段就已将文本分词,充分学习了词与字两个层次的信息,因此ALWAE-BiLSTM-CRF通过Wobert预训练模型获取字符词向量,再使用Wobert分词器获取预训练模型中已存在的词汇向量,接着使用BiLSTM模型获取两者的时序信息,随后通过多头注意力机制将词汇级别的信息要素融入字符词向量,同时通过对抗学习攻击生成对抗样本以增强模型泛化性,最后使用条件随机场(CRF)层对结果进行约束,获得最佳的预测序列。在Resume数据集与瓷器领域的自建数据集Porcelain上进行对比实验与消融实验,结果表明,ALWAE-BiLSTM-CRF模型的F1值分别达到97.21%与85.7%,证明了其在中文NER任务中的有效性。

磁约束聚变方案中的磁镜、场反及偶极场位形研究进展

随着高温超导技术的日趋成熟,中小型磁约束装置的优势日渐明显。与大型托卡马克相比,偶极场、场反位形和磁镜等装置的结构相对简单,建造和维护成本较低,且更易实现能维持高等离子体压强的磁场位形,这意味着在低磁场下能实现更好的等离子体约束。此外,这些装置在物理原理上具有各自独特的优势,如磁镜装置具有开放的磁场位形和相对简单的结构设计,能支持灵活多样的实验并保持相对稳态运行;场反位形(FRC)装置的极高β值(β为等离子体压强与磁压之比)使得基于FRC的聚变装置在工程上更可行;偶极场装置因其类似地球磁场位形,具有天然良好的磁流体稳定性,有助于维持等离子体的约束。本文重点介绍了磁约束聚变方案中的磁镜、场反位形及偶极场的研究历史、技术进展和未来发展方向,阐述了这3类装置在聚变能研究中的重要性及面临的挑战。此类装置的小型化和经济性也使其在商业化方面更具潜力,能更灵活地进行技术调整和技术创新融合,吸引更多商业资本投入,加速聚变能的实现。

基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法

在复杂道路场景中检测车辆、行人、自行车等目标时,存在因多尺度目标及部分遮挡易造成漏检及误检等情况,提出一种基于改进YOLOv5s的面向自动驾驶场景的道路目标检测算法。首先,利用深度可分离卷积替换部分普通卷积,减少模型的参数量以提升检测速度。其次,在特征融合网络中引入基于感受野模块(receptive field block,RFB)改进的RFB-s,通过模仿人类视觉感知,增强特征图的有效感受野区域,提高网络特征表达能力及对目标特征的可辨识性。最后,使用自适应空间特征融合(adaptively spatial feature fusion,ASFF)方式以提升PANet对多尺度特征融合的效果。实验结果表明,在PASCAL VOC数据集上,所提算法检测平均精度均值相较于YOLOv5s提高1.71个百分点,达到84.01%,在满足自动驾驶汽车实时性要求的前提下,在一定程度上减少目标检测时的误检及漏检情况,有效提升模型在复杂驾驶场景下的检测性能。

技术“傲慢”与教育“偏见”:一个场域冲突的视角

厘清技术与教育的关系,是实现技术与教育深度融合的基本前提,也是技术时代讲好教育故事的必然选择。历史地看,技术与教育的双向互动,呈现出“傲慢”与“偏见”的相互博弈,技术对教育大致经历了从“沉睡”到“觉醒”再到“扩张”的阶段性旅程,教育对技术则进行了从“无视”到“接纳”再到“迷失”的即时性回应。基于此,文章从场域冲突的视角,分析了技术“傲慢”与教育“偏见”的成因:“技术意向性”与“教育对象性”的结构冲突、“形而下之器”与“形而上之道”的惯习冲突、“技术成事”与“教育成人”的权力冲突。由此,造成了主体性消解、创新性束缚、生命性遮蔽等问题。为更好促成两者的深度融合,需要在“载道于器”层面上把握技术辅助教育的功能定位,在“以道御器”层面上把握教育主导技术的育人核心,在“道器相长”层面上把握教育协同技术的相向而行。

多阶段堆叠融合下的敦煌壁画修复

为解决敦煌破损壁画修复难的问题,提出一种多阶段堆叠融合下的壁画修复模型,在第一阶段进行粗修复以及最大化地进行所需特征信息的提取时采用Unet结构,为增强该阶段的修复效果,又加入对抗网络(LsGan);在第二阶段进行精细化修复,主要修复纹理以及细化遮挡区域,引入多头连接和多尺度分支堆叠模块并对其进行改进,对壁画进行多阶段信息提取并对其进行融合;最后为了修复全局细节,采用大感受野的编解码器结构并且引入轻量级通用可视化(Mobile ViT)模块,同时分离了壁画图像的通道并进行分析,引入对通道不敏感的极化注意力。实验结果表明,该模型很好地解决了壁画纹理以及细节修复的难题,相较于所选修复算法最优数据,在掩码面积为5%~20%时,峰值信噪比提高了3.312,在掩码面积为5%~80%时,平均峰值信噪比提高了1.02。

高压陶瓷电容特性及在配网柱上开关的应用研究

电压传感器是深度融合型柱上开关的关键器件,其自身直接承受电压载荷,是深度融合柱上开关产品开发成败的关键。以无机物介质为载体的高压陶瓷电容器,具有体积小、容量大、寿命长的特点,尤其契合深度融合型固封极柱的结构特点和应用场景。文中首先分析了陶瓷电容器件特性,再结合深度融合柱上开关产品的具体应用场景,开发了基于高压陶瓷电容器的一二次融合柱上开关产品;相关研究表明,高压陶瓷电容器在配网领域应用具有相当潜力。

一种基于SAM-MSFF网络的低照度目标检测方法

由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合(Spatial-aware Attention Mechanism and Multi-Scale Feature Fusion,SAM-MSFF)的低照度目标检测方法 .该方法首先通过多尺度交互内存金字塔融合多尺度特征,增强低照度图像特征中的有效信息,并设置内存向量存储样本的特征,捕获样本之间的潜在关联性;然后,引入空间感知注意力机制获取特征在空间域的长距离上下文信息和局部信息,从而增强低照度图像中的目标特征,抑制背景信息和噪声的干扰;最后,利用多感受野增强模块扩张特征的感受野,对具有不同感受野的特征进行分组重加权计算,使检测网络根据输入的多尺度信息自适应地调整感受野的大小.在ExDark数据集上进行实验,本文方法的平均精度(mean Average Precision,mAP)达到77.04%,比现有的主流目标检测方法提高2.6%~14.34%.

基于YOLOv5n的轻量级织物疵点检测算法

针对轻量级模型在检测织物疵点时精确率低的问题,在YOLOv5n的基础上提出一种上下文增强与混合感受野的织物疵点检测算法。首先,为主干网络设计了一种轻量扩张卷积空间金字塔模块,并将主干网络的下采样比增加至64,在增强上下文信息的同时提取更深层的语义信息,提高模型识别性能;其次,为颈部网络设计了一种混合感受野融合模块代替原C3模块并进行特征融合,提高极端长宽比目标的检测精度。实验表明:该算法在基于天池织物数据集上的IOU阈值为0.5时的平均精度均值mAP 50、精确率、召回率分别达到了93.1%、91.6%、89.1%,相较于原YOLOv5n算法分别提高了4.9%、7.3%、5.0%,且模型文件大小仅6.28 MB,更适用于织物疵点检测领域。