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.

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

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。

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。

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%.

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。

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。

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。

基于多源数据融合方法的龙卷风切向速度预测

龙卷风具有作用范围小、持续时间短、作用强度大的特点,是自然灾害中破坏力最大的灾害之一.受限于龙卷风危险性及发生发展时空随机性,现场实测数据过于稀缺且难以收集近地面区域风场数据.鉴于此,提出了基于神经网络模型的数据融合方法,实现不同来源风场数据的融合,并对模型预测效果及泛化能力进行验证.在此基础上,对龙卷风切向速度场进行了预测.研究表明:在低涡流比龙卷风预测中,实测数据的驱动模型平均误差在35%以上,而采用数据融合驱动模型平均误差为14%以下,表明融合模型具有较好的预测精度.在高涡流比龙卷风预测中,实测数据驱动模型平均误差在28%左右,而数据融合驱动模型平均误差在10%以下,表明数据融合模型在预测高涡流比时仍保持较高精度,具有较好泛化性.融合模型重构的低涡流比风场涡核为破裂状,高涡流比风场核心区域风速明显增加,且近地面风速覆盖范围增加.该模型能获取近地面及涡核中心附近处的风场数据,同时提高了龙卷风风场空间分辨率,为龙卷风环境下结构抗风实践提供重要支撑.

复杂环境下的轻量化道路目标识别算法研究

道路目标识别是智能交通系统解决城市拥堵问题的核心技术之一,然而现有算法在复杂交通环境下识别效果较差,存在大量漏检和误检情况,且模型参数量大,不适合在实际场景下部署于资源有限的移动端设备。针对以上问题,提出一种复杂环境下的轻量化道路目标识别算法。基于SSD算法结构设计一种可重构的特征提取网络框架,利用3种轻量化模块分别构建浅层特征提取网络,以自定义的Additional Block构建深层特征提取网络,并分别采用通道注意力机制和轻量化感受野扩大(RFB-L)模块提升模型对各尺寸目标的检测效果。利用自定义的像素与通道信息融合模块实现浅层与深层特征的融合,丰富待检测特征图包含的信息。同时,提出一种多特征融合的学习率调节算法,使得训练过程中模型性能稳定地达到收敛。自制复杂拥堵道路数据集Hohhot_city用于算法训练和测试,与主流算法的对比实验结果表明,该算法性能明显优于参数量同级别的YOLOv4-tiny和YOLOv5s算法,在参数量不到YOLOv5m算法40%的情况下与其检测精度接近,并取得了12.8 ms的推理时间和99.1%的均值平均精度。

电磁超声与电涡流复合线圈的数据融合及分析

以Q235钢板为研究对象,搭建了带有磁屏蔽结构的、共用螺旋线圈的、分时复用的、二维电磁超声与远场涡流复合仿真模型,分析了电磁超声对近表面缺陷检测的盲区,并从永磁体参数、接收线圈参数对复合远场涡流模型进行优化。针对Q235钢板(5~15)mm电磁超声与远场电涡流共同作用的区域,将电磁超声得到的幅值信号和时间信号,远场涡流得到的线圈感应电压和阻抗参数,利用灰狼优化算法的支持向量机进行数据融合,反演出缺陷的参数,并设计实验验证了仿真模型的准确性。研究表明:所设计的电磁超声与远场复合线圈对缺陷检测的准确率达到百分之96.14%,远场涡流能够很好地弥补电磁超声的检测盲区。

面向司法文书的抽取-生成式自动摘要模型

为解决抽取式摘要核心信息拼接生硬,生成式摘要源文本过长易忽略重要信息等问题,对抽取式摘要和生成式摘要的结合进行研究。通过分析抽取式摘要可提取出文本关键信息且缩短源文本长度特性;生成式摘要可降低序列间信息损失,增加文本关联的优势。提出一种面向司法文书的抽取-生成式自动摘要模型,融合模型优势,避免单一模型存在的关键文本信息重复及重组段落语法不准的问题,保障法律文书抽取的切实完整性。在大规模公开法律领域裁判文书数据集上的实验结果表明,该模型获得较高ROUGE得分,表明了该模型提升了摘要质量。

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。