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.

基于BC-MAAC算法的高速入口匝道合并类人决策

针对在自动驾驶复杂环境下多智能体强化学习算法决策缺乏人类表现出的智能性和奖励函数设计难度大的问题,提出基于BC-MAAC算法的高速入口匝道合并类人决策方案。将行为克隆思想与多智能体注意力动作—评价算法相融合,提出BC-MAAC算法,并且从Highway-env平台收集的多智能体专家数据中推导出专家策略,利用推导的专家策略与智能体当前策略的KL散度来塑造奖励函数,指导智能体训练过程。同时,应用动作屏蔽机制,在每一步过滤掉不安全或无效的动作,提高学习效率。两种不同交通密度场景的仿真结果表明所提算法整体性能优于基线算法,提升了车辆的通行效率和安全性。简单模式中,所提算法的成功率达到100%,平均速度和平均奖励分别至少提升0.73%和11.14%;困难模式中,所提算法的成功率达到93.40%,平均速度和平均奖励分别至少提升3.96%和12.23%。可见BC-MAAC算法通过专家奖励函数指导网联自动驾驶车辆,能够通过合作更类人的完成高速入口匝道合并任务。

基于改进YOLOv8的智慧工厂工人不规范行为检测

针对智慧工厂内工人不规范行为检测的挑战性问题,如实时性不足、精度低和复杂工厂环境引起的遮挡等,提出一种基于改进YOLOv8模型的工人不规范行为检测方法。该方法通过在YOLOv8主干网络中引入DSConv(dynamic snake convolution),提高模型对细节特征的捕获能力,进而提升网络整体特征提取能力。此外,将高效多尺度注意力(efficient multi-scale attention,EMA)机制嵌入主干网络中,减轻遮挡及背景干扰带来的影响,使得模型聚焦于与不规范行为相关的身体部位或动作。为进一步提升模型训练效率和回归精度,采用Alpha_GIoU(Alpha generalized intersection over union)损失函数优化YOLOv8模型的CIoU(complete intersection over union)损失函数部分,考虑目标框的长宽比和位置信息,加快模型的收敛速度。试验结果显示,改进YOLOv8实现94.98%的mAP@0.5,显著优于基线模型YOLOv8和其他主流方法,推理速度达到53.8FPS,满足智慧工厂内工人不规范行为检测高效率和高准确度的需求。

基于YOLO v8n-seg和改进Strongsort的多目标小鼠跟踪方法

多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法。针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法。使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7%,召回率为98.2%,mAP50为99.2%,单幅图像检测时间为3.5 ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求。针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进:对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框。经测试,改进后Strongsort算法的ID跳变数为14,MOTA为97.698%,IDF1为85.435%,MOTP为75.858%,与原Strongsort相比,ID跳变数减少88%,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径。

基于潜在危险行为分析的多层面整体干预对精神分裂症患者的影响

目的:探讨基于潜在危险行为分析的多层面整体干预对精神分裂症患者的影响。方法:选取2020年6月1日~2022年6月30日收治的92例精神分裂症患者作为研究对象,采用随机数字表法分为对照组和观察组各46例;对照组采用常规护理干预,观察组在对照组的基础上采用基于潜在危险行为分析的多层面整体干预。比较两组幻听症状[采用中文版精神症状评定量表(PSYRATS)中的幻听维度(PSYRATS-AH)和幻听认知量表(修订版)(BAVQ-R)中的幻听认知信念],自我接纳度[采用自我接纳问卷(SAQ)],睡眠质量[采用匹兹堡睡眠质量指数量表(PSQI)],社会功能[采用社会功能缺陷筛选量表(SDSS)]及危险行为发生情况。结果:干预后,两组PSYRATS-AH评分均降低(P<0.05),且观察组低于对照组(P<0.05),但两组幻听认知信念比较差异无统计学意义(P>0.05);干预后,两组SAQ评分均升高(P<0.05),且观察组高于对照组(P<0.05);干预后,两组PSQI、SDSS评分均降低,且观察组低于对照组(P<0.05);观察组危险行为发生率低于对照组(P<0.05)。结论:基于潜在危险行为分析的多层面整体干预可改善精神分裂症患者的幻听症状,提高患者自我接纳度与睡眠质量,减少危险行为发生情况,促进患者恢复。

大数据环境下多模态融合的大学生异常行为预警

针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.

多模式室内地图自适应转换系统设计与实现

室内地图作为室内导航定位及信息服务的载体,受到了学者们的广泛关注。针对目前室内地图表现形式单一和场景转换不够智能等问题,从用户行为需求出发,分析了用户行为与空间需求之间的映射关系,提出了室内地图的3种表达模式;制定了3种模式间的转换策略和响应机制;采用Android Studio平台设计开发了室内地图自适应转换的原型系统,验证了转换策略的可行性,对推动室内地图的发展具有一定的意义。

多感官刺激联合多领域认知训练对阿尔茨海默病患者精神行为症状的影响

目的探讨多感官刺激联合多领域认知训练对阿尔茨海默病患者(Alzheimer’s disease,AD)精神行为症状的影响。方法便利抽样选取2023年2-4月某医院神经内科病房收治的AD患者共94例,对照组予常规护理,试验组在此基础上实施多感官刺激联合多领域认知训练。干预前后采用神经精神量表(neu-ropsychiatric inventory,NPI)、科恩-曼斯菲尔德激越行为量表(Cohen-Mansfield agitation inventory,CMAI)、汉密尔顿焦虑量表(Hamilton anxiety scale,HAMA)和汉密尔顿抑郁量表(Hamilton depression scale,HAMD)评价两组患者的精神行为、情绪变化。结果试验组患者在接受干预后的NPI、CMAI、HAMA和HAMD评分明显低于对照组(均P<0.05)。结论对AD患者实施多感官刺激联合多领域认知训练,可有效降低其激越行为的发生率,改善焦虑和抑郁等负面情绪。

农户参与农业废弃物资源化利用行为的影响因素

【目的】农户参与农业废弃物资源化利用对促进绿色乡村建设、实现乡村振兴战略具有重要意义,探究农业废弃物资源化利用的影响因素可针对性提升农户进行农业废弃物资源化利用行为的积极性,为促进其可持续发展提供参考依据。【方法】本研究基于计划行为理论构建农户参与农业废弃物资源化利用认知对其行为响应影响的理论模型,采用500份农户资源化利用行为问卷调查数据,运用结构方程模型进行实证分析,从行为态度、主观规范、知觉行为控制三个维度构建了农业废弃物资源化利用行为的指标体系,并在此基础上进一步考察了农业废弃物资源化利用行为的影响因素。【结果】农户资源化利用认知的行为态度、主观规范和知觉行为控制三个维度均对其行为响应有显著的直接正向影响,同时主观规范和知觉行为控制会通过行为态度的中介作用对行为响应产生间接正向影响;农户资源化利用认知三个维度对其行为响应的综合影响路径系数从大到小依次为知觉行为控制(0.378)、主观规范(0.238)和行为态度(0.182);不同规模、不同地形区域农户的农业废弃物资源化利用认知对行为响应的作用具有异质性,即规模与地形区在其中具有调节作用。【结论】为实现进一步的资源化利用应推进农户参与农业废弃物资源化利用技术培训与指导常态化,强化农户参与农业废弃物资源化利用的行为控制能力,同时加强山区的信息基础设施建设,畅通信息传播,创新媒体手段,推进数字化管理,推进农户参与农业废弃物资源化利用支持政策全覆盖,并对小规模农户实施重点帮扶与支持。

高度重用行为资源的海战仿真行为建模

针对海战仿真行为建模需求,提出了一种多粒度组合行为建模方法。该方法构建了包括原子层、状态层、行动层和任务层行为模型的四层级行为建模框架,以组合与重用作为行为建模的主要操作。将海战仿真常见的作战行为按照作战职能、作战过程进行分解,细分为层次结构分明、功能边界清晰、支持组合重用的原子行为和原子条件模型。阐述了组合式状态建模、行动建模和任务建模的具体实现方法。示例性应用表明,该建模方法可显著提高行为建模的效率和质量。

基于骨架序列的校园斗殴行为检测研究

在校园安全领域,对暴力行为的识别目前主要依靠人工,容易出现疏漏。基于骨架的时空图卷积网络(ST-GCN)行为识别准确率较高,但主要针对单人进行识别。在ST-GCN的基础上,增加多目标跟踪模块,提出针对校园监控视频的暴力行为识别方法。首先使用OpenPose算法得到视频帧中的人体骨架集合,然后用马尔可夫链蒙特卡洛数据关联方法分离出单人骨架序列,分别输入ST-GCN中进行暴力行为识别。在数据集RWF-2000上的实验结果表明,该方法的识别率达到87.75%,高于其他现有模型。

基于认知-行为的多层次护理对卒中后抑郁的效果影响

目的探讨基于认知-行为的多层次护理干预对卒中后抑郁(post-stroke depression,PSD)的效果影响。方法选择武汉科技大学附属天佑医院神经内科2019年1月—2023年1月住院的110例PSD患者作为研究对象,对上述患者入院的前后顺序进行标号,随机分为2组,对照组(n=55)予以常规护理措施干预,在此基础上观察组(n=55)予以基于认知-行为的多层次护理干预。2组患者干预前和干预后1个月,分别采用汉密尔顿抑郁量表(Hamilton depression scale,HAMD)、汉密尔顿焦虑量表(Hamilton anxiety scale,HAMA)、简易精神状态检查量表(mini-mental state examination,MMSE)、Barthel指数(barthel index,BI)、生活质量综合评定问卷-74(generic quality of life inventory 74,GQOLI-74)评估患者的精神症状、认知状况、日常生活能力、生活质量。结果与观察组护理干预前和对照组干预后比较,观察组护理干预后HAMD(16.01±1.97)分、HAMA(14.37±1.48)分均明显降低(P<0.05);观察组护理干预后MMSE(28.74±3.16分)、BI(83.09±7.81分)及生活质量评分均明显升高(P<0.05)。结论基于认知-行为的多层次护理干预可明显改善PSD患者的精神症状、认知状况及日常生活能力,同时生活质量也得到明显地提高。

充填型岩石节理剪切力学特性研究进展

深部地层断层破碎带分布广泛,通常夹杂断层泥、岩屑等充填物,可显著降低岩体强度,为围岩稳定控制带来严峻挑战。断层破碎带充填型节理的剪切力学特性复杂且受多种因素的影响,如岩石类型及力学特性、节理面粗糙度、充填物矿物组分及力学性质、流体作用(如地下水)。通过回顾充填型岩石节理剪切力学行为的研究历程,对国内外关于充填型岩石节理剪切力学特性的研究现状进行了系统的总结,从室内剪切试验、数值仿真方法、抗剪强度准则及本构模型理论等方面分析了充填型岩石节理剪切力学特性关键科学问题及研究进展,并剖析了不同研究方法中存在的问题及发展趋势。目前普遍认同充填度、充填物矿物组分及力学性质是区别于无充填节理的最重要特征;地下水作用、法向应力、节理壁粗糙度等因素对充填节理力学特性有显著的影响。目前通过宏观唯象方法建立的抗剪强度理论难以精确应用到工程实际中,未来的研究关键及难点主要包括:多尺度充填型岩石节理剪切力学特性、基于充填节理的剪切破坏形成的细观机制、不同种类充填节理的剪切破坏准则及其对应的数值仿真本构模型及细观参数取值方法等。考虑多场耦合条件下多尺度充填节理的复杂行为将是未来充填型岩石节理剪切行为研究的重要发展方向。

抗熔滴型多元有机硅阻燃剂整理锦纶6织物的制备及其性能

为提升锦纶6织物阻燃性能,基于水解缩合反应原理,开发设计多元协效抗熔滴型含磷席夫碱基有机硅阻燃剂,并采用浸渍法对锦纶6织物进行阻燃整理。借助红外光谱、热重分析仪、微型燃烧量热仪、极限氧指数仪、扫描电镜、拉曼光谱及热裂解气质联用仪等技术分别对阻燃锦纶6织物的化学结构、热稳定性、燃烧行为及其燃烧后炭化层与气相热解产物系统研究。结果表明:阻燃锦纶6织物的炭化能力及阻燃性能有效提升,其残炭率可增加至33.9%,且在火焰移开后可快速实现自熄,并未有熔滴产生;相较于锦纶6织物,阻燃锦纶6织物的热释放速率峰值(PHRR)及总释热量(THR)分别下降23.8%及20.4%,火灾安全性有效提升;经水洗20次后,阻燃锦纶6织物仍可实现自熄,其PHRR及THR值相较于锦纶6织物,仍分别下降了14.1%及13.6%。

基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别方法

识别非驾驶行为是提高驾驶安全性的重要手段之一。目前基于骨架序列和图像的融合识别方法具有计算量大和特征融合困难的问题。针对上述问题,本文提出一种基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别模型(skeleton-image based behavior recognition network,SIBBR-Net)。SIBBR-Net通过基于多尺度图的图卷积网络和基于局部视觉及注意力机制的卷积神经网络,充分提取运动和外观特征,较好地平衡了模型表征能力和计算量间的关系。基于手部运动的特征双向引导学习策略、自适应特征融合模块和静态特征空间上的辅助损失,使运动和外观特征间互相引导更新并实现自适应融合。最终在Drive&Act数据集进行算法测试,SIBBR-Net在动态标签和静态标签条件下的平均正确率分别为61.78%和80.42%,每秒浮点运算次数为25.92G,较最优方法降低了76.96%。

基于多源特征融合的实验室不安全行为检测系统设计

为降低实验室事故发生率,设计一种基于多源特征融合的实验室不安全行为检测系统。首先,构建系统基础框架,在图像采集单元中利用高清摄像机获取实验室监控视频图像,经过图像处理单元的灰度化、去噪、平滑滤波处理后,在目标识别单元中采用帧间差分法获得视频目标区域图像;然后,在特征提取单元中处理视频目标区域图像,提取HOG特征以及人体行为重心特征,通过对二者进行融合处理得到一维特征向量,将其输入到行为检测单元中,利用SVM分类器检测不安全行为。实验结果表明:所设计系统可有效检测实验室不安全行为,F1指数均值、召回率均值分别为98.94%、99.15%,错误检测数量较少。

基于多Agent的服装可持续消费行为建模与仿真

“双碳”目标下,随着服装消费引起的气候变化和环境污染等生态问题日益严重,迫切需要重新思考和重塑服装消费模式,推动服装消费向质量型、低碳化转变,从而实现服装产业的绿色转型。文章运用多Agent建模方法,构建服装可持续消费行为仿真模型,采用Netlogo平台进行仿真实验,探求服装可持续消费行为的影响机理。结果表明,消费者可持续消费认知、产品可持续性和设施供应条件均显著促进可持续消费行为;但不同强度下,产品可持续性和设施供应条件的推动作用存在差异。基于此,从可持续消费认知和供应条件两方面提出了引导中国消费者服装可持续消费行为的建议和对策。

基于人工智能的教师多模态行为识别研究

为精准识别教师行为,文章提出了基于人工智能的教师多模态行为识别方法。该方法以时空图卷积网络为核心,引入了注意力机制,构建了多模态行为识别模型。同时,通过该模型提取了RGB模态特征和骨骼模态特征,并通过多模态注意力融合机制融合提取了多模态特征,将提取的多模态特征输入Softmax分类器中,完成了对教师多模态行为的识别。测试结果显示,该方法能够有效识别不同类别的教师行为并予以判断。

基于改进YOLO v8n模型的散养蛋鸡个体行为识别方法与差异分析

家禽行为与其生理状态密切相关,可利用行为数据对家禽健康状况进行评估。统计个体行为数据需要进行蛋鸡行为识别和个体身份识别,针对行为识别过程中,蛋鸡体型小、聚集遮挡,养殖环境光照变化等因素导致的蛋鸡有效特征表达不足,个体行为识别效果不理想问题,基于YOLO v8n网络构建行为识别模型,同时融合ODConv、GhostBottleneck、GAM注意力和Inner-IoU结构,通过减少图像特征丢失,放大全局交互信息,融合跨阶段特征,增强特征提取及泛化能力对模型进行改进,提升了蛋鸡采食、饮水、站立、整理羽毛、俯身搜索5种行为的识别精度。同时基于YOLO v8n模型构建了个体身份识别网络,并通过引入MobileNetV3模块对个体身份识别网络模型进行优化,提升了个体行为数据统计效率。试验结果表明,优化后行为识别模型对采食、饮水、站立、整理羽毛、俯身搜索行为识别平均精度(AP)分别达到94.4%、93.0%、90.7%、91.7%、86.9%,平均精度均值(mAP)达到91.4%,与YOLO v5n、YOLO v6n、YOLO v7-tiny、YOLO v8n相比,平均精度均值(mAP)分别提高4.8、4.1、5.5、3.5个百分点;个体身份识别模型参数量和运算量与YOLO v8n模型相比,减少1.965 1×10^(6)和6.1×10^(9)。通过分析蛋鸡行为数据发现,行为数据与温度及蛋鸡个体本身有关,温度降低时,采食、站立次数增加,饮水次数减少,整理羽毛、俯身搜索次数几乎无变化,相同温度下,不同蛋鸡个体的行为数据差异较大,且差异值与蛋鸡体型有关。试验结果为依据行为数据评判蛋鸡健康状况、养殖场精准养殖及蛋鸡个体优选奠定了基础。

矿工安全行为的群体演化和干预策略研究:基于多智能体仿真分析

随着我国多数矿山企业正实现从“系统智能化”向“智能系统化”的跨越,矿工群体逐渐呈现知识化、年轻化的特征。为推进矿工安全行为管理,结合后悔理论构建了包含情绪反应的矿工安全行为决策模型,并制定了考虑矿工风险偏好异质性的互动规则,通过多智能体仿真的方法,探讨了正念和警示两类事前干预策略下矿工群体安全行为的演化路径。结果表明,仅靠处罚这一事后控制手段并不能有效促进矿工选择安全行为;在事前干预策略中,正念策略比警示策略更有利于促进矿工的安全行为,且这两种策略具有协同效应。此外,矿工之间的互动强度会影响安全行为决策,连结的邻居数量越多,邻居更新越快,矿工会越倾向选择不安全行为。最后,在陕西榆林某矿山企业开展了现场实验,实证检验了正念策略和警示策略对矿工安全行为的激励作用。