结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

S31603复合板压力容器点蚀行为试验研究

针对S31603复合板压力容器不锈钢层不同点蚀深度的发展进程及穿透至碳钢层后的电偶腐蚀风险,通过预制不同点蚀深度的S31603复合板试片组,分别在实验室和现场S31603复合板压力容器内进行腐蚀试验,并对试片进行宏观分析、低倍观察、高倍观察及腐蚀产物表征分析。结果表明,S31603复合板预制的点蚀坑深度穿透至碳钢层时发生了明显的电偶腐蚀,实验室腐蚀试验和现场试验最高点蚀速率分别达到4.954,1.023 mm/a;用S31603复合板试片预制的点蚀坑深度穿透至碳钢层后碳钢优先发生电偶腐蚀;S31603复合板试片预制的点蚀坑深度处于不锈钢层时腐蚀轻微,也未萌生新的点蚀,相邻点蚀坑之间也未见明显的腐蚀影响。在含Cl-的酸性腐蚀性介质环境下,当S31603复合板压力容器点蚀深度处于不锈钢层时腐蚀轻微,当点蚀深度穿透至碳钢层后,会发生明显的电偶腐蚀,需要缩短S31603复合板压力容器开罐检修周期以保证安全使用。

基于CED-YOLOv5s模型的煤矸识别方法研究

由于煤矿井下高噪声、低照度、运动模糊的复杂工况和煤矸易聚集现象,导致煤矸目标检测模型特征提取困难及煤矸分类、定位不准确问题。针对该问题,提出一种基于CED-YOLOv5s模型的煤矸识别方法。首先,在YOLOv5s主干网络中引入坐标注意力(CA)机制,通过将坐标信息嵌入信道关系和长程依赖关系中对特征图进行编码,充分利用通道注意力信息和空间注意力信息,使模型更加关注重要特征,抑制无用信息。其次,在YOLOv5s的检测头部引入EIoU回归损失函数,将目标框与锚框的宽高差异最小化,以增强目标的位置和边界信息,提高模型在密集目标下的定位精度和收敛速度;最后,在YOLOv5s的检测头部引入轻量化解耦头,解耦出单独的特征通道,分别用于分类任务和回归任务,解决了原模型中耦合头部分类任务与回归任务的相互干扰问题,进一步提升了模型的并行运算效率与检测精度。实验结果表明:CED-YOLOv5s模型与其他YOLO系列目标检测模型相比,综合性能最佳,平均检测精度达94.8%,相较于YOLOv5s模型提升了3.1%,检测速度达84.8帧/s,可充分满足煤矿井下煤矸实时检测需求。

基于改进YOLOv5s的小目标检测算法

针对当前主流目标检测算法对图像中远距离小目标产生的漏检、误检等问题,提出一种改进YOLOv5s的小目标检测算法。在模型训练过程中,通过引入Focal-EIOU定位损失函数,加强边界框的定位精度;在骨干网络中,通过添加小目标检测层,提高小目标的检测精度;在Neck结构中,通过优化上采样算子和添加注意力机制,加强小目标的特征信息。实验结果表明,改进后的算法在VisDrone数据集上与YOLOv5s算法相比,mAP@small提高了3.2%,且检测速度满足实时性的要求,能够很好地应用于小目标检测任务中。

基于改进YOLOv5s的轻量级绝缘子缺失检测

针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题,提出一种基于改进的YOLOv5s轻量级检测模型。首先,移除主干网络中的C3模块来减少模型的参数量。其次,在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型的特征提取能力。同时,采用加权双向特征金字塔网络结构对特征进行双向跨尺度加权融合,提升网络在遮挡物、相似目标干扰下目标的检测性能。最后,选用SIoU损失函数提升网络的收敛速度和检测精度。实验结果表明,所提模型的平均精准率为96.8%,浮点运算数为2.8 GFLOPS,而原始YOLOv5s在保证97.4%的平均精准率下的浮点运算数为16.3 GFLOPS。相较于原始模型,所提模型对小目标、遮挡目标以及模糊等场景有着较强的鲁棒性,且在保证近似检测精度的同时极大减少了计算量。

基于RFID和磁导航的AGV小车S7-1200PLC控制系统设计

该项目利用S7-1200PLC作为AGV主控制器,采取驱动轮差速进行转向控制,采用磁导航传感器和RFID标签传感器实现循迹和定位功能,实现AGV小车在立体仓库、VMC850数控加工中心、CK40S数控车床、RB20工业机器人、装配单元之间产品的搬运功能。

基于HACCP的6S管理在精神病专科医院保洁管理中的应用

目的探讨危害分析及关键控制点(HACCP)联合6S管理法在精神病专科医院保洁管理中的应用效果。方法采用方便抽样方法,于2023年3月-6月,选取山东省某三级甲等精神病专科医院的30名病区保洁人员作为研究对象,采用基于HACCP的6S管理进行干预,并进行自身前后对照比较分析。结果基于HACCP的6S管理的实施,使保洁人员的医院感染基础知识、个人防护与职业暴露知晓率有所提升(P均<0.05),明显改善了保洁人员的手卫生正确性和依从性(P均<0.05),环境清洁消毒情况得到改善(P均<0.05),住院患者护理满意度和护理人员对保洁人员的满意度均得到提升。结论通过6S管理的标准化模式识别危险因素,将关键环节的评估、预防和控制工作融入保洁管理中,并进行同质化干预,能够提高保洁管理水平,对提升医患双方满意度有一定促进作用。

基于改进YOLOv5s的道路裂缝检测算法

为了解决道路巡检系统光学传感器采集的裂缝图像中颜色特征不明显且尺寸不规则造成检测精度不高、泛化能力不足的问题,提出改进YOLOv5s的裂缝检测算法。将结合深度可分离卷积(Depthwise Separable Convolution, DSC)的全局注意力(Global Attention Mechanism, GAM)引入主干特征提取网络,在降低注意力复杂度的同时获得丰富的跨维度特征,增强了裂缝的识别能力;采用空间金字塔软池化网络(Spatial Pyramid Softpool, SPSF),通过Softpool池化保留多维语义以减少信息弥散,提高了边界框回归的准确性;在颈部特征增强网络,运用空洞深度可分离卷积(Atrous DSC)进行下采样,通过扩大感受野加强深层和浅层信息的聚合能力,提高裂缝识别的泛化性。经过在自制道路裂缝数据集上的实验,相较于YOLOv5s,改进算法的mAP提高2.2%,有效提升了道路裂缝检测的准确性和对不同背景下裂缝识别的泛化能力。

2022年6月10日四川马尔康M_(S)6.0震群序列时空演化特征

2022年6月10日马尔康M_(S)6.0震群序列发生在松岗断裂与龙日坝断裂交会处,呈震群型活动特征。本文以四川地震台网目录为基础,对马尔康地震序列的参数特征开展研究,取该序列三次M_(S)5.0地震之后各一个小时,作为Ⅰ,Ⅱ,Ⅲ共计三个阶段,进行对比分析。由于较大地震后短时间内目录遗漏的余震较多,为增大研究所需的地震样本量,首先采用模板匹配法进行微小地震识别,以补充完备目录,并利用识别的地震目录及台网目录分别计算马尔康M_(S)6.0地震序列的b值、p值等参数。计算结果显示,相比于第Ⅱ和Ⅲ阶段,第Ⅰ阶段具有显著的低b值(0.59),随着时间的推移,序列b值逐渐上升,后两个阶段分别为0.84和0.86。第Ⅰ阶段低b值的结果反映了此阶段孕震区应力水平较高。另外,第Ⅰ阶段序列的p值为0.76,明显低于后两个阶段的1.81和1.64,反映出第Ⅰ阶段序列频次衰减速度较慢,应力释放不充分,而后两个阶段刚好相反,表明不同阶段序列的时间演化特征存在差异。综合分析认为,M_(S)5.8地震是M_(S)6.0地震的前震。序列西支与东支的参数计算结果呈现不一样的特征,可能与M_(S)5.8前震序列发生在西支有关。

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。

2022年四川芦山M_(S)6.1地震前应力状态研究

为研究2022年6月1日四川芦山M_(S)6.1地震的孕育和发生过程,采用CAP方法反演了2013年芦山M_(S)7.0主震及M_(S)≥5.0余震的震源机制解,并基于应力张量方差与b值时空分布特征,探讨了芦山M_(S)6.1地震的力学机制和震源区的应力状态。结果表明:2022年芦山M_(S)6.1地震震源机制表现出与2013年芦山M_(S)7.0主震和5级余震相似的逆冲型破裂特征,压应力轴方位与龙门山断裂带南段区域应力场一致。2013年芦山M_(S)7.0地震后震中及附近的应力张量方差和b值长期处于低值状态,2022年芦山M_(S)6.1地震前震中及附近出现了应力张量方差和b值的低值异常,表明芦山余震区处于较高的应力水平。分析认为:巴颜喀拉块体持续东向运动受到华南块体的阻挡,震中所在区域长期受挤压逆冲作用,从而使芦山余震区长期处于应力积累的状态,芦山M_(S)6.1地震也是在这种动力学背景下发生的。

基于线粒体16S rRNA基因的鹅肉源性成分鉴别方法研究

研究旨在建立基于线粒体16S rRNA基因的鹅源性成分鉴别方法。试验以鹅源性DNA为阳性模板,以猪、牛、羊、鸽、鹌鹑、火鸡、鸡和鸭等8个物种DNA为干扰模板的混合模板,设计筛选出鹅特异性引物,进行PCR和荧光定量PCR(qPCR)反应,并将鹅肉DNA模板浓度按101~1088个梯度进行稀释,检测方法灵敏度。结果显示:所设计的引物仅对鹅肉DNA有特异性扩增,对鹅以外的其他8个物种均没有扩增;当鹅肉DNA模板稀释104倍,PCR扩增条带仍然清晰;当稀释倍数达到107时,仍有较好的扩增曲线,且Ct值小于35。研究表明,建立的畜禽肉中鹅源性成分PCR和qPCR鉴别方法不仅具有良好的特异性,而且具有较高的灵敏性,为食品中鹅源性成分的鉴别提供了新途径。

色素性乳房Paget’s病

报告1例色素性乳房Paget’s病。患者女,63岁,左侧乳头变黑2个月。皮肤科检查:左侧乳头弥漫变黑,表面相对光滑,基底颜色略呈褐色,色素欠均匀,乳头中央稍凹陷,表面少许鳞屑,乳头外侧乳晕部分变黑。皮损组织病理:表皮棘层增厚,基底层及棘层中上部较多Paget细胞,其间较多黑素颗粒,真皮浅层较多淋巴细胞及噬色素细胞浸润。免疫组化:细胞角蛋白(CK)7(+),CK20(-),MelanA少量(+),上皮细胞膜抗原(EMA)(+),S-100蛋白(-),高迁移组转录因子(SOX-10)(-)。诊断:色素性乳房Paget’s病,治疗:行左侧全乳房切除术。

基于5S理念的高校实验课程思政教学探索

以提升高校实验课程思政教学水平与育人能力为目标,结合5S现场管理理念,提出高校实验课程思政教学实施方案。阐述了实验现场环境5S管理理念素养训练的可行性,给出实验授课氛围5Y管理素养训练的具体要求,两者结合建立5S5Y管理素养训练理念模型。为了使模型能够长期有效实施,提出将5S与5Y的具体内容、要求置入设计相应管理系统开发思路。结合实际实验课程教学过程,对系统相关具体功能模块进行了设计。该系统能够实现在对高校实验教学过程精细化管理的同时,承载了素养训练的思想,为实验课程思政教学开展提供理念与规范化管理方法借鉴。

三维各向异性TI介质中的P/S波快速解耦技术及在弹性波逆时偏移中的应用

随着多分量采集技术的发展,弹性波逆时偏移技术在三维各向异性介质复杂地质构造成像中得到了广泛的应用.然而耦合的P波场和S波场,会在传播过程中产生串扰噪声,降低弹性波逆时偏移的成像精度.为了解决这一问题,本研究针对具有倾斜各向异性对称轴的三维横向各向同性(Transverse Isotropy,TI)介质,提出了一种矢量弹性波场快速解耦方法,可以有效提高偏移剖面的成像质量.该方法首先通过坐标转换,将观测系统坐标系的垂直轴旋转到TI介质的对称轴方向,在新坐标系下,根据具有垂直对称轴的三维横向各向同性(Vertical Transverse Isotropy,VTI)介质中的分解算子,推导出三维TI介质解耦算子表达式.接着引入一种在空间域快速计算分解波场的方法,来实现空间域矢量P波场和S波场分离,极大地提高了计算效率.最后,通过点积成像条件,将提出的P/S波分解方法引入到三维TI介质弹性波逆时偏移中,得到高精度的PP和PS成像.与以往的波场分解方法相比,本文方法具有数值稳定和计算效率高的特点.数值算例表明,应用上述三维TI分解算子得到的偏移剖面有效压制了噪声,提高了成像质量.

基于改进YOLOv5s的玻璃盖板划伤检测算法

针对当前玻璃盖板检测速度较慢、精确率较低的问题,提出一种基于YOLOv5s算法的玻璃盖板划伤检测改进模型。首先,借鉴ResNeXt结构和大核注意力(largekernelattention,LKA)结构改进原C3模块,增强网络对于特征的检测和提取能力;其次,向网络中引入BiFPN模块,提高网络的特征融合能力和小目标检测能力;最后,使用EIOU损失函数替换原网络中的CIOU损失函数,提高锚框生成的准确性和模型收敛速度。结果表明,改进后模型,精确率达到98.2%,召回率达到98.4%,实现玻璃盖板划伤的高效检测。

基于数值模拟的高速公路S型曲线积水规律分析

S型曲线由于特殊的线型几何特征形成了易积水的路面区域,对于积水规律的掌握有利于在设计和建造阶段提前预防和处理积水路段的危害。该文基于计算流体力学软件Fluent,结合计算流体力学分析中基于欧拉-拉格朗日方法的欧拉液膜模型EWF(Eulerian Wall Film),针对精细化处理的典型S型曲线双向多车道道路模型进行模拟计算。模拟包含了几何特征与降雨量等不同变量因素,得出了积水的水膜厚度以及流速分布规律。模拟结果表明:在降雨阶段,S型曲线横坡坡度0%~1%路段为积水路段,横坡坡度1%~2%路段为易积水路段,横坡坡度大于2%的路段积水情况受到降雨强度影响;在排水阶段,S型曲线横坡坡度0%~1%路段为排水困难路段,横坡坡度1%~2%路段为排水不畅路段,横坡坡度大于2%的路段排水顺畅,在排水时间结束时,路面在不同的几何条件和降雨条件下均能将积水排除至水膜厚度小于2 cm,横坡的大小与渐变影响了积水的横向分布与纵向分布,横向呈现中间高两边低、横断面上标高大的位置水膜厚度小和标高小的位置水膜厚度大的水膜厚度分布规律,总体呈现S型的分布规律;水膜流速在积水阶段呈现纵向上中间低两边高、水膜厚度大则水膜流速大的水膜厚度分布规律,在排水阶段则为纵向上中间高两边低的水膜流速分布规律。道路宽度影响了降雨落到路面的积水总量,进而对积水水膜厚度产生了影响;超高缓和率则主要使得积水路段、易积水路段增长,从而影响了积水分布的范围。

基于CFS-YOLO算法的复杂工况环境下煤矸图像识别方法

针对煤矿高噪声、低照度、运动模糊与大批量煤矸混杂等复杂工况环境因素导致煤矸识别存在误检、漏检以及检测精度低的问题,提出一种基于CFS-YOLO算法的煤矸智能识别模型。采用ConvNeXt V2(Convolutional Neural Network with NeXt Units Version 2)特征提取模块替换主干网络末端的2个C3(Cross Stage Partial Bottle Neck Mudule)模块,通过将掩码自动编码器(Masked Autoencoders,MAE)和全局响应归一化(Global Response Normalization,GRN)层添加到ConvNeXt架构中,有效缓解特征崩溃问题以及保持特征在网络传递过程中的多样性;采用Focal-EIOU(Focal and Efficient Intersection Over Union)损失函数替换原CIOU(Computer Intersection Over Union)损失函数,通过其Focal-Loss机制和调整样本权重的方式优化边界框回归任务中的样本不平衡问题,提高模型的收敛速度和定位精度;添加无参注意力机制(Simple Attention Mechanism,SimAM)于主干网络每个C3模块的后端,凭借其注意力权重自适应调整策略,提升模型对尺度变化较大或低分辨率煤矸目标关键特征的提取能力。通过消融试验和对比试验验证所提CFS-YOLO模型的有效性与优越性。试验结果表明:CFS-YOLO模型对于煤矸在煤矿高噪声、低照度、运动模糊与大批量煤矸混杂等复杂环境下的检测效果均得到有效提高,模型的平均精度均值达到90.2%,相较于原YOLOv5s模型的平均精度均值提高了3.7%,平均检测速度达到90.09 FPS,可充分满足煤矸实时检测的需求。同时与YOLOv5s、YOLOv7-tiny与YOLOv8n等6种YOLO系列算法相比,CFS-YOLO模型对煤矿复杂环境的适应性最强且综合检测性能最佳,可为煤矸的智能高效分选提供技术支持。

献血者HBVs基因变异的生物信息学分析

目的分析HBV DNA+/HBsAg-献血者的传染性指标、S区基因序列突变情况及生物信息学特征变化。方法通过PCR方法筛查出1份HBV DNA+/HBsAg-的标本,应用酶联免疫和化学发光方法检测该标本乙肝病毒5项指标,对该标本HBVs区基因片段测序并分析变异情况,应用分析软件对所测序列进行生物信息学分析。结果该标本HBV DNA+、HBsAg-、HBsAb+、HBeAg+、HBeAb-、HBcAb+;HBVs区基因序列内发生氨基酸单位点突变(P151L),空间结构发生改变。结论HBVs区基因序列空间结构改变,可能是导致检测结果出现血清学HBsAg-/HBsAb+/HBV DNA+的原因。

扩展目标跟踪Student’s t逆Wishart平滑算法

脉冲干扰和离群量测信息等因素通常会导致异常的厚尾噪声,这使得以高斯假设为前提的扩展目标跟踪(ETT)估计器的性能急剧降低,针对该问题该文提出一种基于扩展目标随机矩阵模型(RMM)的Student’s t逆Wishart平滑(StIWS)算法。首先,将目标的运动状态以及过程噪声和量测噪声建模为Student’s t分布以表征异常噪声对扩展目标概率分布的影响,将目标扩展状态建模为服从逆Wishart分布的随机矩阵。然后,在Student’s t贝叶斯平滑框架下,详细推导了能在扩展目标的多重特征动态演变的过程中有效估计目标状态的StIWS算法。最后,通过扩展目标跟踪的仿真实验结果和真实场景实验结果验证了所提算法的有效性。