基于改进FeatDepth的足球运动场景无监督单目图像深度预测

为了在降低成本的同时提高图像深度信息预测的精确度,并将深度估计应用于足球运动场景,提出一种基于改进FeatDepth的足球运动场景无监督单目图像深度预测方法。首先,对原FeatDepth引入注意力机制,使模型更加关注有效的特征信息;其次,将FeatDepth中的PoseNet网络和DepthNet网络分别嵌入GAM全局注意力机制模块,为网络添加额外的上下文信息,在基本不增加计算成本的情况下提升FeatDepth模型深度预测性能;再次,为在低纹理区域和细节上获得更好的深度预测效果,由单视图重构损失与交叉视图重构损失组合而成最终的损失函数。选取KITTI数据集中Person场景较多的部分进行数据集制作并进行仿真实验,结果表明,改进后的FeatDepth模型不仅在精确度上有所提升,且在低纹理区域及细节处拥有更好的深度预测效果。最后,对比模型在足球场景下的推理效果后得出,改进后的模型在低纹理区域(足球、球门等)及细节处(肢体等)有更好的深度预测效果,实现了将基于无监督的单目深度估计模型应用于足球运动场景的目的。

基于DeepSORT和改进YOLOv5的煤矿井下钻杆计数方法

针对煤矿井下钻杆计数存在精度较差、效率较低等问题,提出一种基于DeepSORT和改进YOLOv5的煤矿井下钻杆计数方法。首先,设计DR-C3模块,提高YOLOv5网络提取特征的能力;其次,引入GAM注意力机制,减少复杂背景的干扰;然后,通过CARAFE上采样算子扩大感受野;最后,结合DeepSORT算法对钻杆进行实时追踪计数。实验结果表明,改进后的YOLOv5 mAP@0.5提升了2.8%;钻杆计数平均精度达99.4%,检测速度达到93帧/s,计数精度高,满足实际需求。

基于改进YOLOv8的道路缺陷检测

针对道路缺陷小目标在复杂背景下检测精度低、漏检误检率高、泛化能力欠佳的问题,提出了一种改进YOLOv8的道路缺陷检测算法SGBNet。首先,Neck部分用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network, BiFPN)替换PANet,提升模型的特征融合能力;其次,Neck引入全局注意力机制(Global Attention Machanism, GAM),在特征融合阶段进行注意力调整,提高检测精度;最后,添加小目标检测层,进一步增强深层语义信息与浅层语义信息的结合,提高对道路缺陷小目标的检测能力。与原始YOLOv8n算法相比,算法SGBNet的精确率、召回率和平均精度分别提升了3.3%, 2.5%和2.5%,实现了对道路缺陷更精准的检测。

中西太平洋海山特征对延绳钓渔业和围网渔业黄鳍金枪鱼CPUE的影响

海山是海底重要的生物栖息地类型之一,是研究海洋生物多样性的热点区域。黄鳍金枪鱼(Thunnus albacares)广泛分布于中西太平洋,具有极高的生态和经济价值,然而,鲜有关于海山及其相关特征对黄鳍金枪鱼资源丰度和分布影响的研究。基于2010—2021年中西太平洋渔业委员会(Western and Central Pacific Fisheries Commission,WCPFC)汇总的延绳钓和围网渔业数据结合海山特征数据,采用广义加性模型(Generalized additive model,GAM)分析两种不同捕捞方式的黄鳍金枪鱼单位捕捞努力量渔获量(Catch per unit effort,CPUE)与海山相关特征之间的关系。结果表明,中西太平洋两种渔业方式的黄鳍金枪鱼渔获量主要来源于海山区域,海山特征对两种渔业黄鳍金枪鱼的CPUE均产生了极显著性影响(P<0.001)。在延绳钓渔业中,较高的CPUE出现在山顶深度、粗糙度、底面积和海山密度较小、坡度较缓的区域;而在围网渔业中,较高的CPUE则出现在粗糙度较小、山顶深度较大、底面积较大、较陡峭且密集的海山区域。研究探讨了中西太平洋海山特征对黄鳍金枪鱼不同群体的影响机制,为今后进一步探索黄鳍金枪鱼种群分布和资源丰度变化与海洋环境的关系提供了参考与新思路。

中国新质生产力多因素交互效应研究

加快形成和发展新质生产力既是我国当下关注的关键议题,也是亟须探究的重要命题。基于中国30个省(区、市)面板数据,本文构建广义相加模型(GAM)探讨创新生产力、技术生产力、资源节约型生产力、环境友好型生产力、数字产业生产力和产业数字生产力对新质生产力水平的因素交互影响效应。研究表明:各因素对新质生产力均具有非线性正向效应;多因素共同影响新质生产力且存在非线性交互作用,其中资源节约型生产力是主导影响因素;因素间的交互效应对新质生产力的影响存在显著差异,创新生产力、数字产业生产力与其他因素结合时产生的影响差异最为明显。基于此,提出促进新质生产力发展的相关启示。本文研究有利于拓展新质生产力提升路径的理论研究,为政府制定发展政策提供参考。

霾过程黑碳对气溶胶散射吸湿增长的影响

利用成都市2017年10~12月逐时的“干”气溶胶散射系数、吸收系数和环境气象监测资料,结合同时次气溶胶粒径吸湿增长因子(Gf)的反演数据,分析了4类霾强度条件下黑碳浓度(C_(BC))的变化特征,并基于广义可加模型(GAM)探讨了C_(BC)对气溶胶散射吸湿增长因子(f)的影响机制.结果表明:(1)轻微、轻度、中度和重度霾强度条件下的C_(BC)均服从对数正态分布,其均值随霾强度的增加而增大,变差系数则随霾强度的增加而减小.(2) C_(BC)与Gf之间呈现非线性负相关,C_(BC)与C_(PM2.5/PM10)(细颗粒物质量浓度与粗颗粒物质量浓度之比)之间则呈现非线性正相关(均通过了α=0.01的显著性检验);随着霾的渐近演化,Gf随C_(BC)增加而减小的趋势持续增强,C_(PM2.5/PM10)随C_(BC)增加而增大的趋势则持续减弱.(3) Gf与C_(PM2.5/PM10)之间存在显著的交互作用(通过了α=0.001的显著性检验),以Gf与C_(PM 2.5/PM10)为双变量的GAM模型能更好地表征f的变化特征.

基于YOLOv8s改进的小目标检测算法

针对目标检测任务中小目标尺寸较小、背景复杂、特征提取能力不足、漏检和误检严重等问题,提出了一种基于YOLOv8s改进的小目标检测算法——Improved-v8s。Improved-v8s算法重新设计了特征提取和特征融合网络,优化检测层架构,增强浅层信息和深层信息的融合,提高了小目标的感知和捕获能力;在特征提取网络中使用部分卷积(Partial Convolution,PConv)和高效多尺度注意力(Efficient Multi-scale Attention,EMA)机制构建全新的F_C_(2)f_EMA,在降低网络参数量和计算量的同时,通过通道重塑和维度分组最大化保留小目标的特征信息;为了更好地匹配小目标的尺度,优化调整SPPCSPC池化核的尺寸,同时引入无参注意力机制(Simple-parameter-free Attention Module,SimAM),加强复杂背景下小目标特征提取;在Neck部分使用轻量级上采样模块——CARAFE,通过特征重组和特征扩张保留更多的细节信息;引入了全局注意力机制(Global Attention Mechanism,GAM)通过全局上下文的关联建模,充分获取小目标的上下文信息;使用GSConv和Effective Squeeze-Excitation(EffectiveSE)设计全新的G_E_C_(2)f,进一步降低参数量,降低模型的误检率和漏检率;使用WIoU损失函数解决目标不均衡和尺度差异的问题,加快模型收敛的同时提高了回归的精度。实验结果表明,该算法在VisDrone2019数据集上的精确度(Precision)、召回率(Recall)和平均精度(mean Average Precision,mAP)为58.5%、46.0%和48.7%,相较于原始YOLOv8s网络分别提高了8%、8.5%和9.8%,显著提高了模型对小目标的检测能力。在WiderPerson和SSDD数据集上进行模型泛化性实验验证,效果优于其他经典算法。

改进YOLOv8算法的交通标志小目标检测

针对传统网络模型在交通标志检测方面存在的小目标识别不准确的问题,提出一种改进的Ghost-YOLOv8交通标志检测模型。首先,使用GhostConv代替了全部Conv,并设计全新的GhostC2f模块来替代全部的C2f,使模型轻量化;其次,将上采样算法替换为CARAFE,以更好地保留图像的细节信息;然后,在Neck部分引入了GAM注意力机制模块,以增强特征中的语义信息和位置信息;最后,为了解决检测小目标时尺度不一致导致的语义信息丢失问题,添加了小目标检测层,以增强深层和浅层语义信息的融合。实验结果证明,该模型在中国交通标志检测数据集TT100K中的召回率、mAP@0.5、mAP@0.5:0.95指标分别提高了6.8%、4.0%、3.6%,并且模型的参数量及模型大小分别降低了1.069×10^(6)、1.9 MB。综合说明,所提出的模型在精准度不变的前提下,减少了模型的参数量及大小,并能更好地检测到原模型检测不到的小目标;同时,比对比算法具有更好的性能表现,并且适用于边缘计算设备,具有实际应用价值。

基于改进YOLOv8的SAR图像飞机目标检测算法

针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像飞机目标检测算法存在模型复杂度较高、检测效果差、泛化能力弱等问题,提出了一种基于改进YOLOv8的SAR图像飞机目标检测算法。首先,针对SAR图像飞机目标较小的特点,剔除大目标检测层,重构特征提取网络和特征融合网络,降低模型计算量。其次,在主干网络引入可变形卷积(Deformable Convolutional Network, DCN),增强特征提取能力;在颈部网络引入全局注意力机制(Global Attention Mechanism, GAM)提高检测精度。最后,采用WIOU(Wise-IoU)损失函数提高收敛速度和回归精度。在SADD数据集(SAR Aircraft Detection Dataset)上实验结果显示,改进算法较原YOLOv8算法模型体积压缩59.66%,参数量降低61.18%,计算量减少18.29%,最高精度提高至98.1%。与其他算法相比,所提算法在保证较高检测精度的情况下大幅降低了模型体积、参数量和计算量,实现了模型复杂度和检测精度的平衡。

基于改进YOLOv5的焊缝识别算法研究

针对机器人自适应打磨焊缝的问题,文章提出一种基于YOLOv5改进的焊缝检测算法,实现焊缝的识别和初定位。使用焊接机器人制作各类不同参数和形貌的焊缝,自制一个包含3 996张焊缝图像的数据集用来深度学习。选用YOLOv5s模型进行训练,在Backbone中添加了GAM注意力机制模块;同时引入GhostNet,用GhostConv模块和C3Ghost模块替换原模型的Conv模块和C3模块。改进后的YOLOv5s-GhostNet-GAM模型的mAP@0.5达到了90.21%,相比原YOLOv5s模型提高了4.05%,同时参数量减少了5.64%,FLOPs降低了27.44%,检测速率为23.47 FPS,达到了机器人自适应打磨焊缝对识别精度与后期软件部署的要求。

中太平洋黄鳍金枪鱼CPUE时空分布及其与环境因子的关系

中太平洋黄鳍金枪鱼(Thunnus albacares)是中国金枪鱼延绳钓渔业的主要捕捞对象之一。为提高捕捞效率,促进资源可持续利用,利用2018—2022年中太平洋黄鳍金枪鱼延绳钓生产数据,结合不同水层的温度、叶绿素a浓度和海表盐度等环境因子,通过构建广义加性模型(GAM)和神级广义相加模型(nodeGAM),分析了太平洋中部黄鳍金枪鱼单位捕捞努力量渔获量(Catch perunit of effort,CPUE)时空分布及其与环境因子的关系。结果表明:中太平洋黄鳍金枪鱼的盛渔期在5—7月,CPUE主要分布在赤道以南,在5°S附近最盛。与GAM模型(偏差解释率为29.4%,均方误差为0.149)相比,nodeGAM模型的拟合优度显著提高,偏差解释率达49.4%(提升68.02%),均方误差降至0.103(降低30.87%)。2种模型均表明,表层温度≥27℃、100 m水层温度15~20℃、表层盐度34.2‰~35.2‰、叶绿素a质量浓度0.1~0.25 mg·m^(-3)为黄鳍金枪鱼适宜的环境因子范围。与GAM模型相比,nodeGAM模型的拟合效果和解释能力更优,从模型输出的效应曲线来看,nodeGAM模型能更好地反映CPUE与环境因子间的非线性关系。

基于改进YOLOv4-Tiny算法的机械零件识别

为实现机械零件的精准快速识别,文中提出了一种基于改进的YOLOv4-Tiny算法的机械零件识别方法。该方法融合了注意力机制和K-means++聚类算法,采用CSPDarknet53-Tiny网络作为主干网络,并将卷积注意力机制模块(Convolution Block Attention Module, CBAM;Global Attention Mechanism, GAM)加在YOLOv4-Tiny主干网络与特征金字塔的连接处及其上采样处,在不影响主干网络的条件下,对每个通道的特征信息重新压缩并提取,过滤掉冗余特征信息,保留重要特征信息,并重新分配权重;再用K-means++聚类算法得到一组与机械零件图像数据集相匹配的先验框参数。试验结果表明,与传统的YOLOv4-Tiny算法相比,改进后的YOLOv4-Tiny算法在保证实时性的前提下,平均召回率和平均准确率分别达到99.43%和99.41%,可以准确检测并定位机械零件图像的位置。

基于二值型数据的荣成天鹅湖菲律宾蛤仔空间分布与环境因子关系研究

为了利用简化的二值型渔业数据研究物种空间分布与环境因子之间的关系。基于2017年四个季度山东半岛荣成天鹅湖的菲律宾蛤仔(Ruditapes philippinarum)实地调查数据,比较了广义加性模型(GAM)和广义线性模型(GLM)在处理二值型菲律宾蛤仔渔业数据的表现,并利用GAM模型研究了天鹅湖的菲律宾蛤仔空间分布与环境因子之间的关系。研究显示:GAM模型在偏差解释率、模型评估效果和预测性能方面均优于GLM模型;水深、总有机质含量和叶绿素a浓度显著影响菲律宾蛤仔的空间分布(P<0.05)。菲律宾蛤仔的出现概率随叶绿素a浓度增加逐渐上升,随总有机质含量和水深的增加逐渐下降。研究结果表明,二值型简化数据能够有效地揭示菲律宾蛤仔空间分布与环境因子的关系。

基于GAMS的电力系统有功-无功综合优化

在系统安全运行的基础上,针对线路网损大、发电成本高的问题,只通过其中某个指标进行发电调度是不合理的,提出了配合无功优化的经济调度以及线性化后机组组合模型,采用理想点法将结合线路网损以及发电成本的多目标优化问题转化为单目标优化问题,利用GAMS进行优化求解。在IEEE-39节点系统以及华东某地区电网上进行算例分析,通过调节机组有功、无功出力以及向节点注入适当的无功功率的方式能够有效降低线损和发电成本。

基于无人机的交通事故严重程度检测

针对交通事故严重程度检测速度慢的问题,对较为先进的YOLOv8算法进行改进。通过引入GAM注意力机制和GELAN结构,提高模型对交通事故严重程度数据集的识别准确性。与此同时,通过模型轻量化处理和调整参数量,降低复杂度和计算量,增强实用性,使模型更易于部署和运行。实验结果表明,改进后的YOLOv8-GELAN-GAM模型在准确率、mAP@0.5、Recall等关键指标上分别提升了2.9%、1.9%、1.8%,在捕捉碰撞后位置变化小或形变量小的事故车辆方面表现更出色。在复杂背景下,改进后的YOLOv8-GELAN-GAM模型也能避免漏检和误检。总体而言,改进后的YOLOv8-GELAN-GAM模型能够为交通安全研究提供有力支持,提升道路救援的速度,提高道路交通安全水平,为事故损失提供强有力的保障。文中研究可为交通安全技术发展提供新的思路。

基于植物-地形关系的物种丰富度空间格局预测——GAMs途径的一种应用

将基于样本调查数据的群落-生境因子回归分析与GIS支持下的植物属性空间格局预测结合起来,是国际上植被-环境关系定量研究的新途径。通用可加性模型(GAM)的非参数属性使之具有对不同数据类型的广泛适应性,成为这种“回归分析+空间预测”途经的有效手段;不同程度上依赖于数字高程模型的环境空间数据集是实现空间预测的必要条件。介绍了这一新的研究途径,并应用于案例研究区域植物多样性指标空间格局的预测和分析。野外调查的一组样方地形特征指标和植物多样性指标(包括样方物种丰富度及乔木、灌木、草本、常绿木本、珍稀种类的丰富度),分别作为预测变量和响应变量,建立GAM模型。结合研究区域10m分辨率的数字高程模型,对该区域植物物种丰富度的空间格局进行空间预测,并对预测模型和结果进行统计分析和检验。结果表明:(1)不同的多样性指标具有不同的模型结构和模拟效果,重复模拟的结果稳定性也不同,反映了所受地形因子影响的差异;(2)影响各多样性指标空间格局的地形变量主要是坡位和坡度等小尺度特征,大尺度海拔因素的影响并不显著;(3)模拟结果与独立检验数据的相关分析表明,对乔木种、草本种、珍稀种的模拟全部有效;对常绿种和样方物种总数的模拟部分有效;而对灌木种丰富度的预测基本失败。(4)模型预测变量有效性和全面性决定了模型对数据的解释能力,样本大小对模型的稳定性和可靠性也有显著影响。就地形因子对生境条件的代表性、模拟误差的来源及GAMs模型的优缺点和应用前景进行了讨论。

粮食产后处理模式的通用代数建模系统(GAMS)仿真与优化

应用通用代数建模系统 (GAMS)仿真方法 ,从粮食产后的损失率、作业效率、益本比、成本节约效果、增产减损效果等方面 ,对浙江省典型的 3种粮食产后处理模式进行了仿真和优化 ,在此基础上 ,提出了改进的处理模式并进行仿真分析 ,可用于不同的粮田经营规模、不同的技术经济条件下 ,选用一种最适合本地区的粮食产后处理模式 。

海表温度对南沙海域鸢乌贼资源变动的影响

根据南沙海域2018—2019年鸢乌贼(Sthenoteuthis oualaniensis)灯光罩网渔获数据和海表温度(sea surface temperature,SST)遥感数据,研究SST对鸢乌贼资源变动的影响。经验正交函数分析(empirical orthogonal function,EOF)显示南沙海域SST季节变化明显,月均值在年内呈双峰型变化,峰值出现在5—6月和10月。2019年南沙海域发生厄尔尼诺,SST高温频率升高,年均值较2018年升高0.3℃。2018年鸢乌贼的单位捕捞努力量渔获量(catch per unit effort,CPUE)为春季(3—5月)高,夏季(6—7月)低,2019年CPUE为冬季(2月)高,夏季(6月)低。广义相加模型(generalized additive model,GAM)显示,月份、SST、纬度和经度4个因子对CPUE的总偏差解释度为55.0%,其中月份与SST的偏差解释度大于其他因子。鸢乌贼群体的适宜温度为27.5~29.5℃,SST超过29.5℃会导致CPUE降低。鸢乌贼渔场集中分布于10°N—12°N、113°E—116°E,各月渔场重心随温度发生变化,低温时东移,高温时西移。

黄海北部辽宁近岸海域鳀产卵场分布特征及其影响因素

为掌握黄海北部辽宁近岸海域鳀(Engraulis japonicus)产卵场的分布特征及其关键环境因子,基于2021年4—12月开展的产卵场综合调查获取的鳀样品及其鱼卵密度数据,运用Garrison重心分布法阐释鳀产卵洄游分布特征及其主产卵期;通过基于Tweedie分布的广义可加模型(generalized additive model,GAM)的构建,分析主产卵期内鳀卵密度与同步获取的海水表层温度(SST)、海水表层盐度(SSS)、海水表层叶绿素浓度(Chla)、浮游动物丰度(Fd)、浮游植物丰度(Fz)和深度(Depth)等6个环境因子,以及时间(月份,Month)和空间(经纬度、Lon和Lat)因子之间关系,并识别主控因子。结果显示,海域内鳀产卵期较长,由4月持续至11月,5—8月为主产卵期,其中,5—6月为产卵盛期。鳀产卵场规模和位置时空变化明显,时空因子与鳀卵密度分布呈密切非线性相关(累积偏差解释率为48.1%),(SST,SSS)(18.7%)和Depth(5%)次之。鳀产卵期适温范围较广,产卵场分布表现出高温高盐(低温低盐)增效作用和高温低盐限制作用。产卵初期(4月),鳀产卵场规模和鱼卵密度均较低,产卵重心位于海洋岛东南侧深水区;盛期(5月底—6月初)在SST主导下,鳀产卵场规模和鱼卵密度均至年内最高值,核心产卵场位于石城岛–庄河河口一带海域;此后,随着辽南沿岸水系盐度的下降,高温低盐的抑制作用使SSS因素主导产卵鱼群避开沿岸海域,鳀产卵场迁移至外海深水区,7月后位于30~50 m等深线之间;9—10月鳀繁殖活动基本结束,10月鳀卵仅零星分布于调查海域,直至12月未有鳀卵采获。研究可为黄海北部辽宁近岸海域鳀产卵场研究及鳀资源合理开发利用提供参考依据。

GAMS在安徽省农业生产结构调整最优决策中的应用

以比较优势理论为依据,利用农产品生产成本数据,以增加农民收入为目标,运用一般线性代数模拟系统(GAMS),研究和模拟不同的开放程度和市场价格条件下安徽省主要农产品播种面积的调整方向和数量以及农民收入的变化。通过模拟发现只要按照比较优势原理进行农业结构调整,农民收入会增加。