基于YOLOv8的车辆小目标识别技术研究

针对道路周围拍摄图像中,远端目标比较小、检测难的问题,以YOLOv8为基础,提出了一种改进的小目标检测算法。首先,在特征提取网络中加入了通道先验卷积注意力模型,提高小目标特征提取能力;其次,在Neck层使用可变卷积代替卷积模块,提高目标识别能力。结果表明:在自建数据集上,该算法与原始YOLOv8算法相比,均值平均精度mAP@0.5提高了1.3%,mAP@0.5:0.95提高了0.9%。

句子级时序卷积网络的多模态抑郁症识别方法

针对多模态抑郁症模型在特征提取时,语句间关联性较弱,不同模态间的特征融合较为随意,在中文数据集上模型的泛化能力缺乏验证等问题,本文通过分析与抑郁症相关的音频、文本和视觉特征,提出了基于改进TCN模型的多模态抑郁症识别模型STCMN(Sentence-level Temporal Convolutional Memory Net-work),并将该模型应用于临床抑郁症辅助诊断当中。该模型首先使用残差块、GRU和Self-Attention的融合模块来提取不同模态下的句子级特征,增强了上下文联系,然后使用TCN模型来提取不同模态的全局特征,并使用Cross Attention对不同模态的全局特征以多模态融合特征为主进行融合,最后通过LogSoftmax层得到模型对抑郁症的识别结果。在DAIC-WOZ公开数据集上,本文所提出的方法对抑郁症识别的准确率达到了91.3%,精确率达到了93.6%,召回率达到了89.7%,其相关指标均优于其他方法,可以更好地满足临床医学的需求。在私有中文数据集MMD2022上,STCMN模型的识别结果仍为最优,表明该模型在中文抑郁症识别任务上具较好的泛化能力。

双通道周期信号分离装置的设计与实现

基于解决现代工业生产中复杂信号分析难题的目标,该研究采用了创新性的“双通道周期信号分离装置”。该装置在工业仪表、控制系统和传感器等领域广泛应用,能高效精准地分离多频率、多波形混合信号。面对工业环境中频率和波形多样的挑战,该研究结合STM32平台,成功实现对周期信号A和B的准确分离和还原。装置工作原理简明清晰,信号经过预处理模块消除直流成分后,经STM32智能核心板时域离散采样和傅里叶变换等处理,实现对信号频谱特征的识别。信号再构模块则采用频率相位可编程信号发生器,对信号进行再构,最终实现双通道周期信号的精确分离。经过实验测试,装置在叠加信号测试中表现出色,成功分离多种信号组合,验证了其高效性与精确性。

基于BGR芯片设计的CMOS集成电路教学新范式

针对集成电路专业实验教学中软件使用难度高以及教学模式单一的问题,结合专业培养方案对课程知识与能力的要求,提出一种基于BGR芯片设计的CMOS集成电路教学新范式。该文采用调研分析、调查问卷、理论+实践、系统评估等方法,培养学生实验技能、设计思想、EDA方法和分析方法,从而提高学生在模拟芯片设计方面的实践能力和创新意识。教学实践表明,该教学模式在集成电路人才培养实践教学中取得了良好的教学效果。

基于优化K-means算法的高校成绩聚类分析研究

针对经典K均值算法在聚类中心易受异常值影响,导致聚类结果不稳定的问题,提出基于样本分布密度的优化K-means算法,以提高聚类稳定性和准确性;聚类后通过CH指数和分类区间占比总体两种方法,客观评价3种离散化方法,结果表明,优化的K-means算法避免了区间分类不合理现象,更加准确地反映了成绩样本的分布特点。

基于改进Swin-Unet的糖尿病性黄斑水肿分割方法

糖尿病性黄斑水肿(DME)是糖尿病患者最常见的失明原因之一,光学相干断层扫描技术(OCT)有助于糖尿病视网膜病变的早期检测和预防,视网膜OCT图像中的DME区域分割常被用于定量评估黄斑区的水肿程度和病变区域的面积。针对糖尿病性黄斑水肿分割存在的小目标区域漏分割以及部分水肿区域分割不准确的问题,提出了一种改进Swin-Unet的DME分割方法,提高了区域分割的准确性。首先,将Swin-Unet的瓶颈替换为由快速傅里叶卷积(FFC)块构成的频域特征提取模块,用于提取视网膜OCT图像中所包含的光谱域信息;其次,对语义分割后的区域进行形态学图像处理技术进行处理,提升结果的可视化效果;最后,在OCT2017和杜克大学数据集上对模型进行了验证。实验结果表明,与Swin-Unet相比,所提出的方法在OCT2017数据集上dice相似系数、交并比、召回率和精确率分别提升了3%、2%、2%和3%,在杜克大学数据集上分别提升了5%、4%、6%和5%,改进后的SwinUnet模型可以提升对DME分割的精度,为医生提供更为可靠的诊断依据。

“三全育人”视域下高校优良学风建设的新媒体宣传策略

在当前教育改革的大背景下,“三全育人”作为一种全面、多元的教育理念,在高等教育领域受到广泛关注。该理念强调全员育人、全程育人、全方位育人,旨在促进学生的全面发展。在信息技术飞速发展的今天,新媒体已成为高校优良学风建设的重要工具,其互动性、即时性以及广泛覆盖性为高校革新传统高等教育模式带来了新的机遇和挑战。文章通过探讨高校优良学风的内涵与要求,分析新媒体在高校优良学风建设中的作用,从而提出结合实际注重新媒体内容的创新;新媒体宣传平台多元化;引导高校学生积极参与;加强新媒体宣传舆情管理的“三全育人”视域下高校优良学风建设的新媒体宣传策略。

可用于高度近视眼底照相人工智能深度学习图像标注标准分析

高度近视指屈光度在600度(-6.00 D)及以上的近视,是导致低视力及盲的主要原因之一。高度近视以眼轴增长为特点,后极部巩膜拉伸引起各种并发症,如视乳头形态结构变化、视网膜劈裂、黄斑裂孔、脉络膜新生血管、脉络膜视网膜萎缩、周边部视网膜变性以及后巩膜葡萄肿等,这些并发症均会威胁视力,导致不可逆的视网膜感光细胞损伤,进而造成视功能丢失[1]。人工智能(artificial intelligence,AI),是计算机科学的分支,是一种能够模拟人类智能行为和思维过程的系统。

基于相干检测技术的光时域反射仪硬件优化研究

光时域反射仪(OTDR)是诊断光纤故障点的主要仪器。但在OTDR检测过程中,需要暂停光通信网络中正常的通信业务。通信信号光时域反射系统利用光网络中的通信信号检测故障点,改进了传统OTDR的缺陷。在实验测量中发现,后向瑞利散射和菲涅尔反射的回波信号功率很小。若功率太小,示波器便很难采集到有用的回波信号,将影响对光纤故障点的判断。提出利用相干检测技术增大回波信号功率,结合通信信号相关探测法来检测光纤链路故障点的方案,以达到边通信边检测的目的。仿真结果表明,相干增强后的回波信号功率增大了10倍,可以实现故障点的检测,且检测过程不影响正常通信业务。

基于TDOA的声源定位装置的设计与实现

随着工业自动化仪器仪表的迅猛发展,声音位置的实时定位是很多智能应用设备不可或缺的功能之一,其中麦克风阵列技术被广泛应用于军事、视频电视会议、智能交通以及智能机器人等领域,以提升声音捕捉和定位的效果。针对传统麦克风阵列声源定位装置存在体积大、成本高、受环境干扰等问题,提出了一种基于STM32的便携式声源定位装置。该装置以STM32F411RET6为核心处理器,利用STM32CubeMX和MDK-ARM进行软件程序设计。该设计在信号处理、体积和成本等方面具有明显的优势,为弥补传统装置的缺陷提供了一种新颖的解决方案,具备广泛的应用前景和深远的研究意义。

基于深度学习的视网膜毛细血管无灌注区智能识别定量分析系统在CRVO缺血分型诊断中的应用

目的探讨一种基于深度学习的视网膜毛细血管无灌注区(NPA)智能识别定量分析系统在视网膜中央静脉阻塞(CRVO)缺血分型诊断中的应用价值。方法回顾性病例系列研究。选取2017年1月至2018年12月经山西省眼科医院门诊确诊为CRVO并行荧光素眼底血管造影(FFA)检查的343例343眼患者纳入本研究。随访并记录患者自发病起1年内是否发生新生血管并发症。应用人工智能诊断系统计算CRVO患者后极部55°视野范围NPA面积,受试者工作特征曲线(ROC)分析该NPA面积对CRVO发生新生血管并发症的诊断价值。结果343例CRVO患眼中有26眼发生了新生血管并发症,发病率7.58%。依据NPA面积判断CRVO患者是否发生新生血管并发症的曲线下面积为0.889(95%CI0.799~0.978,P<0.001)。最佳截断值为20.997视盘面积(DA),灵敏度为0.808,26眼新生血管并发症患者中有21眼NPA值大于该值;特异度为0.946,317眼无并发症患者中有300眼NPA值小于该值。结论基于深度学习的NPA智能识别定量分析系统可为CRVO分型诊断提供决策依据。55°视野范围后极部NPA>20 DA可作为CRVO缺血分型的阈值标准。

“新工科”背景下基于“翻转课堂+BOPPPS模型”的教学探索——以“数字通信原理”课程为例

在“新工科”建设要求在以学习者为中心的工程教育模式背景下,提出一种基于“翻转课堂+BOPPPS模型”的教学模式。以“数字通信原理”课程为例,围绕课前、课中、课后3个环节,探讨了该模式在教学设计中的具体实施。采用对照实验和访谈调查的方式,对该教学模式下的学习效果进行分析。实践结果表明,该教学模式有利于提高教学设计质量、激发学生学习能动性,同时也为相关课程的教学设计提供了参考。

融合优化遗传算法和变步长蚁群算法的矿山巡检机器人路径规划

矿山作为重要的工业生产基地,对于保障生产安全和提高生产效率具有重要意义。传统的矿山巡检方式主要依赖于人工巡检,具有人力成本高、巡检效率低、存在安全风险等不足,因而,研究自主巡检的矿山巡检机器人路径规划算法对于提高矿山巡检技术水平具有重要意义。提出了一种融合优化遗传算法和变步长蚁群算法的矿山巡检机器人路径规划方法。该方法首先利用遗传算法对机器人路径进行优化,然后将优化后的路径作为蚂蚁搜索的初始路径。在蚂蚁搜索过程中,根据当前路径长度变化情况调整蚂蚁的步长,以适应不同路径长度的搜索。同时,引入了启发式信息和信息素更新策略,增强了蚂蚁搜索的局部和全局搜索能力。试验表明:与单一算法相比,所提方法可以更快地找到较优解,并且具有更好的鲁棒性和稳定性。该方法通过融合变步长蚁群算法和遗传算法的优点,可以快速收敛到全局最优解,同时提高了搜索精度和收敛速度,对于提高矿山巡检机器人路径规划效率,确保矿山安全高效生产具有一定的意义。

基于迁移学习的糖尿病视网膜病变的分类检测

为了解决糖尿病视网膜图像自动诊断困难、分类准确率不高等问题,提出了一种基于迁移学习的糖尿病视网膜病变的分类方法。该方法使用翻转、旋转等数据增强技术扩充数据集,解决了图像类别数量不平衡的问题;选取高斯滤波和限制对比度自适应直方图均衡化(CLAHE)等方法来消除眼底图像噪声,增强了图像病灶特征;利用迁移学习的方法,调用ImageNet的预训练模型获得了模型的初始权重参数,对InceptionV3模型的参数和结构进行调整,并引入空洞卷积代替普通卷积扩大网络感受野,从而能够提取到眼底图像的多尺度病灶信息;通过增加Dropout层加快了网络的收敛速度,从而优化了模型性能。在包含12719张眼底图像的Kaggle数据集上进行了本文改进模型与传统模型的对比实验,结果显示改进后的模型分类效果优于传统模型,其平均准确率达到了94.69%,平均特异度为96.74%。本文方法对实现糖尿病视网膜图像的自动分类检测有一定的参考价值。

多尺度特征融合的头影标志点检测

头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利用改进的倒残差模块减少下采样过程中的特征损失。在解码器模块中引入从粗到细的中间监督,将得到的多个尺度热图与特征图进行融合,并在跳跃连接中使用注意力门,有效抑制特征图中的背景区域响应。在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验,结果表明,该模型的平均径向误差为1.14 mm,在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38%与92.10%,性能优于W-Net、IW-Net等模型。

基于改进U-Net的视网膜血管动静脉分割和分类算法

针对视网膜图像动静脉血管分割和分类存在的血管分割不足、连通性差、分类准确率低等问题,提出了一种基于改进U-Net模型的视网膜动静脉血管分割和分类的方法。首先,在U-Net模型的每次卷积操作之后加入批量归一化处理,减少网络中的梯度消失现象;其次,针对网络深度增加,模型性能下降的问题,在全连接层加入额外的跳跃连接,提高模型训练性能;最后,将这种改进后的模型进行4次串联训练,并通过多次的编码和解码对特征进行提取和融合,组成了处理视网膜动静脉血管分割和分类任务的FUnet模型。在DRIVE和HRF数据集上进行了模型有效性的验证,实验结果表明:与传统U-Net相比,本文方法在DRIVE数据集上AUC、精确度和特异度分别提升了4.11%、 7.61%和0.06%,在HRF数据集上AUC、精确度和特异度分别提升了17.24%、 0.6%和0.18%。该方法对视网膜动静脉自动准确的分割和分类具有较好的效果。

基于恒流充电原理的纸张计数电路的设计与研究

本文利用恒流充电原理设计了一种测试平行板间电容和计数平行板间纸张的电路。电路系统以STM32G4最小系统为控制核心,由平行板电容器、电容检测电路、信号调制电路、人机交互系统构成。通过Multisim软件进行仿真,电路系统稳定可靠,可精确得到被测纸张电容与纸张数目,具有良好的计数效果。

基于特征增强的高血压视网膜病变分类方法研究

高血压视网膜病变是由高血压所引起的眼底疾病,传统分类方法主要是基于区域特征进行分析,识别依据较为单一,准确度不高。为提高分类准确度,本文提出了一种基于特征增强机制的高血压视网膜病变分类方法,设计了基于不同图像色彩空间的眼底图像特征增强方法,增强眼底照片中的病灶特征,提高模型的输入特征值,将处理后的图片输入改进的DenseNet模型中进行分类,从而提高高血压视网膜病变(HR)分类的准确度。采用公开数据集OIA-ODIR对本文提出的基于特征增强的高血压视网膜病变分类方法进行测试,其敏感性、特异性、准确率分别达到97.09%、98.79%、98.67%,与现有的HR分类方法进行分析对比,本文提出的分类方法效果更佳。

高性能钙钛矿太阳能电池吸光层的制备及其光电性能研究

对于钙钛矿太阳能电池而言,制备高质量的钙钛矿薄膜尤为关键。以N-二甲基甲酰胺(DMF)作为有机溶剂,基于一步旋涂法制备了钙钛矿太阳能电池吸光层CH_(3)NH_(3)PbI_(3)薄膜,研究了不同退火温度对CH_(3)NH_(3)PbI_(3)薄膜的晶体结构、微观形貌及吸光性能的影响,并以此制备出太阳能电池,测试了电池的光电性能。结果表明,退火温度的变化没有改变CH_(3)NH_(3)PbI_(3)薄膜的主相结构,但退火温度超过100℃后,DMF的挥发速率加快,残余PbI2的量增多,使得薄膜的纯度降低。随着退火温度的增加,CH_(3)NH_(3)PbI_(3)薄膜的晶粒尺寸持续增大,吸光度先增大后减小。当退火温度为100℃时,薄膜的晶粒尺寸分布均匀性最佳,具有较高的覆盖率,且吸光度达到最大,吸光性能最佳。CH_(3)NH_(3)PbI_(3)薄膜组装的钙钛矿太阳能电池的光电转换效率随退火温度的增加先增大后降低,当退火温度为100℃时,电池的短路电流密度(Jsc)、填充因子(FF)和光电转换效率(PCE)均为最大值,分别为20.04 mA/cm^(2)、70.58%和15.38%,电池的光电性能最优。

基于太阳能电池用稀土掺杂量子点材料的制备及光电性能研究

基于水热法和旋涂法制备了不同Eu掺杂浓度(0,0.05,0.10和0.15 mol/L)的ZnO量子点,在Eu掺杂ZnO量子点的基础上制备了光阳极薄膜,并以此为光阳极制备出量子点敏化太阳能电池。研究了Eu掺杂浓度对ZnO薄膜微观形貌、晶体结构、光谱性能及电池光电性能的影响。结果表明,水热法制备出的Eu掺杂ZnO纳米棒属于六方纤锌矿结构,Eu的掺杂未生成新的产物,但细化了ZnO纳米棒阵列的直径,直径分布为45~60 nm,高度约为1.2μm,ZnO纳米棒的取向性和均匀性得到了改善。Eu掺杂后缩小了ZnO的禁带宽度,降低了ZnO的光致发光强度,提高了电子对的分离能力。当Eu掺杂浓度为0.10 mol/L时,ZnO的禁带宽度最小为3.09,且光致发光强度最低。Eu的掺杂改善了基于ZnO为对电极组装的量子点敏化太阳能电池的光电性能,当Eu掺杂浓度为0.10 mol/L时,光电转换效率最高可达4.03%,对电极的电荷传递阻抗最低为1.38Ω,对应对电极的交换电流密度最大为9.92 mA/cm^(2),光电性能最佳。