基于Faster-RCNN深度学习算法的图像识别技术研究

为实现现实空间内动态图像目标的类别、位置识别,采用网络摄像机采集面向特定动态目标对象的帧图像,基于Faster-RCNN(Convolutional Neural Network,Region-CNN)算法等人工智能算法技术,设置涵盖卷积层、池化层、全连接层等层级的算法模型结构,使用预测器候选框框选特征像素、使用图聚类方法滤除干扰噪声数据,经过多次卷积层添加与抽取、目标对象特征提取、图像池化与归一化处理运算后,将自动收集的图像数据集、基准图像作出匹配,以完成动态图像中特定目标对象的识别与筛选操作。实验结果表明,基于Faster-RCNN算法模型的图像识别准确率在92%,可满足现实空间内图像识别的实际需求。

钦杭成矿带斑岩铜矿知识图谱构建及应用展望

知识图谱使用人与机器能共同理解的语言,以“图”的方式来描述真实世界,是人工智能研究的重要方向之一。本研究是构建单体矿床、成矿系列和重要成矿区(带)的知识图谱实验的一部分,收集了钦杭成矿带6个较为典型的斑岩铜矿、斑岩-夕卡岩型铜矿的原始文本数据,参照斑岩铜矿床概念模型进行知识获取,标注、抽提文本中的实体、关系、属性,构建了具备基本应用功能的斑岩铜矿床知识图谱。基于未来矿产资源预测评价应充分理解地球系统、成矿系统、勘查系统、预测评价系统相互关系的认识,讨论了建立“地球系统-成矿系统-勘查系统-预测评价系统”关联知识图谱体系需要解决的关键科学技术问题,包括“地-矿-勘-评系统”领域本体及知识图谱递进关联体系,大规模“地-矿-勘-评系统”领域本体及知识图谱的自动构建技术,基于多模态关联数据嵌入“地-矿-勘-评系统”知识图谱自演化、补全技术以及基于知识图谱、大数据挖掘和人工智能的地球系统资源预测理论与方法。

智慧实验云建设实践

针对传统计算机实践教学模式存在的实验室维护繁琐、管理效率低下、使用时空受限等缺点,从信息化建设的角度出发,探讨智慧实验云的建设实践过程,为高校打造高水平的实验室教学管理平台。分析智慧实验云的特色与优势,有效解决校园师生用户与实验室资源的供需问题,从而促进实验室信息化管理的转型和升级。