基于遥感影像的滑坡图像检测方法的研究

滑坡是全球主要的自然灾害之一,危害极大,其影响不可忽视。深度学习进行滑坡检测的进程不断发展,Faster RCNN有较大的贡献,但仍存在检测速率慢和精度低的问题。对Faster RCNN模型进行改进,首先,在Faster RCNN模型中增加inception模块,增加网络的宽度及深度,使模型能充分提取遥感影像的特征;再次,在Faster RCNN模型中增加残差注意力网络,加深网络,提高图像检测精度,从而优化算法检测效果。采用毕节市公开的滑坡数据集进行测试,结果表明,对于同一测试数据,改进的Faster RCNN算法模型与现有的Faster RCNN、VGG16、inception v3模型相比,在精度、召回率、准确率等方面有2%~5%的提升。由此可得出,改进后的算法模型能够准确有效地对遥感影像中的滑坡区域进行检测。

基于贝叶斯优化的卷积神经网络结合机器学习分类器的滑坡易发性预测研究

现有使用机器学习进行滑坡监测方法存在滑坡易发性特征选择超参数多为连续变量,数值约束松散的问题。为解决此问题,提出一种结合CNN-LR-SVM的滑坡易发性监测方法。使用CNN提取滑坡易发性特征值,捕获输入数据中的上下文信息,消除繁琐的传统特征选择过程,提升特征选择准确率。将提取到的特征值与LR、SVM分类器结合。之后,使用贝叶斯优化方法寻找CNN、LR和SVM超参数,考虑历史信息,优化下一步超参数设置方法,解决超参数优化数值约束问题。经实验验证,本方法在选择不同优化算法与激活函数时相比传统单一机器学习模型(以CNN与SVM为例)均有良好性能表现。

面向农业无线传感网的数据约简方法研究

针对农业无线传感网络(Wireless Sensor Networks,WSN)能源有限,而发送大量冗余数据造成节点能耗高的问题,本文提出一种基于节点相关性分析进行数据约简的方法。首先利用皮尔逊相关分析分别对传感节点内与相邻节点间数据进行相似度分析;其次,进行数据预测;最后,对皮尔逊相关系数进行改进,使算法能够适用于实际农业环境感知存在异常数据的情况。实验结果表明,该方法在数据约简精度几乎不受影响的前提下,约简率可达69%,适用于传感节点级数据约简。

基于紫外曝光技术短周期布拉格光纤光栅制备工艺研究

光纤光栅传感器具有体积小、本质安全、抗电磁干扰、易组网等优势,广泛应用于石油化工、电力、交通等领域.紫外曝光技术是短周期布拉格光纤光栅制备主要技术之一,论文搭建了基于紫外曝光技术的短周期布拉格光纤光栅制备平台,并且实验研究了紫外激光器能量、切趾时间以及光纤与掩模板间隔距离对光纤光栅光谱参数的影响,优化了光纤光栅制备工艺,在光纤光栅制备领域具有重要参考价值.

基于Apriori算法的滑坡监测数据关联规则挖掘研究

滑坡是一种常见的自然灾害,对人类生命和财产安全造成严重威胁,为了得到海量滑坡监测数据中隐藏的有价值信息,基于关联规则的数据挖掘技术在滑坡监测领域得到了广泛应用。本文以2016~2019年藏东南扎木弄巴滑坡观测数据作为研究对象,通过挖掘滑坡监测数据中的关联规则,识别出不同变量之间的关联性,并利用这些关联规则进行滑坡的监测和预测。首先介绍了Apriori算法的原理,然后使用K-means算法对滑坡监测数据中几类数据进行聚类处理,并将Apriori算法应用在研究数据集上,进行规则挖掘及分析,发现降雨量和地下水位的变化与滑坡的相关性,最终获得有意义的规则信息,了解滑坡发生的机理和规律,帮助我们更好地理解和应对滑坡灾害。

增强型群论优化算法求解折扣{0-1}背包问题

群论优化算法(GTOA)是基于群论方法提出的一个离散演化算法,非常适于求解以整型向量为可行解的组合优化问题。为了进一步提高GTOA求解折扣{0-1}背包问题(D{0-1}KP)的性能,首先指出了它的随机线性组合算子(RLCO)未能充分考虑当前个体位置信息的不足,基于个体基因保留策略对其进行改进。然后,在随机反向变异算子(IRMO)中引入增强0分量变异策略,用于处理因个体0分量无法及时变异而导致的解的质量下降、种群多样性降低等问题。在改进上述两个算子的基础上,提出了增强型GTOA(EGTOA),并基于它给出求解D{0-1}KP的新方法。随后,将改进策略应用于二进制GTOA(GTOA-2),提出了增强型GTOA-2(EGTOA-2)及其求解D{0-1}KP的新方法。为了验证EGTOA和EGTOA-2的性能提高程度与优异性,分别利用它们求解四类大规模D{0-1}KP实例,通过与GTOA、GTOA-2以及求解D{0-1}KP的已有8个最先进算法的比较表明:EGTOA和EGTOA-2求得最优解的能力比GTOA和GTOA-2提高了至少1.14倍,比8个最先进算法提高了5%~60%,它们的平均性能比GTOA、GTOA-2以及8个最先进算法的性能更佳。因此,EGTOA和EGTOA-2是当前求解D{0-1}KP的最佳算法。

基于Eclat算法的八字门滑坡变形因素关联性分析

针对滑坡监测数据库数据量大,进行关联规则分析需要多次扫描数据库导致运行时间长的问题,将Eclat关联规则算法引入滑坡监测数据挖掘中,通过K-means聚类法和Eclat算法对八字门滑坡的变形进行了分析。通过综合研究,选择了降雨量监测值和库水位监测值中的6种因素进行数据挖掘分析。分别挖掘了3种降雨因子和3种库水位因子与八字门滑坡多测点位移的关联性,并从八字门滑坡时空监测大数据挖掘出的全部关联规则中选择8个具有较高的置信水平的关联规则进行分析,发现降雨和库水位因素影响八字门滑坡运动的有效信息。结果表明,这种数据挖掘方法及其在监测数据研究中的高精度,有望广泛应用于库区堆积滑坡的数据分析和预测。

基于边缘计算与区块链的异常数据检测研究

针对农业物联网云平台的海量传感器多源数据采集模型,考虑到传统框架模型通常只用云平台处理单源数据,延迟性比较高以及隐私性较差等问题,依托区块链、边缘计算、无线数传、柔性太阳能充电等技术,搭建具备定位、组网、数传、自供电等功能的无线感知节点,提供多种传感接口,实现“通用感知节点+场景传感器件”的高效定制方案,并将数据异常检测任务从云平台迁移到多个边缘设备上,实现了数据的高频交互和实时传输。

基于卷积神经网络的人脸活体检测模型研究

针对以往身份验证系统容易被攻击活体欺诈的问题,提出了一种基于深度学习的活体检测算法。主要包括:1) 通过图像增强技术对现有少量真实和欺诈图像进行平移、旋转、翻转等几何变换自制数据集,用于模型训练、验证及测试。2) 针对现有算法对光照条件不足的照片识别准确率较低的问题,提出了一种基于照片的活体检测模型。通过检测照片中的人脸区域,并针对人脸区域中的像素、纹理以及人脸特征差异进行活体和非活体二分类预测。实验结果表明,本文提出的算法在光照条件不足的图像中准确率达到86%。同时与以往模型相比,在保证模型预测精度的基础上减少了参数的数量。

区块链技术在银行不良资产存证取证中的应用

针对信贷不良资产清收中信息存储、获取存在的问题,该文以区块链技术为基础,构建出银行不良资产体系架构,并对策略层进行全面分析与研究,首先提出一种以公有链与私有链相结合,以侧链为辅助的存证方法,然后提出使用智能合约或区块编码规则的取证方法,最后实验表明从存证、取证两个方面提供对策和应用策略,对不良资产的评估准确率提高了50%以上,存证、取证过程中产生的成本降低了70%以上。

基于深度学习的危险驾驶行为检测模型研究

针对驾驶员常见危险驾驶习惯如驾驶汽车过程中看手机、打电话、进食以及同车内乘客聊天等现象,设计基于深度学习技术的危险驾驶行为检测模型。采用PaddlePaddle框架,将PaddleX深度学习网络模型转化为PaddleHub轻量型深度学习网络模型便于部署和应用;实现对驾驶员:正常安全驾驶、右手发短信/玩手机、右手打电话、左手发短信/玩手机、左手打电话、调试车载多媒体、进食、向后排拿物、整理妆容、同乘客谈话等10种驾驶行为的检测,检测准确率达98%以上。

用于分割无损检测图像的快速模糊C均值算法

无损检测图像中目标类和背景类差异较大,模糊C均值算法无法有效地将目标分割出来,因此提出一种用于分割无损检测图像的快速模糊C均值算法。在聚类过程中,引入局部空间信息和灰度信息,以提高算法的鲁棒性;用条件值表征样本容量来平衡不同大小的类群,以解决类大小敏感问题;基于新的约束条件得到新的隶属度和聚类中心表达式,并给出算法具体步骤;对预处理后图像的灰度级进行分类,图像分割所需要的时间不再取决于图像的尺寸,而是图像的灰度级数,大幅度降低了算法的时间复杂度。采用类大小差异较大的合成图像和无损检测图像进行仿真实验,以分割精度(SA)、F-value、G-mean以及图像分割所需要的时间为评价指标来评价算法的性能。实验结果表明:在原始测试图像被高斯噪声、椒盐噪声、瑞利噪声和乘性噪声污染时,与其他模糊聚类算法相比,本文算法具有更好的鲁棒性,分割精度更高,为97.93%,F-value为88.50%,G-mean为93.83%,图像分割时间也更少,为14.06 ms。实验证明了本文算法的有效性。

基于导向快速与旋转简短和随机抽样一致组合的图像拼接算法优化

针对在图像拼接过程中存在图像间的特征点匹配精度低、图像拼接处存在裂缝以及图像拼接时间久的问题,提出一种基于导向快速与旋转简短(oriented fast and rotated brief, ORB)和随机抽样一致(random sample consensus, RANSAC)组合的图像拼接算法。首先,利用小波变换得到表示图像的近似、水平、垂直和对角特性的子图像分量,选取图像的近似、水平和垂直特性的子图像分量进行叠加,得到下一步进行特征提取的图像;其次,提取图像的ORB特征点并生成二进制特征描述符;再次,通过正反双向匹配对图像中的特征点进行粗匹配并使用RANSAC算法进行精度匹配;最后,利用拉普拉斯金字塔算法进行图像融合。实验结果表明:利用基于ORB和RANSAC组合的图像拼接算法对选取的图像进行提取特征平均耗时约为传统尺度不变特征转换(scale invariant feature transform, SIFT)算法的84.7%、加速鲁棒特征(speed-up robust features, SURF)算法的36.4%、ORB算法的64.9%,图像特征匹配精度提高,图像特征匹配时间缩短,图像拼接处不存在明显裂痕。基于ORB和RANSAC组合的图像拼接算法是一种优质的图像拼接算法。

基于Dias模型的天然场激发极化法有效参数

为了从天然场源较强的电磁效应中提取有效的激电异常参数,找到能与目标介质物性和电化学过程相关的物理量进行异常评价,通过提出相位峰值偏移距和相对视频散率参数作为一对充要条件用以评价激电异常,同时选用表征频率域激电精度较高且参数丰富的Dias模型进行一维层状模型正演计算,通过分析复电阻率的相位特征验证相位峰值偏移距的有效性和适用性。结果表明,该参数与介质极化率有较好的正相关规律,在一些断面类型目标层极化率较高时该参数表现出较好的异常特征,在特定的电条件下该参数具备实际应用价值。

融入双注意力模块的U-Net肺结节图像分割方法

对肺部医学图像进行分析可以用来肺癌诊断,为了解决肺结节分割的任务中特征提取复杂和分割困难等问题,本文提出了一种融入双注意力模块的U-Net肺结节图像分割方法。该方法在U-Net网络的基础上融入空间注意力模块和通道注意力模块,改善分割网络对复杂环境的感知能力,克服复杂环境对分割结果的干扰从而提高分割效果。在肺结节公开数据集(LUNA16)上进行实验结果表明,本文提出的分割方法能够准确地分割出肺结节区域,能够较为有效地实现肺结节图像分割。

高压开关设备触头温度修正系数仿真分析

基于工程上无法直接测量触头位置温度,主要通过对触头临近的母线测点进行实时温度监测以反馈触头位置温度的问题。文中以典型的KYN28-12型高压开关柜为研究对象,通过COMSOL Multiphysics软件对开关柜单相模型的温度场进行数值仿真。利用AutoCAD软件建立开关柜断路器三维模型,将模型导入到COMSOL仿真软件中,计算额定电流和临近危险电流运行时高压开关柜因接触电阻变化造成的温度场变化的分布情况。开关柜内各部分的温度随接触电阻的增大而增大。监测点温度与触头温度的变化呈线性变化趋势,通过对数据进行线性拟合得到相应的数学模型,额定电流和临近危险电流通过时监测点温度与触头温度的修正系数分别是1.2和1.4。研究结果为通过监测点的温度快速、准确地计算出触头温度提供了理论依据。