关键词： 计算机视觉   中国自动化学会   中国计算机学会   南方科技大学   模式识别   中国科学院   人工智能学会   PRCV  

摘要： 第五届中国模式识别与计算机视觉大会(The 5th Chinese Conference on Pattern Recognition and Computer Vision,PRCV 2022)将于2022年10月14日至10月17日在深圳举办。PRCV 2022由中国人工智能学会(CAAI)、中国计算机学会(CCF)、中国自动化学会(CAA)和中国图象图形学学会(CSIG)联合主办;由南方科技大学和深圳职业技术学院共同承办;并由香港浸会大学、香港中文大学(深圳)、哈尔滨工业大学(深圳)、中国科学院深圳先进技术研究院和中山大学联合承办,是国内顶级的模式识别和计算机视觉领域学术盛会。

关键词： Feature extraction   Muscles   Sensors   Grasping   Analysis of variance   Electromyography   Acoustics   Hybrid MMG-FMG sensor   pattern recognition   sequential forward feature selection   neural networks  

摘要： The study on pattern recognition (PR) is one of the fundamental steps for prosthetic hand control to improve the life quality of amputees. However, achieving a proper and functional PR has challenges due to the limitations of bio-signals. To this end, this paper proposes a novel hybrid approach to PR of finger movements and grasping gestures simultaneously based on mechanomyography (MMG) and force-myography (FMG) signals. In this method, first, time-domain features, time-frequency-domain features, and acoustic features are extracted from signal obtained by novel hybrid MMG-FMG sensor;second, analysis of variance (ANOVA) is used to select the best features separately, and then sequential forward feature selection (SFFS) is used to select the optimal combination of the selected features by ANOVA;and finally, the selected features are classified by neural network (ANN). To evaluate the performance of the multimode PR method by hybrid MMG-FMG signals for the accurate simultaneous classification of finger motions and grasping gestures, twelve motion patterns, including seven finger motions and five grasping gestures, from twelve participants including six transracial amputees and six healthy, are tested in the experiments. The real-time experimental results show that the hybrid MMG-FMG signals lead to high resolution, with an average classification accuracy of 91.44% +/- 0.77 for amputees and 92.19% +/- 1.12 for healthies. The results illustrate that the proposed approach reduces the difference accuracy between healthy subjects and amputees in classification. The outcomes of this study have great potential to perform onto amputees with different muscle conditions.

关键词： 血小板模式识别受体   血小板膜受体   固有免疫应答   血栓形成  

摘要： 血小板在骨髓中由产板巨核细胞胞质脱离形成,其传统功用主要集中在止血和参与血栓形成,但近年来发现,血小板膜上和胞质内表达的模式识别受体,可使血小板作为免疫细胞在固有免疫应答中协助机体清除病原体,同时促进血栓形成。深入认识血小板模式识别受体和其他膜受体等参与固有免疫应答的机制,对感染性疾病诱发血栓形成事件病理生理及其临床诊疗有重要的指导作用,本文就此方面的新近研究进展进行综述。

关键词： 轴承故障   诊断方法   浅层人工神经网络   贝叶斯超参数优化   模式识别  

摘要： 为实现轴承故障的精确诊断,采用特征排列的方法分析轴承振动的数值特征,通过贝叶斯超参数优化方法调整神经元数量来拟合轴承振动特征,并用Dropout解决过拟合问题,提出一种基于贝叶斯超参数优化方法的浅层神经网络轴承故障诊断方法。实验表明,在各种阈值下,采用该方法的轴承故障诊断综合评价指标AUC达到99.8%,性能指标高于传统故障诊断方法。

关键词： 僵蚕   HPLC   指纹图谱   化学模式识别   相关性分析   质量评价  

摘要： 建立HPLC指纹图谱结合化学模式识别技术对僵蚕药材进行质量评价。采用Insertsil ODS-3(4.6 mm×250 mm,5μm)色谱柱,以乙腈-0.1%磷酸水溶液为流动相梯度洗脱,检测波长365 nm,流速0.8 mL/min,进样量10μL,柱温30℃。采用相似度评价、聚类分析、主成分分析等化学模式识别方法,对不同来源的20批僵蚕药材进行质量分析和评价。建立的指纹图谱标定了9个共有峰,指认了5个峰,1号峰为芦丁,2号峰为金丝桃苷,4号峰为紫云英苷,6号峰为槲皮素,7号峰为山奈酚,并将9个共有峰峰面积与其性状、总灰分、酸不溶性灰分、浸出物及白僵菌素含量进行相关性分析。结果表明本研究建立的僵蚕HPLC指纹图谱结合化学模式识别的方法可靠、易行,方法重复性好、专属性强,与药材性状、总灰分、浸出物及白僵菌素含量等质控指标均有一定的相关性,为后续僵蚕药材的质量控制提供依据和参考。

关键词： 机器视觉   模式识别   特征提取网络   特征融合   损失函数  

摘要： 针对目前深度学习中单阶段目标检测网络结构复杂、训练困难与在移动与嵌入式设备难以部署的问题,提出了一种基于自适应空间特征融合的轻量化目标检测算法。所提算法以YOLOv4为网络基础框架,采用轻量级MobileNet作为特征提取网络,降低网络深度与训练难度,提高检测速度;采用一种自适应空间特征融合(ASFF)方式改进PANet对多尺度特征融合效果差的不足;通过增加网络的输出维度,利用Gaussian算法对新增维度建模并输出预测框位置的不确定性;最后对位置损失函数进行重新定义,提高位置回归的准确性。所提算法以疫情期间口罩佩戴检测机器人为部署载体,对人脸口罩佩戴情况进行了测试,实验结果表明,所提算法的检测精度达到了95.92%,检测速度达到了19 frame/s,相比于原始算法和其他主流检测算法,更适合部署于移动与嵌入设备实现实时检测。

关键词： 何首乌   UPLC   指纹图谱   大黄素   模式识别  

摘要： 目的:建立不同批次生/制何首乌蒽醌部位的UPLC指纹图谱,结合模式识别与含量测定对其进行质量评价和鉴别,并考察其抗氧化活性。方法:采用UPLC对35批生/制何首乌蒽醌部位进行检测,建立UPLC指纹图谱,运用相似度分析、聚类分析、偏最小二乘-判别分析对其进行评价,确认生/制何首乌分类的主要贡献峰,并对主要差异性化学成分进行含量测定;采用ABTS法测定35批生/制何首乌蒽醌部位的抗氧化活性。结果:建立生/制何首乌蒽醌部位的UPLC指纹图谱,标定6个共有峰,其中2个峰分别被指认为大黄素和大黄素甲醚;通过聚类分析和偏最小二乘-判别分析基本能区分生/制何首乌,并确定大黄素为生/制何首乌的主要差异性化学成分;生/制何首乌蒽醌部位中大黄素的含量分别为99.07~199.40、36.44~98.09 mg/g,ABTS自由基清除率分别为75.07%~85.93%、53.36%~74.93%,其抗氧化活性与大黄素含量可能存在一定的关系。结论:本研究可为生/制何首乌质量整体信息控制、鉴别和抗氧化活性提供试验依据。

关键词： 大黄[庶虫]虫丸   超高效液相色谱   指纹图谱   化学模式识别   相似度分析   中药研究  

摘要： 目的建立大黄[庶虫]虫丸超高效液相色谱(UPLC)指纹图谱,辅以化学模式识别方法,为建立相应的质量评价体系提供思路和参考。方法色谱柱为Waters Acquity UPLC HSS T3柱(2.1 mm×100 mm,1.8μm),以乙腈(A)-0.2%甲酸(B)为流动相,梯度洗脱,根据各味药材主成分出峰顺序优化检测波长切换程序,柱温:35℃,流速:0.3 mL/min,应用"中药色谱指纹图谱相似度评价系统"(2012.1版)建立大黄[庶虫]虫丸对照指纹图谱并进行相似度评价,再运用ChemPattern化学计量学软件(2017年版)进行聚类分析、主成分分析(PCA)、偏最小二乘回归分析(PLS)和模式识别。结果共标定30个共有峰,根据色谱峰行为、超高效液相色谱-电喷雾离子源-四极杆飞行时间质谱联用技术(UPLC-ESI-QTOF-MS)对照品离子碎片及文献信息确认13个已知成分,并进行各峰归属。B、C、F、G厂家样品相似度均>0.90,PLS分析能较好地区分各个厂家样品;筛选出黄芩、大黄的多个主要成分及苦杏仁苷是强特征峰,聚类分析、PCA、PLS分析结果相互验证。结论大黄[庶虫]虫丸UPLC指纹图谱具有较好的稳定性和重复性,结合化学模式识别方法,能较为快速、准确地反映大黄[庶虫]虫丸的整体质量,可为其质量控制和评价提供依据。

关键词： 油纸绝缘   局部放电   深层神经网络   模式识别   缺陷  

摘要： 针对油浸式变压器纸质绝缘件内部缺陷导致局部放电和绝缘劣化的问题,结合三种典型缺陷纸板的局部放电图谱信号和深层神经网络的手段提出一种缺陷识别方法。根据不同类型油浸式变压器纸质绝缘件局部放电图谱信号的特点确定图谱的统计参数作为特征量。分析对比深层神经网络不同参数对识别效果的影响,寻找最优的深层神经网络结构。通过各类局部放电信号的特征量和深层神经网络来进行局部放电模式识别。研究结果表明:统计参数能够表征局部放电图谱信号的分布特征,优化深层神经网络可以提高模型的收敛速度和准确度。局部放电图谱信号的统计参数和深层神经网络相结合能够识别不同类型下油浸式变压器纸质绝缘件内部缺陷的局部放电信号,识别结果高于K-邻近法、支持向量机与反向传播神经网络。

关键词： 不安全行为   化学实验室   模式识别   时域分割网络  

摘要： 不安全行为是导致化学实验室事故的重要原因之一,针对化学实验室人员不安全行为模式识别的研究具有现实意义。本文首先定义了5种化学实验室人员不安全行为模式,进而根据某高校化学实验室实际场景,构建了不安全行为模式视频数据集,并建立基于时域分割网络(TSN)的化学实验室人员不安全行为模式识别模型,在模型中增加dropout层,最后使用SoftMax分类器对不安全行为进行识别。结果表明:本文模型可以准确识别本文定义的化学实验室不安全行为,召回率、精确率大于0.9,F1指数大于0.95,预期可以为化学实验室人员不安全行为的预警和风险防控提供技术支持。