关键词： 模式识别   图像处理   复钩机器人   火车钩舌   目标识别   YOLOv5  

摘要： 为了准确识别不同类型钩舌,确保自动复钩机器人能够根据火车连接钩舌状态实时调整机械臂的位姿,提出了一种基于改进YOLOv5的火车连接钩舌识别方法。首先,将YOLOv5主干网络中原有的C3模块替换为梯度流丰富的C2F模块(cross feature module),YOLOv5颈部网络中原有的C3模块替换为基于FasterNet模块构建的轻量化C3_FasterNet模块,并将CoordConv模块嵌入到YOLOv5的主干网络末端。其次,基于现场实测的火车连接钩舌图像进行了识别测试。结果表明:改进的YOLOv5算法在降低模型参数量的同时,可以有效提升对钩舌目标的检测精度,火车钩舌识别精度达到了98.7%,相较于原始算法,模型参数量减少了10.8%。研究结果为复钩机器人在执行钩舌复位和车厢连接操作方面提供了一种有效的解决方案。

关键词： 管道   泄漏检测   技术   信号   模型   模式识别  

摘要： 新版《安全生产法》《环境保护法》发布实施,管道行业对于泄漏检测技术精度要求更高。针对信号检测法、基于模型的检测法和模式识别检测法,阐述通过改进信号处理技术、应用模式识别方法、应用粒子群算法以及优化SVM算法解决管道微小泄漏检测难题的研究进展。结合管道智能化发展趋势,提出加强多种检测机理融合的泄漏检测技术的理念,对于提高管道泄漏检测精度具有指导意义。

关键词： 肠胃散   高效液相色谱法   指纹图谱   整体相似度   改良程度相似度   聚类分析法   主成分分析法  

摘要： 目的为肠胃散的质量评价提供参考。方法建立高效液相色谱(HPLC)指纹图谱,色谱柱为Agilent Eclipse XDB-C18柱(250 mm×4.6 mm,5µm),流动相为乙腈-0.2%磷酸溶液(梯度洗脱),流速为1.0 mL/min,检测波长为226 nm,柱温为25℃,进样量为10µL。采用中药色谱指纹图谱相似度评价系统(2012版)建立10批样品的HPLC叠加指纹图谱,并进行相似度评价。考察整体相似度和改良程度相似度方法的适用性,结合聚类分析法和主成分分析法综合评价其质量。结果HPLC指纹图谱共识别出18个共有峰,确定峰1、峰7、峰9、峰11、峰14、峰16分别为橙皮苷、肉桂酸、桂皮醛、丁香酚、吴茱萸碱和吴茱萸次碱。指纹图谱评价系统相似度、整体相似度和改良程度相似度分别为0.996~1.000,0.886~0.955,0.878~0.951;按整体相似度和改良程度相似度分类,编号为S3-S4,S6-S7,S9的样品聚为一类,其余编号的样品聚为另一类。聚类分析法将10批样品聚为3类,编号为S3-S4,S6-S7,S9的样品,编号为S8,S10的样品,编号为S1-S2,S5的样品分别聚为一类。经主成分分析,4个主成分累积方差贡献率为90.662%,主成分综合得分排序按样品编号从大至小为S8>S9>S6>S3>S7>S10>S4>S5>S1>S2。结论所建立的方法简单快速、可行性高,可用于全面评价肠胃散的质量。

关键词： 砂茴香   高效液相色谱   化学指纹图谱   化学模式识别   宽叶阿魏醇   伞形戊烯内酯  

摘要： 目的 建立砂茴香Ferula bungeana的化学指纹图谱及定量分析方法,并比较其不同部位化学成分差异性,为其不同部位的功效和主治提供化学基础数据。方法 采用HPLC法建立15批砂茴香不同部位的化学指纹图谱,采用“中药色谱指纹图谱相似度评价系统”软件(2012年130723版),确定砂茴香不同部位各自的共有峰及其不同部位之间交叉共有峰。同时,采用对照品法指认砂茴香不同部位之间交叉共有峰,并进行主成分分析(principal component analysis,PCA)、偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)和方差分析,确认其潜在差异成分。采用HPLC法测定15批砂茴香不同部位中宽叶阿魏醇和伞形戊烯内酯的含量。结果 建立了15批砂茴香不同部位的化学指纹图谱,标定砂茴香全草共有峰为18个,而其地上部位和根中标定了共有峰各为16个。其各自共有峰相似度均大于0.9以上,说明砂茴香同一部位之间化学成分差异性较小。砂茴香不同部位之间交叉共有峰有7个,鉴定了其中1号峰为砂茴香碱A、8号峰为砂茴香酮A、15号峰为砂茴香素A、16号峰为宽叶阿魏醇和18号峰为伞形戊醇内酯。PCA、PLS-DA和方差分析结果显示,砂茴香不同部位之间的差异成分主要有3个,分别为砂茴香酮A、宽叶阿魏醇和伞形戊醇内酯,其VIP值分别为1.364、1.119和1.015。含量测定结果显示,宽叶阿魏醇和伞形戊醇内酯在15批砂茴香不同部位中含量变化分别为(2.235±0.025)~(9.481±0.133)mg/g和(6.670±0.067)~(28.820±0.346)mg/g,(0.694±0.010)~(1.958±0.025)mg/g和(0.138±0.002)~(1.784±0.020)mg/g,(5.113±0.077)~(13.550±0.176)mg/g和(9.2460±0.102)~(32.760±0.524)mg/g,说明不同来源砂茴香不同部位中宽叶阿魏醇和伞形戊醇内酯相对含量差异性较大。结论 从化学成分比较结果看,砂茴香不同部位之间存在一定的差异性,因此砂茴香不同部位药用价值各异具有合理性。

关键词： 多功能雷达   模式识别   小样本   数据增强   注意力机制   模型无关元学习  

摘要： 在日益复杂的电磁环境中,多功能雷达工作模式识别仍然面临着诸多挑战.针对多功能雷达的截获信号样本数量有限,样本增强质量差,导致工作模式识别准确率较低的问题.本文提出一种将自适应填充转换生成对抗网络与模型无关元学习联合驱动的识别方法.首先,从贴合小样本数据状态出发,采用自适应填充转换生成对抗网络模型进行自适应样本填充和样本增强;然后结合元学习中模型无关元学习算法,从而实现在小样本条件下多功能雷达工作模式的识别.最后,仿真结果表明,相较于生成对抗网络结合模型无关元学习的算法和支持向量机分类器,本文所提方法识别准确率分别提升了2.39%和17.42%.验证了该方法在小样本条件下针对多功能雷达工作模式进行准确识别的有效性.

关键词： 电信诈骗   文本分类   Transformer   固定位置编码   注意力机制   多任务学习   模式识别   语义理解  

摘要： 针对现有电信诈骗信息识别模型中识别分类不充分、语义关联不全面,较少考虑诈骗语义信息及诈骗目的等情况,提出一种融合Transformer及多任务学习的电信网络诈骗识别模型。在模型构建时,通过文本分词及词嵌入实现文本信息的向量化,针对诈骗信息分类问题提出一种固定位置编码技术,通过典型的Transformer架构建立encode-only模型,将生成式文本模型转化为判别式模型,最后运用多任务学习模型,建立基于Transformer的文本理解及文本分类2种模态的多任务学习模型,通过将文本理解知识共享给文本分类模型,实现了多任务识别模型泛化能力的大幅提升。基于某通信企业收集的诈骗信息数据,构建电信网络诈骗识别模型。实验结果表明,相较于其他识别模型,上述模型能够较好地理解文本语义内容信息,实现诈骗信息的有效识别,诈骗语义识别准确率达到94%以上。

关键词： 智能影像工程   模式识别与机器学习   应用技术型医学院校   课程建设  

摘要： 智能影像工程专业是顺应“AI+医疗影像”领域发展需要,结合“新工科”建设,申报获批的“人工智能+医学影像”复合特色专业。“模式识别与机器学习”课程作为智能影像工程专业的主干专业必修课程及特色课程,对学生专业知识的宽度、深度和应用能力都有较高要求。文章结合应用技术型医学院校的人才培养定位和专业人才培养方案,从课程的培养目标、教学内容、教学方法、实践环节、课程考核五个方面探索智能影像工程专业“模式识别与机器学习”课程的建设思路。

关键词： 凤尾草   一测多评法   化学模式识别   加权TOPSIS   灰色关联度分析法   质量评价   木犀草素-7-O-葡萄糖苷   野漆树苷   蕨素C 3-O-β-D-葡萄糖苷   忍冬苷   木犀草素   芹菜素  

摘要： 目的 建立一测多评结合化学模式识别法及加权TOPSIS与灰色关联度融合模型评价不同产地凤尾草Pteris multifida质量差异的方法,以提高和完善凤尾草质控水平。方法 对18批不同产地的凤尾草用70%甲醇提取后,以木犀草素为内参物,采用QAMS法同时测定凤尾草中蕨素B、蕨素Z、蕨素C 3-O-β-D-葡萄糖苷、新西兰牡荆苷、忍冬苷、木犀草素-7-O-葡萄糖苷、野漆树苷、木犀草素、芹菜素、胡萝卜苷、β-谷甾醇含量,参照《中国药典》2020年版检测方法对其醇溶性浸出物、总灰分和酸不溶性灰分进行测定。检测结果利用SIMCA 14.1软件进行化学模式识别分析,在此基础上运用加权TOPSIS与灰色关联度融合模型对18批凤尾草进行质量差异评价。结果 外标法与QAMS法结果较接近,18批不同产地凤尾草的70%甲醇提取液中蕨素B、蕨素Z、蕨素C 3-O-β-D-葡萄糖苷、新西兰牡荆苷、忍冬苷、木犀草素-7-O-葡萄糖苷、野漆树苷、木犀草素、芹菜素、胡萝卜苷、β-谷甾醇含量差异较大,质量分数分别为0.214~0.342、0.255~0.458、0.119~0.332、0.556~1.096、0.048~0.146、0.701~1.197、1.460~2.553、0.940~1.609、0.085~0.217、0.034~0.079和0.084~0.163 mg/g。化学模式识别法将18批样品分为3类,木犀草素-7-O-葡萄糖苷、野漆树苷、蕨素C 3-O-β-D-葡萄糖苷、忍冬苷、木犀草素和芹菜素是影响凤尾草质量的主要差异性成分。18批样品的综合相对贴近度为0.310 1~0.657 7,证明了不同产地凤尾草存在地域差异。结论 通过多指标定量、化学模式识别结合加权TOPSIS与GRA融合模型方法,评价了不同产地凤尾草的质量差异性,为其质控水平的提高和资源开发提供了依据。

关键词： 交通工程   交通安全   人车交互   过街冲突   机器学习   有序Logistic回归  

摘要： 为研究人车交互的行为偏好和时空关系变化对潜在交通冲突的影响,利用无人机航拍采集无信控路段的人车过街数据,由交通轨迹提取出876对人车交互对;考虑交互动态,提出了基于路权竞争和碰撞关系的交互指标;通过训练表征学习模型发掘人车交互时序信息,转化为潜在表征并对其进行聚类,识别分析典型人车过街交互模式及特征;以交互模式和冲突严重程度为参照,构建多个有序Logistic模型分析冲突风险影响因素,并探究不同交互模式的风险致因差异。研究结果表明:人车过街交互可分为3种典型模式——近端交互、远端-软交互和远端-硬交互;人车相对距离的减小、车辆速度下限和行人速度上限的提升是降低冲突严重程度的普遍因素;对于近端交互,行人急减速、路权竞争和高速车辆会降低冲突风险,车辆急减速和行人急加速均会增加危险性;对于远端交互,行人速度下限的提升会导致冲突风险增加,车辆急减速和路权竞争会降低软交互的冲突风险,行人急减速和高速车辆是降低硬交互冲突风险的主要因素,行人急加速则会提升硬交互的危险性;组合方法的应用降低了人车交互行为异质性对分析结果的影响。研究成果将为城市道路行人过街环境的安全改善提供理论依据。

关键词： 量子神经网络   参数化量子线路   自注意力机制   人工智能   模式识别  

摘要： 当前人工智能大模型技术愈发成熟,但是如何使用量子神经网络构建大模型的基本网络结构自注意力网络、引入自注意力网络中的上下文关联性建模,并避免对量子数据集产生过拟合等问题,仍然有待解决。提出一种基于自注意力机制的经典—量子混合神经网络QPSAN,该算法将经典注意力网络中的位置编码与量子振幅编码相结合,增强网络中数据特征的空间上下文关联性,以提升经典—量子混合神经网络在手写识别任务上的准确率,并设计结合L2约束的交叉熵损失函数,减少训练过程中的过拟合程度。提出的方法在手写识别数据集MNIST上进行了实验。结果表明,该方法相比于基线算法QKSAN在手写识别任务上准确率提升了2.9%,并能显著避免训练过程中的过拟合现象。