关键词： 人工视觉神经网络   运动模式识别   旋转运动   深度旋转运动   螺旋运动  

摘要： 运动模式识别是借鉴或利用计算机视觉、计算几何、视觉神经网络等理论与方法构建计算模型并识别视野域中运动目标行为特征的研究分支,也是计算机视觉中极具挑战性的研究课题。如何构建恰当的计算模型,探究合适的算法来高效、准确识别运动模式,对人工智能自身发展具有重要的促进作用。传统计算模型虽能识别运动目标的少许行为特征,但运动模式识别难、环境适应能力弱。然而,作为能高效、准确识别运动模式的生物视觉系统在视觉神经生理学研究中已取得初步进展,为从计算机视觉角度探讨运动模式识别、目标跟踪、碰撞检测等视觉感知问题的计算模型提供了新启迪。就此,运动模式感知神经元的视觉响应机理已初步应用于构建适合于平移、径向等基本运动模式识别的人工视觉计算模型,但识别旋转、深度旋转、螺旋运动等基本运动模式的研究仍是亟待解决的基础性难题。由此,依据生物视觉系统中神经元的层次结构关系及视觉响应机理,提出既能简单模拟生物的视觉响应特性又能解决运动模式识别问题的人工视觉神经网络模型具有重要的科学意义和潜在的应用价值。本文基于蝗虫与猕猴的视觉神经生理学理论,以视觉系统感知与运动模式识别的生物理论为支撑,以旋转、深度旋转、螺旋运动为研究对象,以探讨适用于相应运动模式识别的人工视觉神经网络模型与算法为目标,以模型的工程应用为目的,展开计算模型与算法的设计、性能测试及初步应用等研究。主要工作和取得的成果概括如下:(1)针对视觉场景中旋转运动模式的识别问题,基于蝗虫视觉神经系统的结构特性,借助猕猴大脑中旋转敏感神经元的视觉响应机理,构建由突触前、突触后两个子神经网络构成的旋转运动识别视觉神经网络模型,并提出相应的神经网络算法。基于方向柱的结构特性,突触前神经网络由十六个结构相似、功能各异、环形排列的方向选择神经网络构成,提取运动目标在视野域中的平移方向变化量;突触后神经网络经由方向柱获取各方向选择神经网络的输出量,并通过信息合成获得运动目标旋转的行为输出量。算法设计中,借助视觉运动方向感知的不对称侧抑制机理,设计提取运动目标的平移方向变化量计算模型;利用旋转敏感神经元的视觉响应机理和Reichardt运动检测器的原理,提出识别旋转运动模式的计算模型。理论分析表明,该算法的计算复杂度由输入视频图像的分辨率确定。基于不同场景下旋转、非旋转运动视频序列的比较性实验结果显示,此神经网络不仅能有效揭示旋转敏感神经元的特定视觉感知特性,而且能有效识别旋转运动模式。(2)针对视觉场景中深度旋转运动的模式识别问题,基于蝗虫视觉神经系统的结构特性,借助猕猴大脑中深度旋转敏感神经元的视觉响应机理,构建由突触前、突触后神经网络构成的深度旋转运动识别视觉神经网络模型,并提出相应的神经网络算法。突触前神经网络由结构类似但功能各异的八个方向选择神经网络和一个深度感知神经网络构成,提取视野域中平移方向与深度运动的视觉变化量;突触后神经网络利用方向柱的神经结构特性合成突触前神经网络的输出量,输出视野域中深度旋转运动产生的时空能量变化量。算法设计中,借助方向选择神经元的视觉特性,建立识别不同平移方向视觉信息的计算模型,并依据对称侧抑制机理设计刻画包括膨胀、收缩在内的深度运动感知计算模型;进而,融合获取的深度与平移运动变化量,利用方向柱的神经结构特性并依据深度旋转敏感神经元的视觉响应机理建立计算模型,识别视野域内深度旋转运动的时空能量。理论分析表明,输入视频图像的分辨率、方向选择神经元的抑制半径确定该算法的计算复杂度。基于不同场景视频序列的比较性数值实验显示,该神经网络不仅能在一定程度上解释深度旋转敏感神经元的视觉响应特性和能识别深度旋转运动目标在视野域中引起的时空能量变化,而且输出的膜电位呈现近似的正弦波曲线,此与从几何学角度对深度旋转研究获得的结论类同。(3)针对视觉场景中螺旋运动的识别问题,基于蝗虫视觉神经系统的结构特性,借助猕猴大脑中螺旋运动选择神经元的视觉响应机理,构建由突触前、突触后神经网络构成且能识别螺旋运动模式的螺旋运动识别视觉神经网络模型,并设计相应的神经网络算法。突触前神经网络由提取视野域中运动目标的平移方向变化量的十六个方向选择神经网络和一个提取径向运动行为量的前馈神经网络构成;突触后神经网络经由方向柱融合获取的运动行为量,进而经由特定处理后输出螺旋运动的行为量。算法设计中,借助对称侧抑制机理,建立能感知径向运动行为量的计算模型;基于不对称侧抑制机理,建立平移方向抑制的行为量计算模型;借助方向柱的神经结构特性,设计能提取螺旋运动中旋转和径向运动的变化量计算模型,进而依据螺旋运动选择神经元的视觉响应机理设计检测螺旋运动模式的计算模型。理论分析表明,输入视频图像的分辨率以及方向选择抑制半径确定该算法的计算复杂度。基于不同场景下螺旋、非螺旋运动视频序列的比较性数值实验显示,该神经网络既能对螺旋运动选择神经

关键词： 超声无损检测   信号处理   模式识别  

摘要： 随着科技的不断进步,超声无损检测与评价主要依靠现代信号处理与模式识别技术。目前的超声无损检测可以检测信号处理过程后的缺陷,将不同的信号处理进行分类,并且可以表明所检测材料的主要性能,因此对超声无损检测与评价中的信号处理及模式识别进行全面的分析检测应该全面研究和升级这种信号处理技术。

关键词： 肺癌   呼出气体标志物检测   肿瘤标志物检测   双信号   模式识别  

摘要： 肺癌是发病率与致死率最高的恶性肿瘤之一。临床统计发现绝大多数患者直至肺癌晚期才被确诊,这也是其死亡率居高不下的主要原因之一,而早发现早治疗对于提高患者生存率有极大的帮助,因此对患者大规模的早期肺癌筛查与诊断具有重要意义。研究发现患者呼出气体中的挥发性有机物(Volatile Organic Compounds)的种类与含量异于正常人群,且与肺癌病灶组织有密切关系,已被众多研究人员作为肺癌气体标志物。与此同时血液与组织中的肺癌肿瘤标志物,如癌胚抗原(Carcinoembryonic antigen)、细胞角蛋白19片段(CYFRA21-1)等有望应用于临床肺癌诊断。相比于医学影像学与穿刺活检,肺癌气液标志物的检测具有低成本、无创、快速等优点,虽然具有一定的假阳性率,但总体可用于大规模人群的早期肺癌筛查。然而目前对呼出气体检测多以大型仪器如气相色谱-质谱联用作为金标准,肿瘤标志物多采用酶联免疫吸附实验检测,其设备昂贵,操作复杂,往往离不开专业实验室,更不便于即时便携检测(Point of Care Testing)。虽然一些针对性的光电传感器,生物DNA传感器具有广谱性强,灵敏度高,特异性好等优点,但这些传感器往往因为信号成分单一(只有电信号,可见光信号,或者荧光信号等其中一个),以及体系单一(气体或液体),导致检测结果误判度较高。因此本文立足于实现肺癌患者筛查,综合分析现有筛查技术的不足,提出一套基于双信号双体系的新型肺癌标志物筛查检测系统,对肺癌呼出气体以及肿瘤标志物进行联合、快速、定性与定量检测,同时建立一套双信号特征提取算法以配合系统检测,为肺癌早期筛查提供新的思路。本文主要完成了以下几方面的工作:1)构建一套完整的新型双信号双体系肺癌标志物检测系统首先从交叉响应与特异性靶向识别机制出发,根据功能型需求分析构建检测系统,并以模块化思想为指导规划出气、液、光、机、电五大子系统,同时解决构建系统时所涉及到的五大关键性技术难题。在建立子系统时,涉及到传感气室的设计,气液传感阵列的设计,气路设计,光源设计等,并通过3D结构建模,数字模型仿真,流体力学分析、分时复用、数学模型计算、误差评估等多种数学工具与技术手段验证设计的可靠性以及配置其最优化参数,以完成系统集成。最后,将各个子系统有机整合,配合编写上下位机软件程序完成系统的调试,为后面双信号特征提取算法的设计以及气液标志物的检测提供依托平台。2)提出一套可见光信号特征提取算法从特征提取理论出发,分析可见光信号产生机制及其信号特点,在此基础上,通过信号预处理、形态学图像滤波、基于网格划分的图像分割、传感点颜色信息的提取与编码,以及最后的色彩空间转换,获取了标志物的“指纹图谱”以及HSI特征数据矩阵,为后续模式识别与计量分析提供基础。3)提出一套荧光信号特征提取算法对于荧光信号,同样根据特征提取思想,分析荧光信号产生机制与信号特点,运用光谱预处理、时频域特征提取、小波分析与分形维度等理论提取其荧光差谱的宏观与局部微观特征,并进行荧光差谱特征编码,以此算法获取的特征与数据可用于后续模式识别与计量分析。4)以交叉响应与特异性识别机制对肺癌气液标志物检测,以测试所构建的系统与算法性能。对于气体标志物,根据传感器双信号特点以及获取的数据特征矩阵,采用层次聚类分析(Hierarchical cluster analysis),BP神经网络(Back-propagation),主成分分析(Principal component analysis)等模式识别理论对目标气体进行了定性与定量分析,得到标志物对应的“指纹图谱”与“指纹光谱”,其中,对模式识别分析时出现的误判结果以及两种信号结果的比较分析,确定了以可见光信号进行定性以荧光信号进行定量的思路。同时分析误判来源,以设计新型传感阵列实现对醛类的检测;对于液体标志物,则采用适配体技术,结合Ag纳米团簇构建荧光探针,配合氧化石墨烯组成“荧光开断”体系以实现对液体标志物的定性与定量。最后通过大量实验测试,得到对肺癌标志性气体100%的定性识别率,以及低浓度下半定量区间(50ppb,200ppb,350ppb,500ppb)划分,整体区间划分误差小于10%;对醛类的100%准确识别以及对甲醛低浓度下具有40ppb

关键词： 电力隧道   运检   监测机器人   模式识别  

摘要： 在现代城市建设过程中,出于在市容市貌建设上的要求和城市发展建设用地成本节约等原因,各地城市规划建设单位在城市空间利用上不断追求,电力隧道也就在这个大背景下被广泛应用在国内各级城市的建设中来。但是电力隧道作为重要的电力能源输送设施,其深埋于地下,内部环境相对密闭,部分路段存在积水等情况,同时也因建设时代不同,各地的电力隧道在内部设备设施的布局上也存在规范性不足的问题,这些综合因素造成了电力隧道在日常运行巡视、检修时的困难。一般传统的电力隧道内部监控采用固定安装的各种摄像机采集内部设备设施的外观状态,采用传统仪器、表记采集内部设备设施的内环境气体含量、温度和湿度等数据,这种方案基本能够完成日常巡视、检修的要求,但是也存在数据采集手段单一、监控范围和角度受限以及因监控设备多而导致的故障几率大的情况。同时传统的监测设备对于数据的分析处理往往智能化程度不足,面对巨大的数据量,智能化的分析手段就显得非常必要了。当然了,电力隧道内部环境相对恶劣,存在各种坡度、转弯等隧道空间形态,局部路段存在的潮湿和积水情况对于人工巡视造成了极大困难,对于传统的监测设备来说也很难完全适应这些环境。针对上述问题,本论文针对电力系统电力隧道日常巡视、检修的需要,设计了一种自动化、智能化程度高的可移动式智能监测机器人方案,来完成电力隧道日常运检任务,提高电力隧道运检的自动化、智能化程度。本课题主要进行了电力隧道智能监测机器人技术课题的三个方面的技术研究:(1)根据电力隧道内部环境特点设计的运动承载系统,其采用方便施工敷设的轨道式搭载平台来确保机器人的运动范围和监测范围,通过动力传动系统的导向轮系和伺服电机驱动满足隧道内机器人精确可控直线、爬坡、转弯等行走动作,方案根据电力隧道防火门的安装方式和使用特点,设计了隧道内防火门通过方案,解决机器人通过时的防火门障碍问题,保证了机器人在隧道内的无障碍运行。(2)根据电力隧道内部通道形状存在弯角、坡度和强电磁干扰等情况,设计了无线通讯及有线通讯结合的通讯技术方案,采用自愈式光纤链路通讯技术和无线数据漫游方式,来保证监测数据的即时上传的安全性、可靠性和传输效率。(3)设计了通过搭载在线式监测设备的智能监测系统,采用人工智能技术的模式识别技术对隧道内部设备、设施的外观状态、破损情况进行全面监测,同时对于隧道内部环境的积水、沉降、异物入侵情况进行自动监测判断和预警,人工智能技术的应用大大提高了电力隧道的输电运行安全系数。

关键词： 光纤传感系统   振动信号   模式识别   并行计算  

摘要： 基于ψ-OTDR的分布式光纤传感技术具有可多点同时定位、探测范围广、定位精度高的优势。该技术在长距离结构监测、安全防护、渗透探测、交通运输、光纤通信、环境测量等领域具有巨大的应用潜质。因此，研究针对于分布式光纤传感系统的具有强鲁棒性、高实时性的信号处理算法，实现高精度的振动事件定位以及振动行为的智能识别，具有重大的研究意义和实用价值。本文以基于ψ-OTDR的分布式光纤传感系统应用为背景，深入研究了光纤传感系统的滤波和检测方法、并行计算方法以及振动信号的模式识别，主要研究内容如下:　　1.完善了基于ψ-OTDR的分布式光纤传感系统实验平台。提出了一种新的基于小波变换的阈值自适应滤波方法和一种基于逻辑回归的复合检测方法。实验结果表明，基于小波交换的阈值自适应滤波方法，可以根据处于不同环境的信号，对滤波参数进行自适应的优化。基于逻辑回归的复合检测方法，检测准确率相比于平均权重的方法有明显的提升。　　2.针对光纤信号处理的实时性问题，提出了基于多线程CPU和基于GPU的并行计算加速方案。基于多线程CPU的方案从算法流程和空间序列两个方面进行了分析，并通过实验验证了多线程CPU的有效性。结合光纤信号处理算法，针对GPU特点提出了优化的计算流程，并且通过实验验证了GPU具有非常高的加速效果。最终将基于GPU的并行计算应用于分布式光纤传感系统中，解决了计算速度问题，满足系统的实时性要求。　　3.针对光纤振动的模式识别，结合信号不同表达域的复合统计特征、频谱的PCA降维特征和基于卷积神经网络的特征，使用支持向量机对振动信号进行训练识别。设计实验模拟不同类型的振动信号，分析了不同方法在特征提取方面的差异，通过实验验证了特征提取和支持向量机模型可以有效识别多类型振动信号。

关键词： 肌肉肌腱结   肌肉超声图像   相位一致性   光流场   相关矩阵   海森矩阵   深度卷积神经网络  

摘要： 由肌肉和肌腱构成的肌肉肌腱单位(Muscle-Tendon Unit,MTU)在人体运动中扮演着十分重要的角色。近年来,通过超声成像技术获取肌肉肌腱结(Myotendinous Junction,MTJ)位置变化被积极用于量化运动过程中肌肉与肌腱相对变化,从而帮助研究与理解在不同生理病理条件下人体MTU的运动机制。然而,缺乏可靠的MTJ测量方法大大制约了其在人类运动分析研究中的应用。因此,本论文基于肌腱组织在肌肉超声图像中的结构特征,分别从运动估计,结构特征识别,以及深度学习三个方面展开对于肌肉超声图像中MTJ位置的自动测量和跟踪的研究,从而为研究MTU机理提供有效的定量分析方法。首先,基于超声图像中的肌腱先验形状信息,本论文通过相位一致性(Phase Congruency,PC)和局部拉东变换(Local Radon Transform,LRT)实现只在有效的MTJ区域应用LucasKanade(LK)光流场算法跟踪连续超声图像中肌腱组织上的手动标记点,从而避免了图像中非肌腱组织对MTJ位移估计的负面影响,实现对连续超声图像中MTJ位置的有效跟踪。该自动算法主要通过计算多重相关系数(Coefficient of Multiple Correlation,CMC)进行评估。实验表明,所提算法在记录8个健康对象的腓肠肌运动的超声图像数据集上获得了与手动测量较为一致的测量结果(CMC=0.97±0.02)。此外,基于同一数据集,该所提算法相较于经典LK光流场算法(CMC=0.79±0.11)体现出显著优势。为了克服在超声图像上手工标记肌腱组织带来的人为误差,基于MTJ在超声图像中的结构特征,本论文继续深入探究问题并通过结合相关矩阵(Correlation Matrix,CM)和海森矩阵(Hessian Matrix,HM)实现相应的PC测量图上的多尺度全自动MTJ检索。相比于以上所提算法(CMC=0.97±0.02),该全自动算法在同样的超声图像数据集上的MTJ位移测量结果与手动测量结果更为一致(CMC=0.97±0.01)。考虑到近年来深度学习的迅猛发展,本论文尝试从数据驱动的角度出发,通过微调的深度卷积神经网络(Deep Convolutional Neural Network,DCNN)实现MTJ区域的有效分割,并基于分割区域最终测得MTJ在连续超声图像中的位移变化。通过使用之前实验中超声图像数据集训练,取得了良好实验结果,初步验证了深度学习技术应用于超声图像中MTJ测量的巨大潜力。本论文围绕肌肉超声图像中的MTJ位置测量这一问题,广泛调研并应用了多种计算机视觉以及图像处理领域的成熟方法,并创新性地提出多种MTJ自动检测方法,为临床研究人体MTU运动提供了切实可行的量化分析方法,为将来基于超声图像的物体识别,分割以及追踪的相关研究提供理论借鉴与方法支持。

关键词： Locomotion mode recognition   strain gauge   convolutional neural network   robotic transtibial prosthesis  

摘要： Locomotion mode recognition can contribute to precise control of active lower-limb prostheses in different environments. In this paper, we propose a novel locomotion mode recognition method based on convolutional neural network and strain gauge signals. The strain gauge only provides one-dimensional signals and is also used in the control strategy of the robotic prosthesis. The convolutional neural network takes the raw noisy signals as inputs. Three transtibial amputee subjects were recruited in the experiments, and three locomotion modes were recognized. The overall three-class locomotion mode recognition accuracy is in the hold-out test and in the 5-fold cross-validation. The results show that the strain gauge contains information of locomotion modes, and the convolutional neural network has the capacity of extracting features from raw signals.

关键词： 煤电机组   能效状态   模式识别   在线性能试验  

摘要： 本文以燃煤发电机组为研究对象,采用科学的理论与方法,对煤电机组能效状态异常模式识别和在线性能试验进行研究,为机组运行优化和检修决策提供依据。在设备层次分析的基础上,建立机组能效特征参数体系。采用聚类方法选取能效基准状态决策样本,选用核密度估计模型,通过随机森林方法,估计实际运行工况下的基准值和劣化阈值。通过深入系统的专业机理分析,对影响机组能效状态异常的潜在故障模式进行FMEA分析,采用FTA方法建立机组能效异常模式树。实时能效监测系统监测到有能效特征参数超过阈值,将产生能效异常事件并将其传输给模式识别系统。模式识别系统采用基于FTA的推理方法,实现对能效状态异常模式的识别,并根据FMEA分析给出的相应处理建议。以机组大修周期为基础,按照热力试验的原理和计算方法,主要利用机组在线测量的热力参数,分析、评价机组-系统-设备的整体能效状态。对比不同调整方式下和检修改造前后机组整体能效状态的变化。建立设备性能综合评价模型,跟踪设备性能劣化趋势,指导机组检修时机和检修项目决策。

关键词： Hoisting system   rigid guides   Lipschitz index   wavelet transform modulus maxima   supporting vector machine   pattern recognition  

摘要： In order to evaluate the serviceable condition of rigid hoist guides and recognize their status patterns, vibration and angle signals were collected from an test-rig which can simulate different sorts of defects. Characteristic parameters by which status patterns can be judged were selected and designed. Multi-classifier based on support vector machine was applied during recognition. The collected samples were divided into two parts which were used as training data and testing data, respectively. The numerical result verified the validity of support vector machine multi-classifier on pattern recognition of rigid hoist guides.