课程文献中心 更多>>

关键词： 遥感影像   小目标   精准识别   改进YOLOv8算法  

摘要： 在遥感图像处理领域,由于场景复杂且包含大量相似物体,以及背景中丰富的高反射信息,这些因素往往会降低目标特征的显著性,导致小目标的精准识别面临漏检或误检的风险。为了解决这一问题,提出一种基于改进YOLOv8算法的遥感图像小目标精准识别方法。该方法通过优化改进的YOLOv8算法中的损失函数,增强了模型对小目标的识别能力。将采集的数据输入到经过训练和优化的模型中,实现了对遥感图像中小目标的高精度识别。实验结果显示,所提方法在查准率、召回率和平均准确率方面均表现优异,分别为0.90、0.88和0.89,同时检测速度较快。这些结果证实了该方法在遥感图像小目标识别任务中具有显著的实用价值和应用潜力。

关键词： 脑肿瘤   YOLOv7   部分卷积   三维空间注意力   动态注意力  

摘要： 脑部MRI影像数据具有数据量大、易受噪声和伪影干扰等特点,这些特点对种类、形状、边界既相似又复杂多变的脑肿瘤检测和分析提出了速度和准确度提升的挑战。基于此,在YOLOv7算法基础上提出一系列改进方法来提高检测的精度和速度。首先在特征提取阶段使用部分卷积PConv,以降低模型的参数量,提高整体检测速度。其次针对脑肿瘤复杂多变的特点,在特征提取时引入三维空间注意力机制SimAM,以提高模型对重要影像特征的关注。最后用WIoU替换原IoU损失函数,在边界框回归时提高对普通质量锚框的关注,以进一步提高检测精度。通过在公开的两个脑肿瘤数据集Brain_Tumor和Glioma_of_test上进行实验,改进后的模型mAP检测精度分别为96.9%和92.8%,相比YOLOv7原模型提高1.4%和2.4%;FPS每秒处理的图像数分别为162.7和158.1,相比YOLOv7原模型提高6.4和18.2,可以更为有效地检测脑部MRI影像中的脑肿瘤。

关键词： 农机航空   植保无人机   路径规划   元启发式算法   乡村振兴   农业现代化  

摘要： 随着无人机系统技术、传感器技术和人工智能算法等相关技术的不断发展,植保无人机路径规划技术在农业生产中备受重视,并被广泛应用。作为航空植保的关键技术之一,植保无人机路径规划面临的是一个复杂且多约束的组合优化问题。传统算法往往难以得到理想的结果,而元启发式算法则因其高效率成为解决该类优化问题的有效手段。为此,首先介绍了农业航空中的路径规划,随后总结出了植保无人机路径规划的关键要素,并使用更为合理的分类方式进行归纳;其次,从算法层面对相关研究所采用的元启发式算法进行分类和梳理,并阐述了其在实际应用中的现状,且根据提出的分类方法和研究特点,全面地归纳了当前的研究成果;最后,针对目前植保无人机路径规划研究存在的问题提出了几条可行的发展思路。

关键词： 城市交通   客流预测   组合神经网络   多源数据   遗传算法  

摘要： 【背景】客流预测是城市轨道交通运营和管理的重要组成,近年来结合多源数据和深度神经网络的精准客流预测受到越来越多的关注。【目标】提升轨道交通站点客流预测的精度,为运营管理提供有效支持。【方法】首先,搭建一种融合多特征的站点客流预测模型,该模型通过卷积神经网络(CNN)提取地铁客流的时空特征,并结合残差单元(ResNet)增强特征提取能力,构建特征传播矩阵挖掘站点间的空间特征,采用长短期记忆网络(LSTM)提取影响因子序列数据的时间特征,在特征融合过程中应用注意力机制突出关键特征。随后,引入遗传算法(GA)对模型进行优化,并采用多层感知器(MLP)修正模型的预测结果误差,提高模型的预测精度。【数据】杭州地铁站点刷卡数据及对应的气象数据、POI数据。【结果】优化ResNet-CNN-LSTM-Attention模型(IO-RCLA)的预测精度最高。相比于RCLA模型,IO-RCLA所有站点预测结果的MAE、RMSE、MAPE分别降低了17.09%、16.09%和8.91%,证明了方法在多站点客流预测中的高精度和有效性。

关键词： 铝型材   表面缺陷检测   注意力机制   YOLOv8   模型轻量化   GhostBottleneck  

摘要： 在铝型材制造过程中,铝型材表面会因受到材料或加工工艺等因素的影响而产生擦花、脏点等缺陷,直接影响铝型材使用性能。分析了铝型材表面缺陷特点并对比现有深度学习目标检测算法,基于YOLOv8网络模型提出了一种融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法。首先,将Ghost卷积引入Bottleneck层,并用DWConv替换骨干网络中部分卷积结构,在保证检测精度的同时,降低模型复杂程度;然后,在此基础上,将注意力机制添加到YOLOv8检测头模块中,用于提高该模型的检测精度;最后,开展了实验验证,实验结果表明,融合GhostBottleneck及注意力机制的铝型材表面缺陷检测算法精度达到了0.932,相比基础YOLOv8算法,精度提升了5.9%,且模型运算参数量减少了24%,整体性能可满足工业上对铝型材缺陷检测的精度及速度要求。

关键词： 花型图案生成   风格特征提取   风格分类   特征融合  

摘要： 丝巾作为传统配饰享誉世界。对丝巾花型图案的风格进行分类,可以揭示丝巾花型之间的共性或差异,帮助企业和设计师有针对性地生产和设计产品。文章以丝巾为研究对象,提出了一种基于特征融合的丝巾花型艺术风格分类算法。首先,该算法使用风格迁移模型提取丝巾全局风格特征;其次,使用SIFT(Scale-Invariant Feature Transform)算法提取丝巾局部特征;最后,使用特征融合算法对丝巾进行风格分类。实验结果显示,该算法在丝巾花型生成数据集上的分类总准确率高达91.90%,在实际丝巾产品数据集上的分类总准确率也达到89.06%。实验结果表明,该算法从多个角度对丝巾花型图案风格进行有效评估,并成功完成丝巾花型图案风格分类任务。

关键词： 群集智能算法   工业互联网   防御脆弱点识别   改进蚂蚁算法   信息素  

摘要： 基于工业互联网防御脆弱点多且识别结果不精准的目的,采用了基于群集智能算法的工业互联网防御脆弱点识别方法。结合群集智能算法的脆弱点的识别流程,并将群集智能视为一种改进的蚂蚁算法,通过计算蚂蚁转移的概率和信息素浓度,循环遍历直至达到最大周期数,获取最短识别路径,并设计判决门限确定脆弱点。由实验结果可知,该方法在攻击方式一、二下识别到的防御脆弱点分别为16个和21个,与真实情况一致,精准识别效果较好,具有较强的实用性。

关键词： 多目标优化   聚类算法   大数据  

摘要： 本研究探讨多目标优化在聚类算法中的应用,聚焦于提升聚类结果的精度和适应性。在高维数据与复杂分布的情境下,传统聚类算法难以有效平衡类内紧凑性和类间分离性。针对此问题,本研究提出一种改进的多目标优化聚类方法,采用非支配排序与拥挤度控制机制,通过优化聚类中心选择与迭代收敛过程提升算法的稳定性与效率。结果表明:与传统的聚类算法相比,引入多目标优化的改进聚类算法训练时间最低,仅为16.36 s,且拥有更好的预测精度,在高维复杂数据和大规模数据处理上展现出显著优势,可提供高效的解决方案。

关键词： 虚拟电厂   调度   混合灰狼算法   运行成本   目标函数  

摘要： 为了提升虚拟电厂(virtual power plant,VPP)的经济效益,促进风、光等清洁能源的消纳,文章设计了一种基于混合灰狼(hybrid grey wolf optimization,HGWO)算法的VPP经济调度模型。将VPP运行成本最小作为目标函数,利用HGWO算法对目标函数进行最优值搜索,算例结果显示,HGWO算法收敛时的进化代数和收敛时间分别为55代和12.15 s,获得的VPP最小运行成本为57.36万元,以及HGWO算法的各项性能指标均优于文章所列出的其他3种算法;同时也表明了通过科学调度VPP内部的各类分布式电源,不仅满足了VPP负荷需求,而且使风电场和光伏电站的输出电能得到了充分利用,进而提升了VPP的经济性。

关键词： 磁场信号   异常检测   信号分类   深度学习  

摘要： 随着磁场探测技术的发展,微弱磁场的应用领域逐渐广泛。由于传感器自身的失调电压以及外界干扰信号,使得后续的信号分析与异常检测面临着较大困难。为了解决这一问题,设计了一种基于深度学习模型来进行微弱磁场信号的异常检测。模型主体框架采用三维卷积操作来同时关注通道间信号关联与时序上信号特征,同时集成了SE(squeeze-andexcitation)通道自注意力模块与目前最优(state-of-the-art,SOTA)的Transformer注意力编码器,对磁场信号整体空间特征和时序特征进行特征增强。实验使用三折交叉验证的方法进行训练与验证,实验结果表明,模型可以在包含大量边缘数据条件下检测出绝大多数信号异常情况。