课程文献中心 更多>>

关键词： 电动自行车电池检测   YOLOv8   轻量级   深度学习  

摘要： 针对电动自行车电池样式单一，特征信息少，应用场景单一问题，重点关注模型轻量化，提出了一种基于视频监控的改进YOLOv8的电动自行车电池检测算法——PSPG-YOLO。在网络中特征提取方面，设计了一种多分支的PStarblock结构优化C2f模块，在Starblock的基础上进一步降低模型复杂度，增强特征信息表达能力；在多尺度融合特征金字塔方面，应用具有共享参数的空洞卷积改进SPPF结构，有效增大了感受野，保留了更多的细节特征信息；在检测头方面，提出了一种超轻量化共享卷积检测头GSPH，应用可共享参数的部分卷积，大幅降低模型复杂度的同时能够动态调整锚点和步长，自动调整内部参数，从而提高对不同尺度特征图的适应能力。在专门针对电动自行车电池的自建数据集上实验表明：PSPG-YOLO相较于基线模型YOLOv8n在计算量、参数量分别下降57%和43%的同时mAP50值提高0.8，在与其他主流检测模型的对比中，综合性能最佳，为目前电动自行车电池违规入户管理提供了一种有效的解决方式。

关键词： 海洋环境噪声   空间相关特性   敏感度分析   遗传算法   BP神经网络   Pekeris波导   地声参数反演   海上实验  

摘要： 针对地声参数的准确反演问题，本文将遗传算法优化的BP神经网络算法（GA-BP）应用到地声参数反演领域。首先仿真分析了噪声场垂直空间相关系数对地声参数变化的敏感度值，其次分析了GA-BP反演地声参数的效果；最后使用GA-BP处理实测海洋环境噪声数据，估计了海底密度、声速和衰减。仿真与实验结果表明：GA-BP相比于BP神经网络算法具有更快的网络训练速度以及更高的反演精度，利用GA-BP可以准确反演得到Pekeris波导的地声参数。反演得到的海洋环境噪声场空间相关系数曲线与实验测量结果吻合较好，二者皮尔逊相关系数达到0.98。

关键词： 体层摄影术,X线计算机   图像处理,计算机辅助   深度学习   体模,显像术  

摘要： 目的 利用体模评估深度学习全模型迭代算法（AIIR）用于重建CT图像的价值。方法以模型迭代重建（MBIR）结合深度学习（DL）生成AIIR，对CCTMITAIQ体模、CTACR464体模、Catphan700体模、光盘叠加体模及CTPBU-60全身体模进行CT扫描；分别采用滤波反投影法（FBP）、KARL3D迭代重建等常规算法及AIIR重建CT图像，比较各种重建图像的噪声、X线剂量水平，以及低对比度分辨力、高对比度空间分辨力、锥束伪影及条形伪影等。结果相比常规算法，利用AIIR重建CT图像可使噪声降低61.74%～99.76%、X线剂量降低60.00%～90.00%，同时将低密度分辨能力提升至1.99～4.86倍、高对比度空间分辨力提升至1.55～2.57倍，且能明显减轻锥束伪影及条形伪影。结论AIIR用于重建CT图像较常规算法具有明显优势。

关键词： 锂电池   X射线成像   图像增强  

摘要： 锂电池作为当前新能源市场的重要组成部分，广泛应用于消费电子、电动汽车和储能领域。为确保锂电池的安全性，在出厂前通常利用X射线对其内部进行检测，从而剔除有缺陷的产品。然而，利用X射线成像的锂电池原始图片通常对比度低、对比度不均匀、灰度值集中在狭窄区域，导致无法判别样品的细节信息。针对锂电池X射线图片的以上特点，本文提出了两种方法增强锂电池X射线图片的对比度。第一种方法是利用自定义非线性灰度变换函数结合CLAHE算法来增强对比度，第二种方法是利用同态滤波结合CLAHE变换实现对比度的增强。本文编写程序实现了该想法，并在圆柱形卷绕锂电池图片上进行了测试。结果显示，本文提出的对比度增强算法使图片的信息熵提高约20%，灰度直方图显示更加均匀，有着更高的对比度，显著提高了锂电池X射线图像质量。这项研究将为微焦点X射线锂电池缺陷检测和自动识别提供技术支持。

关键词： 可控生成   文生视频   细粒度情感可控  

摘要： 情感引导的多媒体内容生成是推动可控人工智能内容生成技术发展的重要一环， 对于丰富公众表达情绪和观点的方式具有独特价值. 针对大模型生成的视觉内容情感属性模糊、交互性弱的问题， 提出一种基于文本指令优化的视频生成算法FG-ECVG， 可以实现文本指令到视频内容的高情感可控、强交互性自动化生成. 首先基于效价-唤醒-控制情感模型构建一个引导词典， 并基于该词典对输入文本做情感极性分析和情感引导词匹配， 实现整体视觉氛围的情感控制; 然后基于检索—增强—生成算法构建一个视觉细节扩写框架， 为用户输入的文本指令添加结构化的类人情感视觉元素， 提升生成内容的情感颗粒度. 在EmoSet数据集上5类场景类别进行情感6分类内容生成， 并对主观及客观微视频评价进行实验的结果表明， 与仅使用生成式视觉大模型相比， 所提算法生成的视频内容具有更强的情感表现力， 情感2分类和情感6分类准确率分别提升23.33和20.00个百分点; 与目前较新的视觉情感迁移或生成算法相比， 情感6分类准确率平均提升26.67个百分点， 证明了该算法的有效性和优越性.

关键词： 车型识别   高阶空间交互   动态多尺度特征聚合   解耦检测头  

摘要： 针对复杂交通场景下车型目标密集、遮挡而造成的车型识别精度低的问题，提出基于高阶空间特征聚合的车型识别算法。首先，在特征提取的下采样阶段，设计了HSIDM模块，实现更深层次的特征聚合，减少细小信息损失。其次，在特征融合部分设计了DMFAM模块，动态调整各尺度特征的权重，获取多尺度的上下文信息，以增强模型对多样化特征的适应能力。然后，设计解耦REL-Head检测头，将分类和回归任务拆解，避免任务混杂，增强局部特征的学习能力与抗干扰能力。最后，将本文模型部署到边缘设备进行测试。实验结果显示，本文算法在复杂度交通场景数据集BIT-Vehicle和UA-DETRAC上，mAP相较于原模型分别提升了0.7%和3.9%，并在边缘设备上可以流畅运行，具有较好的识别效果。表明所提出的方法能够有效提高车型识别的精度并应用于受限设备。

关键词： 电离层层析   电离层电子密度   联合迭代重构算法(SIRT)   均值平滑约束   反向距离加权(IDW)插值  

摘要： 为了进一步求解基于全球卫星导航系统（GNSS）的电离层层析成像的不适定逆问题，在联合迭代重构算法（SIRT）和均值平滑约束（MSC）的基础上，提出一种改进的SIRT-IDW-MSC算法：利用反向距离加权（IDW）插值来改善SIRT算法的初值依赖性和MSC的过度平滑现象，从而提高电离层电子密度（IED）的重建精度和成像效果。数值模拟实验中，SIRT-IDW-MSC算法的重建精度均表现最优，其中重建IED的均方根误差（RMSE）和平均绝对误差（MAE）较SIRT算法可提高72.32%和72.43%，较SIRT-MSC算法可提高57.60%和61.26%。实测数据实验中对于独立测站重建斜总电子含量（STEC）的RMSE和MAE，湖南区域实验中SIRT-IDW-MSC算法比SIRT算法可提高44.33%和47.50%，比SIRT-MSC算法可提高42.62%和47.37%；欧洲区域实验中可分别提高34.34%和26.60%、40.11%和38.70%。将3种算法的重建IED剖面与IRI2016模型参考值和测高仪实测数据作对比，SIRT-IDW-MSC算法均能呈现出更好的符合度。结果证明SIRT-IDW-MSC算法具有可行性和优越性。

关键词： 公共安全   洪水   涟漪扩散算法   人员疏散   元胞自动机   仿真系统   疏散策略  

摘要： 受气候变化和人类活动的共同影响，洪灾的发生频率和损失程度持续增加。为解决传统洪水疏散模拟中忽视行人绕行机制和洪水对行人移动实时影响的问题，构建了融合元胞自动机模型和涟漪扩散算法优化的实时洪水疏散仿真系统，并开展了微型场景试验和珠海市华平社区动态洪水疏散案例研究。结果表明：优化后的涟漪扩散算法通过提升出口吸引力，实现了对行人绕行障碍物的模拟，与传统模型相比，成功疏散人数显著提升；增加洪水排斥力将人群移动和洪水演进同步耦合，使行人实时感知洪水变化并做出最佳的出口选择；行人提前7 min响应，全员成功撤离并使总疏散时间减少26.1%；高熟悉度人群比例达到30%时，拥堵现象明显缓解，在此基础上进一步提高熟悉度对疏散效果作用不显著。

关键词： YOLOv10n   头盔佩戴检测   BIMAFPN   损失函数   LSCD   模型轻量化  

摘要： 针对电动车头盔佩戴检测方法存在着复杂路况下头盔小目标检测精度较低、目标相互遮挡漏检率较高、检测模型大运算复杂等问题。本文提出一种基于改进YOLOv10n的目标检测算法，以解决在实际应用中的这些问题。首先，在MAFPN的基础上融合了BiFPN的优点，创新性地提出了BIMAFPN结构，提高了模型在复杂路况场景下的检测性能。其次，构建Inner-Wise-MPDIoU损失函数以替代传统的CIoU损失函数，在提高网络的检测精度的同时，还加速了模型的收敛过程。最后，引入LSCD检测头进一步减少模型参数量并提升检测性能。实验结果表明，改进模型相比于原模型在mAP@0.5精度上提升了2.7%，同时参数量降低了25%，模型大小减少了35%。本文使用的检测方法不仅显著提高了复杂路况下的头盔检测精度，同时在兼顾轻量化的基础上保持了良好的实时性，便于将模型部署于小型嵌入式交通设备中。

关键词： 目标跟踪   交互多模型(IMM)   自适应   无迹卡尔曼(UKF)  

摘要： 针对跟踪复杂机动目标过程中由于目标运动状态发生变化导致的跟踪误差较大的问题，提出了一种自适应交互多模型无迹卡尔曼滤波算法（ATPM-UKF），使用模型概率后验信息和模型似然函数自适应修正马尔可夫转移概率矩阵（TPM）。设计了模型概率校正方法和模型转移加速方法，两种方法分别作用于模型稳定阶段和模型转移阶段，提高了模型概率准确度和模型转移响应速度，减小了状态估计误差。最后通过两种场景下的实验验证了所提算法在目标具有复杂运动状态下的性能，并与传统方法进行了对比分析，在目标做机动运动时，位置精度和速度精度分别提高了15%和26%，验证了算法的有效性和可行性。