课程文献中心 更多>>

关键词： 天台光伏电池板涉电区域   YOLOv10   DeepSort   行为人跟踪   预警检测  

摘要： 随着分布式光伏接入规模的日益增大，安装于私人用户天台区域的光伏电池板及其附属发电系统可能对用户带来触电风险。针对区域监控设备算力受限和天台涉电范围内行为人越界预警问题，讨论采用一种改进YOLOv10、DeepSort和PNPOLY的天台光伏板区域行为人跟踪预警算法。基于YOLOv10重新设计了特征融合模块，模块引入部分卷积思想，解决了特征融合部分运算量大问题。同时针对受光伏电池板遮挡的行为人检测，引入了针对遮挡目标的损失函数（Repulsion-IoU损失函数），并在渐进特征融合结构AFPN(Asymptotic Feature Pyramid Network for Object Detection)基础上设计了更好融合多层次目标的三层特征提取结构AFPN-3。在改进目标检测的基础上，利用DeepSort实现对行为人的持续跟踪定位，使用轻量化分类网络Fasternet替代原本特征提取网络，有效降低了模型的体积，提高了行为人跟踪的质量。为了解决行为人越界判定问题，采用PNPOLY算法，使用检测行为人脚部坐标位置进行精确的越界判别。实验表明，与YOLOv10n相比，在仅损失0.3%检测精度的前提下，改进后行为人检测模型运算量下降了18%，参数量下降了19%，结合改进后的DeepSort模型，平均跟踪精度较之前提升1.4%，模型大小只有8.7MB。真实场景实验中，本文所提算法天台光伏涉电区域行为人预警正确率达到94%，具有轻量化、精确度高的特点，满足天台光伏板区域行为人跟踪预警的实际检测需求。

关键词： 自主探索   深度强化学习   物体感知   模块化框架  

摘要： 针对如何在未知室内场景的探索中高效感知物体的问题,提出一种机器人自主探索与物体感知算法.利用深度强化学习让机器人通过与环境交互的方式学会利用场景的布局规律和语义信息获得更加高效、高质量的探索策略.算法使用模块化的方式解决强化学习训练困难的问题,分为同时定位与地图构建模块、全局探索模块、路径规划模块和局部探索模块.首先同时定位与地图构建模块根据传感器所得数据构建地图;然后全局探索模块根据当前地图决策长期目标点,规划机器人将要探索的区域;接着路径规划模块根据机器人当前位置和长期目标点规划行进路径;最后局部探索模块基于机器人周围的局部地图信息规划每一步行进时传感器的朝向并更新地图.在Habitat仿真环境中与SC和ANS这2种先进算法在Gibson和Matterport3D公开数据集上进行实验的结果表明,所提算法在小、中、大和超大场景中的物体感知率分别为0.942, 0.866, 0.652和0.506,表现出对场景良好的感知性能.

关键词： 改进纵横交叉算法   高速铁路   牵引供电   潮流计算  

摘要： 传统高速铁路牵引供电动态潮流计算方法标准差值偏移较大.本文提出基于改进纵横交叉算法的高速铁路牵引供电动态潮流计算.首先对牵引供电装置输出特性进行提取,随后对高速铁路牵引供电进行建模,基于高速铁路牵引供电建模,以列车牵引计算结果及行车计划为输入.最后基于改进纵横交叉算法对高速铁路牵引供电系统求解,实现高速铁路牵引供电动态潮流计算,实验结果表明该研究方法计算结果标准差值偏移量更小.

关键词： 建筑信息模型   对象分类   深度学习   模型图元   性能  

摘要： 建筑信息模型(BIM)对象分类需耗费大量时间和精力,任何对象的错误分类或遗漏均可能导致异常结果的出现,从而对项目工作流程及结果产生极大影响.全面理解BIM对象分类,通过改进Swin Transformer分类器算法参数,使用从IFC格式BIM模型文件中提取的模型图元,对7类BIM对象类别进行深度学习,通过训练中得到性能和评估指标的结果,提高分类准确性.

关键词： 燃煤电厂   压缩空气供应   空气压缩机   汽电双驱   空分  

摘要： 针对燃煤电厂开展压缩空气集中供应的综合能源项目,分析了商业市场,空压机本体及驱动的技术路线,指导电厂根据市场需要优化开展空压机及驱动方式选型设计和安装实施.结果表明空压机设备选型时需要充分考虑压缩空气的可靠性、稳定性要求,以满足客户需求.空压机型式与容量的确定应遵循经济性、安全性等原则.项目设计应考虑排气压力、排气量、压缩比,以及用气高峰、平均用量、低谷用量、压缩空气品质要求等因素.

关键词： 脑电情绪分类   混合神经网络   卷积神经网络   自注意力机制   残差连接   双向长短记忆  

摘要： 脑电情绪分类是情感计算研究的核心问题之一。传统的脑电情绪分类面临多模块间协作不足和模型泛化能力弱等问题，为解决这些问题，本文提出了自注意力的混合神经网络分类算法，该算法首先采用卷积神经网络来提取序列数据中的时空特征，然后采用自注意力机制来调整不同通道的权重，其次采用残差连接缓解梯度消失，最后采用双向长短记忆来保持时间序列的长期依赖性。基于公开数据集DEAP，相比较已有四种典型分类算法，混合神经网络算法在唤醒和效价均获得了较好的分类准确率，其值分别为94.95%和96.75%，从而说明文中提出的算法具有可行性。

关键词： 皮肤病变   多尺度特征提取增强   轻量化特征提取   过滤式提取   特征融合提取  

摘要： 【目的】 为了准确、方便地识别类间相似度高、类内差异化大、数据类别不平衡的皮肤病变，提出了一种皮肤病变图像的轻量化过滤式识别算法GL-FLNet。【方法】 首先设计多尺度特征提取增强模块(Multi-scale feature extraction enhancement module， MSEE)，提取多尺度的皮肤病变区域特征并增强特征表达力；然后使用不同空洞率的卷积，构建轻量化特征提取模块(Lightweight feature extraction module， LFEM)，提取有效的病变特征；之后继续使用LFEM模块提取特征，通过使每个阶段LFEM的卷积使用的空洞率互有差异，构建过滤式主干网络(Filtered backbone network， FBNet)，过滤式提取病变区域丰富的细节特征；最后构建特征融合提取模块(Feature fusion extraction Module， FFEM)，融合主干网络相邻阶段的浅层和深层特征，充分提取病变区域不同层次的特征。【结果】 实验结果显示：GL-FLNet参数量和浮点运算量明显降低，在ISIC2018的task3公共数据集上分类准确性达到89.7%。【结论】 GL-FLNet能对多种皮肤病变的类别进行准确识别，在小算力嵌入式设备部署，实现皮肤病变高效准确的诊断。

关键词： 涡流纺   纺纱车间   生产调度   多目标优化   改进NSGAII  

摘要： 为应对涡流纺车间生产向小批量多品种生产模式转变的发展趋势，对涡流纺车间生产调度进行研究。通过分析金华某涡流纺企业订单生产情况，建立了以最小化最大完成时间、最小化逾期损失和最小化改机次数为目标的涡流纺生产调度模型。为避免NSGAII陷入早熟收敛的情况，提出一种改进的NSGAII算法（INSGAII＿SAA）对涡流纺车间调度模型求解。利用启发式规则初始化种群、自适应选择交叉变异算子以及融合模拟退火算法（SAA）的方法，有效降低解空间的冗余程度，提高求解效率并得到全局最优解。另外，使用NSGAII、SAA、INSGAII＿SAA、MOSAA以及MOPSO求解，对比该涡流纺企业订单数据来验证求解模型和改进算法的有效性，结果表明：相较于NSGAII，所提出的INSGAII＿SAA最大完成时间平均减少了8.7%、逾期损失平均减少59.89%、改机次数平均减少34.91%，具有较好的调度效果。研究方法能较好地实现涡流纺生产科学调度，有效降低企业生产管理成本。

关键词： 钙化积分   人工智能   重建算法   滤过核  

摘要： 目的：分析重建算法与滤过核对人工智能（AI）测量冠状动脉钙化积分的影响，评估AI测量钙化积分的准确度及危险分层的一致性。方法：连续选取2024年1月我院的冠状动脉钙化积分CT图像进行回顾性分析。共纳入30例，男性18例，女性12例。改变重建算法（FBP、迭代iDose4 level 1～5）与滤过核（Cardiac Standard、Cardiac Sharp）重建出12组图像。采用2种方法（AI图像工作站、CT工作站）分别测量12组图像的冠状动脉Agatston积分（AS）、容积积分（VS）以及质量积分（MS）并计算危险分层。对不同重建算法的图像，使用AI测量和CT工作站测量所得AS、VS、MS进行多样本Friedman检验，对两种滤过核的图像，使用AI测量及CT工作站测量所得AS、VS、MS进行配对Wilcox检验。12组图像使用2种测量方法所得AS、VS、MS进行配对Wilcox检验及组内相关系数（ICC）检验。以CT工作站测量所得结果为参考，采用加权Kappa系数，分析危险分层一致性。结果：Cardiac Standard滤过核时，不同重建算法图像AI所得AS与VS存在统计学差异（AS:X2=32.577;VS:X2=17.125，均P <0.05）,MS无统计学差异（X2=10.569,P> 0.05）。Cardiac Sharp滤过核时，不同重建算法图像AI所得AS、VS、MS均无统计学差异（AS:X2=9.820;VS:X2=6.810;MS:X2=7.820，均P> 0.05）。不同重建算法图像CT工作站所得AS与VS存在统计学差异（AS:Cardiac Standard:X2=62.972, CardiacSharp:X2=134.82; VS:CardiacStandard:X2=17.056, CardiacSharp:X2=91.417，均P <0.05）。两种滤过核AI所得AS、VS、MS存在统计学差异（均P <0.05）；两种滤过核CT工作站所得AS、VS均存在统计学差异。滤过核Cardiac Standard下，2种测量方法所得AS、VS、MS均无统计学差异，滤过核Cardiac Sharp下，2种测量方法所得AS、VS均存在统计学差异，一致性均较好。滤过核为Cardiac Stand且使用iDose 1和2的图像组，危险分层一致性最高，Kappa系数为0.967。结论：重建算法与滤过核对AI和CT工作站测量冠状动脉钙化积分影响较大，临床实践中需谨慎选择。

关键词： Wiener filtering  

摘要： Aiming at the problem that existing methods could not fully capture the intrinsic structure of data without considering the higher-order neighborhood information of the data, we proposed an unsupervised feature selection algorithm based on graph filtering and self-representation. Firstly, a higher-order graph filter was applied to the data to obtain its smooth representation, and a regularizer was designed to combine the higher-order graph information for the self-representation matrix learning to capture the intrinsic structure of the data. Secondly, l2,1 norm was used to reconstruct the error term and feature selection matrix to enhance the robustness and row sparsity of the model to select the discriminant features. Finally, an iterative algorithm was applied to effectively solve the proposed objective function and simulation experiments were carried out to verify the effectiveness of the proposed algorithm. © 2024, CC BY.