课程文献中心 更多>>

关键词： 深度学习   数据增强   注意力机制   组合损失函数   缺陷检测  

摘要： 焊接缺陷检测是确保焊接质量的重要环节，智能视觉检测技术已成为焊缝缺陷识别的主要发展方向。针对焊缝缺陷图像样本稀缺、数据不均衡，以及现有深度学习模型复杂度高、难以实现实时高精度检测，特别是小特征识别困难等问题，本文提出了一种基于YOLOv8改进的YOLO-DEFW模型。首先，模型采用分布移位卷积（DSConv）替代传统卷积，以减少参数量和复杂度，提高效率。其次，引入EMA多尺度注意力机制，增强对不同尺度焊缝缺陷，尤其是小特征的识别能力。最后，采用FWCE Loss组合损失函数，调整Focal Loss与加权交叉熵的权重，以提升对不均衡样本的检测精度。实验中，通过25种数据增强技术扩展ROBOT＿WELD数据集，提高了模型泛化能力。实验结果显示，改进的YOLO-DEFW模型在ROBOT＿WELD测试集上的精确率（P）、召回率（R）和平均精度（m AP）分别提升了13.4%、17%和24.8%；模型参数量减少了13.5%,GFLOPs降低了10%，单张图像处理时间为3.9ms，小特征识别精度提高了超过12%。这些改进实现了焊缝缺陷的实时、精确检测，适用于智能视觉在线检测系统。

关键词： 目标检测网络   小目标检测   注意力机制   多尺度特征融合   作物行中心线  

摘要： 精确的作物行检测作为智能化农业的一项重要技术，对于无人收获装置的导航和采摘具有重要意义。针对莴笋生长过程中歪斜、移位和倒伏等因素导致作物行提取不准确的问题，本文将其转化为莴笋芯部区域的目标检测问题并提出一种以成熟期莴笋芯部为目标的目标检测算法。该算法基于广泛采用的目标检测框架YOLOv5s，通过在其主干网络中嵌入动态卷积模块，以动态感知的方式过滤特征图中的背景干扰，在局部区域保留重要细节特征，从而增强网络对莴笋芯部特征的学习能力。同时，在网络的FPN结构中引入了基于空洞卷积和权值共享的多尺度融合模块，确保网络经过多次下采样后能够有效保留目标结构信息，有利于对莴笋芯部这类小目标的检测。此外，引入CARAFE上采样操作充分利用特征提取过程中的上下文信息，增强网络对小目标特征的提取能力。进一步，基于Wasserstein距离和SIoU提出一种新的损失函数，解决了传统IoU方法对小目标位置敏感的问题并加快了网络拟合速度。实验证明，改进算法对莴笋芯部提取的平均精确度和召回率分别达到了0.586和0.574，较于YOLOv5s提高了6.1%和6.3%。网络检测出莴笋芯部坐标信息后，采用最小二乘法将坐标点进行直线拟合，得到莴笋作物行中心线。对比实验结果表明该算法使原始YOLOv5s模型在不同光照条件下对莴笋芯部的漏检问题得到明显改善，从而能够提取出更加准确的作物行中心线。

关键词： 离网格   QAM信号   直接定位   泰勒补偿  

摘要： 本文深入研究了QAM 信号的离网格直接定位问题。现有的直接定位算法受到计算复杂度高和离网格误差的限制，为了解决这些问题，本文提出了一种QAM 信号基于泰勒补偿的离网格直接定位算法。在相同场景假设下，所提算法明显提高了定位精度，并扩展了天线孔径，具有相对较高的自由度，且降低了计算复杂度。数值模拟结果证明了所提算法在具有较低计算复杂度的同时，其定位精度优于传统的基于空间平滑的子空间数据融合直接定位算法与Capon直接定位算法。

关键词： 人工智能算法   医学类大学生   学习倦怠   预警模型   干预策略  

摘要： 医学类大学生由于学习周期长、学习内容枯燥、专业技能要求高等原因,出现学习倦怠的现象较为普遍。为应对医学类大学生学习倦怠的问题,研究基于人工智能算法建立医学类大学生学习倦怠的预警模型,提出有效的干预措施。论文首先分析学生学习倦怠的特征信息,包括生理特质信息、学习信息和心理健康指标。通过采集相关数据,借助人工智能算法对之进行分析,识别学生个体的倦怠情况,并通过学习倦怠预警系统对解决倦怠问题提出措施建议。教育工作者根据该预警信息和措施建议,调整学生的学习计划,并通过心理干预、学习干预和环境干预等措施,缓解或消除学生的学习倦怠,提高学习效率和心理健康水平。人工智能虽然能够提供预测和辅助作用,但最终解决学习倦怠问题仍需要教师的干预或专业人士的心理辅导。

关键词： 光声内窥成像   深度学习   电磁噪声   降噪  

摘要： 光声/超声双模态内窥成像具有在消化道等生物腔体中进行高穿透深度分子成像的能力，具有较好的临床应用前景。然而，微型内窥探头的紧凑结构使其易受电磁干扰信号的影响，严重影响了其成像灵敏度和分辨率；目前，较为有效的解决方案是通过大量平均削弱电磁噪声的影响，但牺牲了系统的时间分辨率，削弱了其功能成像能力。因此，本文提出了两种针对光声波形数据的神经网络降噪模型Aline-CNN与Aline-Unet，能够有效地去除光声/超声内窥镜采集声学波形信号的电磁干扰。基于光声仿真图像数据的测试结果显示，经Aline-CNN和Aline-Unet降噪后的光声图像与原始仿真图像（参考图像）结果相比，结构相似性指标（Structural Similarity,简记为SSIM）分别为0.9515和0.9569。同时，其在兔直肠活体成像数据的测试中也有着优异的表现，与通过长时间平均生成的参考图像相比，其SSIM分别为0.8239与0.8589。通过这种新型的降噪方法，可以显著降低数据重复采集次数，缩短采集时间，有利于推动光声/超声内窥镜技术在临床中的发展与应用。

关键词： 主瓣干扰抑制   自适应波束形成(ABF)   空间谱估计   迭代自适应方法(IAA)   阻塞矩阵预处理(BMP)  

摘要： 为研究多主瓣干扰抑制，提出了一种基于迭代自适应法（IAA）与阻塞矩阵预处理（BMP）的新方法。为克服常规自适应波形（ABF）方法存在的缺陷，提出了应用IAA算法进行空间谱的准确估计与干扰源到达方向（DOA）的准确估计，其中主瓣干扰分量主要通过方向导向矢量(SVs)之间相干系数的计算进行识别，并利用阻塞矩阵预处理BMP进行剔除。利用IAA算法进行旁瓣干扰与噪声协方差矩阵重构，从而实现更优ABF与剩余干扰抑制。仿真结果表明，无论在非相关或相干干扰环境下，所提方法与常规基于BMP或特征投影向量EMP预处理的方法相比均具有更优性能。

关键词： 超滤反渗透过程   反冲洗效率   水力膜阻力   反向传播神经网络  

摘要： 本文面向污水反渗透给水预处理中超滤性能动态过程，提出一种基于训练质量的AdaBoost策略和基于Alopex进化算法的多模态神经网络机器学习方法。首先，本文构建了一类适用于任意分布的广义贝叶斯推断概率指标对超滤反渗透污水处理过程中过滤和反洗等多模态状态进行分类，然后使用基于Alopex进化算法和基于分布的AdaBoost集成策略的神经网络算法针对每一个模态过程分别建模，最后利用构建的每个模态的基于广义贝叶斯推理的概率指标，将多模态的多个模型集成。为了验证本文提出的方法的有效性，将该方法应用到美国某社区采集的两年数据集中，提出的方法针对膜阻力和反洗效率具有很好地预测性能，能够很好地预测预期水质变化性能。

关键词： 输电线路   防振锤   缺陷检测   多尺度目标   特征融合   注意力机制  

摘要： 利用无人机对输电线路进行巡检的过程中，航拍的防振锤图像目标尺度多变且背景复杂，容易导致漏检、误检。为此，针对现有目标检测算法在复杂背景和多尺度目标检测方面的局限性，提出了一种基于改进YOLOv8的防振锤缺陷目标检测算法。首先，为了增强模型的多尺度特征提取能力，提出多尺度特征提取（MSFE）模块，有效扩大模型的感受野；其次，为了在多尺度特征融合过程中抑制复杂背景的干扰，设计空间金字塔核注意力（SPKA）模块，提升模型对目标的全局感知能力；最后，由于小尺度目标在图像中容易被忽略，在网络中增加丰富小目标语义信息的特征层（STSIL），提高小目标缺陷检测能力。对比实验中，改进算法与基线模型YOLOv8s相比mAP50提升了5.7%，防振锤正常、倾斜、掉落的AP50分别提升了3.4%、4.5%、9.2%，证明了改进算法对防振锤缺陷检测的有效性与先进性，且其应用将有助于保障电力系统的安全可靠运行。

关键词： 白鲸优化算法   抢食白鲸   高斯扰动   凸透镜成像   工程应用  

摘要： 针对白鲸优化算法搜索效率不足、易陷入局部极值的问题,提出增强型白鲸优化算法(enhance beluga whale optimization,EBWO)。加入基于权重的抢食型白鲸并应用于算法的开发阶段,丰富该阶段的位置更新方式,利用贪婪机制选择更优位置,提高解的质量;引入自适应高斯策略对鲸坠阶段的白鲸局部扰动,使其调整至最优位置附近,加快算法的收敛速度;使用凸透镜成像学习策略对信息分享后的位置做反向处理,提高算法跳出局部最优值的能力。通过对10个基准测试函数和CEC2020测试集的寻优对比分析,以及Wilcoxon秩和检验可知,EBWO的寻优速度和收敛精度都得到较大提升。为了验证EBWO算法的实用性和可行性,将其应用到减速器和压力容器工程设计的求解,通过试验分析可知,EBWO算法在解决实际优化问题上具有一定的优越性。