课程文献中心 更多>>

关键词： 无人机智能巡检   路径规划   Edmonds算法   Fleury算法  

摘要： 针对无人机电力巡检路径规划问题,基于中国邮递员问题的研究方法,改进图论网络算法,以电网线路的实际坐标为研究数据,考虑单无人机巡检和双无人机协同巡检,进行最优路径规划。结果如下:①改进的Edmonds算法和Fleury算法具有很好的适用性。②单无人机模式中,主线明显的线路飞行重复率一般不超过20%,其余线路为20%~65%。双无人机模式中,主线明显的线路不建议采用同起点模型,飞行重复率达80%以上,其余线路在30%~76%;异起点模型中,主线明显的线路飞行重复率为10%~20%,其余线路为25%~55%。③Fleury模型适用于分支较少、线路通道较长、地处偏僻的输电线路;Edmonds模型适用于分支较多、线路分布复杂、地处城市农村的配电线路,配电线路更需要路径规划。今后变电站将建立无人机机巢,研究为其提供航迹规划以覆盖巡检周边线路。

关键词： Kapur熵   红外图像分割   电力设备   蝴蝶优化算法   故障诊断   高斯混沌变异  

摘要： 电力设备红外图像分割是电力故障诊断的主要手段。针对传统电力设备图像分割方法计算代价高、分割精度差、速度慢的不足,提出改进蝴蝶优化Kapur熵算法对红外图像进行多阈值分割。引入Levy飞行策略改进蝴蝶优化算法IBOA(Improved Butterfly Optimization Algorithm)的位置更新方式,提升算法全局寻优能力;设计高斯混沌变异机制对精英个体进行扰动,提升种群多样性,使算法避免收敛于局部最优。利用基准函数测试IBOA的寻优性能。以Kapur熵作为IBOA的适应度函数,设计基于IBOA和Kapur熵最大化的图像分割方法,并利用三幅经典伯克利图像和一幅核磁共振图像验证了图像分割性能。将改进算法应用于电力设备红外图像分割,证实算法在非均匀背景和噪声干扰下依然能够有效提高红外图像分割的精度和效率,从而保障电力设备故障诊断成功率。

关键词： 体层摄影术,X线计算机   人工智能   深度学习   图像重建算法  

摘要： 随着医学影像技术的快速发展,CT图像重建算法也在持续改进,以应对不断变化的临床需求。传统的滤波反投影(FBP)算法重建快速、图像质量好,但在低剂量条件下对图像噪声和伪影的抑制能力有限,因此已逐步被迭代重建(IR)算法取代。IR算法通过优化模型与多次迭代有效降低了图像噪声、改善了组织对比度,但缺点是图像可能会出现斑片状伪影或失真的蜡像感。深度学习图像重建算法(DLIR)在体模实验中被证实可以降低噪声、提高空间分辨率和检测能力而不改变噪声纹理。在临床应用上,DLIR能够提升图像质量,同时降低辐射剂量和对比剂用量,属于人工智能与医学影像深度融合的精准应用。笔者认为只有充分利用先进算法的优势和性能,拓展临床应用场景,才能不断提高诊断效能,使更多的患者获益。

关键词： YOLOv5   行人检测   注意力机制   轻量化模型   通道描述指标  

摘要： 针对实时行人检测场景存在遮挡、形态姿势不同的行人目标,YOLOv5模型对于这些目标检测有明显的漏检问题,提出一种像素差异度注意力机制(pixel difference attention,PDA),不同于传统的通道注意力机制用全局均值池化(global average pooling,GAP)、全局最大值池化(global max pooling,GMP)来概括整张特征图的信息,全局池化将空间压缩成一个值来表征整个通道,造成了空间信息的流失,PDA将空间信息沿高和宽分别压缩,并将其分别与通道信息联系起来做注意力加权操作,同时提出一种新的通道描述指标表征通道信息,增强空间信息与通道信息的交互,使模型更容易关注到综合了空间和通道维度上的特征图的重要信息,在主干网络末端插入PDA后使模型平均精度(mean average precision,mAP)0.5提升了2.4个百分点,mAP0.5:0.95提升了4.4个百分点;针对实时检测场景的部署和检测速度要求模型拥有较少的参数量和计算量,因此提出了新的轻量化特征提取模块AC3代替原YOLOv5模型中的C3模块,该模块使插入PDA后的改进模型在精度仅仅损失0.2个百分点的情况下,参数量(parameters,Param.)减少了20%左右,浮点运算量(giga floating-point operations,GFLOPs)减少了30%左右。实验结果表明,最终的改进模型比YOLOv5s原模型在VOC行人数据集上mAP0.5提升了2.2个百分点,mAP0.5:0.95提升了3.1个百分点,且参数量减少了20%左右,浮点运算量减少了30%左右,在GTX1050上的检测速度(frames per second,FPS)提升了4。

关键词： 肺腺癌   混合磨玻璃结节   影像学特征   XGBoost算法  

摘要： 目的基于XGBoost算法探究混合磨玻璃结节(mGGN)型肺腺癌浸润程度的关键影像学特征。方法回顾性选取2020年1月—2023年1月南京市中医院心胸外科收治的mGGN型肺腺癌患者104名,收集患者的性别、年龄及影像学特征。按照肿瘤细胞有无基底膜浸润将患者分为腺体前驱期组(n=21)和浸润性病变期组(n=83)。对两位资深病理学专家判定mGGN型肺腺癌浸润程度的结果进行一致性检验。按照3∶7的比例将104例mGGN型肺腺癌患者分为训练集(n=31)和测试集(n=73),其中训练集进行XGBoost算法,并构建暗箱模型,绘制ROC曲线以评价暗箱模型对测试集mGGN型肺腺癌浸润性病变期的预测价值,采用R包计算每个特征变量的SHAP值。结果两位资深病理学专家诊断mGGN型肺腺癌浸润程度的组内相关系数(ICC)为0.97。腺体前驱期组与浸润性病变期组患者结节边缘影像学征象、结节长径、结节短径、结节长短径均值、结节实性部分长径比较,差异有统计学意义(P<0.05)。采用XGBoost算法在训练集构建暗箱模型,选择对数损失函数(Logloss)最小的暗箱模型参数,按照相对权重系数大小排序,前五位特征变量分别是结节长径、结节实性部分长径、结节边缘毛刺征、结节边缘分叶征、结节实性部分/结节长径比值。SHAP图分析结果显示,结节长径、结节实性部分长径、结节实性部分/结节长径比值每增加一个标准单位,mGGN型肺腺癌浸润性病变期的风险分别升高65.3%、61.9%、45.0%;出现结节边缘毛刺征、结节边缘分叶征时,mGGN型肺腺癌浸润性病变期的风险分别升高38.1%、37.7%。ROC曲线分析结果显示,该暗箱模型预测测试集mGGN型肺腺癌浸润性病变期的AUC为0.88[95%CI(0.75~0.96)]。结论结节长径、结节实性部分长径、结节边缘毛刺征、结节边缘分叶征、结节实性部分/结节长径比值是mGGN型肺腺癌浸润程度的关键影像学特征。

关键词： 语料库   藏文音节   拼写检查   音节纠正  

摘要： 藏文语料库的质量是影响藏文信息处理的重要因素。通过分析藏文音节拼写规则,该文构建了针对藏文规则音节和非规则音节拼写检查的音节规则库和非规则音节字典(包括未登录词音译、本体藏文和梵音转写),并基于此提出基于规则的藏文音节纠正算法。该算法利用音节规则库和非规则音节字典对识别后的藏文音节进行拼写检查,通过规则音节构件组合规则来实现藏文音节纠正。实验结果表明,该文提出的藏文规则音节和非规则音节拼写检查算法的F_(1)值达到100%,而规则音节纠正算法的宏平均准确率达到80.43%。

关键词： 现代计算机网络技术   技术应用   产业发展  

摘要： 现代计算机网络技术在应用发展过程中,对我国各个行业领域的影响越发显著,通过对现代计算机网络技术的合理利用,能够在保障工作质量、工作效率的基础上,推动相关行业领域的进一步发展,借助现代计算机网络技术建立起更强的竞争优势。基于对现代计算机网络技术重要价值的思考,必须在相关工作中投入更多的成本和精力。为此,本文就现代计算机网络技术应用及发展进行讨论,以期推进我国现代计算机网络技术发展水平的不断成长,确保在现阶段计算机、互联网相关产业持续发展的过程中,能够充分利用计算机网络技术并保证行业、产业发展拥有更加持久的动力,借此保证我国在现代计算机网络技术及相关领域始终具有较强的竞争力。

关键词： 低光照图像增强   局部光照不一致   光照可靠性掩膜   光照估计  

摘要： 针对具有局部强光源、局部有色光源的低光照场景图像增强中存在的局部过曝光、局部染色和附加噪声等问题,提出一种基于光照可靠性掩膜的低光照图像增强算法。核心思想是:根据输入图像的光照分量逐像素标记超低光照、过曝光、单通道过曝光等光照不可靠区域并建立“S型”光照可靠性掩膜曲线模型以消除输入低光照图像的局部光照不一致性。以此为基础,设计了由光照估计子模块、光照一致性修正子模块和低光照图像增强子模块组成的基于光照可靠性掩膜的低光照图像增强网络。通过MEF、LIME、DICM、VV等测试数据集的广泛实验表明,所提算法可以显著消除局部过曝光、局部染色及附加噪声等问题,且在NIQE(natural image quality evaluator)与SSIM(structural similarity index)等指标上优于现有算法。相关代码和预训练模型可通过https://***/fififft/MLightGAN获取。

关键词： 小学数学   数学史   多位数乘一位数   算理   算法  

摘要： 现代的标准化乘法竖式是一种概括的简写形式,缺少了一部分过程,掩盖了进位的含义,导致学生无法全面地思考“先乘再加”的计算过程,不知如何操作进位数字。对此,在学生初步掌握乘法笔算的基础上,设计一节拓展课,以画线乘法、格子乘法为主要学习材料,同时介绍视窗法、筹算法和叠果法等方法,引导学生感悟它们背后的“通理通法”。这样的教学,突破了学习的难点,重燃了学生的兴趣。

关键词： 计算机视觉   点云分割   对比学习   自注意力机制   边界挖掘  

摘要： 基于深度学习的点云分割算法通过设计复杂的特征提取模块,可以对高维空间点云进行有效的分割.但由于缺乏对边界点集的特征挖掘,使得其对边界分割的精度欠佳.已有将对比学习思想用于点云分割以解决边界区域分割性能不足问题的研究中,忽略了点云无序和稀疏特性,特征提取不够准确.对此,设计了基于对比学习和标签挖掘的点云分割模型CL2M(contrastive learning label mining),通过自注意力机制学习不同位置处点云更为精准的特征,并引入对比学习方法,提高了点云边界处的分割精度.在对比边界学习过程中通过深入挖掘语义空间中的标签并设计了基于标签分布的对比边界学习模块,使得高维空间点云标签分布包含更多的语义信息.CL2M充分利用标签的分布规律计算分布间的距离,可准确划分正负样本,减少了常规硬划分带来的累计错误.在2个公开数据集上进行的实验结果表明,CL2M在多个评价指标上优于既有的点云分割模型,验证了模型的有效性.