课程文献中心 更多>>

关键词： 岩石质量指标(RQD)   钻孔岩芯   图像处理   深度学习   目标检测   图像分割  

摘要： 为了对岩体质量进行分类和评估,岩石质量指标(RQD)在地矿工程中被广泛应用。以往需要手动测量岩芯片段的长度并手动计算RQD,这一过程既费时又费力。随着计算机软、硬件的进步,基于计算机视觉的图像处理使自动获取RQD逐步成为现实。针对现有方法的局限性,提出了一种基于目标检测和图像分割的RQD自动生成算法,首先根据颜色、纹理等特征的相似性,采用SAM模型对图像中的岩芯进行检测,然后采用YOLOv8算法训练模型,通过提取岩芯片段的缝隙特征进行不同岩芯片段的分割。为了测试该算法的性能,选取了来自宜涪铁路五峰段的10段岩芯样本开展案例研究。结果表明:采用该算法获取的RQD的准确率与传统的手动方式相当,平均相对误差不超过5%;该算法的效率明显优于传统的手动方式,能够节约超过60%的时间成本。

关键词： 图像分割   数字图像处理   遗传算法   移动激光扫描图像  

摘要： 本文提出一种结合遗传算法的图像阈值分割方法,用于检测与分析隧道中的渗漏水病害。首先对隧道的激光扫描强度图像进行灰度分布特征分析处理,并根据图像特征对图像进行去噪以及灰度统一处理;其次设置适应度指标,并结合遗传算法对隧道图像进行阈值分割;最后使用西南某大城市地铁隧道的激光扫描图像进行渗漏水病害的检测与分割方法验证。实验结果表明,本文所提出的图像分割算法能够较为准确地进行隧道渗漏病害检测与分析,可为隧道结构安全分析提供支撑。

关键词： 机器视觉   深度学习算法   卷积神经网络   皮革材料   瑕疵识别  

摘要： 皮革作为多领域美观性与舒适性的主要材料之一,受制于多重因素影响,其表面不可避免地会出现各式各样小瑕疵,从而影响成品质量,因此准确识别皮革小瑕疵至关重要。为提高识别效率与准确率,本文以机器视觉技术为载体,基于深度学习算法模型、卷积神经网络训练、图像数据增强搭建了皮革小瑕疵识别算法,并对其进行了仿真测试。结果表明,皮革小瑕疵机器视觉识别算法可自动、高效、精准地识别小瑕疵,识别准确率可达969%,可充分有效地提高皮革材料的加工效率与质量。

关键词： 旅行商问题   蝴蝶优化算法   3-opt策略   Metropolis原则   粒子群优化算法  

摘要： 目的蝴蝶优化算法(BOA)是近年提出的一种新型元启发式群智能算法,但其对旅行商问题(TSP)这类组合优化问题求解时,存在寻优精度不足、早熟停滞等问题.为此,利用四种混合策略提出改进的蝴蝶优化算法,以更有效求解TPS问题.方法使用自适应参数控制平衡全局搜索和局部搜索过程;将粒子群优化算法更新公式与BOA结合,提升算法全局优化性能;采用Metropolis原则提高BOA跳出局部最优解的性能;利用3-opt策略提升算法的局部优化性能.结果仿真实验结果表明,改进的BOA算法比其他四个对比算法具有较高的寻优精度和更小的误差率.结论改进的BOA算法可以避免早熟停滞、减小误差率,能有效求解TSP问题.

关键词： 智能交通   复杂交通场景   目标检测   深度学习  

摘要： 在复杂道路场景下检测图像存在光照变化、遮挡、背景杂乱等问题,导致对场景里多目标的检测难度增大,尤其是在山地城市的道路场景下的检测。为解决此类问题,提出了一种基于YOLO算法的目标检测模型YOLO-MIS(YOLO for Multi-target in Infrared Scene)。在典型山地城市数据集上的实验结果表明:YOLO-MIS在满足网络模型轻量的情况下,与原模型相比其检测精度提升了57%,实现了在复杂交通场景中对目标的精确检测。

关键词： 数据处理   超图聚类   遗传算法   集对分析理论   超图约简   多阶段聚类   超图模块度  

摘要： 超图作为普通图的高维推广,能够更加灵活地反映节点间的高阶复杂关系.超图聚类旨在发现超图结构中复杂的高阶关联关系.针对目前超图聚类结果不稳定、容易陷入局部最优等问题,结合超图划分思想,提出一种多阶段超图聚类(multi-stage hypergraph clustering,MSHC)算法,该算法将超图聚类过程分为超图约简、超图初始聚类以及优化迁移3个阶段.在超图约简阶段,提出一种不改变超图结构的快速约简方法,降低了后续算法的复杂度;提出基于集对分析理论的超图节点间相似性度量方法,并采用层次聚类方法对超图进行初始聚类,采用4种不同的类簇合并计算方法,增加聚类方案的多样性;将遗传算法应用于优化超图聚类方案的研究中,以此获得最优超图聚类方案.在3个不同规模的数据集上与4个经典的超图聚类方法进行对比实验,结果表明,MSHC算法在Songs_genres数据集和Papers_keywords数据集上超图模块度指数分别提高了0.0797和0.0777,在Movies_genres数据集上仅降低0.0060.

关键词： 自主导航   投料小车   目标检测   饲料桶   测距  

摘要： 针对鹅场中自主投料的工作场景,提出了一种基于YOLOv5目标检测算法、AMCL定位算法和A^(*)路径规划算法的投料小车自主寻饲料桶方法。首先利用YOLOv5目标检测算法对饲料桶进行实时目标检测和测距。然后,根据自适应蒙特卡洛定位算法(AMCL)对投料小车的位姿进行实时估计。最后,根据A^(*)算法对识别目标进行路径规划,为投料小车提供路线引导。试验结果表明:YOLOv5对饲料桶的识别精度达到了95.5%,单张图片推理时间仅为6.4 ms,在Gazebo仿真环境中投料小车导航到饲料桶的成功率达到了97.5%,可以满足投料小车自主导航的需求。

关键词： 引力搜索算法   大规模网络   无界DoS   入侵检测   SVM   流量特征  

摘要： 为保证大规模网络安全,并降低无界DoS入侵危害,提出基于重引力搜索算法的大规模网络无界DoS入侵检测方法。利用DWT(离散小波变换)提取网络流量特征,完成大规模网络流量数据的降维,将该特征作为输入数据,使用SVM(支持向量机)进行无界DoS入侵检测,以SVM训练时输出结果的均方根误差最小作为目标,使用重引力搜索算法寻优获取最优的SVM惩罚因子、不敏感系数以及核参数,并将结果返回SVM中更新参数,利用具备最佳参数的SVM完成无界DoS入侵检测。实验结果表明,该方法优化后的SVM检测误差率迅速降低,仅进行了60次迭代,优化后的SVM完成误差率的收敛。在15:00时后节点的平均吞吐量由200~300 bit/s迅速增长至2 000 bit/s左右。

关键词： 数字时代   算法   思想政治教育   叙事   大数据  

摘要： 数字时代智能技术的不断嵌入与拓展为思想政治教育叙事提供了更精准的叙事方式、更自由的叙事时间、更广泛的叙事参与,衍生出智能化叙事样态。但基于工具理性与价值理性的现实张力,技术催生的思想政治教育叙事新样态面临着叙事对象“茧房束缚”、叙事秩序“时间无序”、叙事主体“去中心化”的现实窘境,在一定程度上造成了思想政治教育叙事的价值分化、秩序混乱与话语失落。面对这些问题,我们需要以技术规制优化叙事内容的资源配置、以秩序重构重塑基于生命本真的叙事时间、以主体优化提高官方叙事主体的数字胜任力等方式构建思想政治教育叙事的全新范式。

关键词： 光谱数据   改进粒子群优化算法   BP神经网络模型   核主成分分析(KPCA)   总磷浓度  

摘要： 使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。