课程文献中心 更多>>

关键词： YOLOv8M   水下目标检测   注意力机制   金字塔结构   可变形卷积   损失函数  

摘要： 受限于水中检测设备内存欠缺和计算能力不够强大以及水下环境错综复杂等多类因素，水下目标检测会出现检测目标错误和漏检目标等问题。为了解决上述问题，本文通过对YOLOv8M算法进行改进,提出了一种更高效、精准的算法，使水下目标检测检测性能得到了一定提升。首先，将采用一种注意力机制Sim AM(A Simple-Atten module)嵌入网络结构中的颈部，解决了现有注意力模块只能沿着通道或空间维度细化特征，限制学习跨通道和空间变化的注意力权重灵活性的问题，加快了权重计算，提高了模型在水下模糊环境下的检测精度；其次，采用DCNv4(Deformable Convolution v4)可变形卷积替换C2f结构中的3x3卷积模块，以增强空间聚合的动态特性和表达能力并优化内存访问提高速度。此外还采用加权双向特征金字塔结构Bi FPN(Bidirectional Feature Pyramid Network)将深度的特征信息层进行多尺度特征融合，以增强骨干网络的特征提取能力。最后，在预测部分使用Wise-Inner-MPDIoU损失函数将交叉熵损失函数进行替代，使模型对不同目标及尺寸的自适应能力得到一定程度的提升，让算法的鲁棒性得到增强。从实验结果可以看出，模型经过改进后在URPC2020数据集上取得了86.4的mAP,相比于原始的YOLOv8M算法，mAP提高了2.8个百分点，检测速度提升至102.9FPS，经过改进后算法模型在进行水下目标检测任务时，无论是检测的精度或者速度都得到了有效的改进，说明该算法在用于水下目标检测的实际场景中有一定的实用性。

关键词： 精准切负荷策略   改进粒子群算法   切负荷经济成本   切负荷公平性   正态分布  

摘要： 近年来，随着智能电网的深化建设，配电网系统迫切需要更精准的切负荷策略来维护电网最后一道安全屏障，保证负荷用电可靠性。在精准切负荷策略方面，经济与公平性是切负荷过程需考虑的重要指标，现阶段切负荷工程实践和理论研究主要是对用户的可切负荷按照最小控制误差原则或者经济最低损耗原则，利用粒子群等优化算法进行切除，其策略单一。本文引入公平性构建罚函数为切负荷目标，提出基于正态分布调节粒子群参数的电力切负荷算法。采用江西省某市供电真实负荷数据对日负荷曲线、被切次数进行仿真验证。仿真结果显示本文改进的粒子群算法在收敛速度、收敛结果上优于粒子群优化算法、线性递减权重改进的粒子群优化算法和惯性权重改进的粒子群优化算法，提高了求解切负荷优化问题的效率，实现了精准、快捷的切负荷。

关键词： 图像去雾   Transformer   自注意力机制   门控融合机制   多尺度特征融合  

摘要： 针对现有的图像去雾算法仍然存在去雾不彻底、去雾后的图像边缘模糊、细节信息丢失等问题,本文提出了一种基于Transformer和门控融合机制的图像去雾算法.通过改进的通道自注意力机制提取图像的全局特征,提高模型处理图像的效率,设计多尺度门控融合块捕获不同尺度的特征,门控融合机制通过动态调整权重,提高模型对不同雾化程度的适应能力,同时更好地保留图像边缘及细节信息,并使用残差连接增强特征的重用性,提高模型泛化能力.经实验验证,所提出的去雾算法可以有效恢复真实有雾图像中的内容信息,在合成的有雾图像数据集SOTS上的峰值信噪比达到了34.841 dB,结构相似性达到了0.984,去雾后的图像内容信息完整且没有出现细节信息模糊和去雾不彻底等现象.

关键词： 土壤水分预测   深度学习   时序预测   Transformer模型   LSTM模型  

摘要： 土壤水是土壤中的关键指标，其变化直接影响着作物生长，并影响着水资源利用的管理决策。因此，准确地预测土壤水分有利于对农业水资源进行合理的规划利用。使用深度学习算法进行土壤水分预测在当前的农业、水资源管理和生态学等领域具有重要性。深度学习算法能够从大规模数据中学习土壤水分的复杂模式和时空关系，为土壤水的准确预测提供了新的机会。为了探索新兴深度学习方法Transformer在土壤水分预测中的有效性，本文选择河套灌区义长灌域为研究区域，利用地下水位观测数据，气象数据，SMAP土壤水数据等作为训练数据，设置了1d，5d，10d三种数据滞后情况，验证Transformer算法在土壤水时间序列预测任务中的有效性，并与目前广泛应用于时序预测任务中的LSTM进行对比。研究发现Transformer在土壤水分时间序列预测任务中具有更好的预测能力，相比于LSTM，其R2平均提升约0.181，RMSE平均下降27.6%。同时，Transformer在应对滞后变化带来的影响时更具鲁棒性，在三种数据滞后情况下Transformer的预测平均R2分别比LSTM高出了0.121，0.167，0.256，站点平均RMSE分别降低了30.7%，28.6%，23.5%。此外，Transformer对于土壤水序列中的非线性信息的提取能力更强，对于高频振幅的土壤水时间序列Transformer拥有更强的预测能力。

关键词： Raft   PBFT   共识算法   区块链   拜占庭  

摘要： 传统的Raft共识算法在私有链中因其简洁和崩溃容错而得到广泛应用，但无法解决拜占庭节点恶意行为导致的诸多问题。在深入分析现有研究成果的基础上，提出了一种基于Raft的增强拜占庭和崩溃容错的共识算法：S-Raft(Stability-Raft)，以解决拜占庭节点在选举中伪造身份、投票分裂以及非法替换领导者等核心问题。引入故障心跳日志机制，通过广播故障信息阻止拜占庭节点获得多数选票；实施选举超时周期优化策略，以应对投票分裂问题；提出节点稳定性评估算法，结合连续性惩罚和时间衰减因子，准确评估节点稳定性，减少因频繁故障引发的通信冗余。实验结果显示，与Raft和PBFT等算法相比，S-Raft算法在拜占庭容错能力上取得了显著提升，同时保持了较高的吞吐量和较低的共识时延。因此，S-Raft算法具有良好的拜占庭和崩溃容错能力。

关键词： 三维人脸重建   深度学习   人脸建模   三维形变模型  

摘要： 针对人脸重建算法在细节重建能力、精度以及遮挡影响方面存在的不足，提出一种改进多层级特征损失及全局注意力的三维人脸重建算法。在输入层添加人脸关键点与遮罩的面部先验信息，引导模型关注人脸的重要区域；设计了全局感知金字塔注意力模块，增强模型对重要特征的关注程度，同时充分融合不同层级的特征信息；提出人脸掩膜一致性损失与结构一致性损失，并设计多层级特征损失对模型进行训练优化，提升算法对遮挡情况的重建稳健性，并使输入图像与重建结果在结构上更趋近于一致，并丰富模型的特征表示。实验结果表明，重建出的人脸模型具有更多的细节特征，显著增强了遮挡情况下的面部细节重建效果，大幅提高了现有方法的重建精度与鲁棒性能。

关键词： 积灰检测   平均灰度值   图像融合   积灰程度  

摘要： 为了精确分析光伏板积灰情况，采用搭建的光伏积灰可视化实验台，引入平均灰度值参数，对光伏板图像进行数值化分析，验证了光伏板图像的平均灰度值与光伏板积灰密度之间存在明确的对应关系。基于此，采用5种融合方法对双光谱影像融合实验台采集的可见光图像与红外图像进行融合，将5类融合图像与可见光图像、红外图像汇总构成图像数据集，对这7类图像进行识别与分析。结果表明红外图像对光伏板积灰程度的识别效果受辐照度的影响最小，精度最高，反映出来的积灰程度变化最明显。该结论可以为积灰规律的研究提供理论基础，对光伏板积灰程度的识别具有重要意义。

关键词： SLAM   双目视觉   线特征优化   BA优化  

摘要： 针对低纹理区域和动态光照环境下线特征提取质量较差而导致的SLAM定位精度下降问题，本文提出了一种基于改进ELSED线特征提取算法的点线双目视觉SLAM方法。在特征提取阶段，引入角度差和距离阈值合并短线段，并采用掩膜技术均匀化线特征分布，以提高线特征质量。在特征匹配阶段，采用匹配阈值条件与双向一致性检测机制，以提升特征匹配的准确性。在后端优化中，通过扩展线特征的PnPL公式，构建联合优化函数，将点和线特征的重投影误差统一纳入优化目标。实验在Eu RoC、KITTI和UMA三个数据集上进行了验证，结果表明本文所提算法相较于其他点线SLAM算法显著提升了系统的鲁棒性和定位精度。与ORB-SLAM3相比，在三个数据集上的定位精度分别提升了49.6%、19.6%和82.3%。

关键词： 并行批处理机   多级非完美性维护   生产与维护集成调度   Q学习算法   自适应多目标进化算法  

摘要： 针对工件动态达到情况下的并行机批调度问题，现有研究很少考虑产品加工不兼容、设备维护和目标完成量等约束对实际生产计划的影响。为此，在考虑产品加工不兼容和最大停机设备数量对并行机生产与维护集成调度影响的基础上，提出了具有四种不同维护活动的多级非完美性设备维护策略，进而构建了考虑不同见证点目标完成量、设备维护和最大停机设备数量的多目标集成调度数学优化模型。为求解该问题，设计了四种局部搜索算子和一种基于聚类的交叉策略，并以此构建了基于Q学习的自适应多目标进化算法(Q-learning-based self-adaptive multi-objective evolutionary algorithm， QSMOEA)。最后，通过大量仿真实验发现：(1) 四种局部搜索算子和基于聚类的交叉策略在QSMOEA算法中发挥着积极且重要的作用，且它们对算法整体性能的贡献度不低于11.91%；(2) QSMOEA算法显著优于其它四种先进的智能优化算法， 且平均相对百分比偏差不低于-18.58%；(3) 多级非完美性设备维护策略显著优于传统设备维护策略，且本文所提维护策略的最优维护计划在集成优化研究中也具有显著性优势；(4) 通过敏感性分析发现，最大停机设备数量对生产与维护集成调度结果具有显著性影响。

关键词： 激光雷达   体素地图   几何特征   点云配准   同步定位与建图   因子图优化  

摘要： 针对当前激光同步定位与建图（SLAM）研究中存在对新型半固态激光雷达适配度不足，以及退化环境下鲁棒性不足的问题，提出一种几何特征提取方法，并将特征储存在体素网格中，根据各体素的曲率信息进行筛选，可以有效地提取出符合要求的平面特征，在使用非周期扫描模式时能保证精度不变；相较于K近邻搜索方法，基于体素网格的邻域搜索效率更高，显著节省计算耗时；采用图优化算法框架可使各模块设置更加灵活，且能获得优异的全局优化结果。在VECtor公开数据集与自建数据集上进行对比实验，分析实验结果后得出，在室内环境中相较于FAST-LIO2所提算法定位精度提升约22%，相较i G-LIO提升约34%，相较于LIO-SAM2单帧用时节省约58%，且本文算法可通过以上所有测试序列，证明其具有更优异的综合性能表现。