课程文献中心 更多>>

关键词： YOLOv8n   咖啡果实检测   注意力机制   成熟度   深度学习  

摘要： 影响咖啡果实品质的主要因素之一是其成熟度。为进一步准确评估咖啡果实的成熟度，提高咖啡生产和加工的质量，针对自然环境中咖啡果实背景复杂、目标小和数量密集等问题，基于YOLOv8n模型提出了一种优化和改进的咖啡果实成熟度检测方法。首先，将YOLOv8n模型中的主干和颈部C2f模块的Bottleneck替换为Fasterblock，保持检测精度的同时降低模型的参数量，使模型更轻量化；其次，将普通卷积改为空间深度卷积SPD-Conv(Spatial Depthwise Convolution)，以减少卷积操作空间维度，并且在小目标检测上表现出更高的精度；最后，在特征融合前引入全局注意力机制GAM(Global Attention Mechanism)，动态地调整特征图中的重要区域，提高模型对关键特征的关注度，从而提升检测的准确性。通过实验得出，改进的YOLOv8n模型在平均精确度、mAP@0.5、mAP@0.5-0.95和R相较于改进前，提升幅度分别为21.0%、13.8%、12.6%和3.8%，浮点运算数降低了0.9G。结果表明，改进后的YOLOv8n模型有更好的性能。

关键词： X光图像   遮挡物品检测   YOLOv7   可变形卷积   注意力机制  

摘要： 针对X光安检图像中违禁品被故意遮挡隐藏，导致违禁品漏检、错检率高，小目标检测能力差的问题，提出一种基于YOLOv7改进的X光图像遮挡违禁品检测算法。首先构建ELAN-PP模块，提升网络提取遮挡违禁品特征的能力。其次，结合SPPF改进空间金字塔池化，使网络获取不同感受野下的丰富信息。接下来，结合ELAN-T模块与可变形卷积v2(Deformable ConvNets v2，DCNv2)构建ELAN-TDC模块，提高网络捕捉多尺度违禁品特征的能力。最后，在下采样模块中引入DCNv2与卷积注意力模块(Convolutional Block Attention Module，CBAM)，避免模型丢失小目标等关键信息。实验表明，与原始YOLOv7模型相比，改进后的模型参数量与计算量分别下降了47%与31%，在PIDray数据集的easy、hard和hidden测试集上平均精度均值(mean Average Precision，mAP)分别提高1.4、0.8、2.6百分点。在减少了参数量与计算量的同时，能更好地辅助安检员检测出遮挡违禁品。

关键词： 分布优势数据集   增量技术   属性约简   优势条件熵   优势数据集矩阵  

摘要： 传统属性约简算法不能有效解决动态数据属性约简问题，寻求高效动态数据属性约简算法是目前人工智能领域研究的热点。本文在动态分布优势数据集中引入矩阵优势条件熵和优势矩阵，探讨基于优势条件熵的矩阵增量属性约简方法。首先，定义了分布数据集的优势矩阵和优势条件熵；其次，通过分析分布数据集添加对象的过程，提出了优势矩阵的增量更新原理和融合机制；然后，给出了基于优势条件熵的矩阵增量约简方法。最后，利用6组UCI(University of California Irvine)优势数据集进行实验，用于验证增量属性约简算法的高效性。实验结果表明：与非增量属性约简算法相比，由增量属性约简算法计算约简的运行时间缩短了85.6%。所以，本文所给出的矩阵增量属性约简算法是求解动态分布优势数据集属性约简的快速有效方法。

关键词： 路径规划   差分进化算法   网格法   参数自适应调整  

摘要： 针对路径规划问题，提出了一种基于两阶段参数调整的差分进化算法。受群体行为的启发，该算法创造性地提出了一种缩放因子的两阶段调整策略，前期根据环境复杂度适应性调整，后期结合个体的方向因子，考虑自身与全局经验进行自适应调整，有效提升了全局搜索能力。同时，设计了一种新的种群更新策略用于更新和保留适应度良好的个体，从而提高了种群多样性。在不同维度的基准函数测试中，所提算法均表现出更好的收敛精度和速度。进一步地，采用所提算法进行路径规划仿真实验。实验结果表明，该算法在简单和复杂两种地图环境下规划出的路径长度分别为 28.527138 和 31.963990，均优于其他对比算法，因此所提算法在路径规划中具有更强的适应性和更高的效率。

关键词： 深度图   图像修复   样本块   自适应   深度估计  

摘要： 深度图为机器人在视觉任务中提供空间信息指导。然而，由于环境和采集技术的影响，深度图可能包含会影响指导精度的孔洞。因此，本文提出了一种区域划分的自适应优先级深度图修复算法。首先，本文提出了一种基于结构参数的自适应优先级计算方法，以保证合理的孔洞修复顺序。其次，本文提出了一种由粗到细的分层平滑区域深度估计方法，以提高平滑区域的平滑性。本文采用边缘和平滑区域之间协同修复的想法。实验表明，本文提出方法优于先进的方法，所选数据的平均PSNR得分提高了1.28。

关键词： 麻雀算法   BP神经网络   黄金分割策略   levy   开关电源系统  

摘要： 针对传统麻雀算法优化BPPID初始权值存在易陷入局部最优的问题，本文提出一种基于改进麻雀算法的BPPID控制系统。通过引入复合混沌映射提高种群多样性；利用黄金分割和自适应levy飞行策略，平衡算法全局搜索和局部开发的能力；利用模糊逻辑自适应反向学习策略，提高算法的全局搜索和适应复杂环境的能力。分别用标准麻雀算法、改进的麻雀算法、灰狼优化算法、鲸鱼优化算法、改进的鲸鱼优化算法、粒子群优化算法和改进的粒子群优化算法测试基准函数，对比验证改进麻雀算法的有效性，实验结果表明，改进麻雀算法的系统效益和公平性优于其余算法。将改进麻雀算法应用于开关电源系统的BPPID初始权值的求解上，所得的初始权值能更大程度地提高系统动态响应以及降低超调。

关键词： 人群疏散   注意力机制   深度强化学习   社会力模型   双层控制  

摘要： 随着社会和经济的快速发展，城市和公共区域的人口密度也逐渐增加，一定程度上增加了紧急情况下人群疏散的难度。针对高密度人群疏散问题提出了一种基于改进多智能体深度确定性策略梯度算法（Improved MultiAgent Deep Deterministic Policy Gradient, IMADDPG）的人群疏散方法。该方法将注意力机制引入到深度强化学习框架和改进的社会力模型（Social Force Model, SFM）中，通过双层控制策略，宏观层面采用改进的多智能体深度确定性策略梯度算法确定领导者的疏散路径，微观层面采用改进SFM制定避障策略。在多障碍区域与高密度环境中的实验表明，与传统方法相比，该方法的疏散效率平均提高了约16%，疏散时间缩短了约17%。本研究将改进深度确定性策略梯度和改进SFM相结合，为大型空间的人员疏散提供了可靠的解决方案。

关键词： 阴影集   三支聚类   类归属概率   优化算法   类簇  

摘要： 均值漂移属于硬划分的聚类算法，在处理不确定性数据时可能导致决策风险的提高和聚类精度的降低等问题。为此，本文引入阴影集理论来处理三支聚类的数据对象分类问题，提出了一种基于阴影集的三支核均值漂移聚类算法。算法采用类归属概率来刻画阴影集的隶属度概念。通过优化算法来获得阴影集划分的最优阈值，有效减少了人为干预带来的不确定性。最后基于最优阈值，形成了以阴影集隶属为依据的三支聚类。在2个人工数据集和8个UCI公共数据集上算法进行测试。相较于均值漂移算法、带宽自适应均值漂移算法（ABMS）以及核均值漂移算法（KMS），本文所提出算法TKMSSS不仅可以对数据进行有效划分，而且可以很好地刻画类簇的边界域，在戴维森堡丁指数、轮廓系数、准确率、调整兰德系数、同质性等聚类评价指标方面均达到最优或与最优算法结果相近，表明TKMSSS综合聚类性能优于比较算法。

关键词： 柔性作业车间调度   资源配置   多目标优化   教学优化算法  

摘要： 在实际柔性作业车间中,执行器配置与生产调度的高效协同有利于提高生产决策的全局性,从而提升车间的柔性加工能力.针对执行器配置与生产调度的多目标协同优化问题,以最小化综合生产成本和完工时间为优化目标构建了混合整数规划模型,使得小规模问题通过Gurobi可以精确求解.提出一种两阶段离散教学优化算法,设计了学习强度自适应调整方法和改进关键工序移动策略,以提升算法的效率和多目标平衡搜索能力.通过仿真实验,分析验证了所提协同优化方法优越性和所提算法有效性.