基于MobileNet V2的口罩佩戴识别研究

针对目前主流口罩佩戴检测算法均需要对样本进行标注,使用的网络模型对电脑硬件配置要求高,无法适用于便携设备或移动端的问题,提出了一种基于MobileNet V2的口罩佩戴识别方法.首先,对口罩佩戴数据集进行构建,并进行数据扩充;然后,通过搭建MobileNet V2模型实现对口罩佩戴的识别;最后,通过选择合适的评价标准进行结果分析.结果表明:该方法对是否佩戴口罩的检测准确率可达99.83％,对口罩佩戴是否标准的检测准确率可达98.97％.该方法在保证准确率和速度的基础上,减小网络体积,适用性更加广泛.     

一种基于InsightFace算法的课堂人脸识别方法研究

采用人脸识别算法可以快速识别出教室中每个学生的身份,以掌握学生的出勤率信息,从而达到提升教学管理效率,促进教学质量提高的目的.为了克服人脸识别算法应用在课堂环境中识别准确率低的问题,本文提出了一种改进的InsightFace人脸识别算法.该算法基于MobileNet V2网络结构,将带有卷积注意力模块的CBAM-MobileNet网络结构代替InsightFace算法的ResNet人脸嵌入网络,同时采用限制对比度自适应直方图均衡化方法对待识别数据进行预处理,从而提高人脸图像的质量,提升了人脸识别准确率.改进后的算法在LFW和AgeDB-30数据集上测试准确率分别达到98.75%和88.60%,并且使用采集自课堂环境的Smart-Classroom数据集分别对教室中前后排学生的大、中、小三种尺寸人脸进行测试,分别较原算法准确率提高0.1%、2.6%、8.0%.     

基于SOINN的在线物联网设备识别方法

针对传统设备识别方法存在模型动态更新困难、训练数据不足和运算存储开销大等问题,提出了一种基于自组织增量学习神经网络(SOINN)的在线物联网设备识别方法.首先,设计了基于交互页面DOM树的设备品牌特征,具有特征易提取、特征维度小和覆盖设备广等优点.结合SOINN和SVM构建增量式监督学习方法SOINN-SVM,实现设备品牌分类器的增量学习,避免反复使用完整数据集训练分类模型,加快模型更新速度.然后利用TF-IDF技术优化正则匹配结果,给予型号字段高权重值.结合Jaro距离与权重值计算待识别设备与型号特征库的匹配度,实现设备型号识别.实验结果表明:该方法的设备识别准确率为95.9％,与其他方法相比能多识别出37.05％的设备;该方法可以动态更新分类模型,同时降低了计算存储开销.     

基于生成式对抗网络的供水管道漏水信号检测方法

针对供水管道漏水声音信号数据集匮乏、漏水情况多样需反复采集确定漏水、检测准确率低等问题，提出一种基于条件生成对抗网络的增强漏水信号数据集的方法。将深度对抗网络与条件生成对抗网络相结合对漏水信号数据集进行数据增强，用扩充后的数据集对一维卷积神经网络进行训练并对不同实地采集的样本进行漏水信号识别。验证表明：一种管质的某种程度漏水信息经对抗网络进行数据增强后，具有该管质未采集的漏水信号特征，能用于更加细微的漏水信号检测。该方法也适用于其它管质各种情况的漏水检测，具有良好的实用性。     

基于学习向量量化在蜂蜜LIF光谱图像识别的应用

针对目前蜂蜜检测技术存在的无法快速、准确识别的问题,提出了一种基于激光诱导荧光(LIF)与学习向量量化(LVQ)有机结合对蜂蜜进行快速识别的方法;采用LIF获取蜂蜜的光谱数据,利用主成分分析(PCA)对光谱数据处理,将处理后的数据输入已建立好LVQ分类学习模型中进行分类识别;实验将挑选4种不同的蜂蜜,每种采集50组蜂蜜光谱数据,随机抽取120组蜂蜜光谱数据用于LVQ神经网络模型的训练,其余80组蜂蜜数据将输入训练好的LVQ模型进行测试; LVQ分类学习模型用于蜂蜜分类鉴定需要的时间为0.8 s,LVQ分类学习模型用于蜂蜜分类鉴定的准确率达到99.45%;实验结果表明:将基于LIF与LVQ有机结合,可以满足蜂蜜快速、准确识别的要求。     

基于深度学习SCNet的钢筋混凝土锈蚀裂缝识别

为提高钢筋混凝土锈蚀裂缝检测分类的效率和精度，提出了一种基于深度学习卷 积神经网络（Convolutional Neural Network，CNN）的钢筋混凝土锈蚀裂缝识别模型 SCNet（Steel Corrosion Net）. 首先通过原始数据采集和数据增强构建了39 000张图片的裂缝数据集，然后利 用 TensorFlow 学习框架和 Python构建神经网络模型并进行训练测试，根据模型的训练精度和 测试精度进行网络结构和网络参数的优化，最终将 SCNet识别模型与两种传统检测方法进行 对比 . 结果表明：文中所建立的 SCNet三分类神经网络模型达到了 96.8%的分类准确率，可以 有效识别分类钢筋混凝土锈蚀裂缝，并且具有较高的准确率和可测性；在图像数据有阴影、扭 曲等噪声干扰的条件下，两种传统检测方法已不能达到理想的分类效果，SCNet模型仍能表现 出相对稳定的分类性能.     

SFSR-Age:一种基于人脸强语义的年龄识别算法

针对因光照、拍摄角度及图片质量等因素导致的经典深度学习算法难以有效提取人脸特征、人物身份识别准确率难以达到理想精度的问题,提出一种基于人脸强语义的年龄识别算法.首先,通过注意力矩阵增强人脸区域的特征权重,达到提取特征区域的目的;其次,使用级联双向长短期记忆(Bi-LSTM)网络学习时序帧之间的特征依赖关系,弥补部分特征缺失对识别精度的影响.在人脸数据集IMDB-WIKI和数据集Adience上进行测试,该算法的年龄识别准确率分别达到78.34%和77.89%.实验结果表明,相比于其他基于深度学习算法的方法,该算法在基于图片数据集的人物年龄识别任务上具有更高的准确率.     

基于连续投影算法的食用油激光诱导荧光光谱特征波长筛选

针对目前质量监督领域中难以快速准确地识别食用油种类的问题,提出了一种激光诱导荧光技术结合连续投影算法的食用油光谱识别方法.实验搭建激光诱导荧光系统采集了5种食用植物油共计500组荧光光谱数据.首先,通过实验对比选择Savitzky-Golay卷积平滑算法对荧光光谱进行预处理;然后使用连续投影算法筛选特征波长;最后,将筛选出的特征波长送入建立的概率神经网络模型中进行训练和测试,并通过不同时间采集的油样组成独立验证集进行再次验证.结果表明:通过特征波长筛选,从全光谱2 048个波长中优选出11个,减少了冗余信息,波长数缩减为原来的0.54%.并且在概率神经网络模型中的训练样本准确率和测试样本准确率分别达到100%和95%,效果好于径向基函数神经网络和BP(Back Propagation)神经网络.在独立验证集的预测准确率也达到了91%.因此,将连续投影算法用于食用油激光诱导荧光光谱特征波长筛选并结合概率神经网络模型可以实现食用油的快速准确分类且具备通用性,并为进一步设计专用的在线式食用油种类识别仪提供了理论依据.     

基于多特征融合的疲劳驾驶状态识别方法研究

针对交通安全中疲劳驾驶状态识别问题，使用单一的疲劳驾驶特征的方法识别率较低，本文提出一种基于面部多特征加权和的疲劳识别方法.通过人眼状态检测算法提取眼部疲劳参数，即持续闭眼时间、闭眼帧数比、眨眼频率，通过打哈欠状态检测得到打哈欠次数和打哈欠持续时间，通过头部运动状态分析得到点头频率，建立融合以上六个特征的驾驶疲劳状态检测模型来评估驾驶员的疲劳等级并进行相应的预警.实验测试数据选自NTHU驾驶员疲劳检测视频数据集的部分数据.经实验调整后，发现该方法的识别准确率较高，识别效果好.     

基于太赫兹光谱和支持向量机快速检测棉花种子

鉴于目前对农产品品种的检测大多是基于可见光/近红外光谱的,提出了一种基于太赫兹光谱和支持向量机快速检测棉花种子的方法.为实现棉花种子的分类识别,在频率0.2~1.2 THz范围内采集2种最新转基因及2种非转基因棉花种子,总计40个样本的太赫兹光谱,用遗传算法优化的支持向量机建立识别模型,对不同品种的棉花种子进行识别.实验结果表明,该方法对不同品种的棉花种子综合识别率达到93.75%,由此,太赫兹光谱结合支持向量机的检测方法可为不同品种的生物辨别提供一种精确、快速、简便的检测方法.     

基于动态光谱的血糖无创检测中有效信号的提取与建模方法研究

为提升无创检测的准确度,本文在动态光谱检测预处理方法中应用了新的信号提取方法,对接对数脉搏波的所有上升沿与下降沿,筛选有效沿,剔除粗大误差,提高了信噪比,消除了频谱重叠现象.在建模方法上,采用主成分分析方法对多样本的动态光谱值矩阵实现降维处理,采用GA与BP神经网络相结合取长补短的方法建立最终的数学模型,实现血液成分浓度预测的目的.实验表明,该方法能够提高血糖检测的准确度,有利于动态光谱在血糖无创检测方面的发展.     

一种实现超分辨率付里叶变换谱的新方法

用光学滤波器或电子滤波器滤出感兴趣的波段,分别测量背景干涉图和样品干涉图,然后相减得到纯的样品透射的干涉图,最后对这个干涉图进行自回归谱分析。与以往的二次谱分析法相比,可以减少信息的损失和畸变,提高谱线位置的预测精度。这种新方法的分辨率为FFT法的4倍左右。本文还讨论了谱线结构和噪声对分辨率和谱线位置精确度的影响。     

单色料反射光谱曲面配色方法

为了获得单色料反射率随着可见光波长和染料质量占比变化的函数,提出一种单色料反射光谱曲面配色方法.首先,根据染料质量占比与可见光波长的范围将单色料反射光谱曲面划分为9个曲面片;然后,采用多项式建模方法,构建不同曲面片的单色料反射光谱曲面模型,并通过小样实验验证该方法的准确性.实验结果表明:通过有限组小样实验可以构建单色料反射光谱曲面,确定单色料反射率随着染料质量占比和可见光波长的变化关系,预测布匹在单色料染色后的颜色与目标色的色差.     

基于近红外光谱的人体血液酒精含量无创检测方法研究

研发一种人体血液酒精含量无创检测方法迫在眉睫.近些年来,随着近红外光谱在定量分析化学物质含量方面的迅速发展,以及人工神经网络在电子信息领域的延伸,可以利用近红外光谱的方法,在MATLAB软件环境下,用神经网络方法进行建模,然后将适当的样本数据训练后,最终预测人体血液酒精含量.就如何在BP神经网络和RBF神经网络建模的基础上,对人体血液酒精含量的数据处理作了详细论述.     

最优代表向量法及其在冰川分类中的应用

针对同物异谱现象以及分类过程中样本代表性差、人工参数设置等原因导致高光谱遥感影像分类精度差的问题,提出了一种样本集优化的最优代表向量分类法,对感兴趣区中的样本进行密度峰值聚类提纯,并对每类地物提纯后样本的均值向量集进行隶属度聚类择优,获取最优代表向量集作为该类地物的中心向量,最终依据距离准则进行分类.通过对比实验验证,本文算法总体分类精度高于90%,表明最优代表向量分类法能够有效消除样本差异性的影响,提高冰川分类精度.      

近红外光谱奇异样本剔除方法研究

采用近红外光谱分析技术建立面粉校正模型,对面粉中灰分含量进行定量分析,并对异常样本进行剔除.试验中采用马氏距离法和蒙特卡洛采样法分别对异常样本进行了剔除,结果表明：用马氏距离法剔除异常样本,当权重系数为1.5,剔除样本数为3时,得到最好结果,相关系数（R2）为92.67,交互验证均方差RMSECV为0.048 5;MCCV法剔除异常样本,剔除样本数为3,得到最好结果,相关系数（R2）为94.64,交互验证均方差RMSECV为0.041 1.故马氏距离法剔除异常样本能在一定程度上提高校正模型的精度和预测精度,但MCCV法剔除异常样本后模型精度和预测精度优于马氏距离法.     

非等间距日长变化的最大熵谱分析研究

最大熵功率谱估计方法是天文研究领域常用的现代频谱分析方法,本文利用反映地球自转速率变化的日长数据序列,采用最大熵法进行频谱分析,分别随机扣除实测序列中总样本数的１／２、１／３和１／４的 观 测 数 据,再 对 扣 除 的数据点进行样条插值,使之成为新的等间距时间序列,同样采用最大熵法进行频谱分析,探究数据插值对频谱分析结果的影响．结果表明,插值可能会改变频谱分析结果,并导致出现一些虚假周期成分,结果的准确程度和插值点的数量密切相关．      

分布式非负矩阵分解的认知无线网络感知能力研究

针对传统的认知无线网络的频谱感知能力差、频谱感知的检测率低、频谱检测误差大的问题,提出一种分布式非负矩阵分解的认知无线网络频谱感知能力研究方法。该方法采用基于感知性能的非负矩阵分解进行频谱数据降维,降低数据处理的复杂度,提高运算速度和频谱感知准确率。采用频谱能量检测模型,通过采集到的信号能量来确定共同决策是否存在空闲频谱。通过对频谱感知误差分析,减少出错率,提高分布式频谱的感知能力。实验结果表明,该算法能提高频谱检测的准确率,降低频谱感知的能量消耗,具有较好的实用性。     

基于无人机激光雷达的不同种类红树林单木分割

红树林是生长在热带和亚热带海岸线上的典型潮间带植物,气候变化、自然灾害和人为干扰的影响下退化严重,加强红树林监测是有效保护红树林的重要工作。本文选取广东雷州市东海岸红树林示范区为研究区域,通过样地无人机激光雷达(LiDAR)高密度点云数据以及样方实测数据搭建红树林结构参数反演模型,提取不同红树林种类样方的单木结构参数并检验红树林点云分割精度,依据精度检验指标与偏差度量指标验证单木反演参数精度并分析原因。结果表明(1)基于分水岭算法对不同种类红树林实地样方进行单木树高提取,其中无瓣海桑的整体分割效果最好。单木树高参数精度分析与拟合验证,无瓣海桑结果最优,其次为秋茄,白骨壤精度最低。(2)通过估测单木冠幅反演值与样地实测值的偏差以及偏离比例,发现红树林单木冠幅参数整体反演效果较差,识别精度最高的还是无瓣海桑。(3)单木树高的识别效果整体优于单木冠幅,整体分割结果为无瓣海桑最高,其次为秋茄,白骨壤最低。使用无人机激光雷达技术可以有效提取红树林结构参数,替代传统的红树林人工测量方法,为红树林资源动态变化监测及保护提供高精度基础数据。     

基于模拟退火剂量计算模型的自动匹配算法

基于模拟退火优化算法,提出了一种点核卷积叠加剂量计算模型参数的自动匹配算法.模拟退火优化算法具有可以达到全局最优的优势,但模拟退火优化的随机性是不可控的.针对此问题,基于点核叠加剂量计算原理采用了定向约束模型能谱参数的方法,使得优化过程的迭代效率及稳定性大大提高.为了减少迭代次数,采用了BeamNRC软件模拟出加速器较好的初始能谱参数.通过临床实际加速器设备数据进行试验,结果表明,利用模拟退火优化算法进行模型参数的自动匹配的方法在保证临床精度要求的前提下,优化时间基本上控制在16h左右,在临床上是完全可以接受的,甚至针对一些加速器较好的能谱初始值,优化时间比国际上同类产品的优化时间还要短.模型参数的自动匹配功能也大大降低了软件对操作人员业务能力的依赖,增加了产品的安全性,降低了产品的维护成本.