基因组编辑植物的监管与检测技术

 基因组编辑技术是利用人工核酸酶对生物体目标基因序列进行修饰的技术。近年来,以CRISPR/Cas系统为代表的基因组编辑技术由于高效、简单的操作发展迅速,为研究动植物基因功能、疾病治疗、植物分子育种等方面提供重要的方法。同时,由于基因编辑产品的不断出现,为政府监管提出了更高的要求。通过介绍植物基因组编辑技术及其产品的种类,重点说明了主要国家、经济体在植物基因组编辑产品的安全监管的异同,概述了科学界对基因编辑作物的基本原则,并介绍了几种植物基因组编辑产品的检测方法。     

基于Transformer神经网络模型的网络入侵检测方法

网络入侵检测一直以来都是网络安全中亟待解决的关键任务之一,传统网络入侵检测方法主要通过提取多维特征,采用机器学习方法构建检测模型,大多忽略了入侵行为的时间相关性.通过提取网络入侵行为的时序特征,设计基于降维特征的多头自注意力机制Transformer网络模型,以解决传统串行化时序神经网络模型不易收敛且时间开销较大的问题,通过选取最优的损失函数和训练参数进行并行化训练,实现网络入侵行为检测.实验结果表明,基于Transformer网络模型的网络入侵检测方法在多个数据集上均获得了99％以上的精度和检出率.     

一种主从摄像瞳孔实时精确检测系统

针对瞳孔实时精确检测,提出了一种主从摄像机随动跟踪人眼图像捕获系统用于捕获人眼图像.主摄像机用于定位人脸,从摄像机在云台控制下实时跟踪人眼区域并采集高分辨率人眼图像.为了提高系统的动态性能,针对来自主摄像机分辨率1280×960的人脸图像,采用了一种AdaBoost人脸检测与MOSSE目标跟踪的融合算法,实现了60 fps的人脸快速定位.采用语义分割网络对来自从摄像机的人眼图像进行瞳孔粗定位得到瞳孔感兴趣区域,对瞳孔感兴趣区域采用椭圆拟合算法进行瞳孔精检测.实验结果表明所提出的检测系统及方法可以实现18 fps的瞳孔检测,瞳孔图像有效像素可达2 500以上,检测重复性可达±1.06%.      

基于深层次特征增强网络的SAR图像舰船检测

针对合成孔径雷达图像中舰船目标检测困难的问题,提出了一种基于深层次特征增强网络的多尺度目标检测框架.利用Darknet53提取原始图像特征,自上而下建立四尺度特征金字塔;特别设计基于注意力机制的特征融合结构,自下而上衔接相邻特征层,构建增强型特征金字塔;利用候选区域及其周边上下文信息为检测器计算分类置信度和目标分数提供更高质量的判定依据.所提算法在SSDD公开数据集和SAR-Ship自建数据集上的平均检测精度分别为94.43%和91.92%.实验结果表明,该算法设定合理且检测性能优越.      

一种基于深度学习的高速无人艇视觉检测实时算法

针对高速无人艇自主航行时对视觉检测的实时性以及由于水面场景变化和波浪反射等干扰的鲁棒性需求,提出一种基于深度学习的高速无人艇视觉检测实时算法.采用基于MobileNet的神经网络快速提取全图特征,设计SSD结构的检测网络融合各层特征图的结果以完成快速多尺度检测,并在嵌入式GPU NVIDIA Jetson TX2硬件平台上将算法实现并验证.结果表明,该算法能够实时检测多类水上特定目标,具有鲁棒性强、多尺度的特点,单帧视频的检测时间可以控制在50 ms以内.      

三模导引头复合探测系统研究

为满足精确制导弹药智能化及通用化的发展需求,导引头需要采用双模或多模复合体制.复合导引头设计是一项复杂的系统工作,既要满足导弹总体的战技术要求,又要综合平衡各模式的耦合和竞争关系,而复合探测系统设计是其中的关键.文章讨论了半主动激光/红外成像/主动毫米波三模导引头总体及复合探测系统设计包含的关键技术,重点分析了几种复合探测系统方案的优劣.利用作用距离指标反推口面尺寸的方法对一种复合探测系统进行了总体设计.仿真结果表明,三种模式的性能满足系统使用要求,该复合探测方案合理可行.      

基于YOLO改进算法的安全帽和口罩佩戴自动同时检测

针对工地、危险区域等场景需要实现同时佩戴安全帽与口罩的自动检测问题,提出一种改进的YOLOv3算法以提高同时检测安全帽和口罩佩戴的准确率。首先,对网络模型中的聚类算法进行优化,使用加权核K-means聚类算法对训练数据集聚类分析,选取更适合小目标检测的Anchor Box,以提高检测的平均精度和速度;然后,优化YOLO网络内部的Darknet特征网络层,将4倍降采样提取的特征图进行2倍上采样,再与2倍降采样进行卷积融合,与4倍降采样、8倍降采样以及16倍降采样一同输送到后续网络中,来达到降低小目标的漏检概率。实验结果表明:改进后的算法同时检测安全帽和口罩佩戴的平均准确率比原算法提高了11.3%。     

基于反馈判决的鲁棒自适应机动目标跟踪算法

针对平方根容积卡尔曼滤波(SRCKF)在机动目标跟踪中面临测量异常和模型失准时估计精度下降的问题,提出了一种基于反馈判决的鲁棒自适应算法.利用Huber函数对观测残差序列处理获得权重向量以修正测量协方差,增强算法的抗差能力以克服测量异常问题;同时,引入多重渐消因子调整预测误差协方差,从而改变滤波增益,增强算法的自适应性以解决模型失准问题.最后,根据马氏距离构建异常误差判别因子,采用反馈判决实现2种处理方式的合理切换.仿真实验表明:与现有算法相比,该算法能够有效处理测量异常和模型失准带来的误差,具备良好的抗差能力和自适应性.     

大尺寸氧化铟锡(ITO)靶材制备研究进展

氧化铟锡(Indium Tin Oxide,ITO)靶材是屏幕显示器、光伏电池、功能玻璃等领域的关键原材料之一,已朝着大尺寸(长度至少600 mm)、高密度、低电阻率和高使用率的方向发展。本文介绍了高性能ITO靶材的技术特征,分析了大尺寸ITO靶材的需求和镀膜优势,总结了大尺寸ITO靶材的成型、烧结工艺及其研究应用现状,最后提出了制备大尺寸ITO靶材的研究方向。     

基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法. 通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点. 使用哈希表存储,加快了特征匹配的时间. 利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别. 对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.