基于轻量化YOLO的X射线焊缝图像信息检测

为了对X射线焊缝图像上包含许多信息的识别标记进行准确识别,提出了YOLO-G网络和YOLO-D网络.设计基于YOLO(you only look once)的X射线焊缝图像信息检测方法,并通过引入多种轻量化技术大幅降低了网络模型的参数量与计算量,在保证高检测精度的同时加快检测速度,降低对高算力硬件的依赖性.同时根据检测...     

结合注意力机制和卷积神经网络的X射线焊缝缺陷检测

焊接是一种重要的连接技术,但是焊缝缺陷会直接影响焊接结构的性能和使用寿命。焊缝缺陷的种类和特征的多样性增加了缺陷检测的复杂性。首先,提出一种新颖的并行残差注意力模块,在通道和空间维度上充分利用全局平均池化和全局最大池化来捕获全局特征,并与输入特征相乘,自适应的选择缺陷特征,显著提升了网络模型的特征表达能力。其次,针对焊缝缺陷长宽比悬殊的问题,利用注意力机制指导锚框自学习图像特征,预测锚框的位置和形状,围绕缺陷区域自适应生成非均匀分布的任意形状的感兴趣区域。最后,设计了端到端的由注意力引导感知的深度学习网络模型。为验证所提模型的有效性,在包含3 403张图像(其中1 001张有缺陷)的X射线焊缝数据集上,通过定性的分析和定量的对比。实验结果表明：检测指标平均精度均值(mean average precision, mAP)达到了66.74%,与原算法相比提升了5.78%,平均交并比(mean intersection over union, mIoU)提升了7.21%,基本满足对焊缝缺陷的高精度检测。     

基于神经网络架构搜索的X射线图像违禁品检测算法

为了提高卷积神经网络设计的自动化程度并进一步提高复杂背景下违禁品检测的准确率和速度,提出了一种基于神经网络架构搜索的X射线图像违禁品检测算法。首先,设计逐层渐进式搜索策略和多分支搜索空间,并基于批量归一化指标为每一个layer结构搜索最佳侧分支;然后,逐层搜索构建新的骨干网络组件;最后,组成由数据驱动的新目标检测模型。该算法在数据集HiXray、OPIXray、PIDray上分别取得了83.4%、87.2%、70.4%的检测精度。实验结果表明,本文算法能够自适应数据集并自动搜索出性能更好的Backbone组件,与FCOS、YOLOv4等主流算法相比,有效提高了复杂背景下违禁品检测的准确率和速度。     

基于预测算法的认知网络的跨层研究

本文首先讨论认知无线网络跨层设计的引入与发展方向,然后针对预测算法提出基于云理论的跨层设计。最后,总结全文并对未来工作提出展望。     

石墨嵌层化合物的X射线研究

用电化学法在硫酸和高氯酸中将天然鳞片石墨合成了不同阶的石墨嵌层化合物（ＧＩＣ）和石墨氧化物（ＧＯ）；用Ｘ射线衍射法对ＧＩＣ和ＧＯ的结构进行了测定，并考察了硫酸ＧＩＣ和ＧＯ在空气中的稳定性，以及水洗涤、高温处理对ＧＩＣ和ＧＯ的结构的影响。发现随着嵌化量的增加，石墨的００２峰和００４峰分裂成两个峰，各自的距离越来越远；ＧＩＣ在空气中搁置时间越长，两个分裂峰越向石墨的原００２峰和００４峰靠近，表明ＧＩＣ在空气中不稳定；经高温处理的ＧＩＣ，从宏观看，体积膨胀，但微观上的层间距却趋于恢复石墨结构，这反映在它与石墨有相同的００２峰。     

履行危险货物申报国际标准的重要性(英文)

危险货物申报是危险品海运环节中重要的一环.通过华顶山船舶事故,分析危险货物申报的谎报瞒报现象,介绍标准的定义和危险货物申报对应的国际标准,提出执行危险货物申报相关的国际标准的重要性.     

船载危险品应急管理系统的设计与实现

为对危险品应急事故做出快速反应,实现事故动态监控和实时决策,结合船舶运载危险品的特点,提出船载危险品应急管理系统的设计思路.对船载危险品应急管理系统的关键模块,如化学品查询系统、反应性预测系统和应急决策生成模块设计进行介绍.实际应用表明,该系统对海事危险品管理和运输起到一定的安全保障作用.     

传感器网络中一种新的跨层自适应拥塞控制策略

针对无线传感器网络中的拥塞问题,在已有的SenTCP协议的基础上,提出了一种跨层自适应拥塞控制策略（CACC）该策略根据监测到的节点拥塞信息,自适应地调整上游节点的信道接入优先级,使整个传感器网络中的节点根据局部的拥塞状态动态自适应地调整信息发送速率,从而有效地解决了传感器网络中的拥塞控制问题。     

基于跨层协同的MANET网络拥塞控制算法仿真研究

移动自组织网络MANET因大量数据包发送、节点信道同步适应和动态无线拓扑变化等原因,易发生传输拥塞.传统拥塞控制的主动式队列管理算法,如拥塞随机早期检测算法(Random Early Detection,RED),根据缓存占用情况监测和判断拥塞,无法适应MANET网络MAC层信道监控发送的特点.针对这一问题,基于链路层MAC802.11的RTS/CTS重传机制,结合网络层缓存占用情况检测网络拥塞,提出IRED(ImprovedRED)算法,该算法通过跨层协同的机制实现拥塞控制.最后,通过NS2网络仿真工具验证IRED算法的性能.实验结果表明,IRED较传统算法在吞吐率、延时和传输抖动等性能上都有显著提高.     

基于量子神经网络的网络攻击同源性判定方法

探讨大数据背景下网络攻击同源性的分析方法,为攻击场景还原、攻击定性及攻击者溯源提供依据。提出了一种基于证据链的攻击描述方法,并归纳出各环节代表特异性的关键指纹,进一步构建了相应的网络攻击同源性判定模型,使用编辑距离计算攻击链单一环节之间的特征相似度,通过量子神经网络方法对多个攻击环节的相似性进行算法综合,进而实现网络攻击的同源判定。测试结果表明,该方法能够有效地对网络攻击进行同源性判定,相比基于样本的方法更加准确、可靠。该工作为大数据下提高网络攻击溯源能力及自动化水平探索了一条有效途径。     

基于增量方法的卷积语音情感识别网络

提出了一种新颖的语音情感识别结构,从声音文件中提取梅尔频率倒谱系数(Melscale frequency cepstral coefficients,MFCCs)、线性预测倒谱系数(linear predictive cepstral coefficients,LPCCs)、色度图、梅尔尺度频谱图、Tonnetz表示和频谱对比度特征,并将其作为一维卷积神经网络(convolutional neural network,CNN)的输入.构建由一维卷积层、Dropout层、批标准化层、权重池化层、全连接层和激活层组成的网络,并使用Ryerson情感说话/歌唱视听(Ryerson audio-visual database of emotional speech and song,RAVDESS)数据集、柏林语音数据集(Berlin emotional database,EMO-DB)、交互式情绪二元运动捕捉(interactive emotional dyadic motion capture,IEMOCAP)数据集这3个数据集的样本来识别情感.为提高分类精度,利用增量方法修改初始模型.为...     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

无线网络中基于自适应带宽估计的跨层拥塞控制算法

TCP是一种主动探索网络可用带宽的传输层协议,在无线网路中,实时准确地探测链路可用带宽,动态调节TCP拥塞控制机制,是提高无线通信系统性能的有效方法之一。本文基于带宽测量技术,提出了一种无线环境下跨层TCP拥塞控制机制,通过探测TCP确认信号ACK返回速率和往返时间RTT,结合链路拥塞和物理层突发错误分布,实时探测可用带宽,对拥塞滑动窗口大小进行动态控制,并根据当前网络状态,动态设置慢启动阀值,保证网络资源的有效利用。仿真结果证明,此算法能有效地降低误码丢包率,提高系统的可靠性。     

Dynamic routing and wavelength assignment algorithm of optical satellite networks based on cross-layer design

In order to overcome the adverse effects of Doppler wavelength shift on data transmission in the optical satellite networks, a dynamic routing and wavelength assignment algorithm based on cross-layer design ( CL-DRWA) is introduced which can improve robustness of the network.Above all, a cross-layer optimization model is designed, which considers transmission delay and wavelength-conti-nuity constraint, as well as Doppler wavelength shift.Then CL-DRWA is applied to solve this mod-el, resulting in finding an optimal light path satisfying the above constraints for every connection re-quest.In CL-DRWA, Bellman-Ford method is used to find an optimal route and a distributed rela-tive capacity loss method is implemented to get an optimal wavelength assignment result on the opti-mal route.Moreover, compared with the dynamic routing and wavelength assignment algorithm based on minimum delay strategy ( MD-DRWA) , CL-DRWA can make an improvement of 5.3%on the communication success probability.Meanwhile, CL-DRWA can meet the requirement of trans-mission delay for real-time services.     

基于CNN与K-means聚类的非侵入式电器负荷识别方法

针对目前非侵入式负荷监测仅能识别单个家用电器、多种家用电器同时运行识别率低的问题,提出一种基于卷积神经网络（CNN）与K-means聚类结合的非侵入式家用电器识别方法。首先,通过改进的CUSUM边沿检测算法对获取的用户用电数据进行时间检测,提取负荷发生投切事件的功率波形;其次,通过高斯滤波法对提取的功率波形进行滤波处理,并将处理后的波形转化为像素图作为负荷特征库,一部分作为训练集用来训练K-means算法改进后的CNN模型,一部分作为测试集测试模型识别的精度;最后,利用搭建的实验平台进行实际测试分析。实验结果表明,所用模型对7种家用电器的识别率均为100%,验证了模型的有效性。通过K-means算法对卷积神经网络进行改进,增大相似特性负荷特征之间的区别,提高负荷辨识的准确率,为非侵入式负荷检测技术开发提供了参考。