基于局部监督深度混合模型的变电站巡检机器人道路场景识别

近年来,在各种图像分类和处理中,卷积神经网络(convolutional neural networks, CNN)取得了明显的优势。通过CNN中的全连通顶层和中间层等,可有效获取具有全局语义信息的深度特征以及包含局部语义信息的卷积特征,以此来提升图像识别的效果。为了进一步改进变电站巡检机器人对自身所处环境的理解能力,特别是在依赖于道路场景中整体和细节图像相结合来进行特征识别的条件下,文章提出了一种基于局部监督深度混合模型的识别网络对变电站巡检机器人道路场景进行识别,以实现对卷积特征的有效应用。首先该识别网络可以有效地避免卷积特征捕获到的局部对象在高度压缩的全连接层表示中被明显消除的问题;其次在局部卷积监督层的辅助下,通过直接将标签信息传播到卷积层,实现对图像的局部结构进行增强以补充场景图像中无序的中层语义信息;同时添加空间卷积操作来处理由于遮挡所造成的信息丢失。实验结果表明,局部监督深度混合模型网络在明显提高推理速度的同时,能够保持较高的识别精度,并在实际变电站场景的识别中表现出优秀的性能。     

基于深度学习的变电站巡检机器人道路场景识别

为了提升变电站巡检机器人对自身所处环境的理解能力,将深度学习技术应用于变电站巡检机器人对道路场景的识别中,提出了一种全卷积道路场景识别网络(road scene recognition net,RSRNet)。该网络主要由相对浅层的编码网络和镜像结构与跳层融合结构相结合的解码网络组成,通过编码网络提取图像特征后由解码网络识别出图像目标信息。通过实验表明,本文提出的网络在同类型网络中识别精度及效率更高,同时在实际变电站场景中也表现出了优良的场景识别性能。     

基于改进的卷积神经网络的工件识别技术

针对传统的工件识别流程是由人工根据工件的特点设计需要提取的特征,整个过程具有耗时高、成本大、通用性较差和识别准确率不高等问题,改进了经典的卷积神经网络模型AlexNet和LeNet-5,通过将AlexNet网络的输入图像尺寸缩小到120×120,用BN层代替LRN层,减少两层卷积和全连接层,用3×3的卷积核代替第一层卷积层11×11的卷积核;将LeNet-5的输入图像尺寸提升至60×60,用ReLU取代原始Sigmoid激活函数,使用多个小卷积核代替大卷积核;分别使用改进前后的网络模型对工件数据集进行训练、测试.结果表明,改进后的两种网络模型,在测试集上分别达到94.31%和92.75%的平均识别准确率,平均识别时间分别为0.271s和0.321 s,满足生产需求.     

基于改进的卷积神经网络多姿态人脸识别研究

针对目前的人脸识别算法在面对不同姿态下的人脸图像时识别率低的问题,提出了一种基于改进的卷积神经网络的算法。该算法通过对经典的卷积神经网络LeNet-5 的卷积核数目、卷积核尺寸、池化层方式和正则化手段等参数进行了优化改进,从而能对多姿态人脸图像特征进行有效提取。仿真实验结果表明,该算法在识别率与识别时间上均有显著提高。     

基于深度卷积神经网络和支持向量机的手势识别算法

为了提高手势识别的准确率,提出一种基于深度卷积神经网络和支持向量机的手势识别算法;将包含手势的图像进行手掌轮廓分割及手指关节特征提取,经过去噪后获得准确的手势图像,然后通过卷积与池化获得手势特征样本,采用神经网络算法对输入特征样本进行训练,并对全连接层各节点的输出结果进行支持向量机多元分类,从而获得手势识别结果;在差异化设置条件下,通过对比手势识别的平均准确率和识别时间,可获得最优的卷积核尺寸及池化方法。仿真实验结果表明,相比其他3种识别算法,所提出的算法具有更优的识别准确率。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于YOLO的违禁品检测深度卷积网络

为自动识别X光图像中的违禁品,在YOLOv3深度卷积神经网络的基础上,文章针对多数违禁品对象尺寸较小,经常折叠交叉的特点,对YOLO网络的部分结构和机制进行了改进,构建了违禁品检测深度卷积神经网络探码器,用于对从安检系统获得的X光图像进行违禁品检测。实验结果表明,所提方法除了响应时间比YOLOv3稍长之外,在检测识别密集分布物体、小尺度目标及识别精度方面,均明显优于后者。     

变电站巡检机器人避障方法研究与应用

为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法.该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障.实验结果表明,避障方法可以高效地对图像进行分类和分割,同时,在实际变电站环境中,该方法也能为巡检机器人提供有效的避障信息,实现实时自主避障.     

基于级联卷积神经网络的公路路基病害识别

针对当前公路路基病害识别中探地雷达(GPR)技术的数据分析还依赖于人工识别,识别效率低、准确性差问题,建立了级联卷积神经网络来实现自动识别探地雷达图像所反映路基病害的任务。级联卷积神经网络系统由2个卷积神经网络组成,分别用于识别低分辨率和高分辨率探地雷达图像。神经网络的建立包括训练、验证和测试3个步骤。通过训练和测试的结果验证了级联卷积神经网络系统的稳定性,并将级联卷积神经网络和Sobel边缘检测,K值聚类分析进行比较,以论证其优越性。结果表明:级联卷积神经网络在路基病害分类训练中的识别准确率为97.46%,验证中的识别准确率为95.80%,其识别路基病害的精度较高;级联卷积神经网络对发射频率300、500、900 MHz的图像分类准确率分别为94.20%、93.89%、94.57%,对不同公路结构的图像分类准确率分别为94.80%、94.78%、94.28%、94.21%,可见级联卷积神经网络的识别准确性不受雷达发射频率和路面结构的影响;当图像分辨率较低时,Sobel边缘检测和K值聚类分析无法准确提取路基病害几何特征信息,级联卷积神经网络可通过分类器2准确识别;当图像分辨率较高时,Sobel边缘检测和K值聚类分析仅能提取路基病害的部分特征,后续病害类型的识别需要人工完成。可见级联卷积神经网络较其他算法在路基病害识别方面更准确、高效。     

维药神香草总黄酮对卵清白蛋白致大鼠哮喘模型气道炎症的影响

 通过观察哮喘大鼠肺组织病理学改变、测定支气管肺泡灌洗液（BALF）细胞总数、淋巴细胞（Ly）、嗜酸性粒细胞（Eos）、中性粒细胞（Neu）的百分比以及肺组织和BALF中的转化生长因子-β1（TGF-β1）,以探讨神香草总黄酮对哮喘大鼠气道炎症的影响,阐明维药神香草总黄酮抗哮喘的部分作用机制。试验中将大鼠随机分为正常对照组、哮喘模型组、氨茶碱阳性对照组、神香草总黄酮高、中、低剂量治疗组。采用卵清白蛋白（OVA）、氢氧化铝及百白破疫苗联合致敏和OVA生理盐水雾化激发的方法制备哮喘模型。测定BALF中细胞总数、Ly、Eos、Neu的百分比;采用酶联免疫吸附试验（ELISA）法检测肺组织及BALF中TGF-β1水平。结果显示,与模型组相比,各治疗组中,大鼠BALF中细胞总数、Ly、Eos、Neu的百分比、TGF-β1水平及肺组织中的TGF-β1水平均明显下降,差异有统计学意义（P<0.05）;神香草总黄酮各剂量组之间相互比较,BALF及肺组织中的以上指标差异均有统计学意义（P<0.05）,呈剂量依赖性趋势。由此推测,维药神香草总黄酮可能通过抑制Ly、Eos、Neu等炎症细胞及细胞因子TGF-β1的分泌,减轻或改善哮喘的气道炎症。     

标准化视角下智慧城市建设面临的问题及发展路径

城市化不可逆转背景下,智慧城市作为城市发展的未来受到广泛关注和大力推进.在此过程中出现了众多因"智有余而慧不足"所造成的技术堆积、以作用代需求、资源浪费和重复建设、城市运转内耗等问题.文章在剖析智慧城市本质及核心要义的基础上,提出智慧城市建设思路,强调尊重城市资源禀赋、关注互联互通及协调共享、基于公众感知定义智慧城市发展方向,并对借助标准化的力量推动智慧城市进程给出了建议.     

从《奥兰多》看伍尔夫的“双性共体”观

弗吉尼亚·伍尔夫富有创意的幻想小说<奥兰多>(1928)一度引起后世女权主义者的重视.在身兼两性的主人公奥兰多身上,寄托了伍尔夫对于性别的思考:在那些比较敏感的艺术型人物身上,男性气质和女性气质交织在一起,两性的相融才是创造出优秀作品的重要原因.本文通过奥兰多性别转变的象征意义、转变后在两性间的摇摆以及转变前后的异同三个角度,剖析伍尔夫是如何通过奥兰多的心理嬗变来形象地表现她的双性共体思想的.     

固体酸催化剂和载体上芳烃的选择性硝化

硝化研究的重要意义之一是探索更具选择性的方法。该文讨论了应用同体酸催化剂和载体，在醋酐存在下，采用硝酸盐和载体硝酸盐硝化甲苯和氯苯的选择性．8种金属硝酸盐中，硝酸铜表现好的硝化特性。层状粘士较沸石分子筛、杂多酸盐等是颇具前景的芳烃选择性硝化催化剂和载体．四氯化碳和甲苯为较好的溶剂介质．阻此条件，甲苯和氯苯的划邻硝化产物比例分为1.2和5.6，较之硝硫混酸的结果（甲苯0.6，氯苯1.8）．其对位硝化能力显著提高。     

过度训练对大鼠心肌线粒体膜和基质游离钙的影响

采用模拟过度训练大鼠模型，观察了大鼠心肌线粒体的MDA、巯基（-SH）、还原型谷胱苷肽（GSH）、磷脂A2（PLA2）、游离钙（Fca2＋）等指标，结果表明：过度训练组大鼠心肌线粒体与对照组相比，-SH含量和GSH含量显著降低（P〈0．01），PLA2活性显著增加（P〈0．01）；MDA、Fca2＋含量明显升高（P〈0．01）．本文根据以上结果探讨了运动时机体产生的活性氧的氧化过程与过度训练后心肌线粒体膜结构变化以及游离钙之间的关系，提出过度训练后PLA2活性增加可能是其发生机制的关键指标，通过对这一指标的进一步观察能更好地了解过度训练发生的分子机制。     

基于多任务CNN的人脸活体多属性检测

人脸的活体检测是人脸识别系统的安全性保证,传统交互式活体状态识别中通常先进行关键点检测,再进行人脸活体状态判断,无法利用活体属性之间关联性同时进行多种活体属性检测。基于多任务卷积神经网络(convolutional neural network,CNN),提出了一种直接从输入人脸中同时判断人脸的眼睛睁闭状态、嘴巴的张闭状态、头部点头状态和摇头中左右侧脸状态四个任务的活体检测方法。该方法利用多层CNN强大的特征提取能力、多任务的并行能力和四个任务中的关联性,直接提取人脸照片中的特征信息,判断人脸多个活体属性。实际应用结果表明,这种基于多任务CNN方法的准确率在四个任务中均可达95%以上,甚至达到98%以上,无论检测的准确率还是同时检测多个任务的能力均明显优于传统的人脸活体属性检测方法。     

评《师说》两种英译本

本文从原文语体风格的处理、原文理解和词汇概念表达上的准确性以及句章翻译的灵活性及其衔接与连贯三个方面对唐代著名散文《师说》的两种英译本做了对比研究 ,并提出杨宪益夫妇的译文要比谢百魁的更地道、更能为读者所接受     

超小口径元件光谱参数检测设备改进

为实现超小光学元件(直径小于φ15 mm)光谱参数的检测,在现有商用分光光度计的基础上,对设备进行了改进完善,通过在测试光路和参考光路增加衰减比相匹配的缩束小孔,成功实现了检测光束的缩束。实验结果表明:改进后的设备基线平直度不大于!0.001 A,标准元件检测结果与标定值偏差不超过0.05%。     

城市化对哺乳动物丰富度影响的研究——以长三角城市群为例

以不透水面占比作为城市化强度(UI)的定量指标, 采用全球哺乳动物丰富度网格数据集, 结合气候因素和生境特点, 研究我国长三角城市群哺乳动物丰富度沿城乡梯度的空间分布格局。通过对比长三角城市群及其所处自然地理区(华东)哺乳动物丰富度的分布格局和驱动因素, 分析城市化和背景气候的贡献。结果表明: 1) 哺乳动物丰富度沿城乡梯度均呈水平“S”型分布; 2) 在背景自然地理区域, 气候因素(如年平均降水和最冷月最低温等)对丰富度分布起主导作用(R²=88.2%); 3) UI在华东地区与丰富度负相关, 在长三角城市群则弱正相关(P<0.001), 林地对丰富度存在正面影响, 耕地存在负面影响。因此, 城市化对哺乳动物丰富度影响在城市群尺度更为明显, 应更多关注如何区分城市化和背景气候对生物多样性的影响。     

一个新四维光滑四翼超混沌系统及电路实现

利用非线性状态反馈控制法,提出了一个新的具有较大正Lyapunov指数的四维光滑自治超混沌系统。该系统具有大范围的四翼超混沌区域。讨论了系统平衡点的稳定性。通过Lyapunov指数、分岔图及Poincaré截面分析了系统的动力学行为,并用相图展示了四翼混沌吸引子和几种不同形状的四翼超混沌吸引子。随着参数的不同,该系统还可以历经拟周期和周期状态。最后给出了典型超混沌吸引子的电路实现。