中国钒资源全生命周期动态物质流分析

 钒在钢铁、化工和航空航天等领域的广泛应用持续推动钒物质流动和供需格局的变化，特别是电池应用的商业化将影响未来能源转型及新能源存储领域的长期发展。为揭示中国钒物质流的变化和未来供需格局，构建了钒的全生命周期物质流分析框架，核算了2000-2019年中国钒的流量、存量和供需情况。研究显示：（1）中国是钒生产和消费大国，含钒钢铁、合金（钒铁合金）是金属钒的主要消费领域，消费占比稳定在85%以上，储能电池作为钒的前沿应用，占钒消费总量的比例也在不断增加；（2）2000-2019年中国是钒初级产品净进口国（5362 t），也是钒制品净出口国（8284 t），全钒液流电池处于出口状态，钒储能技术研究将迎来高峰；（3）2010-2019年钒在用存量增加了5倍，达到120万t，其中电池在用存量增加了24倍，钒开始向电池等新兴行业发展；（4）2000-2019年钒报废量为8.1万t，仅有1.8万t被回收（回收率为23%），提高钒的循环利用可以减少钒原矿资源的开采及其产生的环境影响。     

新型列控系统列车追踪间隔的优化及效能评估

为了解决地铁列车运力不足，缩短列车追踪间隔，提出了新型列控系统、相对移动闭塞和协同运行三者相结合的方法，构建了列车通信协同运行模型。在该模型下，精细化前后列车冲突区域，对正线和站后折返最小追踪间隔分别优化建模，提出缩短追踪间隔的行车策略。经实际线路仿真计算，相比基于通信的列车运行控制系统(communication based train control, CBTC)列车通过能力提升了32.3%，且4A编组可以满足79.9 s的行车间隔。考虑缩短行车间隔对运营效能的影响，将运营效能量化为运输率、满载率、单位能耗、等车时间，对不同行车方案进行评估。结果表明，对于单向小时断面客流量小于6.4万的线路，通过调节行车间隔，4A编组在满足满载率下，比6A、8A编组能耗更小，等车时间更短。     

公路交通气象服务供需分析与满意度评价

 利用2020年全国公路交通行业气象服务调查数据，通过统计分析方法，研究公路交通行业气象服务需求与供给特征以及行业用户对气象服务满意程度。结果表明：超过60%的专家认为雾、降雨、降雪是公路交通行业最关注的气象要素，但不同生产环节的需求有所差别；对于服务产品，预警、预报、监测、影响评估类的需求度依次递减，但均超过95%，气象部门除了在影响评估类方面供给能力不足外，其余基本满足公路交通行业需求，并在提供产品时效及要素类别（气温和大风）上略有冗余；手机客户端、共享平台是行业用户最希望获取服务产品的渠道，而气象部门虽然发布途径多元化，但仍以网站、电话、电子信件等传统方式为主；行业用户对气象服务信息的综合满意度评分为89.4分，其中完整性、及时性、准确性的全国评分依次降低，公路运营环节满意度评价结果最高，私营企业满意度评价结果最低。     

基于ME-ANet模型的糖尿病视网膜病变分级

糖尿病视网膜病变(Diabetic Retinopathy，DR)是一种致盲率很高的眼科疾病。不同病变等级的视网膜图像之间差异小且病灶点分布无规律。针对现有深度模型对DR中的相似病灶点识别率低，严重影响模型分类精度的问题，本研究以深度学习为基础，构建新的模型架构进行训练，提出一种集成MobileNetV2和EfficientNetB0深度模型的注意力网络：ME-ANet。模型集成分为头部和主干两部分，将深度模型的浅层部分融合构成网络的头部，训练时采用迁移学习的策略对网络模型参数进行初始化，减少训练中的过拟合问题。主干部分利用上述两种模型的核心结构，设计3个阶段集成模块进行特征提取。同时设计全局注意力机制(Global Attention Mechanism，GAM)并分别嵌入到3个阶段的集成模块中。模型的改进加速了网络的收敛速度，该网络模型实现了对图像浅层信息的特征融合提取，减少了微病灶特征信息在训练过程中的卷积丢失问题，模型的分类精度进一步得到改善。通过模型集成构建特征提取主干网络，提高了模型对低级特征信息的学习，注意力机制抑制非病变特征信息，强化典型病灶特征学习，从而实现细粒度分类，进一步提升了模型的分类性能。     

基于改进U-Net的零件缺陷分割标注

提出一种以U-Net为基础，依据零件缺陷的特点对网络进行一系列改进的模型，以提升网络对零件缺陷的分割精度.首先在U-Net结构中的编码阶段，使用改进的残差网络Res2Net提高该阶段的特征提取能力；然后在网络编码器与解码器的中间部位增加空洞卷积，在不改变特征图尺寸的情况下增加感受野，降低误检率与漏检率；最后在U-Net的输出阶段与Mini U-Net进行结合，对原本的输出结果进行二次补丁，提高对微小缺陷的检测精度.实验结果表明，对MVTec数据集进行分割的F1-Score分数达到87.21%，时间为0.017 s，达到了良好的检测效果.     

基于CBAM-ResNet50的民国纸币图像检索系统

利用残差网络（ResNet）50，结合卷积块注意力模块（CBAM）机制，提出了一种基于CBAM-ResNet50的民国纸币图像检索技术，提升了对相似纸币的检索能力.设计并实现了基于Windows和Ubuntu系统环境下的民国纸币图像检索系统，并搭建了基于Flask的Web应用服务.所提取的民国纸币图像特征具有更强的辨识度，大幅提高了检索速度，在图形处理器（GPU）上可达毫秒级.使用缩略图搜索民国纸币图片，对相似度排名第1的图像的检索准确率可以达76.3%，相似度排名前6的图像检索准确率可以达92.5%.