GF-5光学遥感数据与地球化学数据融合研究

地球化学数据作为一种重要的基础数据,广泛应用于矿产勘查、环境评价、资源潜力分析等领域。遥感数据可以反映地表物质的电磁波特性,这一物理化学关系使遥感—地球化学数据融合成为可能。现有的遥感—地球化学数据融合方法存在融合精度不高,可选择的融合方法较少,不适应于实际生产应用等问题。为解决上述问题,提高地球化学数据的精度,通过光学遥感影像与地球化学数据的融合研究,实现了遥感—地球化学数据融合。     

求解货物在线装箱问题的融合算法

实现集装箱的自动码放规划对于提高装箱容积率、提高经济效益具有重要意义.针对货物在线码放过程中存在的多种实际约束,提出一种由在线极值点(online improved extreme point,IE)算法与模拟退火(simulated annealing,SA)算法结合的在线融合码放(IES)算法,考虑货物尺寸约束,质量约束与装载顺序约束设定多种码放规则以及优化函数,对IE算法中角点坐标序列进行实时迭代更新,并将该角点序列作为初始解序列,基于模拟退火优越的局部搜索能力以及算法的灵活性,两者融合来寻求全局最优角点解坐标.实验结果表明IES算法平均容积率达到89.17％,相比IE算法提高10.34％,证明IES算法在强异构货物实时码放和提高集装箱容积率方面有较好效果.该算法提高了三维装箱算法的工程性,为实现集装箱货物的自动码放创造了必要条件.     

基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

基于注意力机制的双分支肺炎图像分类网络

目前许多肺炎图像分类网络大多采用单分支网络对输入图像进行特征提取,这在一定程度上忽略了图像不同维度的特征信息。为了优化这种问题,提出一种融入注意力机制的双分支肺炎图像分类网络,利用VGG16网络和加入可分离卷积以及融入卷积注意力模块(convolution block attention module, CBAM)的CNN卷积神经网络进行双分支特征提取,能够关注到肺炎图像不同层次的特征信息,将2种网络分支的特征进行不同维度的融合,最后输入全连接层进行分类判决。结果表明,该网络在正常肺部、病毒性肺炎、新型冠状病毒肺炎(COVID-19)X-ray图像组成的测试集上取得了95%的平均准确率。经过消融试验证明,该网络加入的可分离卷积模块、注意力模块和特征融合对减少网络参数、提高网络分类的准确率起到明显作用。与其他网络的性能对比也表明该网络在肺炎图像分类上表现出较高的准确率和较强的鲁棒性。     

低渗油藏CO2驱产出气回注可行性研究

为研究低渗油藏产出气回注的可行性,利用室内实验的方法,分别考察了原油与CO_2混相效果的影响因素及不同阶段产出气回注的驱油效果.研究结果表明:原油组分中C_1、N_2摩尔百分数的增加会引起原油与CO_2最小混相压力的升高,而原油组分中C_2～C15摩尔百分数越多越有利于实现原油与CO_2的混相.注入气中C_1、N_2摩尔百分数越高越不利于实现与原油的混相,而注入气中C_2、C_3的摩尔百分数越高越有利于实现与原油混相.注入气中CO_2摩尔百分数越高,注入气的驱油效率也越高,在CO_2摩尔百分数达到80 mol%以上时,完全可以达到CO_2混相驱的效果.现场检测结果表明,产出气中CO_2摩尔百分数已经超过了80 mol%,实施产出气回注是完全可行的.本研究首次明确了C_(11)～C_(15)摩尔百分数对混相效果的影响,同时本研究成果为产出气中温室气体的处理与利用提供依据,也为低渗油藏CO_2驱的高效开发提供重要技术支撑.     

永顺县老司城祖师殿建筑群沿革初探

永顺县老司城遗址现存的一组明清时期的建筑群,由祖师殿、皇经台和玉皇阁3座建筑组成.关于该建筑群的历史沿革,存在着来自考古学、历史学界及民间学者的多种不同说法.对这些相关论述进行了梳理,并结合东南大学建筑研究所对宁波市保国寺大殿所做的基于勘测分析的复原研究,认为有必要对该建筑群进行基于样式形制和构造做法的建筑学意义上的考证,以此确定其年代和历史沿革,归纳出该建筑群在大木技术方面的地域特色和技术源流.     

用于腹部CT肝脏分割的边界监督模型

针对肝脏分割影像中模糊的肝脏边界,提出了一种新颖的用于腹部CT肝脏分割的边界监督模型.该模型包括肝脏区域分割模块和边界分割模块,其中边界分割模块使用肝脏边界进行监督训练,输出精准的肝脏边界.模型将肝脏区域分割输出与边界分割输出融合在一起,得到最终的肝脏分割预测.肝脏区域分割模块与边界分割模块分别设置了相应的损失函数进行监督训练.模型使用腹部器官分割挑战提供的数据集进行了消融实验并与先进模型进行了评估.结果证明该方法的有效性和优异性,提出的边界分割模块有助于保留肝脏的边缘信息,提高了肝脏分割的性能.     

基于多特征融合的自适应权重目标分类方法

提出一种自适应权重的融合卷积特征和方向梯度直方图(HOG)特征的目标分类方法,实现快速精准分类目的.首先,利用ResNet网络框架提取图像卷积特征,增加OpenCV接口以提取图像HOG特征,对HOG特征图扩维处理至与卷积特征同维;然后,在ResNet网络框架中嵌入SENet模块,计算卷积特征和HOG特征的权重向量,将卷积特征、HOG特征及相应的权重向量加以变权值叠加,实现多特征的自适应同步融合,以此构建二分类网络模块;其次,将二分类网络模块嵌入Faster Rcnn网络,构成Faster Rcnn-HOG新型网络,通过基于变阈值的粗检测策略和先验知识的区域关注策略得到图像中目标预处理检测框,利用二分类网络模块精确判定,实现目标分类.将Faster Rcnn-HOG与传统Faster Rcnn网络及另一特征融合网络Net-BB-HOG进行对比试验,三种方法在目标大类识别方面性能基本相当,但是FasterRcnn-HOG在目标小类识别方面效果更佳,证明了提出的多特征融合自适应目标分类方法的有效性和正确性.     

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。     

电解处理压裂返排液产气条件优化

为了实现对电解处理废液过程产气的调控,研究了电解处理压裂返排液的主要工艺条件参数对产气的影响。实验中阳极、阴极均使用相同铝板,考察了电解时间、电解电流、电极间距等因素对电解产氢气量的影响,并通过正交实验法确定了产氢气量最小时的条件参数;以正交实验数据为基础,利用支持向量机(SVM)算法建立了有效的、可靠的回归模型,利用该模型直观分析了电解时间、电解电流、电极间距间的交互作用对产氢气量的影响,预测了电解处理废液产氢气量最小时的主要工艺条件参数,预测产氢气量的最小值为47.35 mL,实测值为48.44 mL,相对误差为-2.25%。该条件下,阴极表面以产30～100μm的氢气气泡为主,占比92.11%,获得了很好的电解处理压裂返排液效果,TOC去除率为83.53%,去浊率为97.38%,脱色率为92.80%,所产生的氢气远小于在空气中的爆炸极限(4%)。研究结果表明,通过优化相应的工艺条件参数来调控电解产氢气量及处理效果具有可行性,同时也表明SVM法用于优化工艺参数及预测产氢气量是可行的。