小麦条锈菌实时荧光定量PCR检测方法的建立

为了研究青海省小麦条锈菌在小麦潜育期叶片菌源量,文中以小麦条锈菌延伸因子EF1为引物,利用实时荧光定量PCR技术建立了小麦条锈菌潜育期菌源量检测体系。结果表明:(1)小麦条锈菌延伸因子EF1引物能从小麦叶片gDNA中扩增出特异性目的片段243 bp。(2)实时荧光定量PCR检测体系的灵敏度是常规PCR灵敏度的100倍。(3)铭贤169叶片接种小麦条锈菌后第1天到第8天均检测到条锈菌,且菌源量随着天数的变化呈指数型增长趋势。本研究建立的检测体系可检测到小麦条锈菌在小麦潜育期叶片菌源量,为早期小麦条锈病的发生和防治提供理论依据。     

基于最小生成树和图像矩的陶瓷过滤器表面缺陷检测

针对人工检测陶瓷过滤器堵孔、裂缝缺陷效率低、误检率高的问题,提出一种基于最小生成树和图像矩的缺陷检测算法;对输入缺陷图像进行灰度化和去除噪声处理,利用阈值分割方法对图像进行二值化,根据陶瓷过滤器表面孔洞空间分布及面积变化,利用滑动窗口遍历图像,结合最小生成树与图像占空比检测堵孔缺陷;根据过滤器裂缝的灰度和形状特征,采用基于图像矩的等价椭圆的方法检测裂缝缺陷。结果表明,所提出的算法能够有效地检测出陶瓷过滤器堵孔、裂缝缺陷,自建数据集的检测准确率达到95%以上。     

基于多级特征融合的视频火焰检测方法

火焰前期一般多为小目标,但一般的火焰检测方法对于小目标的检测能力较差.为检测早期火焰,提高火灾预防能力,提出了一种融合多级特征的视频火焰检测方法,针对下采样分辨率变小导致丢失目标的问题,引入了反卷积模块,并融合深层具有较强语义信息的特征和浅层具有较强细节信息的特征,从而有效提高了火焰的检测率.所提算法在Bilkent大...     

基于改进编解码网络的钢箱梁疲劳裂纹分割

针对基于图像的疲劳裂纹检测方法精度受焊缝、涂层等复杂背景因素影响较大的问题,提出了一种基于深度学习的空洞金字塔注意力网络(APA-Net)模型用于疲劳裂纹分割．在传统编解码网络的基础上引入预训练ResNet34模型、密集空洞卷积(DAC)模块、尺度感知金字塔融合(SAPF)模块和注意力门控(AG)机制,极大地提升了模型提取多尺度上下文信息的能力．通过图像裁剪制作了包含多种干扰因素的钢箱梁疲劳裂纹分割数据集,然后利用该数据集对APA-Net,FCN,U-Net,Attention U-Net,U-Net++和CE-Net等经典网络进行测试,结果表明：所提出的APA-Net在复杂背景干扰下对钢箱梁表面图像中的疲劳裂纹提取能力最佳,分割结果的平均交并比达72.2%,比其他经典网络中表现最优的CE-Net的平均交并比提高了约4%．最后通过消融实验讨论了所提模块对裂纹分割精度的影响．     

光依赖型微生物的筛选及MFC产电性能研究

从天然环境中筛选出一株具有光依赖性生长的菌株,经鉴定为门多萨假单胞菌(Pseudomonas mendocina)(编号LR134290)。使用双室微生物燃料电池(MFC)装置测定了该菌株的产电性能,结果显示：菌株LR134290在MFC阳极室中具有一定的独立产电能力;以菌株LR134290作为生物阴极、大肠杆菌(Escherichia coli)作为阳极时,MFC的输出电压峰值U_max为25.83 mV,最大电功率密度P_max为0.622μW/cm²,与阴极室不加入菌株的对照组相比,U_max和P_max分别提高了88.9%和26.4%,阳极电极液中化学需氧量(COD)降低了50.6%。结果表明,门多萨假单胞菌株LR134290作为生物阴极在MFC中具有一定的应用潜力。     

一种基于点监督的显著目标检测方法

提出了一种基于点监督的弱监督显著目标检测方法,设计了一种自适应的掩膜洪水填充算法来生成伪标签,并利用了一个基于变换器的点监督显著性检测模型来生成第1轮的显著图。然而,由于标签的稀疏性,弱监督检测模型往往退化为通用的前景检测模型。为了解决这个问题,进一步提出了一种利用非显著抑制方法修正第1轮中生成的显著图,并利用它们进行第2轮微调。实验结果表明,在ECSSD和PASCAL-S数据集上分别取得了0.035 8和0.064 7的MAE,验证了该方法的有效性。     

基于边缘特征的绝缘子故障检测

针对绝缘子图片的一致性较差且绝缘子故障特征的不可预知性问题,提出了基于绝缘子边缘特征的故障检测算法。首先基于纵坐标方向连续单像素边缘提取算法,实现绝缘子骨架提取与伪边缘过滤;然后采用改进的Canny算法,通过基于多峰梯度直方图的阈值分割和边缘跟踪,解决边缘的连通性与伪边缘之间相斥的问题,实现边缘特征的精确提取;最后基于均匀采样的边缘特征点计算角度的算法,通过绝缘子边缘特征的按片匹配,实现绝缘子的缺陷检测。对高速铁路接触网巡检车采集的406张运营线路绝缘子图片进行测试验证,结果表明本算法检测的精确度达到99%,召回率达到98.7%。本方法适用于拍摄正常及过度曝光情况下的绝缘子检测,满足运营维修保养的要求,可为绝缘子故障检测提供参考。     

基于深度学习的铜封帽内螺纹缺陷检测研究

针对铜封帽内螺纹裂纹缺陷检测目前存在检测速度慢、检测精度低、稳定性及泛化能力差等问题,提出了一种改进的YOLOv3模型算法来检测铜封帽内螺纹裂纹缺陷。首先,通过坐标极化对样本图片进行特征增强;然后采用K-means++聚类算法对数据集进行尺度分析;再利用SqueezeExcitation模块对YOLOv3模型检测部分进行改造,在3个特征尺度特征的输出部位均添加此模块,提升模型对有效特征的响应;最后,模型分别与Faster-R-CNN、SSD的检测结果进行比较。实验结果表明,基于深度学习改进的YOLOv3算法优于其他检测算法,其缺陷的检测精度为96.3%、检测速率为44FPS,能够实现铜封帽内螺纹裂纹缺陷的精确检测和识别,满足生产部门对铜封帽检修的需求。     

基于空间光调制器的瓣状结构光生成及应用

在一维艾里光相位模板中截取扇形相位模板,通过对扇形相位模板的圆周排列,实现了一种"瓣状"空间结构光场的相位全息图.激光经加载该相位全息图的空间光调制器反射后,在透镜焦平面形成瓣状光场.本文提出的相位生成方法可以对光场的瓣数进行自由调控,并在全息图中心区域引入涡旋光相位实现了对结构光场中心光强的调控.基于该光场通过双光子...