基于孪生网络的苹果外观品质分级方法

针对人工和机械在苹果分级中存在低效、易损、准确率低等问题,提出一种基于孪生网络的苹果外观品质分级方法。该方法首先人工采集包含真实背景和不同等级的苹果图像数据集,并进行预处理操作,包括删除无关背景、0-1缩放和数据增强等;其次以卷积层、池化层和批归一化层为基础模块,搭建神经网络模型,提取苹果图像特征;最后用全连接层训练一个分类器,完成对苹果图像特征的分类,从而得到苹果外观品质对应的等级,其中模型的损失函数为对比损失。实验结果表明,构建的孪生网络模型在苹果外观品质分级中,平均分类准确率达到了97.71%,具有较好的稳定性,其用于苹果外观品质的自动分级是可行的,并为其他农产品的外观分级提供思路和参考。     

低水胶比对复合胶凝体系水化特性和动力学影响研究

低水胶比复合胶凝体系的水化机理和水化行为较普通水胶比胶凝体系存在一定差异,该条件下传统的水化结论往往不再适用.以不同低水胶比水泥-粉煤灰-矿渣复合胶凝体系为研究对象,通过测试净浆试件7d水化热,结合水化动力学模型探明了低水胶比、矿物掺合料掺量对其水化行为和水化机理的影响,并通过透射电子显微镜(TEM)和X射线衍射(XRD)分析了低水胶比复合胶凝体系的水化产物差异.研究结果表明：水胶比为0.2、粉煤灰-矿渣复掺量小于50%时,复合胶凝体系早期和后期的放热速率无明显差异,此时复掺粉煤灰-矿渣对水泥水化存在一定促进作用,当水胶比增至0.25和0.3时,复掺粉煤灰-矿渣在10～17h抑制了水泥水化;当水胶比由0.3降低至0.2时,胶凝体系最大放热速率呈增大趋势,且水化过程由NG-I-D改变为NG-D,不再经历相边界反应;水化至28d时,水化硅酸钙(C-S-H)的形貌随着水胶比的降低,由纤维状向球状转变.     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检,手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,本文提出基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出对于感兴趣区域（ROI）的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,本文采用Res2Net模块主干网络中的的残差模块。采用GIoU取代通用的IoU作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

基于图像去噪和图像生成的对抗样本检测方法

针对现有对抗样本检测方法存在检测准确率低和训练收敛速度慢等问题,提出一种基于图像去噪技术和图像生成技术实现的对抗样本检测方法.该检测方法将对抗样本检测问题转换为图像分类问题,无须事先得知被攻击模型的结构和参数,仅使用图像的语义信息和分类标签信息即可判定图像是否为对抗样本.首先,采用基于swin-transformer和vision-transformer实现的移动窗口式掩码自编码器去除图像中的对抗性噪声,还原图像的语义信息.然后,使用基于带有梯度惩罚的条件生成式对抗网络实现的图像生成部分根据图像分类标签信息生成图像.最后,将前两阶段输出的图像输入卷积神经网络进行分类,通过对比完成去噪的图像和生成图像的分类结果一致性判定检测图像是否为对抗样本.在MNIST、GTSRB和CIAFAR-10数据集上的实验结果表明,相比于传统检测方法,本文提出的对抗样本检测方法的平均检测准确率提高6%~36%,F1分数提高6%~37%,训练收敛耗时缩减27%~83%,存在一定优势.     

高层建筑外附雨篷的表面风压和气动力系数

采用风洞试验方法研究高层建筑外附雨篷的风压特征,分析风压系数、风压相关性、非高斯性和整体升力系数随风向角的变化,给出围护结构的设计风压,最后研究倾角和出挑长度对整体力系数的影响. 研究发现,高层建筑外附雨篷上表面风压系数在正迎风时最大值接近1.4,系气流受到后方高层建筑的阻挡下翻导致;上、下表面的最大整体压力系数出现正迎风情况,最大值分别为1.24和0.76;上、下表面的最大整体升力系数出现侧风面,最大值分别为1.13和1.01;上下叠加后测点风压的非高斯性比单表面增强;上表面和下表面的升力系数在0°~70°风向呈现高斯分布,在80°~180°风向呈现较强的非高斯分布;高层建筑外附雨篷上表面的极值正压大于下表面;雨篷整体升力系数按照倾角-10°、0°、10°依次递增.     

黏弹性基体中FG-CNTRCs圆柱壳热振动特性分析

建立了考虑碳纳米管（Carbon Nanotubes,CNTs）尺度效应的宏观功能梯度碳纳米管增强复合材料（Functionally Graded Carbon Nanotubes Reinforced Composites,FG-CNTRCs）圆柱壳自由振动特性的理论模型. 综合考虑CNTs的取向和尺度效应,基于Eshelby-Mori-Tanaka（EMT）方法和非局部理论建立了宏观CNTRCs的非局部EMT本构模型. 基于Kirchhoff-Love圆柱壳假设,采用Hamilton原理推导了热环境中visco-Pasternak基体中FG-CNTRCs圆柱壳的自由振动控制方程,利用Navier法得到两端简支圆柱壳的固有频率,并与文献中结果进行对比,验证了模型和方法的正确性. 分析了非局部参数、CNTs的体积分数和分布方式、圆柱壳的长厚比、环境温度以及地基参数等对简支FG-CNTRCs圆柱壳自由振动特性的影响. 研究发现,考虑CNTs的尺度效应后会降低FG-CNTRCs圆柱壳的抗弯刚度,环境温度对简支FG-X-CNTRCs圆柱壳固有频率虚部的影响随CNTs体积分数的增大而增大,且长厚比和地基的阻尼参数对虚部的影响有耦合作用.     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。     

棉纺厂管理信息系统的研制

本文根据开发CTU-JMS管理信息系统已取得的成功经验,介绍CTU—JMS管理信息系统的运行环境;总体规划中运用的两种设计策略——“由顶向下”分析法和“由下至上”分析法;MIS中建立大型基础数据库采用的主要技术;MIS决策管理层的形成以及生产经营决策子系统的技术特点。为推进我国的纺织企业管理信息系统的开发和实现现代化管理作了探索。