嵌入式网络应用中功耗优化设计

随着人们对智能微计算机系统的需求日益提高,许多嵌入式系统也实现了网络通讯功能,如何在有限的资源上实现必要的网络协议,并且利用有限的能量和资源实现功能的最大化,成为现今嵌入式系统网络化发展存在的最大问题。     

对建立现代化警察培训体制的探索与思考

体制决定着警察教育培训的质量的高低。在总结多年来警察培训工作经验的基础上,针对存在的问题,分析其中的原因,从而对新时期警察培训发展方向、发展模式的提出具有积极地意义。     

仙游县重点生态公益林现状和发展对策探讨

在对仙游县重点生态公益林建设现状、管护机制以及科学利用情况调查分析的基础上,针对存在的突出问题,提出发展生态公益林若干建议与对策,以实现生态公益林持续稳定健康发展。     

基于野外监测的阿娘寨滑坡自愈合特征

滑坡在地震、降雨和坡脚开挖时会发生慢速滑动,部分滑坡直接失稳破坏,但是部分慢速滑坡会慢慢变得稳定,呈休眠状态。目前,滑坡恢复稳定的自愈合过程外在表现和内在机制还研究较少,尤其是坡脚侵蚀型慢速滑坡的自愈合特征研究。2020年6月17日,四川省丹巴县梅龙沟爆发的泥石流堵塞小金川,形成泥石流-堰塞湖-溃决洪水灾害链,且溃决洪水掏蚀坡脚,导致阿娘寨古滑坡复活。通过对阿娘寨滑坡应急监测数据发现,阿娘寨古滑坡初期存在大变形,但后期变形逐渐稳定,存在强度恢复的自愈合现象。另外,数据表明滑坡的两次突然启动和小金川流量增大侵蚀坡脚相关,和地震和降雨关系不大。通过现场监测数据分析,滑坡刚发生时变形速率高达118 mm/h,本文建立的预测模型表明,在没有外在触发因素条件下,滑体会在8月21日左右变形速率低至1 mm/h。本文以阿娘寨滑坡为例,分析滑坡的变形过程和自愈合特征,并基于野外监测数据建立自愈合过程预测模型,该方法对于科学评估滑坡稳定性,减小滑坡防治设计成本具有重要意义。     

HD水电站库岸大型斜坡变形体成因机制及稳定性评价

近年来,受水库蓄水及降雨等因素影响,造成大量水电站库岸边坡变形加剧,一旦失稳极可能对电站的正常运行造成极大危害。本文选取距HD水电站坝址约6 km,方量约353万立方米的库岸边坡变形体作为研究对象,通过综合采用野外地质精细调查、室内试验、三维数值模拟和理论分析等方法对该变形体的稳定性及成因机制进行深入研究。结果表明：该岸坡变形体基岩以玄武岩、凝灰岩为主,覆盖层总体较薄,主要为碎石土,变形体的持续发育由多因素耦合作用引起;当暴雨或水库蓄水时,变形体有效应力减小,位移量增加,滑面剪应变增量增加且贯通性更好;三维数值模拟结果显示,在天然、暴雨、低蓄水位(1586 m)和高蓄水位(1691 m)工况下的最大变形量分别为33.9 cm、56.2 cm、79.5和88.6 cm;该变形体的发育过程可分为两个阶段,分别是天然情况下的稳定阶段和暴雨或水库蓄水后的加速变形阶段,暴雨和库水位上升是促进该变形体持续变形的主要原因。     

高地应力水平岩层隧道滞后型岩爆时空倾向性机制分析

浙江杭温水平岩层隧道内滞后型岩爆频发,但目前对于其孕育机理和时空倾向性研究不足。故采用有限差分软件,通过地应力测试和统计现场岩爆资料的方法,研究分析滞后型岩爆时空特征机制。结果表明:(1)滞后型岩爆具有明显的时空倾向性特征。近70%的滞后型岩爆时间上发生在该区开挖6～30 d,空间上滞后于掌子面30～100 m之间;且多发生中等岩爆,岩爆等级及可能性随时空变化呈现倒“V”形趋势。(2)硬岩在高地应力环境中具有明显的延性与时效变形特征;在卸荷条件下,应力释放率的逐渐增加是诱发滞后型岩爆的最主要因素。(3)开挖一定距离后,隧道周边不同位置处都出现应变能突变,且保持较高的应变能密度,易发生等级较高的岩爆。上述结果为以后预测滞后型岩爆和施加相应支护措施提供了依据。     

植物角质层蜡质组成、生物合成及响应外界胁迫功能研究进展

为了探讨植物角质层蜡质在植物响应生物胁迫与非生物胁迫中的功能,为改良植物性状、提高作物品质及作物遗传育种提供新的资源,对植物角质层蜡质的组成、生物合成途径及功能进行综述：植物角质层蜡质主要由长链脂肪酸及其衍生物即烷烃、醛类、酮类、初级醇、次级醇和蜡酯等组成;生物合成途径可分为3个步骤,即C16、 C18脂肪酸的从头合成、 C16、 C18脂肪酸延伸形成长链脂肪酸和长链脂肪酸通过酰基还原途径和脱羰基;植物角质层蜡质在植物响应干旱、紫外线辐射和抗病虫害等非生物和生物胁迫中发挥重要功能。指出利用新的生物技术对蜡质功能及作用机制进行深入研究,探讨植物的抗逆性,是今后的研究方向。     

基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,本文设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先本文引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,本文将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度估计效果,改善了轮廓细节。     

Yolov7-pose识别运动员姿态时关键点异常的消除方法

本研究首先构建了深度聚合网络（deep layer aggregation,DLA）,用于替换Yolov7-pose算法中原有的特征融合网络,增强了特征的表达;其次,将高效聚合网络（efficient layer aggregation Net, ELAN）和尺度感知注意力网络（scale-aware attention Net, SAAN）融合在一起,引入到Yolov7-pose算法中;然后,引入尺度因子到Yolov7-pose算法的损失函数中,并通过实验确定尺度因子最佳值。实验结果表明,经过本法改进的方法识别篮球比赛视频流中的多名运动员姿态时,不再出现关键点异常现象,姿态识别的精度达到95%以上,运行效率达到24 FPS以上,综合性能显著优于原始Yolov7-pose算法等算法。