基于红外物理与传热学的目标红外成像模型

现有计算机图形学的光照模型,都是对可见光的光照效果的描述,由于它们没能反映物体的红外特性,因而不能为目标的红外仿真提供显示模型。本文从红外物理及传热学的基本理论出发,提出目标的红外成像仿真模型。该模型成功地模拟了由内热源引起的目标的红外特征。从实验结果看,模型的红外仿真效果较理想。     

一种基于调制估计的增强型干扰消除检测算法

在增强型长期演进(long term evolution-advanced,LTE-Advanced)多用户多输入多输出(multiuser multi-inpat multi-output,MU-MIMO)系统中,由于发射端的信道状态信息(channel state information,CSI)不明确,用户设备(user equipment,UE)会受到较大的残余多用户干扰?忽略干扰的检测算法在此情况下的检测性能不佳,考虑了一种干扰感知检测算法?为了对目标层和干扰层执行联合检测,UE需要获取详细的干扰调制信息?提出了一种基于调制估计的联合检测算法作为LTE-A的下行MU-MIMO增强型干扰消除检测算法?仿真结果表明,该算法能够提供约0.5~2dB的显著增益?     

高校教室照明节能系统探讨①?

针对高校教室照明系统能耗大浪费多的问题,利用红外装置和人脸识别系统,设计了一套高校教室照明节能系统。系统将教室分为几个区域,利用红外装置周期扫描人体信号,能够实现无人自动关灯,并且在人员过于分散情况下,部分分区也会自动关灯,促使人员集中。该系统较好地解决了高校教室照明系统能耗大浪费多的问题,显著提高了电能的使用率。     

恒河猴类麻疹综合症的病原检测

对暴发类麻疹综合症的恒河猴病料组织进行了电镜观察,发现有副粘病毒粒子,然后分别合成了麻疹病毒及犬瘟热病毒的特异性引物,对病料进行RT-PCR扩增,从发病死亡的恒河猴脏器中扩增到犬瘟热病毒核蛋白基因287bp的特异片断,而麻疹病毒的检测为阴性.扩增到的犬瘟热病毒核酸片段经序列测定并与GenBank中的犬瘟热病毒毒株进行了比较,发现死亡恒河猴脏器中扩增到的片段序列与犬瘟热病毒疫苗株Onderstepoort、标准野毒株A75-17基因序列的同源性较高,研究结果表明引起恒河猴发病的病原体为麻疹病毒属的犬瘟热病毒.     

基于复杂网络重叠社团发现的微博话题检测

社交媒体话题检测一直是个热点问题,由于社交数据杂乱异构,且具有时效性,语义模糊性等特点,话题检测也是个难点问题.研究利用复杂网络对社交文本数据进行建模,并结合一种基于极大团凝聚层次聚类的重叠社团发现方法实现了社交话题的检测.文本数据建模中,通过自定义突发系数量化话题词,即把话题词看作具有时域分布偏好的关键词,并通过自定义相关系数连接话题词,构建话题网络.为使自定义系数更适用于动态数据环境,实验结合真实数据进行了适应性测试优化系数.文章把采用EAGLE重叠社团发现方法在公开数据集上评测,根据Q函数值显示结果明显优于当前一些重叠社团发现策略,研究对采样的60万条青少年社交数据进行了话题分析并可视化了分析结果.     

FSL-土壤防渗剂的红外光谱分析

<正>利用红外光谱分析以缩合类栲胶、铁盐（ＦｅＣｌ３）和水玻璃（Ｎａ２ＳｉＯ３）为原料的土壤防渗剂（ＦＳＬ）,发现原料的特征基因光谱峰的位置和强度均发生了变化,各组分间有配位聚合作用。     

基于AdaBoost人脸检测算法中的特征筛选方法

文章从机器视觉的发展历程出发,首先介绍了人脸检测的概念原理。接下来在引入AdaBoost算法后,详细阐述了算法中的关于积分图、特征值的计算方法以及强分类器的具体训练过程。在对训练效率进行科学分析后,文章重点介绍了一种基于降低错误率的贡献度的特征筛选方法,以减少垃圾特征对系统的资源的消耗和不良的影响。最后给出人脸检测的实验结果并得出结论。     

CNG/汽油两用燃料发动机润滑油的检测与分析

论述了发动机油快速检测法,即油滴斑点色域迹象法.对CNG/汽油两用燃料汽车发动机润滑油在行车试验过程中的使用性能进行了检测分析,通过进行油质检测和质量判断,提出换油时机和使用指导.     

Aurora协议在红外告警系统中的应用

介绍红外告警系统的系统结构及实现过程。介绍了其通信传输方案,重点介绍了基于Aurora协议的通信过程。实验结果表明该方案稳定高效,可实现红外数据的实时传输,满足系统需求。     

面向胃息肉检测的深度学习神经网络优化

胃镜检查是发现胃息肉的主要方法。传统的人工检查方式存在准确率低,易漏诊、误诊的情况。本文提出了一种基于深度学习的YOLOv5-SE胃息肉检测网络。该网络在目标检测算法YOLOv5的基础上进行了改进,引入注意力机制,将SE Block加入到主干网络的最后一层,增强网络的特征提取能力。改进后的YOLOv5-SE胃息肉检测网络的平均精度均值(mAP)达到了94.5%,相比原网络提高了3.1%,推理速度达到67fps,在满足实时性要求下较好地完成了胃息肉检测的要求。YOLOv5-SE胃息肉检测网络具有在实时性、自动检测的精度和速度等方面有一定提升,对促进胃息肉的自动检测有重要意义。