莲蓬采摘点与采摘姿态计算算法

针对研发莲蓬采摘机器人遇到的采摘点识别问题,提出了一种莲蓬采摘点与采摘姿态计算方法。提出了一种基于YOLO(you only look once)与Deeplab v3+的二阶段分割网络,并通过Mobilenet v2特征提取网络对算法进行轻量化改进,最后对分割后的结果进行图像处理,进一步计算得到莲蓬采摘点及采摘姿态。将50幅原始图像进行验证试验的结果表明,算法计算成功率为88.89%,平均帧率为34.41 FPS。得到的算法能够为莲蓬自动化采摘机械提供有效信息,具有轻量化、效率高的特点,促进了计算机视觉与神经网络在现代农业的应用。     

昆明银杏金川花园深基坑支护技术

昆明银杏金川花园基坑周边条件较复杂,开挖深度在12.9~14.6 m,需支护长度496.5 m。施工中因地制宜采取了不同支护方案,以土钉支护、冠梁、腰梁、钻孔桩加锚索支护及锚喷网和深层搅拌桩、旋喷桩、及摆喷桩等形成止水帷幕进行综合支护。监测结果表明:地表沉降最大实测值为24.67 mm,桩顶及土体水平位移15 mm,均小于允许值。     

桩139块边底水稠油油藏蒸汽吞吐开发效果的措施研究

针对桩西油田桩139块稠油油藏埋藏深、井斜度大、边底水活跃及高含水的开发现状,在重新进行精细油藏描述的基础上,对储层的非均质性、油水关系及构造特征取得了新的认识,提出在开发过程中立足蒸汽吞吐,完善相关配套工艺技术,综合运用局部井网加密、优化射孔井段、逐周期增加注汽强度,有针对性地实施氮气泡沫蒸汽吞吐缓解油藏边底水上升,注蒸汽伴注高温防膨剂降低注汽压力,措施实施后,单井吞吐效果较好,经济效益显著,对深层边底水稠油油藏的高效开发具有一定的指导意义。     

一种基于混合深度学习的推荐算法

为解决推荐算法中的冷启动和数据稀疏性问题,提高推荐的效率,提出一种基于混合深度学习的推荐算法。该算法将深度学习中的半自动编码器和多层感知机模型有效结合,通过半自动编码器模型解决稀疏数据,并融合相关辅助信息解决冷启动问题。它先用半自动编码器提取用户和项目的深层次特征,再将提取的潜在特征输入到多层感知机中进行非线性融合,完成评分预测。实验结果表明,相比于其他算法,该算法可以更好地处理稀疏数据和冷启动问题,使推荐准确性得到不同程度的提升。在给定数据集上,该算法比传统矩阵分解算法的均方根误差提升了约46%。     

基于改进MSD法的软土深基坑支护侧移规律

软土地层中建造大型深基坑工程时往往面临着较大的风险和挑战,支护结构易发生变形且难以预测.对已有的可动强度设计(mobilizable strength design,MSD)理论进行总结,引入围护结构的弯曲应变能和内支撑的压缩弹性势能,完善基坑变形过程中的能量守恒体系,改进MSD法计算公式,并以济南黄河隧道北岸盾构工作井基坑工程为依托,对软土地层深基坑连续墙的变形进行预测,同时利用有限元分析法进行预测,并将预测结果与现场监测数据进行详细的分析比对,论证改进MSD法+有限元分析法预测体系的可靠性,分析误差来源,提出降低误差的措施,供类似工程参考.     

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。     

双通道多感知卷积神经网络图像超分辨率重建

基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大,如何降低网络构建难度和计算成本成为一个难点.为此,提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积核的通道上建立了稠密连接,并构建了带有动态调节能力的层间融合结构.这种结构的设计使得小规模卷积神经网络便能获得图片特征信息的全面感知能力.实验结果表明,DMCN重建效果优于目前多数具有代表性的重建算法.     

基于神经网络结构搜索的目标识别方法

针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。     

水泥浆封堵深孔预裂爆破合理封堵长度

针对深孔预裂爆破装药量大,传统炮泥封堵易发生“冲孔”的问题,提出以水泥浆为封堵材料,并对其合理封堵长度进行研究。基于水泥浆性能,假设凝固后的水泥浆与岩石为同一材料,阐述水泥浆封堵炮孔的作用机理;根据Starfield迭加法的基本思想,建立柱状药包等效多个球状药包计算模型,探究球状药包应力波衰减规律,计算球状药包在自由面的迭加拉应力;基于减弱爆破漏斗理论,以迭加拉应力与岩石抗拉强度相等为原则,推导封堵长度取值公式;利用数值模拟,分析了不同封堵长度下爆破后应力波的扩散范围与岩石的破碎范围;以新巨龙煤矿2302N工作面爆破法过大落差断层为背景,进行现场试验,借助钻孔成像仪观测炮孔周边岩层破碎情况。结合理论计算、数值模拟及现场试验确定水泥浆封堵长度为2.5 m。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.