基于YOLO算法的手势识别

研究YOLO算法在手势识别中的应用,提升在近肤色和光线明暗不一的背景下检测的速度和精度.YOLO算法是端到端的检测方法,通过卷积神经网络自动提取目标的特征,可以大幅度提高运算速度.鉴于YOLO算法在目标检测任务中的优良表现,将YOLO算法应用到手势识别问题中.通过对YOLO系列算法的研究对比表明,YOLO算法在手势识别中具有良好表现.同时,在YOLOv3算法的快速版本YOLOv3-tiny的基础上提出了YOLOv3-tiny-T算法.YOLOv3-tiny-T在包含5种手势的UST数据集上,平均精度均值为92.24%,较YOLOv3-tiny获得了5%左右的提升.      

具有间隙反射膜的稀疏SiPM阵列PET探测器性能评估

正电子发射断层成像仪(positron emission tomography,PET)通常采用模块化闪烁探测器,由闪烁晶体阵列耦合光电传感器阵列构成。近年来硅光电倍增管(silicon photomultiplier,SiPM)广泛应用于PET。虽然SiPM紧密排列可以获得较好性能,但是稀疏排列可以有效降低成本,获得较高性价比。该文采用SensL公司MicroFB-30035-SMT芯片自主拼接了一款8×8的稀疏SiPM阵列,阵列面积为33.7mm×33.7mm,SiPM芯片尺寸为3.16mm×3.16mm,即阵列间隙面积比例为44%。基于该稀疏SiPM阵列,开发了一款具有作用深度信息的双层错位LYSO晶体PET探测器模块。SiPM间隙为探测死区,将造成光损失。该文评估了在SiPM间隙粘贴增强型镜面反射膜(enhanced specular reflector,ESR)后对探测器性能的影响。在室温下采集了有无间隙反射膜2种情况下的泛场图像。开发了定量评估方法,评估了探测器的光电峰、能量分辨率和晶体响应均方根误差。结果表明:SiPM间隙粘贴反射膜提高光收集量25.5%,将探测器的能量分辨率由13.48%优化到12.80%;泛场图像质量也有了提升,即改善了探测器固有空间分辨率。     

智能信息处理在烧结质量推断中的应用

研究了智能信息处理在烧结质量推断中的应用，在对图象序列的范型描述和ＢＰ算法改进的基础上，成功地应用了图象序列分析与动态模式识别相结合的方法，解决了烧结质量的动态推断问题，实例表明，该方法有很好的实用效果。     

基于模糊神经网络的板形板厚综合控制系统

面对板形板厚控制这一复杂、多变量耦合的非线性系统，提出一种基于模糊神经网络的综合控制方案，实现了无模型板形板厚综合控制．仿真结果表明，该控制系统收敛性好、抗干扰性强，取得令人满意的板形板厚控制精度．     

一类非线性控制系统的干扰解耦

讨论了一类非线性控制系统的干扰解耦问题,通过对系统正则型的研究给出了使系统可通过静态反馈达到干扰解耦控制的充分必要条件,并给予了严格的证明。     

数据压缩技术在工业过程中的应用

针对应用模式识别技术进行数据降维过程中存在的人为性及冗余性等不足,提出一种有效的数据压缩技术--主元分析法.研究表明,此方法具有快速、准确、一次自动完成等显著优点,有效率达到85.18%.