曲线拟合在核探测器信号幅度提取中的应用

研究数字化核探测器输出脉冲信号的幅度提取问题.根据闪烁探测器的电路特性,推导了其脉冲信号理想曲线方程.综合利用三和值法、最小二乘法、试探法等方法,设计了该理想曲线拟合算法.由脉冲信号采样点数据,通过曲线拟合,计算出曲线的极大值,该值即为闪烁探测器输出脉冲信号的幅度.正反演数据结果对比表明,采用曲线拟合算法提取闪烁探测器输出脉冲信号幅度,其方案可行,计算结果更准确.相较于数字滤波和数字脉冲成形方法提取核探测器输出脉冲幅度,该算法更简单,对仪器的硬件处理速度要求更低.该方法开辟了核探测器脉冲幅度提取的新途径.     

SENet优化的Deeplabv3+滑坡识别

为降低山区滑坡等地质灾害影响的风险和对沿线电网安全的监测保护,利用人工智能实现电力线通道地质灾害的快速筛查。实验利用Deeplabv3+网络对川西地区遥感影像中的滑坡区域进行分割,选取了不同的主干网,包括Resnet、Xception、Mobilenet和引入SE(squeeze-and-excitation)注意力机制的ResNet,实验数据表明,SENet(squeeze-and-excitation networks)优化的Deeplabv3+语义分割模型效果最好,像素准确率(pixel accuracy, PA)达95.5%,平均交并比(mean inetersection over union, MIoU)达84.7%,相比于其他主干网络模型PA最低提升1.3%,MIoU最低提升2.2%。结果表明SENet优化的网络模型在滑坡边缘细节上的分割更精确,误识别和漏识别现象更少,识别效果优于其他模型。