摘要:知识图谱由Google公司提出, 作为增强其搜索功能的知识库, 在近几年得到了迅速发展. 随着知识图谱价值不断地被发掘, 各类领域知识图谱也迅速建设起来. 本文通过领域知识图谱和通用知识图谱的对比来清晰化领域知识图谱的定义, 介绍了领域知识图谱的架构, 并以医学知识图谱为例讲解了领域知识图谱的构建技术. 最后, 本文介绍了当前热门的领域知识图谱的发展状况和应用, 对当前领域知识图谱状况进行了较为全面的总结.

摘要:Retinex算法是彩色图像增强领域中的重要方法, Retinex算法具有丰富的内涵. 针对传统Retinex算法易在增强结果中产生色彩失真、光晕现象等局限性, 本文讨论并分析了现有的基于颜色空间转变、色彩校正和估计照度分量设计方法的一系列相关的改进方法. 最后指出了Retinex算法可进一步研究的方向.

摘要:基于L系统研究水稻根系三维建模及可视化, 动态模拟水稻根系生长过程. 通过分析水稻根系结构及生长特性, 定义了水稻根系生长模型, 包括: (1)根尖、分枝、种子根发根节点和不定根发根节点模式字符串; (2)单根生长、单根分枝、产生种子根和不定根产生式; (3)产生种子根及不定根节点的公理. 通过不断迭代模拟水稻根系生长变化过程, 并利用L-studio实现水稻根系生长的三维可视化. 同时将重力因子G和偏转因子D加入水稻根系生长模型中, 考察上述两个因子作用下水稻根系的生长特性. 通过实验可知当G≈0.3, D≈0.3时, 水稻根系生长模拟结果比较符合实际情况, 可为其他植物根系生长模拟与可视化研究提供参考.

摘要:当前导光板表面缺陷仍主要由人工肉眼观察进行检测, 仅有少数生产厂家利用传统的图像处理方法进行检测. 由于导光板缺陷在高分辨率工业相机拍摄的图像成像下仍极其微小, 且不同缺陷的特征各异, 以及整张导光板自身的导光点分布密集、不均匀等纹理特点, 导致传统的图像处理检测方法需要经验丰富的视觉工程师进行大量的特征提取算法编程工作和昂贵的代码维护成本, 准确率低且稳定性差, 为此提出一种基于深度学习语义分割的缺陷检测方法. 该方法通过训练神经网络的方式来自主学习提取导光板缺陷特征从而避免繁杂的特征提取算法编程工作. 首先, 对搜集的导光板缺陷进行缺陷标记, 制作样本集; 其次, 利用迁移学习将预先训练好的金字塔场景解析网络(PSPNet)对标记样本进行再训练; 进而, 利用训练好的模型实现对导光板缺陷的检测; 由于单独的深度学习语义分割缺陷检测方法通常无法满足工业实际应用需求, 最后还需结合简单的机器视觉方法, 对深度学习语义分割方法检出的所有疑似缺陷区域进行二次判断筛选. 实验结果表明, 该方法针对亮点、暗点和划痕3种缺陷的检出率高达96%, 基本可以满足工业检测要求.

摘要:为了进一步提高网络异常检测的准确率, 本文在对现有入侵检测模型分析的基础上, 提出了一种基于卷积神经网络和支持向量机的网络报文入侵检测方法. 该方法首先将数据预处理成二维矩阵, 为了防止算法模型过拟合, 利用permutation函数将数据随机打乱, 然后利用卷积神经网络CNN从预处理后的数据中学习有效特征, 最后通过支持向量机SVM分类器将得到的向量进行分类处理. 在数据集选择上, 采用网络入侵检测常用的权威数据集—京都大学蜜罐系统数据集, 通过与GRU-Softmax、GRU-SVM等现有检测率较高的模型进行实验对比, 该模型在准确率上最高分别提高了19.39% 和12.83%, 进一步提升了网络异常检测的准确度. 同时, 本研究所提出方法在训练速度和测试速度上有较大提高.

摘要:传统的手语识别仅仅依靠人工选取的底层特征完成识别, 难以适应手语图像背景的多样性, 本文提出了一种综合多要素的手语肤色分割与改进VGG网络的手语识别方法. 对采集到的手语图像利用椭圆模型进行初步分割, 根据最大连通域排除背景中的类肤色区域并用质心定位的方法去除手部区域以外的肤色区域, 从而实现手语图像准确分割. 在原有VGG网络的基础上减少卷积及全连接的层数对VGG网络进行改进, 减少了所需的存储容量和参数数量. 将分割后的手语灰度图像作为网络的输入, 采用改进的VGG网络建立手语的识别模型. 通过比较不同结构的网络模型对手语图像的识别率, 表明改进的VGG网络能够有效进行特征学习, 对手语图像的平均识别率都达到97%以上.

摘要:从建模与仿真实施质量的定义及相关概念、仿真工作整体、仿真数据、建模过程、模型、结果等方面综述了近几十年的相关文献, 总结了现有研究成果. 目前建模与仿真实施质量的研究大部分集中在数据、仿真工作整体上, 从全生命周期的系统研究相对较少, 并且缺少规范化的框架确保建模与仿真实施的最终效果. 从全生命周期的角度研究实施质量是比较全面完整的, 所以其研究是很有必要的. 最后从生命周期角度展望了建模与仿真实施质量的研究方向.

摘要:为了满足流媒体视频数据在传输过程中对数据的时效性、传输效率及传输的准确性这些高要求, 本文从实时大数据的流处理应用出发, 通过分析流媒体视频数据在实时传输中遇到的难点和所需的关键技术, 采用Storm流处理技术实现高性能、低延迟的分布式实时传输系统, 在Linux系统上完成Storm框架的搭建, 设计并实现了流媒体视频数据的传输拓扑任务, 同时部署Zookeeper为框架提供高效可靠的分布式协调服务, 并搭建流媒体服务器用于视频推流后的存储及客户端的点播. 在搭建好Storm框架后, 通过了对大规模流媒体视频数据的实时传输测试.

摘要:针对现有微认证系统架构依靠中心化的管理模式, 不能够保证微认证安全性的弊端, 本研究利用了区块链的分布式结构, 透明性与不可篡改性的特点, 探讨了如何将区块链技术引入微认证系统的架构设计中. 本文首先阐明了当前微认证系统中存在的弊端, 介绍了区块链生态系统的基本概念; 其次, 设计并提出了基于区块链的微认证系统架构, 以提供高效率且简单直观的微认证相关服务; 最后, 实现了解决方案的原型, 验证了系统原型的性能表现, 并进行了安全性探讨. 实验结果表明, 本文方法能很好地应用于微认证系统, 以促进设计和实现基于区块链的微认证系统.

摘要:由于当前的诊疗决策支持系统采用单一学科的决策方法, 导致诊疗精度不高, 获取的数据分类结果准确率较低, 提出并设计一种基于改进K-NN (K-Nearest Neighbour)分类算法和SVM (Support Vector Mechine)的多学科协作诊疗决策支持系统. 在构建系统总体框架的基础上, 对数据库系统模块、人机交互模块和诊疗推理模块进行设计, 其中诊疗推理模块是系统的软件核心, 通过改进K-NN分类算法和SVM建立推理引擎, 在计算机的辅助下, 搜索与患者病症信息相似的医疗案例, 并进行相似度匹配, 根据匹配结果与患者症状集构建一个新的临床案例, 引入CDA (Clinical Document Architecture)概念, 实现改进K-NN分类算法和SVM算法的有效融合, 完成多学科协作诊疗决策. 实验结果表明, 与传统系统相比, 该系统的诊疗决策精度高, 评价指标测试平均值达到95.98%, 分类结果准确率较高, 在该系统辅助下能提高医生诊断正确性, 降低误诊率, 且运算复杂度较低.

摘要:中国是传统的农业大国, 农业不仅是国民经济建设与发展的基础, 也是社会正常稳定有序运行的保障. 然而每年由于农作物病虫害造成的损失巨大, 且传统的农作物病虫害识别方法效果并不理想. 同时近年深度学习飞速发展, 在图像分类与识别的方面取得了巨大进展. 因此本文通过基于深度学习的方法构建农作物病虫害图像识别模型, 并针对样本不平衡问题改进卷积网络损失函数. 实验证明该模型可以对农作物病虫害进行有效识别并且对损失函数进行优化后模型的准确率也进一步得到了提升.

摘要:随着大型图像集的出现以及计算机硬件尤其是GPU的快速发展, 在有限计算资源的嵌入式设备上部署卷积神经网络(CNN)模型成为具有挑战性的问题. 电力设备过热故障可以通过采集的红外热成像进行识别. 由于红外辐射在空气中传播衰落, 红外测温结果低于实际温度值. 本文提出一种基于嵌入式设备的高效卷积神经网络用于电力设备热故障检测, 将SSD算法中的骨干网络替换为MobileNet, 同时Batch Normalization与前一卷积层合并, 以减少模型参数、提升推理速度、使之能够在轻量级计算平台上运行. 针对红外辐射在空气中传播损失的问题, 提出一种基于BP神经网络的红外测温修正单元. 基于上述创新设计了一种电力设备热故障检测系统, 实验以及现场应用表明, 该方法具有较高的准确性以及推理速度.

摘要:城市交通拥堵具有严重的危害性, 直接导致时间延误、能源浪费和废弃物排放增加, 降低居民生活水平. 现阶段, 基于平面交叉路口交通灯切换时间相对固定, 恶劣天气或发生交通事故时路口经常发生交通堵塞的实际情况, 本文提出了一种平面交叉口交通拥堵多方向交通灯运行时间自适应算法, 采取视频图像处理算法判断道路交通拥堵情况, 根据路况设置交通灯的工作时间, 并设计了相应的控制系统. 仿真结果表明, 在高峰期时段, 此自适应算法的车辆通行效率高于传统的交通灯运行时间控制方法.

摘要:设计了一种能够自适应调整的智能阅读架, 该智能阅读架采用ARM Cortex-A53树莓派微处理器架构, 整机系统由阅读架终端、云端服务器和应用端用户平台3部分构成. 阅读架终端配置单目摄像头, 能实时识别读者前倾、后仰、左偏、右偏、抬头、低头以及正确的坐姿, 并能通过步进电机控制阅读架实现上下、左右角度调节, 自适应跟踪读者的阅读姿态. 此外, 智能阅读架能够将用户使用时间、阅读姿态等信息上传云端服务器, 组建用户档案库, 供用户访问. 该设计产品可以广泛推广到幼儿园及中小学、图书馆阅览室、普通家庭等场合, 帮助阅读者端正坐姿, 养成良好的阅读习惯, 社会和经济效益显著.

摘要:针对多源异构的环境数据难以利用的问题, 在通用知识图谱的基础上, 融合各类环境数据构建环境知识图谱. 首先利用网络爬虫等获取环境数据, 并进行数据预处理; 进而利用结构化数据转化、文本抽提以及数据融合等技术, 研究基于环境信息融合的知识图谱构建方法; 最后将生成的知识图谱存入图谱数据库，并搭建知识图谱应用平台, 提供递归查询功能, 实现环境知识图谱的可视化, 以期为相关人员提供有益参考.

摘要:针对部队武器仓库等重要场所的门禁管理方式安全性较低等问题, 设计了基于改进卷积神经网络的门禁系统. 首先对卷积神经网络进行介绍, 引入PSO算法设计优化的卷积神经网络的初始权值以及阈值. 然后对手写数字数据集进行分类实验. 实验结果证明, 基于PSO算法的卷积神经网络改进方案能够使得训练过程收敛速度较快, 损失较小, 效果优于传统卷积神经网络. 在此基础上, 根据部队实际工作情况, 将粒子群算法应用于MTCNN以及孪生ResNet算法, 设计基于改进卷积神经网络的门禁系统, 使得部队重要场所的门禁管理具有更高的安全性和可靠性.

摘要:电池管理系统(BMS)主要功能是实时监控、管理动力电池组中各单体电池的正常工作, 电池的各项信息被BMS以CAN报文的形式发出. 通过采集和解析BMS的报文, 能够对电池的性能作进一步分析评测. 本文以树莓派为载体, 通过设计树莓派的扩展板实现CAN报文的采集, 同时在树莓派中解析CAN协议的DBC文件格式. 设计了一款可移动便携式的CAN报文采集与解析设备, 并根据电池组所有电芯开路电压的解析数据对电池一致性做出快速评估.

摘要:本文采用深度学习算法中的卷积神经网络对细胞图像进行识别, 实现对宫颈细胞图像的自动分类. 首先对宫颈细胞进行预处理, 通过细胞核裁剪解决图像输入尺寸不一的问题, 对图像进行翻转平移, 对数据集进行扩充, 并解决样本量不均衡的问题; 接着选取VGG-16网络进行改进, 使用改进后的VGG-16网络进行特征提取, 以及细胞分类; 并采用迁移学习的方法加载预训练网络参数, 进而加快参数收敛速度, 提高分类准确率; 最终通过对网络的训练, 得到了较好的分类结果, 将分类结果与人工提取特征设计分类器的方法相比, 分类的准确率有所提高, 二分类的准确率达97.3%, 七分类的准确率达89%. 实验结果表明: 卷积神经网络对宫颈细胞图像进行自动分类, 分类准确率相比较人工提取特征分类器效果较好, 且分类结果不受分割图像准确率的影响.

摘要:社区结构是复杂网络的重要特性之一, 基于模块度的复杂网络社区发现问题是一个NP难度的组合优化问题, 常用启发式算法求解. 最近出现的Jaya算法是求解连续优化问题的一种简单有效的元启发式方法. 本文在遵循Jaya算法按靠近最好解、远离最差解的方式更新种群个体的基础上, 针对复杂网络社区发现问题给出了Jaya算法离散化的策略, 提出一种复杂网络社区发现的离散Jaya算法. 实验表明, 在几个典型真实网络实例和一类人造网络实例上, 与几个经典算法和元启发式算法相比, 本文算法具有求解精度高、能自动确定社区数目等优点.

摘要:针对YOLOv2算法实际检测到的小尺寸交通标志质量不佳, 识别率低, 实时性差的问题, 提出一种基于改进YOLOv2的交通标志检测方法. 首先, 通过直方图均衡化、BM3D对图像增强以获取高质量图像; 接着, 将网络顶层卷积层输出的特征图进行精细划分, 得到高细粒度的特征图, 以检测高质量、小尺寸的交通标志; 最后, 采用归一化及优化置信度评分比例对损失函数进行改进. 在结合CCTSD (中国交通标志检测数据集)和TT100K数据集的新数据集上进行实验, 与YOLOv2网络模型相比, 经过改进后的网络识别率提高了8.7%, 同时模型的识别速度提高了15 FPS. 实验结果表明: 所提方法能够对小尺寸交通标志进行精准检测.

摘要:作为自然语言处理领域的经典研究方向之一, 特定目标情感分析的任务是根据句子上下文语境判别特定目标的情感极性, 而提升该任务表现的重点在于如何更好地挖掘特定目标和句子上下文的语义表示. 本文提出融合短语特征的多注意力网络(Phrase-Enabled Multi-Attention Network, PEMAN), 通过引入短语级别语义特征, 构建多粒度特征融合的多注意力网络, 有效提高模型的表达能力. 在SemEval2014 Task4 Laptop、Restaurant数据集上的实验结果表明, 与基准模型相比, 本文提出的PEMAN模型在准确率上有一定提升.

摘要:为解决旅游文本在特征表示时的一词多义问题, 针对旅游游记文本景点实体识别中景点别名的问题, 研究了一种融合语言模型的中文景点实体识别模型. 首先使用BERT语言模型进行文本特征提取获取字粒度向量矩阵, BiLSTM用于上下文信息的提取, 同时结合CRF模型提取全局最优序列, 最终得到景点命名实体. 实验表明, 提出的模型性能提升显著, 在实际旅游领域内景点识别的测试中, 与以往研究者方法比较下准确率, 召回率分别提升了8.33%, 1.71%.

摘要:本文提出一种基于全卷积神经网络的图像中文字目标语义分割算法和一种新的数据集制作与增广方法. 该算法首先采用改进全卷积神经网络对图像中的文字目标进行初步分割, 然后利用大津法进行二值化处理, 划分出目标的大致区域, 最后用全连接条件随机场算法进行修正, 得到最终结果. 该算法在测试集上准确率为85.7%, 速度为0.181秒/幅, 为图像目标区域的进一步分析做准备.

摘要:中文分词是中文自然语言处理的重要任务, 其目前存在的一个重大瓶颈是未登录词识别问题. 该文提出一种非监督的基于改进PMI和最小邻接熵结合策略的未登录词识别方法. 滤除文本中无关识别的标点符号和特殊字符后, 此方法先运用改进PMI算法识别出文本中凝聚程度较强的字符串, 并通过停用词词表和核心词库的筛选过滤, 得到候选未登录词; 然后, 计算候选未登录词的最小邻接熵, 并依据词频-最小邻接熵判定阈值, 确定出文本中的未登录词. 通过理论及实验分析, 此方法对不同的文本, 在不需要长时间学习训练调整参数的情况下, 即可生成个性化的未登录词词典, 应用于中文分词系统后, 其分词正确率、召回率分别达到81.49%、80.30%.

摘要:随着移动互联网的广泛应用, 智慧社区等一系列移动互联应用等得到人们的重视, 特别是以居家养老的老年人防跌倒检测备受关注. 针对目前老年人跌倒没有及时得到检测报警, 从而无法及时救助, 进而产生更严重的安全性的问题, 本文提出了一种跌倒检测方法. 本文提出的方法首先对特定人体进行扫描, 利用人体建模工具poser构建出人体模型, 在运动过程中根据关节点位置将二维坐标映射出相应的三维坐标并通过节点位置预测算法对映射后的三维坐标进行关节点位置预测, 然后将预测后的子关节聚合到父类三维空间坐标轴中并预测出父类关节点的运动状态, 当子关节点与父关节点预测结果同时处于跌倒状态, 则判断人体所处于跌倒状态. 由于所建立的运动模型在运动特征上具有较高的真实性, 以此获取关节点的数据变化真实可靠. 经过大量的实验数据表明, 本文提出的跌倒检测方法可以精准实时反应运动状态, 检测准确率为99%, 由此可见本文提出的方法应用于跌倒检测是有效并可靠的.

摘要:本文提出了一种基于MPU9250微处理器的人体运动识别的方法. 用户在佩戴手环的情况下进行各类运动, 手环即可自动采集并存储用户在运动过程中产生的加速度数据. 分析这些数据可以判别人体运动的类别. 通过手环内嵌的加速度传感器采集运动者在X, Y, Z 3个方向上的加速度, 经过滤波算法过滤后, 分别在时域和频域两个方面对数据进行分析, 再经过特征工程提取34个相关特征, 使用特征选择算法选取主要的16个特征, 减小算法复杂度. 实验比较了支持向量机(SVM), 决策树(decision tree)和随机森林(random forest) 3种方法, 对走路、跑步、羽毛球正手挥拍、打乒乓球、划船5种运动模式进行分类, 结果表明随机森林准确率最佳, 可达到97%以上.

摘要:传统的基于协同过滤的推荐方法可以挖掘出评分中隐含的特征, 但推荐过程时间长, 且评分矩阵具有稀疏性, 导致样本真实值与预测值间误差较大. 神经网络通过批量训练可以较快计算出对象特征, 卷积神经网络的局部感知与参数共享性使参数个数明显缩减, 利用普通神经网络及卷积神经网络共同实现推荐可使计算时间缩短; 通过调整神经网络的参数, 为卷积神经网络设计合理的特征向量和卷积核大小, 可以提升推荐速度和推荐准确性. 实验表明, 使用神经网络结合卷积神经网络进行推荐的方法能使推荐的绝对误差均值下降至0.67以下, 大幅提升推荐的准确性及有效性.

摘要:针对目标人物的情绪变化, 本文提出了一种情绪预测方式对情绪进行识别、预测和分析. 在情绪预测前, 通过一种情绪定量算法对情绪数据集数据进行归一化处理, 以得到每种情绪对应的程度系数, 为下一步的情绪预测奠定基础. 然后汇总目标人物一天的情绪变化得到一种主要情绪, 再通过情绪预测算法得到最终的预测结果. 本文应用BERT (Bidirectional Encoder Representations from Transformers)神经网络对短对话进行情绪建模, 以做到对目标人物的实时情绪预测. 结果表明应用本文的训练模型, 可以有效判断目标人物的未来情绪波动状况.

摘要:面向对象的程序设计越来越追求程序的可复用性和灵活性, 对于经验较少的程序设计者直接得到具有良好复用性和灵活性的程序是具有一定难度的, 软件设计模式就是提取面向对象程序设计者的经验, 并对其进行总结. 模板方法模式中父类定义一个算法的框架, 用模板方法规定算法的执行步骤, 将可变的步骤延迟到子类实现, 每一种不同的实现都需要定义一个新的子类, 系统会越来越庞大, 系统的可维护性以及可读性越来越差. 因此将抽象工厂模式嵌入到模板方法模式形成一个复合模式, 复合模式的设计核心是为每一个延迟到子类的可变的步骤提供一个创建对象的接口, 该接口对一个完整的产品族进行了定义. 复合模式既保证了算法结构的稳定性, 又分离了具体的实现类, 增强了程序的健壮性、可复用性以及灵活性.

摘要:汉语文章中复句占多数, 复句关系类别的识别是对复句分句之间的语义关系的甄别, 是分析复句语义的关键. 在关系词非充盈态复句中, 部分关系词缺省, 因此, 不能通过关系词搭配的规则来对非充盈态复句进行类别识别, 且通过人工分析分句的特征进行类别识别费时费力. 本文以二句式非充盈态复句为研究对象, 采用在卷积神经网络中融合关系词特征的FCNN模型, 尽可能减少对语言学知识和语言规则的依赖, 通过学习自动分析两个分句之间语法语义等特征, 从而识别出复句的关系类别. 使用本文提出的方法对复句关系类别识别准确率达97%, 实验结果证明了该方法的有效性.

摘要:本文从智能家居角度研究室内热舒适, 分析热舒适评价方式PMV, 指出其部分参数在智能家居场景中获取困难. 提出在忽略风速和平均辐射温度的情况下, 引入气候和环境特征来拟合PMV公式. 研究使用经过差分进化算法(Differential Evolution, DE)优化后的BP神经网络算法(DE-BP)来建立拟合模型, DE算法优化神经网络的参数, 神经网络训练使用动量加速的随机梯度下降算法, 且增加了仿射变换的标准化层和L2正则化. 测试结果显示模型在收敛速度、稳定性和泛化性能上比传统BP神经网络更优,在较小误差范围内可应用于计算热舒适度的系统中, 降低其输入参量难度.

摘要:目前大规模场景模型生成的需求量日益增加, 现提出了一种基于区域的自动 LOD (Levels Of Details)构建算法. 该算法基于动态网格简化算法, 在游戏设计制作的过程中, 游戏开发人员会经常需要对美工部门人员提供的模型进行优化. 为了可以使模型的面数得到简化, 并且不改变模型的外观. 当今流行的 LOD技术非常擅于处理这种情况, 判断模型与摄像机的距离如果超过一定范围之后, 自动调取不同层次的模型, 当模型距离摄像机很远的情况下使用面数低的模型替换高模, 这样可以提高帧率并且降低摄像机前的三角面以及顶点数从而减少渲染压力. 一般模型的简化分为静态和动态模型的简化.大部分情况下, 程序员会让美工部门提供几套不同面数的模型或者通过模型简化工具对高模进行减面并存成多个Mesh, 并在程序运行的时候, 根据模型与摄像机的距离远近动态的替换Mesh. 这是一种静态的方法.这里将尝试使用一种动态的网格简化和LOD技术相结合的方法. 这种新型算法的大大的简化了操作流程, 美术人员只需要提供一个模型, 程序员可以使用这种方法生成量级不同的低模, 根据摄像机与模型的远近自动的调取不同精度的模型.

摘要:针对带有机器人制造单元的作业车间调度优化问题, 在若干加工机器上可以加工具有特定加工工序的若干工件, 并且搬运机器人可以将工件在装卸载站与各加工机器间进行搬运. 在实际生产过程中, 由于不确定性, 特别是带有存货的加工单元, 要求工件的完工时间在一个时间窗内, 而不是一个特定的时间点. 因此针对此情况的作业车间, 考虑到其在求解问题过程中的复杂性和约束性等特点, 研究了在时间窗约束下, 目标值为最小化工件完成时间提前量和延迟量的总权重. 提出了一种将文化基因算法与邻域搜索技术(变邻域下降搜索)相结合的改进元启发式算法, 在求得最优目标值的同时, 可得到最优值的工件加工序列及机器人搬运序列. 通过实验结果表明, 所提出的算法有效且优于传统文化基因算法与遗传算法.

摘要:针对相机抖动和旋转造成的观测目标物定位不准确的问题, 提出了新颖的快速抗旋转匹配算法, 该方法利用与运算形成卷积运算的模式, 使匹配时间呈指数级下降. 大量实验结果表明, 利用该算法, 数字摄像能见度仪的目标物自动定标准确, 单次定标时间平均为24.2 ms, 在相同情况下比原始算法至少快200倍以上, 且观测准确度比普通算法提升7倍多, 比手动定位观测提升将近5倍. 基于该算法的数字摄像能见度仪测量结果符合世界气象组织对能见度仪研制标准的要求, 且价格更低, 具有广阔的应用前景.

摘要:针对一种汽轮机振动信号远方在线故障分析所面临的信息转储不畅的问题, 采用目前流行的云数据库技术, 实现发电厂到专家诊断中心的信息转储. 结合现有采集系统的软件架构和实现技术, 提出采用云数据库实现信息转储的解决方案, 重点考虑了振动信息转储的性能保证, 包括信息的完整性、及时性和安全性, 并采用了相应的技术手段来保证这些指标. 实验室验证测试表明, 采集系统的振动信息能够转储至诊断中心的数据库, 相关性能指标也能得到有效保证.

摘要:基于目前高压输电线路、杆塔的台账信息、巡检信息等呈现孤岛状态, 本文阐述了一种高压输电线路多维数据的中台技术应用案例, 针对直升机、无人机、人工巡检对缺陷描述所产生的数字信息、文档信息、图片信息及视频信息, 提出了基于中台技术的解决思路, 围绕保障输电线路运行安全这一目标, 对基础信息、动态信息、管理信息进行合理层级划分, 提升信息化水平, 为后续决策奠定扎实的基础.

摘要:空气质量与人们的生活息息相关, 空气质量的预测结果是进行空气质量控制的依据. 因此, 提高空气质量的预测精度是本文研究的重点. CMAQ (Community Multiscale Air Quality modeling system)和CAMx (Comprehensive Air quality Model with extensions)是两种常用的空气质量数值模式, 其工作原理是通过大气物理化学方法模拟污染物传输转化过程, 进而预测空气质量. 空气质量数值模式的输入文件质量会影响到空气质量的预测精度, 为了提高空气质量预测的准确率, 本文提出了一种基于Elman神经网络的优化方法, 该方法在CMAQ和CAMx两种空气质量数值模式基础上利用Elman神经网络优化预测结果. 首先, 运行空气质量模式CMAQ和CAMx得到预测结果, 然后对预测结果进行预处理, 处理后的预测数据和实测数据一起作为Elman神经网络的输入, 进行模型的训练, 最后得到神经网络模型. 通过对测试数据集的验证和分析, 实验结果表明, 该方法表现出比单一空气质量数值模式更高的准确率.

摘要:紫茎泽兰作为中国遭受外来物种入侵的典型例子, 其对生态环境多样性造成严重破坏, 影响农林业经济的发展. 紫茎泽兰检测作为整个防治过程中的初始阶段和监控阶段, 其检测精度会对防治结果造成影响. 针对紫茎泽兰这一类复杂背景叶片图像的目标检测问题, 本文提出一种基于YOLOv3的迁移学习方法来实现紫茎泽兰的检测. 将深度学习模型YOLOv3迁移到紫茎泽兰数据集上, 用K均值算法进行维度聚类确定目标框参数; 在训练过程中改变损失函数中各类损失的权重, 增加模型对数据集的适应性. 实验结果表明, 在紫茎泽兰检测任务中, 平均精度(Average Precision, AP)相较于原YOLOv3提高了17%, 能够满足复杂背景下的紫茎泽兰检测任务.