多光谱视网膜成像动静脉自动分割方法

为了解决手动标记动静脉耗时耗力的问题，开发了一种基于ResNet＿U-Net网络模型的计算机自动分割视网膜动静脉算法。首先，使用多光谱视网膜成像系统采集视网膜图像并制作数据集，其包含206张548 nm光谱的视网膜图像及其像素级标记的动静脉图像；然后，优化ResNet＿U-Net网络模型中的多尺度特征提取模块和损失函数模块，并增加了通道注意力机制和后期处理方法来提高动静脉自动分类的准确性；最后，在数据集中随机抽取165张作为训练集，41张作为测试集进行了测试。实验表明，本研究所建立的深度学习模型能自动准确分割视网膜图像中的动静脉，准确率可达98.50%。     

基于改进 U-Net 网络的眼底血管图像分割研究

针对眼底血管图像存在血管细小、视网膜病变而导致分割精度低的问题,提出了一种引入残差块、级联空洞卷积、嵌入注意力机制的U-Net视网膜血管图像分割模型.首先采用提高视网膜图像分辨率,以点噪声为中心、512为边长裁剪来扩增数据集,然后在U-Net模型中引入残差块,增加像素特征的利用率和避免深层网络的退化;并将U-Net网络的底部替换为级联空洞卷积模块,扩大特征图的感受野,提取更丰富的像素特征;最后在解码器中嵌入注意力机制,加重目标特征的权重,减缓无用信息的干扰.基于CHASE数据集的实验结果表明,所提模型的准确率达到了98.2％,灵敏度达到了81.72％,特异值达到了98.90％,与其他多尺度神经网络方法相比体现了更好的分割效果,充分验证了提出改进的U-Net网络模型能有效提高血管分割精度、辅助确诊血管病变.     

基于改进U-Net的轻量级输电线分割算法

为了提高输电线路的巡检效率,保证输电线的分割精度和速度,本文提出基于改进U-Net的轻量级网络GU-Net。首先,以U-Net网络为基础,在编码器部分引入轻量化主干提取网络Ghost Net;然后采用双线性插值方法完成上采样,并利用深度可分离卷积代替部分普通卷积;最后在训练过程引入多损失函数以解决输电线和背景像素占比不平衡问题,并采用迁移学习策略训练模型。在E-Wire输电线数据集上测试,GU-Net网络的MIoU和F1-score分别为80.04%和87.77%,与现有的轻量化输电线语义分割网络Wire-Detection相比分别提升了4.26%和2.96%,且分割速度几乎没有损失,参数量约是它的20%。实验结果表明,本文提出的算法能够实现快速高效、轻量化地分割出复杂图像中的输电线。     

多级自适应尺度的U型视网膜血管分割算法

针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特征。同时在跳跃连接部分增加改进的自适应特征融合模块,促进相邻层次特征之间的有效融合,以提取更多的细小血管特征。最后在解码部分设置侧输出的多级注意结构对多层次特征进行自适应细化。实验结果表明,该算法在DRIVE、STARE和CHASEDB1数据集上准确率分别达到0.9645、0.9694和0.9671,灵敏度分别达到0.8417、0.8465和0.8545,AUC分别达到0.9866、0.9908和0.9877,整体性优于现有算法。     

基于注意力机制和空洞卷积的瞳孔定位算法

瞳孔定位在人机交互中起着关键性作用，然而由于反射、眨眼和睫毛遮挡等噪声以及瞳孔位置不居中、运动导致模糊等问题，使得瞳孔中心定位的准确率下降、鲁棒性减弱，从而导致精确地定位瞳孔仍存在巨大困难。为此，本文提出一种基于注意力机制和空洞卷积的瞳孔检测定位算法。该算法以U Net的编码 解码结构为基础，编码部分采用VGG16并引入空洞卷积，以充分地提取特征，解码部分加入Attention Gate，使得模型具有更好的鲁棒性。然后，使用最小二乘法对网络输出的瞳孔分割图进行拟合，最终根据拟合图像获取瞳孔中心坐标。本算法使用ExCuSe公开的24个数据集进行验证，实验表明该算法可以准确的定位瞳孔位置，平均检测率可达到926%。     

基于机器视觉的配网工程安全管控检测方法

针对配电网工程在施工现场受外界环境干扰因素多、现场监管难度大等问题,提出了一种基于改进的YOLOv5网络模型的配电网工程实时检测方法,并对配电网工程图像精确识别及缺陷检测进行了研究。首先,对配电网工程现场样本数据集进行标注,改进YOLOv5网络的特征提取网络,以加快多尺度融合并提高小目标物体检测的精度。在此基础上,改进损失函数、非极大值抑制模块,提高模型的识别精度与收敛速度。最后,经过Darknet深度学习模型对识别样本进行多次迭代训练,保存最优权重数据用于测试集的测试。算法通过 TensorBoard 可视化工具显示训练和测试结果。测试结果表明,每种配电网样本的平均识别准确率可达到95%以上,图片的识别速度可达到140 帧/s。同时,所改进算法检测准确率高,实时性强,满足工程现场实时使用需求。     

基于改进Mask R-CNN的输电线路防外破目标检测方法研究

随着现代电力系统的不断发展,电网规模越来越大,外破原因引发的故障已经成为架空输电线路故障的主要原因之一。在架空输电线路视频监控中,使用传统的边界框式目标检测方法进行外破预警时,误报或漏报的情况时有发生。掩模实例分割神经网络(Mask-RCNN)训练时使用的像素级掩模标注数据集成本较高,限制了该算法的大规模应用。针对这些问题,将改进的Mask-RCNN网络应用到输电线路外破目标检测领域,在数据集标注过程中,使用边界框标注代替部分掩模标注。训练时,将检测分支的特征迁移到掩模分支。实验结果表明,改进后的算法能够在掩模标注样本占比80%的条件下,对常见外破类别的平均识别准确率高于91%,为输电线路外破隐患的准确识别与分割提供了一种可行的思路。     

基于Shuffle-Unet的视网膜血管分割研究

针对传统视网膜血管分割算法检测速度慢,难以应用于实时医疗辅助诊断系统的问题,提出一种轻量型的基于Shuffle-Unet的视网膜血管分割模型。对轻量级模型ShuffleNetV2进行结构剪枝,剪除ShuffleNetV2结构上最后一层卷积层、全局池化层和全连接层,简化模型结构;将剪枝后的ShuffleNetV2作为模型的主干提取网络,降低模型的计算复杂度,提高模型的运行速度;使用随机通道分离操作模块搭建上采样模型结构,增强网络特征传递能力;使用注意力机制模块将模型的第一层特征层输出和上采样层相融合,分别从通道和空间两个维度上增强模型对有效特征的提取。通过DRIVE、CHASE_DB1两个公开数据集与其他视网膜血管分割算法进行对比,有效的证明了Shuffle-Unet模型具有高分割精度和高检测速度的特点。     

基于改进生成对抗网络与 ConvLSTM 的航空发动机剩余寿命预测方法

针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明：与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。     

融合多尺度卷积和注意力机制的场景提取方法

复杂背景下，不同尺度建筑物的特征差异较大，现有算法对多尺度建筑物分割存在分割不均以及误判等问题。为了解决上述问题，本文设计了一种适应多尺度变化的新型网络结构。首先，针对遥感图像场景提分割精度低的问题，引入坐标注意力机制，嵌入到基础网络中增强上下文信息捕获能力，消除噪声的同时增强网络对于空间特征的提取能力。引入了新型递归残差卷积模块，加深网络层次的同时减少信息丢失，提高特征提取效率。最后，在跳跃连接中引入了空洞空间卷积池化金字塔增大网络感受野，增强有效特征，抑制无用特征。设计系统验证模型的实用性。实验结果表明，本文方法在精确率、召回率、F1 score和IoU指标中比U Net网络分别提高了305%、156%、13%、308%。     

基于生命周期评价的不同电源对环境影响的比较

用生命周期评价方法对工业固体废弃物焚烧发电、生物质气化发电、风力发电、天然气燃气蒸汽联合循环发电等几种电源型式对环境的影响,进行了编目分析,计算了其污染物排放量,并且都与燃煤发电进行了比较。     

绝缘栅双极晶体管模块过电应力的研究

通过频率试验和阻断电压试验,研究了过电应力对ＩＧＢＴ模块的影响;利用扫描电镜（ＳＥＭ）和液液晶（ＬＣ）技术,对失效模块的失效机理进行了分析;报道了试验结果及失效分析结果。     

AGV视觉导航研究

针对AGV视觉导航系统中的两个关键问题：路径识别和路径跟踪,本文采用全局视觉导航方式,自行设计了以同心圆为车身标志,通过图像处理系统建立了虚拟坐标系。对采集到的图像进行中值滤波、Sobel边缘检测、聚类算法、连通区域标记等图像处理方法提取图像中的路径及AGV车身标志位置信息,再利用Hough变换得到路径跟踪所需要的导航参数。通过仿真实验表明,该方法能够准确可靠地实现路径识别和AGV定位。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差。随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差。利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足。所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题。最后讨论了对该算法的评估方法。     

电动汽车用电机技术研究

当今世界节能和环保备受关注,使得电动汽车技术正在加速发展。电机技术是发展电动汽车的关键技术之一。该文对电动汽车用的感应电动机、永磁同步电动机和开关磁阻电动机技术和发展水平进行了分析研究。     

基于串口通信的DSP在线烧写技术研究

为了解决DSP嵌入式系统某些特殊应用场合升级不方便、维护困难的问题,提出了一种基于串口通信向片内Flash在线烧写程序的方法.描述了该在线烧写方法的基本思想和实现步骤,并结合工程实际需要,优化了接收升级指令的时机,并在片内Flash设置应用程序备份区,进一步提高了烧写的可靠性和安全性,增强了系统的容错性和自愈恢复能力.实验结果表明,该方法有效可行,方便可靠,相比于传统基于JTAG烧写,可摆脱仿真器进行程序升级,提高了嵌入式系统的可维护性.     

基于MEMS技术的汽车传感器研究进展

随着汽车传感器的迅速发展和对MEMS(微机电系统)技术研究的深入,基于MEMS技术的汽车传感器具有广阔的应用前景。本文就MEMS汽车传感器的研究应用现状、MEMS汽车传感器的分类、制作加工技术和工艺等进行了简述,并详细介绍了几种典型的MEMS汽车传感器,最后对MEMS汽车传感器今后的发展进行了探讨。     

基于微位移的超分辨重建技术研究

CCD图像传感器广泛用于图像采集,受其内部结构和外部条件的影响,采集到的图像质量不能满足人们的需求,通过硬件改进提高图像质量面临经济与技术两方面的难题。为此本文利用多幅微位移图像间的冗余信息重建出高分辨率图像,既低成本又易实现。针对CCD与目标物间有相对微位移来获取序列低分辨率图像的情况,采用一种解线性方程组的方法对采集到的4幅微位移图像进行重建,并对这种算法进行优化。实验结果图可清晰地看到重建图像可分辨更多线对,高频信息量增加,算法具有较好的效果。     

神经网络输电线路覆冰厚度预测

介绍了输电线路覆冰厚度计算的相关经典模型,并以PNN网络与GRNN网络为例,探讨了输电线路覆冰厚度智能检测模型.通过对模型实现、对比,分析了两种网络的优缺点,在此基础上提出综合使用两种网络的思路,以提高输电线路覆冰厚度预测的精度,减少覆冰对电网的直接和潜在危害.     

基于CORBA实现OPC技术探索

OPC (过程控制中的对象链接与嵌入技术)是工业控制和生产自动化领域中硬件和软件之间的接口标准,近年来在电力系统广泛应用。它是一种基于DCOM(分布式组件对象模型)的技术。由于DCOM的平台相关性,不利于OPC技术的进一步应用。而代表分布对象技术主流的CORBA(通用对象请求代理体系结构)技术具有跨平台、语言无关等突出优点,本文尝试采用CORBA技术实现OPC技术。探讨了基于CORBA实现OPC技术的解决方案,通过具体的实现过程展示了方案的可行性,并通过测试用例和应用实例验证了方案的实用性和有效性。基于CORBA实现OPC技术,将大大提高OPC技术跨平台、跨语言应用的能力,使其成为一种更广泛适用的标准。