基于视觉的多特征手势识别

手势是一种自然直观的交互方式,基于视觉的手势识别是实现新一代人机交互的关键技术。本文在已有的手势识别技术基础上,从手势分割及手势表示两方面着手,提出了一种单目视觉下的手势识别方法。利用颜色特征检测肤色区域,成功分割出人手;利用人手的轮廓及凸缺陷检测指尖,再利用指尖的数目和方位来表示一个手势,进而结合轮廓长度和面积等几何特征完成手势识别。传统的指尖检测方法需要遍历并扫描手掌外轮廓,计算量大,本文通过凸缺陷检测指尖,减少了计算量,提高了指尖检测的速度。实验结果表明,本文的方法具有很好的鲁棒性及实时性,能适应环境的变化。     

面向方面在软件组件中的应用

传统的基于组件的软件开发方法大部分都集中在功能分解上,其并没有考虑到横切关注点对组件的影响。而面向方面技术就是以解决大规模系统中的横切问题为目的的,其主要是先分离出方面模块,然后再织入核心类中。文中提出了采用面向方面的编程思想,将其应用到软件组件的开发中。     

S-57电子海图数据读取和自动多模式分层显示

电子海图显示与信息系统(Electronic Chart Display and Information System,简称ECDIS)是以数字形式储存的海图并与多种传感设备、图形显示终端等高度融合的船舶航行综合信息处理系统,而S-57是电子海图国际通用的数据格式。在Linux/Fedora系统下,针对于S-57格式,研究其数据结构模型,从最基本的点、线、面出发,读取海图数据并根据时间和天气数据实现S-57海图数据自动多模式显示,并提出了一种根据物标重要性进行分层显示的方法。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

基于注意力机制和卷积神经网络的异步电动机三相电压不平衡损耗研究

配电网中三相电压不平衡对异步电动机损耗会造成较大影响。运用等效电路公式分析三相电压不平衡影响下电动机损耗存在精度不稳定、需要参数过多且数学模型过于复杂等问题。针对以上问题,提出一种基于注意力机制和卷积神经网络(CNN)的异步电动机损耗评估方法。该方法将实测电机数据作为输入,引入注意力机制为输入特征赋予不同权重;采用卷积层和全连接层组成的CNN构架对异步电动机实测数据进行学习,最后完成损耗评估。以现场试验得到的电机损耗数据作为实际算例,该方法评估损耗与实测损耗平均误差仅为0.717%和0.549%,并与其他典型机器学习算法进行对比,结果表明所提方法具有更好的损耗评估性能。     

pH响应型星状聚合物胶束的制备及释药性能

以金刚烷为核设计合成了一种具有pH响应功能的四臂星状聚合物金刚烷-[聚(乳酸-共-羟基乙酸)-聚甲基丙烯酸二乙氨基乙酯-聚(乙二醇)单甲醚]₄(4sAd-PLGA-D-P), 制备了4sAd-PLGA-D-P自组装胶束, 考察了该胶束对抗癌药物阿霉素(Doxorubicin,DOX)的控释性能。结果表明: 改变聚甲基丙烯酸二乙氨基乙酯(PDEAEMA)的链段长度可实现对聚合物胶束性能的调控。PDEAEMA链段越长, 聚合物胶束的粒径越大, 载药量越高, 药物累计释放量越高。聚合物胶束具有良好的稳定性(临界胶束浓度(Critical Micelle Concentration,CMC)为0.0031 mg/mL)、pH响应性能和载药能力(载药量高达24.8%)。载DOX胶束在肿瘤微环境pH值(pH=5.0)的累计释放量(85.2%)明显高于正常组织pH=7.4条件下的累计释放量(20.9%), 可实现抗癌药物的可控释放。因此, pH响应型聚合物胶束4sAd-PLGA-D-P在抗癌药物递送领域具有潜在的应用前景。     

基于可拓设计的驾驶人多模态情绪感知装置研究

为科学决策和评价驾驶人情绪感知装置的最优化多模态组合方案, 本文基于可拓设计多功能产品创造法, 利用基元理论中的发散分析法分析了情绪感知装置的检测功能, 建立了类物元,并生成具体产品物元模型。分析了单一检测装置包含的3种安装位置间的重组关系, 拓展出一系列重组方案, 再利用优度评价法对其进行筛选。 最终确定了一种有效的多模态驾驶人情绪感知装置的组合方案。     

基于双目强约束的直接稀疏视觉里程计

为了提高双目直接稀疏里程计(Stereo Direct Sparse Odometry, Stereo DSO)的定位速度和精度, 使得移动机器人可以更有效地执行任务, 提出了一种基于双目强约束的直接稀疏视觉里程计系统。基于直接法的即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)系统直接对图像像素构建光度误差优化函数, 无需提取特征点, 克服了基于特征点法的SLAM系统在弱纹理场景下不鲁棒的缺陷, 并且在前端跟踪阶段效率更高。提出一种快速、准确的双目初始化方法, 结合三角化不确定性为不同类型的点赋予不同的深度范围, 加速深度滤波器的收敛。同时, 在运动估计阶段引入双目约束, 使得该系统在绝对尺度上的定位更加准确。通过在公开的KITTI数据集11个序列上进行实验, 实验结果表明所提出的算法在定位精度上明显优于同样采用直接法的Stereo Large Scale Direct SLAM(LSD-SLAM2)和Stereo DSO, 并达到与基于特征点法的ORB-SLAM3相近的水平, 为直接法SLAM提供一种更优的定位方案。     

不同地形条件下的AW3D30、SRTM3和ASTER GDEM高程精度分析

以广东部分山地丘陵为研究区域, 分析了数字高程模型AW3D30、SRTM3 V4.1和ASTER GDEM V3的高程精度。利用车载动态PPP技术对沿广州、惠州、韶关、清远约730 km的线路进行了数据采集, 并由CSRS-PPP定位服务系统解算得到动态点的WGS84坐标, 再通过重力场模型EIGEN-6C4将动态点的大地高转换为正常高, 最后对3种数字高程模型进行高程检核。结果表明: AW3D30、SRTM3 V4.1和ASTER GDEM V3的平均误差分别为0.55、0.17、1.59 m, 均方根误差分别为3.78、5.84、8.88 m。3种数字高程模型的平均误差在不同海拔区间差异明显, 其中AW3D30在不同海拔区间的平均误差振幅相对较小, 在2.18 m以内; SRTM3 V4.1的平均误差与海拔为负相关关系, 平均误差随着海拔的升高由正值逐渐转为负值; ASTER GDEM V3的平均误差在(0 m, 250 m]海拔区间为2 m左右, 在(250 m, 800 m]区间为-2.28 m。AW3D30的均方根误差与标准差整体上随着海拔的升高而减小, SRTM3 V4.1随着海拔的升高而增大, ASTER GDEM V3无显著规律, 在(100 m, 250 m]区间优于7.69 m, 在其余区间优于9.86 m。     

银耳多糖超声波提取工艺优化及抗BV2细胞炎症的作用研究

以银耳为原料, 采用超声波辅助热水浸提法提取银耳多糖, 以多糖提取率为指标, 以超声波功率、提取料液比、提取温度和提取时间为影响因素, 设计单因素试验, 并通过正交试验得到较佳提取工艺。通过用TRPV1(Transient Receptor Potential Vanilloid1)试剂盒检测了小胶质细胞TRPV1的释放水平, 与脂多糖(Lipopolysaccharide, LPS)对照组相比, 不同质量浓度的银耳多糖组(62.5, 250, 1000 μg/mL)均能不同程度地抑制TRPV1的释放量。说明了银耳多糖对于BV2小胶质细胞炎症具有良好的抑制作用。