基于LoRa和STM32的路灯自动监控系统的研究

如今大部分地区的路灯系统还处在传统控制方式、现场人工巡检、传统电路故障排查、没有统一管理平台等阶段,从而造成了巨大的能源浪费.针对以上现状,设计了一种基于LoRa和STM32的路灯自动监控系统.系统以STM32系列的MCU为核心处理器,通过4G通信网络实现路灯与后台服务器之间的数据传输,采用L o Ra级联组网方式,设计有蓝牙接口,方便用户现场维护及参数设置.系统主要功能有路灯状态实时监测与控制、实时智能调光、地理位置检测、环境信息数据采集、故障信息实时检测与报警、电量信息实时检测与预警等.实验结果表明,该系统稳定可靠,数据采集准确,能广泛应用于路灯系统中,为社会节约电能,能有效地提高路灯科学管理水平,提升路灯所在地区的形象.     

一种多核处理器直连接口QoS的设计与验证

多核处理器直接互连构建多路并行系统,一直是提高高性能计算机并行性的主要方式。主要研究多核处理器直连接口的QoS设计,通过直连接口完成跨芯片的Cache一致性报文有效、可靠传输,实现共享主存的SMP系统。详细阐述了直连接口各个协议层的QoS设计的关键技术,基于UVM方法学构建了可重用验证平台,模拟验证了QoS设计的正确性,移植到FPGA原型验证平台,顺利通过了测试。深入研究和实现处理器芯片直连技术,是提升高性能多路服务器的主流方向,具有良好的应用和研究前景。     

基于北斗的城市垃圾清运系统

为建设更美好的市容市貌, 降低运输车辆的空车率, 实现源头追溯与全流程透明化管理, 结合目前通用的软件开发方式与数据库技术, 给出了以智能化, 绿色为主的城市垃圾清运系统. 该系统以北斗定位数据为基础, 辅助以高德开放平台来进行设计开发. 系统的开发采用基于PHP语言的ThinkPHP框架以及B/S架构设计模式, 客户端采用Ajax和Web技术等方式实现数据的传输和展现. 该系统旨在为用户提供车辆实时位置查询、车辆历史轨迹查询、用户管理、统计分析等服务. 对于车辆运输过程中的整个轨迹数据, 系统采用了北斗系列来进行数据采集, 更有效地维护了信息和技术的安全. 后期还可结合机器学习等技术来对司机的驾驶行为, 车辆的健康状况进行相应分析. 通过北斗定位数据与互联网技术的结合, 该系统可有效地对车辆进行管理.     

基于多色集合的电子病历互访模型

随着医疗数据信息化的发展,电子病历在异地就诊以及医学研究方面的作用越来越大.为解决异地就医时电子病历的交互问题,拟提出一个跨组织的多医院间电子病历交互平台;根据平台的业务流程,提取各个组织的活动和资源元素;针对交互过程中各组织的活动和资源之间的关系,结合多色集合和围道矩阵分别从不同组织的不同视角提取各组织的外部交互活动和交互资源;同时,对业务流程进行研究并提出相应的形式化描述模型.     

基于双匹配配准算法的多重复纹理图像拼接

针对目前图像配准算法对于多重复纹理图像配准位置偏差的问题,提出图像内自匹配与图像间互匹配相结合的双匹配配准（Double-match image registration, DMIR）算法。首先在对待匹配图像提取尺度不变特征转换（Scale-invariant feature transform, SIFT）特征之后,通过K-近邻（K-nearest neighbor, KNN）算法进行特征匹配,分别得到同一张图片的自匹配点对和不同图像间的初始互匹配点对;然后对初始互匹配点对进行相关性计算得到最正确的匹配点对,并根据最正确的匹配点对与自匹配点对的位置关系确定更多的正确匹配点对,最后计算仿射矩阵对图像进行拼接。实验结果显示经过DMIR算法获得的正确匹配点对更均匀、更准确,且拼接图像效果更好。     

面向中文关系抽取的句子结构获取方法

在关系抽取中,神经网络模型是目前最常用的技术之一,然而现有神经网络模型很少考虑句子中两个实体之间的结构特征。该文针对关系抽取任务的特点,提出了基于神经网络模型的句子结构获取方法。该方法通过对关系实例中两个实体的位置进行特殊标记,使神经网络模型能够有效捕获句子中关于实体的结构信息。为了验证方法的有效性,分别采用两种主流的神经网络模型进行对比实验,实验结果表明,该方法在ACE 2005中文关系抽取数据集上的抽取性能得到显著提升,超出对比工作约11个百分点,表明该方法能有效提升关系抽取任务的性能。     

自适应多模态特征融合胶质瘤分级网络

目的 胶质瘤的准确分级是辅助制定个性化治疗方案的主要手段,但现有研究大多数集中在基于肿瘤区域的分级预测上,需要事先勾画感兴趣区域,无法满足临床智能辅助诊断的实时性需求。因此,本文提出一种自适应多模态特征融合网络（adaptive multi-modal fusion net,AMMFNet）,在不需要勾画肿瘤区域的情况下,实现原始采集图像到胶质瘤级别的端到端准确预测。方法 AMMFNet方法采用4个同构异义网络分支提取不同模态的多尺度图像特征;利用自适应多模态特征融合模块和降维模块进行特征融合;结合交叉熵分类损失和特征嵌入损失提高胶质瘤的分类精度。为了验证模型性能,本文采用MICCAI （Medical Image Computing and Computer Assisted Intervention Society）2018公开数据集进行训练和测试,与前沿深度学习模型和最新的胶质瘤分类模型进行对比,并采用精度以及受试者曲线下面积（area under curve,AUC）等指标进行定量分析。结果 在无需勾画肿瘤区域的情况下,本文模型预测胶质瘤分级的AUC为0.965;在使用肿瘤区域时,其AUC高达0.997,精度为0.982,比目前最好的胶质瘤分类模型——多任务卷积神经网络同比提高1.2%。结论 本文提出的自适应多模态特征融合网络,通过结合多模态、多语义级别特征,可以在未勾画肿瘤区域的前提下,准确地实现胶质瘤分级预测。     

Pavement crack detection using hessian structure propagation

Pavement images are widely used in transportation agencies to detect cracks accurately so that the best proper plans of maintenance and rehabilitation could be made. Although crack in a pavement image is perceived because the intensity of crack pixels contrasts with that of the pavement background, there are still challenges in distinguishing cracks from complex textures, heavy noise, and interference. Unlike the intensity or the first-order edge feature of crack, this paper proposes the second-order directional derivative to characterize the directional valley-like structure of crack. The multi-scale Hessian structure is first proposed to analytically adapt to the direction and valley of cracking in the Gaussian scale space. The crack structure field is then proposed to mimic the curvilinear propagation of crack in the local area, which is iteratively applied at every point of the crack curve to infer the crack structure at the gaps and intersections. Finally, the most salient centerline of the crack within its curvilinear buffer is exactly located with non-maximum suppression along the perpendicular direction of crack. The experiments on large numbers of images of various crack types and with diverse conditions of noise, illumination and interference demonstrate the proposed method can detect pavement cracks well with an average Precision, Recall and F-measure of 92.4%, 88.4%, and 90.4% respectively. Also, the proposed method achieves the best performance of crack detection on the benchmark datasets among methods that also require no training and publicly offer the detection results for every image.     

基于隐私保护的可证明安全委托计算协议

通过云计算提供的委托计算服务能够为委托方节省大量的计算时间和计算成本,但如何保证委托计算的隐私性和可证明安全性是具有挑战性的问题。结合全同态加密和多线性映射技术的优势,提出基于隐私保护的可证明安全多元多项式委托计算协议。根据委托计算的输入输出隐私安全需求设计委托计算安全模型,通过多线性映射方案和全同态加密技术构造任意第三方可公开验证的委托计算协议,并在标准模型下基于多线性Diffie-Hellman困难性问题假设证明协议的安全性与隐私性。实验与性能分析结果表明,该协议可保证安全性,同时能够减少计算成本,满足大数据环境下委托计算模式的应用需求。     

自然图像抠图技术综述

着重对近几年自然图像抠图研究新进展进行综述,针对近年来基于启发式优化的抠图研究以及基于深度学习的抠图研究新成果对抠图研究工作进行重新分类和梳理,分析不同类型自然图像抠图研究主要的方法并整理其中的关键问题,介绍常用的自然图像抠图评价指标。最后通过实例分析总结了当前自然图像抠图研究面临的挑战,并对未来的研究前景进行了探讨。