苟江预测区铝土矿地质特征及找矿潜力分析

通过结合周边矿区区域地质背景、典型矿床地质特征、成矿条件的分析,对预测区找矿潜力进行了预测。为苟江-后槽溶蚀洼陷带该区铝土矿后期勘查工作提供了预测分析依据,开展勘查工作后有望取得较大的找矿突破。     

激光焊接裂纹磁光成像频域特征分析

为了研究旋转磁场激励下激光焊接裂纹磁光成像在频域内的特征, 采用对激光焊接裂纹磁光图像进行2维离散傅里叶变换的方法, 进行了理论分析和实验验证, 取得了旋转磁场不同励磁强度下激光焊接裂纹的频谱图数据。结合裂纹磁光图的空域特征, 对所获裂纹频谱图灰度值为255的点进行统计分析。结果表明, 激光焊接裂纹磁光图像的频域特征和空域特征有一定的对应关系; 在一个变化周期内(885帧磁光图), 对应频谱图上会出现先变小再变大、再变小再变大或相反的变化过程, 最终回到初始状态。这一结果验证了旋转磁场下裂纹磁光成像规律的正确性, 对激光焊接缺陷的无损检测是有帮助的。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

关注儿童食品安全从奶制品看儿童食品添加剂现状

<正>如果说"每天一袋奶,强壮中国人"说明奶及奶制品对孩子成长的重要作用,那么"每天一袋奶,毒害中国人"则是大众对奶品现状的无奈和调侃。到底应该给孩子买什么样的儿童酸奶、儿童牛奶让妈妈们大为头疼,代购、海淘这种行为的背后是消费者对中国奶品市场信任的缺失和选择好产品时的无能为力。放心365对北京商超渠道34款儿童酸奶、21款儿童牛奶进行了深入地调研,力图了解儿童奶市场现状,告诉消费者怎样才能买到放心儿童奶。     

基于SOP的核电厂数字化主控室操纵员监视行为可靠性研究

针对数字化后主控室操纵员执行规程时不同数字化特征下的监视任务的失误率和平均执行时间进行实验研究。通过电厂实地考察、操纵员访谈,进而设计相关仿真实验。实验结果显示:颜色类监视失误概率为1.71×10~(-3),数字类监视失误概率为1.57×10~(-3),但监视目标物理形态对监视失误率没有显著影响;二类任务越复杂(导航次数越多),平均执行时间越大,导航次数为3次时显著小于1次和2次时的监视失误率;不同监视目标数量下的监视失误率及平均执行时间结果差异显著,监视目标数量越多,监视失误率越大,平均执行时间越长,即监视可靠性越低。     

基于神经网络算法的三维模型预取系统

三维漫游已经成为十分普遍的远程游览或监控的一种方式。三维漫游过程中,系统往往需要动态调用数据并生成三维模型,这会影响系统运行的效率,降低用户体验。针对这一问题,提出一种基于神经网络的智能预取系统。历史访问日志中,模型的特征与被访问频率之间的映射被提取出来,并用以训练系统。系统可以根据模型特征判断哪些模型更可能被用户请求到,并把它们提前存入内存中。通过某三维变电站实时监控与装配管理系统对该预取系统进行验证。结果表明,通过短时间(一天)对系统的训练,即可做出长期(三个月)的高准确率(90%)的预测,有效提高了系统运行的效率。     

基于GFU和分层LSTM的组群行为识别研究方法

提出一种以"关键人物"为核心，使用门控融合单元（GFU，Gated Fusion Unit）进行特征融合的组群行为识别框架，旨在解决两个问题：①组群行为信息冗余，重点关注关键人物行为特征，忽略无关人员对组群行为的影响；②组群内部交互行为复杂，使用GFU有效融合以关键人物为核心的交互特征，再通过LSTM时序建模成为表征能力更强的组群特征.最终，通过softmax分类器进行组群行为类别分类.该算法在排球数据集上取得了86.7%的平均识别率.