800kV对接式直流穿墙套管缺陷分析及应对策略研究

本文针对对接式结构高压直流穿墙套管回路电阻异常的缺陷事件,根据力矩平衡原则,对套管关键部位受力情况进行了分析,并通过有限元仿真进行了验证。在此基础上,提出了一种端部新增接线端子的结构优化整改方案,通过仿真验证了方案的有效性。     

人工智能在新型冠状病毒肺炎中的研究综述

新型冠状病毒肺炎（corona virus disease,COVID-19）的暴发对全球人类的生命财产安全造成了巨大威胁。人工智能（artificial intelligence,AI）为助力打赢这场疫情攻坚战发挥了不可替代的作用。由于AI的助力,医疗资源紧张的问题得到大幅度缓解,并提高了医疗诊断效率,同时也避免接触感染的风险。阐述了COVID-19和AI的背景知识,从疫情趋势预测、疫情溯源追踪、检测诊断、药物开发、疫苗研制、药物再利用、网络舆论管控以及基因组测序这8个疫情防控的环节讨论了AI在本次COVID-19中的研究进展,并列举本次疫情中AI所面临的挑战,浅谈本次疫情对我国AI产业影响以及两者的辩证关系,对全文进行总结。     

基于改进Faster R-CNN的红外舰船目标检测算法

针对Faster R-CNN算法中对于红外舰船目标特征提取不充分、容易出现重复检测的问题,提出了一种基于改进Faster R-CNN的红外舰船目标检测算法。首先通过在主干网络VGG-16中依次引出三段卷积后的3个特征图,将其进行特征拼接形成多尺度特征图,得到具有更丰富语义信息的特征向量;其次基于数据集进行Anchor的改进,重新设置Anchor boxes的个数与尺寸;最后优化改进后Faster R-CNN的损失函数,提高检测算法的整体性能。通过对测试数据集进行分析实验,结果表明改进后的检测算法平均精确度达到83.98%,较之于原Faster R-CNN,精确度提升了3.95%。     

融合注意力分支特征的甲烷泄漏红外图像分割

甲烷是现代化工业生产和社会生活的重要能源之一,实现其有效探测与分割对于及时发现甲烷泄漏事故并识别其扩散范围具有重要意义。针对红外成像条件下甲烷气体图像的轮廓模糊、泄漏的甲烷气体与背景对比度较低、形状易受大气流动因素影响等问题,本文提出一种融合注意力分支特征的红外图像分割网络（Attention Branch Feature Network,ABFNet）实现甲烷气体泄漏探测。首先,为增强模型对红外甲烷气体图像的特征提取能力,设计分支特征融合模块将残差模块1和残差模块2的输出特征与残差模块3以逐像素相加的方法融合,获取红外甲烷气体图像丰富细致的特征表达以提高模型识别精度。其次,为进一步加快模型的推理速度,将标准瓶颈单元中的3×3卷积替换为深度可分离卷积,大幅度减少参数量达到实时检测甲烷气体泄漏。最后,将scSE注意力机制嵌入到分支特征融合模块,更多地关注扩散区域边缘和中心语义信息以克服红外甲烷气体轮廓模糊对比度低等问题提高模型的泛化能力。实验结果表明,本文提出的ABFNet模型AP50@95、AP50、AP60定量分割精度分别达到38.23%、89.63%和75.33%,相比于原始YOL...     

短波红外单光子探测器的发展(特邀)

InP/InGaAs短波红外单光子探测器(SPAD)是目前制备技术较为成熟且获得广泛应用的单光子探测器,通过半导体热电制冷(TEC)即可达到的工作温度(-40℃左右),具有体积小、成本低,方便安装和携带的应用优势;另外,基于常规半导体二极管的芯片制造工艺很容易实现大面阵单光子阵列,除了探测信号,还具备三维数字成像功能。国外包括美国、瑞士、意大利、韩国、日本等对InP/InGaAs SPAD进行了长期持续的研究,目前已研制出单管的货架产品,性能还在不断的优化和改进之中,其单光子探测器阵列呈现了清晰的三维成像效果,正在逐步应用。国内包括重庆光电技术研究所、中国科学院上海技术物理所、西南技术物理研究所、中国科学技术大学、云南大学等对InP/InGaAs SPAD芯片先后进行了器件设计和器件制备研究,目前单管的性能已经达到与国外报道相当的性能。国内单光子探测器阵列的研究获得了一定的进展,但芯片规模和器件性能有待提升。文中对国内外InP/InGaAs短波红外单光子探测器的发展,在设计和研制中存在的问题,以及近10年来的优化改进进行了介绍,重点介绍了高温、高速以及单光子焦平面阵列的发展,并结合新颖...     

Web应用的漏洞分析与研究

本文基于OWASP(开放式Web应用程序安全项目)TOP10 2021的十大漏洞进行分析和研究,逐步形成安全漏洞的定义、威胁、成因、修复及预防分析框架。Web应用的安全防御始终是一个动态的过程,需要共同防御,才能最大限度的降低Web安全漏洞带来的危害。     

考虑蓄水期弃水风险的水库长期发电调度方法

短期径流的大幅波动使得以平均径流为基础制定的水库长期调度方案面临较大弃水风险,是影响水库长期调度决策合理性的重要因素。本文考虑日尺度径流波动影响,提出一种蓄水期弃水风险量化方法,并建立了耦合弃水风险的水库长期发电调度模型。利用长系列日径流资料,结合风险最小蓄水规则,以不蓄弃水流量为指标量化蓄水期各月弃水风险;采用Copula函数构建月均入流与弃水风险的联合分布和条件概率分布,明晰了特定入流条件的风险置信区间;最后,将弃水风险以弃电损失函数融入优化模型,以获得更符合实际的长期调度方案。以澜沧江流域小湾水库为工程背景进行调度模拟分析,结果表明本文方法能够有效降低水库长期优化调度方案的弃水风险,有利于提高优化结果的可操作性,与传统方法相比,能够使多年平均弃水减少约4.76亿m³、发电量增加约1.15亿kW·h。     

基于FCN-LSTM的工业烟尘图像分割

工业生产中常根据林格曼烟气黑度判断工业烟尘的污染等级,一种有效的方式是应用计算机视觉系统对工业烟尘进行监测, 其中对烟尘目标进行准确分割是该系统的关键技术。因为工业烟尘具有形状不固定、和云相似度高等特点,现有算法在复杂场景下对烟尘进行分割时容易受到干扰,分割准确度有待提高。针对这一问题,提出一种基于FCN-LSTM的工业烟尘图像分割方法,在全卷积网络对图像空间特征提取的基础上,使用长短时记忆网络提取图像序列的时间信息,通过烟尘的动态特征对运动的烟尘和背景进行区分,增强复杂场景下的抗干扰能力。实验表明,本文模型相比于全卷积网络,在复杂场景下的抗干扰能力有显著提升,能够有效克服来自云的干扰,对全卷积网络分割结果中易出现干扰点的问题也有改善,IoU指标最高有8.04%的提升。     

结合降噪卷积神经网络和条件生成对抗网络的图像双重盲降噪算法

针对图像降噪中降噪效果差、计算效率低的问题,提出了一种结合降噪卷积神经网络（DnCNN）和条件生成对抗网络（CGAN）的图像双重盲降噪算法。首先,使用改进的DnCNN模型作为CGAN的生成器来对加噪图片的噪声分布进行捕获;其次,将剔除噪声分布后的加噪图片和标签一同送入判别器进行降噪图像的判别;然后,利用判别结果对整个模型的隐层参数进行优化;最后,生成器和判别器在博弈中达到平衡,且生成器的残差捕获能力达到最优。实验结果表明,在Set12数据集上,当噪声水平分别为15、25、50时：所提算法与DnCNN算法相比,基于像素点间误差评价指标,其峰值信噪比（PSNR）值分别提升了1.388 dB、1.725 dB、1.639 dB;所提算法与三维块匹配（BM3D）、加权核范数最小化（WNNM）、DnCNN、收缩场级联（CSF）和一致性神经网络（CSNET）等现有算法相比,结构相似性（SSIM）评价指标值平均提升了0.000 2~0.104 1。实验结果验证了所提算法的优越性。     

基于线性补偿的测距传感器结构设计与参数优化

本文分析了传统的三角法结构和原理,传统的三角法测量虽然测量精度较高,但是测量范围小,为此引出了新的设计方案,推导出了测距方程表达式,并对其参数进行了优化,此结构与传统三角法结构相比,在不改变线阵CCD传感器尺寸的情况下,适当改变各参数的大小可大大提高测量范围。由于各参数之间的约束关系及三角法的结构造成在大量程测量时线性度与精度不断下降,因此提出了一种基于线性补偿的高精度测距方法,用最小二乘法思想对曲线拟合,经数值分析与线性补偿最后使物体位移与像点位移线性输出,降低了系统的误差。经理论分析,此方案是可行的,同时为实现高精度大位移的测量提供了参考的依据。