基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

增材制造技术在超高膨胀封隔器中的应用

石油和天然气行业不断关注增材制造技术在航空航天和汽车行业的应用发展。研发了利用增材制造技术的超高膨胀封隔器,该封隔器的支承环系统由增材制造。增材制造设计大幅减少了支承系统的构件数量,同时显著提高了膨胀能力和额定压力。密封元件系统与增材制造支承环安装在一起,提供了极端膨胀比、零挤压间隙和对不规则孔的良好适应性。分析和测试结果表明:直径膨胀比高达111%,与常规封隔器相比,提高50%以上; 至少涵盖5种线重的套管(外径相同); 在148.89 ℃的温度下,密封元件能够保持压力68.95 MPa。介绍了增材制造技术、增材制造支承环概念、增材制造材料力学性能、密封元件系统优化和测试情况,以期给我国的完井作业提供借鉴。     

30％丙环唑·咪鲜胺水乳剂的气相色谱分析

使用键合5%苯甲基硅酮为固定相的毛细管柱,采用气相色谱法,对试样中的丙环唑和咪鲜胺进行定量测定。结果表明,丙环唑和咪鲜胺的线性相关系数分别为0.999 9和0.999 8,标准偏差分别为0.035和0.028,变异系数分别为0.34%和0.14%,平均回收率分别为99.88%和99.95%。     

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。     

基于SoC的多轴驱控一体化平台设计

随着FPGA技术和电力电机技术的发展,FPGA+ARM的集成方式已经成为FPGA的发展方向.针对一体化多轴运动控制与驱动的特点,选用了集成双核ARM CPU与FPGA结合的Xilinx Zynq-7020全可编程System-on-chip(SoC)作为硬件平台,一个ARM CPU完成多轴的位置环、速度环和电流环的算法以及多轴轨迹生成,能同时完成伺服高级算法如谐振等,另一个ARM CPU完成交互功能,发挥FPGA高速运算的功能,完成6轴电流环流水线控制以及双采样双更新电流环算法.提高了系统整体带宽,实现多轴ns级同步精度以实现更精确的位置轨迹,驱控一体内部数据通过共享内存以及高速内部总线的方式进行交换,其传输速度更快、传输信息更加丰富.     

一起400 V站用交流系统事故分析及防范措施

介绍了一起400 V站用交流系统合环短路事故，分析了事故原因，提出了防范措施，为电网安全运行积累经验。