基于深度学习的糖尿病性视网膜病变的分级

糖尿病性视网膜病变是一种难以诊断、高风险的致盲性疾病。针对人工对图像特征提取困难、分类准确性差、耗费时间长的问题,采用卷积神经网络构建糖尿病性视网膜病变自动分类器具有重要的临床价值。方法:本文针对已收集好的彩色眼底图像,通过对图像的清洗、扩增、归一化构建糖尿病性视网膜病变数据集。利用VGG16与FCN的优点将其结合,将全连接层改造为卷积层,构建新的糖尿病性视网膜病分类模型。将ImageNet充分训练好的VGG16网络模型参数作为本文模型初始化参数,送入已改造的神经网络模型提取特征,最后输出分类结果。结果:实验结果表明,本文提出的深度学习分类方法的准确率与损失值均优于传统同类别的卷积神经网络分类算法,对临床诊断参考有重要的意义。结论:本文利用的方法对解决数据分布不均衡和过拟合的问题有一定的促进作用,具有较好的鲁棒性。     

异构织机数据采集系统设计

目前机织企业的织机品种多、型号杂,严重阻碍了机织行业的信息化发展,企业难以实现高效管理。研究设计了异构织机数据采集的系统。在综合考虑性能、功耗、成本的基础上,系统采用STC12C5A60S2作为主芯片设计了中继卡,数据采集节点并采用RS485总线连接各节点。实现了实时监控和高效管理。     

嵌入式织造系统无损压缩算法研究

针对嵌入式系统的特点,把无损压缩算法创造性的应用在嵌入式织造系统中。使用了动态Huffman压缩算法、LZSS、LZW压缩算法和精简的Win RAR/Win ZIP这四种压缩方法。经过实验表明,这些压缩算法都能够很好地减少纹板数据的冗余信息,取得较好的压缩效果,减小了传输时间且能够在下位机中顺利解压出来,满足了嵌入式织造系统的要求。     

可中断的非对称数据流压缩算法研究与应用

针对大多数单片机系统存在内存不足和计算能力较低的问题,提出了基于LZSS的非对称压缩算法。在单片机上对上位机发送的已压缩数据流进行可重入性中断的方式解压缩。此解压缩算法空间占用量较小,对分段传入的数据流解压具有很好的实时性。     

碳纳米纤维表面网络修饰及其锌离子电池应用

可充电水系锌锰电池以高安全、低成本和对环境友好的特性在大规模储能领域有广泛的应用前景，但由于锰氧化合物自身导电差且在电池充放电过程中发生歧化反应在水中溶解，导致电池容量低、循环稳定性差。本文采用双针头对纺静电纺丝技术，结合预氧化、高温退火工艺，通过掺杂碳纳米管(CNTs)和导电炭黑(Super-P)对碳纳米纤维表面进行修饰，制备出具有凸起结构和导电网络的碳纳米纤维(CSCNFs)复合材料，再结合电化学沉积工艺，在纤维表面负载α-MnO₂活性物质制备得到MnO₂@CSCNFs阴极。其中，CNTs和Super-P协同构建了具有节点结构的导电网络通道，实现高效电子-离子协同传输。以MnO₂@CSCNFs为阴极的电化学性能得到明显改善，初始容量达到784.8 mA·h·g^-1,100圈循环后仍保持500 mA·h·g^-1的放电比容量，2 A·g^-1的大电流密度下仍保持290.8 mA·h·g^-1的放电比容量，且当电流密度恢复到0.1 A·g<...