大尺寸图片的复制粘贴检测*

针对目前图像复制粘贴检测算法有时间复杂度高、当图像中有光滑区域时错检率大的缺点,将图像角点区域及其八方向邻接圆形区域作为伪造检测区域,提取每个检测区域的矩特征后用k-d树进行排序,并通过比较每个区域矩特征的相似性来定位伪造复制区域.该算法效率高,且对经过旋转、添加噪声、模糊、JPEG压缩等后处理的复制粘贴伪造图像检测效果很好.     

关于某些特殊分块矩阵的群逆

分块矩阵的广义逆不仅在数学理论上有广泛研究而且在自动控制、系统理论、概率统计、数学规划等领域有着广泛的实际研究背景.该文对形如[A B/C 0]分块矩阵的群逆的表达式问题进行了研究.设P是复数域上的幂等阵.令矩阵A,B,C取自集合{P,PP*,PP*P },则可以得到27个形如[A B/C 0]的分块矩阵.给出了这27个分块矩阵群逆的存在性与表示形式.     

支持跨步访问的嵌入式存储系统

提出了一种新型多素数嵌入式存储系统,能够显著改善系统跨步访问的性能。提高跨步访存的带宽,对于改善系统的整体性能有着重要的意义。但是,在嵌入式系统中,受片外结构的尺寸限制,直接应用经典的素数存储系统理论无法显著改善跨步访存性能。为此,该新型系统以素数存储系统理论为基础,引入主存访问调度策略并结合嵌入式系统的实际结构特征,构造了一种两层结构的多素数存储系统,可以用较少数量的存储模块实现,而且从逻辑地址到物理地址的映像计算简单,能够以相对较小的硬件代价实现对嵌入式存储系统跨步访问的有效支持。理论分析和实验结果均证实了该系统的正确性和有效性。     

零能耗小屋能源管理与智能监控系统的设计与实现

针对2013中国国际太阳能十项全能竞赛比赛规则及零能耗建筑的特点,结合比赛地点山西大同的气候数据,给出了厦门大学参赛作品,零能耗小屋Sunny Inside的能源管理与智能监控系统设计方案.以光伏建筑一体化理论为基础,设计15.25kW光伏并网发电系统,并用相关软件对能耗平衡进行了模拟验证.以三菱PLC为核心,构建了能源管理与智能监控系统,分析了不同条件下空调、相变及遮阳系统的控制策略,并给出具体实现方法.     

一种基于 PLC 和 HMI 的层压控制系统

为实现对铝基覆铜板层压工艺中两个关键参数温度和压力的自动控制,在采用分级蓄能层压工艺的基础上,设计一种基于三菱PLC和台达HMI的自动化层压控制系统。介绍控制系统的硬件组成、控制流程、HMI的软件设计及PID参数的整定。     

“国培计划”县级教师培训团队置换脱产研修项目学员返岗问卷调查报告

根据保山学院实施的“国培计划”县级教师培训团队置换脱产研修项目,采用问卷的形式对学员返岗后跟踪调查,总结项目实施经验的同时,分析项目实施存在问题,探讨了对策,更有力的推进“国培计划”。     

面向曳引钢带缺陷检测的径向磁化电磁传感器仿真研究

针对曳引钢带缺陷检测提出了一种径向磁化电磁传感器,实现曳引钢带缺陷的精准检测.基于电磁耦合和高导磁材料的聚磁特性,采用有限元分析方法建立起径向磁化电磁传感器的等效模型,分析了聚磁铁芯宽度和线圈安匝数对径向磁化电磁传感器测量处磁感应强度大小的影响规律.结果表明,宽度为1 mm的聚磁铁芯具有最佳的聚磁效果,测量处磁感应强度随着安匝数增加而增大并趋于饱和;接着,选取曳引钢带断丝和磨损两类典型缺陷,进一步仿真分析了其缺陷程度与测量点处磁感应强度的映射关系,结果表明,测量点处磁感应强度随着缺陷程度增加而减小;最后,对研制的径向磁化电磁传感器进行性能测试,并将其应用于曳引钢带缺陷检测实验中,测量值与仿真值的最大相对误差为7.8％.     

基于深度学习的文本分类技术研究进展

随着深度学习技术的快速发展,许多研究者尝试利用深度学习来解决文本分类问题,特别是在卷积神经网络和循环神经网络方面,出现了许多新颖且有效的分类方法。对基于深度神经网络的文本分类问题进行分析,介绍卷积神经网络、循环神经网络、注意力机制等方法在文本分类中的应用和发展,分析多种典型分类方法的特点和性能,从准确率和运行时间方面对基础网络结构进行比较,表明深度神经网络较传统机器学习方法在用于文本分类时更具优势,其中卷积神经网络具有优秀的分类性能和泛化能力。在此基础上,指出当前深度文本分类模型存在的不足,并对未来的研究方向进行展望。     

基于Siamese-YOLOv4的印刷品缺陷目标检测

在印刷工业生产中,针对直接使用YOLOv4网络进行印刷缺陷目标检测精度低、所需训练样本数量大的问题,提出了一种基于Siamese-YOLOv4的印刷品缺陷目标检测方法。首先,使用了一种图像分割和随机参数变化的策略对数据集进行增强;然后,在主干网络中增加了孪生相似性检测网络,并在相似性检测网络中引入Mish激活函数来计算出图像块的相似度,在此之后将相似度低于阈值的区域作为缺陷候选区域;最后,训练候选区域图像,从而实现缺陷目标的精确定位与分类。实验结果表明：Siamese-YOLOv4模型的检测精度优于主流的目标检测模型,在印刷缺陷数据集上,Siamese-YOLOv4网络对卫星墨滴缺陷的检测准确率为98.6%,对脏点缺陷的检测准确率为97.8%,对漏印缺陷的检测准确率为93.9%;检测的平均精度均值（mAP）达到了96.8%,相较于YOLOv4算法、Faster R-CNN算法、SSD算法、EfficientDet算法分别提高了6.5个百分点、6.4个百分点、14.9个百分点、10.6个百分点。所提Siamese-YOLOv4模型一方面在印刷品缺陷检测中有较低的误检率和漏检率,另一方面通过相似性检测网络计算图像块的相似度从而提高了检测的精度,表明所提缺陷检测方法可应用于印刷质检以提高印刷企业的缺陷检测水平。     

基于人工势场的A*算法的移动机器人路径规划

为了解决传统A*算法规划路径时未考虑到障碍物分布对路径选取的影响,文中提出了一种改进的A*算法.将人工势场的思想与传统的A*算法相结合,对栅格地图中的障碍物赋予斥力场函数并计算周围栅格的斥力大小,进行路径搜索时将栅格的斥力大小引进到A*算法的评价函数当中以改进A*算法的搜索能力.通过MATLAB仿真和Turtlebot机器人的实验结果表明,与传统的A*算法相比,改进后的新算法与人工势场算法相结合,规划出了更优的路径,提高了路径规划效率,且搜索速度提高了 13.40％～29.68％,路径长度缩短了 10.56％～24.38％,路径节点数减少了 6.89％～27.27％,因此,改进的A*算法的优化效果明显,具有有效性和可行性.