基于深度学习的电子鼻食品新鲜度检测与识别技术研究

实际生活中,食品储存情况复杂,对食品新鲜度的准确检测十分重要.将常见食品分为水果、蔬菜、肉类三个类别,并根据实际情况,对不同食品储存情况设计相应实验,利用设计的电子鼻系统对食品样本进行检测,将测试得到的样本数据用于建立线性判别分析(Linear Discriminant Analysis,LDA)、支持向量机(Support Vector Machine,SVM)、卷积神经网络(Convolutional Neural Network,CNN)模型,最终利用不同模型对食品样本的状态:新鲜、水果腐败、蔬菜腐败、肉类腐败,作出分类识别.对于实际测试样本,LDA、SVM、CNN识别准确率分别为:45.00％、85.00％、90.00％,结果证明基于深度学习的电子鼻系统可对不同储存情况下的食品新鲜状态作出有效判断,可在一定程度上为受主观因素影响的感官评价提供客观参考,提高食品新鲜度判断准确性.     

用于CMOS图像传感器的高速高精度斜坡ADC设计技术研究

针对CMOS图像传感器中传统的列级单斜式ADC在速度方面的不足和两步式ADC在斜坡间切换过程中的非线性问题,论文提出了一种基于时间共享与单区间的高速高精度列并行两步式斜坡ADC架构.采用像素电荷转移阶段的电位识别,实现了不消耗时间的粗量化;采用单区间高精度量化,解决了多斜坡之间的无缝衔接问题.所提出的方法在一款基于55 nm 1P4M工艺的2048×2048规模的CMOS图像传感器芯片中进行了有效性验证,结果表明,在12位分辨率下,该方法相较于传统的两步式结构,行时间可以压缩到500 ns,DNL和INL都可以控制到0.12LSB以内,单列功耗仅为16.5μW.     

基于麦克风阵列的语音增强算法研究

语音通信为最普通的一种通信模式,在我们的日常生活中发挥着极为关键的效果.然而,在客观场景内,声音势必会因噪音而产生影响.此类噪声与干扰不但会影响声音的可知性,还使声音处理系统的性能急剧恶化.但是,在现实环境中,声音受到噪音和干扰是不可避免的.这些噪声和干扰不仅影响声音的可知性,还使声音处理系统的性能急剧恶化.麦克风阵列语音增强为语音增强中最普遍的一种模式.文章具体讲解了几类比较普遍的麦克风阵列增强算法以及语音扩展算法的仿真处理结果,语音扩展算法可以从噪音声音中尽可能地提取清晰的声音,从而提高语音质量和主观舒适性.     

基于灰度特征值的混杂性肺原位腺癌与微浸润性腺癌的鉴别

为了探讨灰度特征值对表现为混杂的肺原位腺癌(AIS)和微浸润性腺癌(MIA)的鉴别价值,文章首先利用大津法与掩模法等方法将肺实质提取出来,随后利用计算机分别计算了0°、45°、90°、135°方向上的灰度特征值(能量、熵、逆差矩和相关性)、均值与统计学P值.发现灰度共生矩阵中病灶的惯性矩能够作为两者的判别标准:AIS与MIA的惯性矩均值分别为13.8513±0.0001、13.8562±0.0021.得出结论:灰度特征值对于AIS与MIA的诊断具有一定的指导意义,当惯性矩值≤13.8513时,病灶为AIS的可能性很大,当惯性矩值≥13.8513时,病灶为MIA的可能性较大,计算机在鉴别肺原位腺癌与微浸润腺癌中具有重要的作用.     

面向综合效益的城市充电网点规划研究

随着国家大力发展新能源汽车的政策,电动汽车和充电基础设施规模不断扩大,如何科学地规划充电网点成为亟待解决的问题。本文根据分期规划的原则,采用基于注意力机制的长短期记忆网络进行充电需求预测,使用量子粒子群优化算法进行近期充电网点选址定容,然后根据Voronoi图来划分远期充电站服务区域,从而建立了充电网点精准规划模型。通过对杭州市钱江世纪城区域进行验证,表明本文模型在科学规划充电网点的同时,能够实现电网、企业、用户的多方共赢。     

一个简易的智能家居煤气报警器的设计

设计一个简易的、基于单片机的智能家居煤气报警器。以单片机AT89C52作为报警器的主控制器,控制系统电路。以周围气体和温度传感器为辅,实现对泄露气体和温度的检测。报警器的设计采用了模数转换电路,通过数码管晶体显示器可显示气体浓度及室内温度,并且采用移动无线通信技术能将数据实时传送到手机客户端,从而起到报警功能。     

基于粗糙集理论的不完备数据分析方法的混合信息系统填补算法

为了提高基于粗糙集理论的不完备数据分析方法（ROUSTIDA）在实际应用中对包含离散型（如整型、字符串型、枚举型）、连续型（如浮点数表达）、缺失型属性的混合信息系统（HIS）数据的填补能力,提出了一种基于粗糙集理论的混合信息系统缺失值填补方法（RSHISMIA）。首先,根据决策属性等价类划分思想并按照决策属性对混合信息系统HIS进行划分,解决了填补后可能出现的决策规则冲突问题;其次,定义混合距离矩阵来合理量化对象间的相似性,从而筛选出具有填补能力的样本并克服ROUSTIDA无法处理连续性属性的缺点;然后,结合近邻思想解决了ROUSTIDA在无差别对象属性值发生冲突情况下无法对相同属性缺失数据进行填补的问题。最后,使用10个UCI标准数据集进行实验,将所提出的方法与ROUSTIDA、K近邻填补（KNNI）算法、随机森林填补（RFI）算法和矩阵分解（MF）等几种经典算法进行了比较。实验结果表明,与ROUSTIDA相比,所提方法在查全率上平均高出81%,在查准率上提升了5%~53%,且其归一化均方根误差（NRMSE）最多减小了0.12。此外,所提方法的分类准确率与ROUSTIDA相比平均提升了7%,且优于KNNI、RFI及MF等填补算法。     

基于高级计划排程系统与制造执行系统的电网运检计划管控系统

针对传统运检计划的编制与执行依靠工作人员人工编制与现场管控,存在运检计划编制缓慢、执行管控疏漏等问题,为提升运检工作质效、保障电网本质安全,搭建了运检计划数字化管控系统.系统基于制造业应用成熟的高级计划排程(APS)系统以及制造执行系统(MES),通过对比运检业务与制造业业务异同点,建立映射模型.系统在电网资源业务中台的基础上进行微应用改造,明确了运检计划数字化管控系统八大基本功能与全业务工作流程.通过对比数字化管控系统的应用,可减少90％信息收集工作,避免因检修不到位造成设备质量事件.通过分析运检承载能力、辨识运检风险、制定差异化运检策略,切实保障人身、设备、电网安全.     

基于跨语言神经主题模型的汉越新闻话题发现方法

针对汉越跨语言新闻话题发现任务中汉越平行语料稀缺,训练高质量的双语词嵌入较为困难,而且新闻文本一般较长导致双语词嵌入的方法难以很好地表征文本的问题,提出一种基于跨语言神经主题模型（CL-NTM）的汉越新闻话题发现方法,利用新闻的主题信息对新闻文本进行表征,将双语语义对齐转化为双语主题对齐任务。首先,针对汉语和越南语分别训练基于变分自编码器的神经主题模型,从而得到单语的主题抽象表征;然后,利用小规模的平行语料将双语主题映射到同一语义空间;最后,使用K-means方法对双语主题表征进行聚类,从而发现新闻事件簇的话题。实验结果表明,所提方法相较于面向中英文的隐狄利克雷分配主题改进模型（ICE-LDA）在Macro-F1值与主题一致性上分别提升了4个百分点与7个百分点,可见所提方法可有效提升新闻话题的聚类效果与话题可解释性。     

基于BCNN的胎儿颅脑超声横切面识别算法

孕期超声检查是评估胎儿大脑发育、检测生长异常的重要步骤,开展对胎儿早期检查准确高效的诊断研究具有重要的临床价值。文中使用双线性卷积神经网络BCNN进行胎儿颅脑横切面识别,提出了BCNN-R和BCNN-S两种算法。BCNN算法首先对输入的胎儿颅脑超声影像数据进行预处理,去除个人信息等敏感信息;其次,利用两路并行的子网络从影像数据中提取辨识度高、鲁棒性强的横切面特征,并将其融合得到有助于识别的细微特征;最后使用线性连接层进行识别和分类。为了验证算法的有效性,在自建胎儿超声数据集JFU19上进行了对比实验,实验结果表明,所提算法相比常见的深度网络(GoogleNet,DenseNet,SeNet等)在分类性能上有明显的提升,其中BCNN-S算法的总体准确率达到了88.95%,BCNN-R在水平横切面的识别上达到了97.22%的精确度和88.61%的召回率。此外,在公开数据集HC18上进行了实验,BCNN算法的准确率、精确度、召回率分别达到了89.48%,87.66%和87.71%,进一步验证了算法的有效性。