An augmented reality-based multimedia environment for experimental education

Over the last few years, there has been a growing interest in augmented reality (AR) technology for education. However, current AR education applications are often used as a new type of knowledge display platform, and they cannot fully participate in educational activities to improve educational results. To enable AR technology to participate in educational activities more effectively, according to learning-by-doing theory, we explore the form of a future experimental course and propose a new AR-based multimedia environment for experimental education. The framework of the multimedia environment consists of three components: the AR experiment authoring tool, the AR experiment application, and the management application. In this AR-based multimedia environment, teachers can independently create AR experiments using the what you see is what you get (WYSIWYG) editing method. Students can manipulate the AR-based experimental object to complete the experiment in class. Moreover, teachers can observe students’ experimental behaviour, obtain evaluations in real time, and even guide students remotely. We also present an application case of a chemistry experiment and obtain results of the usability test, demonstrating improvements in AR technology participation in educational activities.

     

面向虚拟介入手术的电磁力反馈模型的设计与仿真

为满足虚拟血管介入手术中力触觉反馈的实时性和精准性,采用磁悬浮原理设计一种力反馈模型生成虚拟介入手术中的周向旋转力触觉.通过分析通电线圈磁场特性和介入手术操作模式,首先设计电磁线圈阵列的拓扑结构和手术器械模型;随后针对线圈阵列提出最优电流分配策略并进行仿真验证;最后通过模型融合方法构建力矩-电流预测模型.实验结果表明,该模型能以3％的误差、40 Hz的频率预测出电流,结合最优电流分配策略可对介入手术中的关键力反馈进行实时、精确还原.     

基于蚁群算法的能耗均衡的安全路由

针对无线传感网络(Wireless Sensor Networks,WSNs)路由能耗及安全问题,提出基于蚁群算法的能耗均衡的安全路由(Ant Colony based Energy Balancing Secure,ACES).ACES路由利用蚁群算法搜索从源节点至汇聚节点的路径,并利用节点的剩余能量,离汇聚节点距离以及节点信任值对蚁群算法的信息素启发函数,状态转移函数和信息素的更新函数进行优化,使寻径蚂蚁能够快速建立从源节点至汇聚节点的路径,提高数据包传递率,均衡节点能耗.仿真结果表明,提出的ACES路由有效地延长了网络寿命,并提高了数据包传递率.     

一种基于深度学习的视网膜病变图像识别方法

为解决医学上糖尿病性视网膜病变图像人工识别困难、精度差等问题,提出一种基于多特征融合的卷积神经网络识别方法。在VGG-16模型的基础上,通过融合每层网络上的局部特征,增强模型的特征提取能力。选用Softmax分类器,使病变图像识别更加准确。使用OpenCV图像处理工具采用加噪、上下左右不同角度翻转、调节对比度等5种方式扩充训练集。实验结果表明,基于多特征融合的深度学习框架图像识别系统在数据集上的平均识别精度达到94.23%,相较于Alex-Net、Google-Net、Compact-Net、ResNet-101等模型分别提高了10.56%、7.80%、6.01%、0.02%,验证了该方法的有效性。该模型具有很好的鲁棒性。     

基于单哈希多维布隆过滤器的DDS自动发现算法

SDPBloom算法减小了基于简单发现协议的自动发现算法SDP_ADA的网络数据传输量和内存消耗,但在自动发现过程中存在哈希运算量大的问题,导致参与者端点之间发布/订阅消息的时间过长.为解决这一问题,在简单发现协议的基础上,提出一种基于单哈希多维布隆过滤器的自动发现算法SDP_OMBF.该算法将单哈希多维布隆过滤器向量(OMBF)用于参与者端点信息的匹配.实验结果表明,该算法提高了数据分发服务(Data Distribution Service,DDS)自动发现过程中的实时性.     

基于CenterNet的一次设备异常检测方法

目前电网一次设备存在线路长、覆盖广的特点,传统的人工运维方式不仅工作压力大,且难以及时发现故障隐患.针对上述问题,提出了一种一次设备异常检测方法.首先,使用中心网络(CenterNet)算法对样本训练集进行学习,并且使用CenterNet最后包含的高层特征做异常检测;然后,根据检测到的关键点热力图来判断异常目标的宽高信息,动态调整检测框大小;最后,通过检测当前图像异常一次设备中心点得到异常检测结果.实验结果表明,所提方法在一次设备数据集上准确率为92.6％,相较于传统的快速的基于区域的卷积神经网络(Fast RCNN)模型,准确率提升了4.3％,验证了所提方法的有效性和先进性.     

无人机航拍图像中裸露地表的识别

电力输电线路下方或附近的无覆盖物的裸露地表,是引起输电线路事故的主要隐患之一;从无人机电力巡检航拍图像中识别裸露地表可以预防类似事故的发生;由于Mask RCNN识别无人机电力巡检航拍图像中裸露地表的精度较低,提出一种图像特征融合的方法,即人工提取HOG和LBP两种不同的图像特征,经过不同权重的融合共同表征图像中裸露地表区域的特征,再对SVM进行训练并用于识别;实验结果表明,采用该方法识别率可以达到80％以上,识别时间少于60 ms;HOG和LBP两种特征在进行融合时,当两种特征的数量级相当时,得到的识别率最高;可见,该方法在具有较高识别率的同时,具有比较好的实时性,适合于无人机机载平台对航拍图像的初筛,且训练时间较少,权重参数规模小,为无人机航拍图像中目标物的识别提供一种新思路.     

航电中继系统多通道ARINC429总线故障注入方法

针对民用飞机航电系统集成测试中多通道故障并行注入的问题,研究ARINC429总线故障注入方法并实现功能设计;首先,分析航电中继系统的数据交互方式,设计基于航电中继系统的故障注入架构,研究基于反射内存通信网络的多通道并行故障注入方法;然后,分析ARINC429总线在协议层和应用层的故障类型和对应的注入方式,并完成故障注入功能的逻辑设计;最后,基于航电中继系统搭建故障注入实验平台,进行故障注入实验;实验结果表明,所研究的故障注入方法能够有效完成多设备、多通道航电总线在协议层和应用层的低延时故障注入,满足航电系统集成测试的要求。     

图像去雾算法研究综述

图像去雾技术的目的是为了去掉图像中雾的影响,从而获得高质量的图像。本文主要从图像增强、图像复原和深度学习的角度归纳总结了图像去雾方法的研究状况,对暗通道先验等经典算法以及新活跃在去雾领域的几种深度学习去雾算法做了进一步的分析,并对各类算法的性能进行了总结,最后针对各类图像去雾方法指出了存在的问题及未来的展望。     

采用自适应字典学习的InSAR降噪方法

We consider the phase noise filtering problem for interferometric synthetic aperture radar (InSAR) based on the dictionary learning technique. Due to the non-convexity of the optimization problem is difficult to solve. By using the splitting technique and employing the augmented Lagrangian framework, we obtain a relaxed nonlinear constraint optimization problem with l₁-norm regularization which can be solved efficiently by the alternating direction method of multipliers (ADMM). Specifically, we firstly train dictionaries from the InSAR complex phase data, and then reconstruct the desired complex phase image from the sparse representation. Simulation results based on simulated and measured data show that this new InSAR phase noise reduction method has a much better performance than several classical phase filtering methods in terms of residual count, mean square error (MSE) and preservation of the fringe completeness.