Fractional partial differential equation denoising models for texture image

In this paper,a set of fractional partial differential equations based on fractional total variation and fractional steepest descent approach are proposed to address the problem of traditional drawbacks of PM and ROF multi-scale denoising for texture image.By extending Green,Gauss,Stokes and Euler-Lagrange formulas to fractional field,we can find that the integer formulas are just their special case of fractional ones.In order to improve the denoising capability,we proposed 4 fractional partial differential equation based multiscale denoising models,and then discussed their stabilities and convergence rate.Theoretic deduction and experimental evaluation demonstrate the stability and astringency of fractional steepest descent approach,and fractional nonlinearly multi-scale denoising capability and best value of parameters are discussed also.The experiments results prove that the ability for preserving high-frequency edge and complex texture information of the proposed denoising models are obviously superior to traditional integral based algorithms,especially for texture detail rich images.     

轻量级分组密码算法DoT的模板攻击

模板攻击是一种重要的侧信道分析方法,其在实际密码算法破译中具有较强的区分能力。轻量级分组密码算法DoT在硬件和软件实现中都表现出优秀的性能,尽管目前针对DoT算法的传统数学攻击已经取得了一定效果,但是该算法在具体实现中是否足以抵御侧信道攻击仍有待研究。基于DoT算法结构及其S盒特点,提出一种针对DoT算法的模板攻击方法。基于汉明重量模型来刻画加密算法运行时的能耗特征,将S盒输出值的具体分布作为中间状态值构造区分器,从而进行密钥恢复。测试结果表明,该模板攻击仅需6组明文就可恢复出8 bit密钥信息,DoT密码算法在该模板攻击下具有脆弱性。     

YOLOv4口罩检测算法的轻量化改进

针对当前YOLOv4目标检测算法网络模型庞大、特征提取不充分且易受光线环境影响的缺点,提出了一种优化了特征提取网络和一般卷积块的轻量化YOLOv4-Lite网络模型。使用改进的MobileNetv3替换原有的主干特征提取网络,减小了网络模型的参数量,提高了检测精度。提出了使用深度可分离卷积块代替原网络中的普通卷积块,使得模型的参数量进一步降低。结合了标签平滑、学习率余弦退火衰减算法,新增了SiLU激活函数代替MobileNetv3浅层网络的ReLU激活函数,优化了模型的收敛效果。优化了Mosaic数据增强方法,提升了模型的鲁棒性。在人脸口罩佩戴任务中与原算法相比,牺牲了1.68%的mAP,但在检测效率（FPS）上提升约180%。     

改进Mask R-CNN算法的带钢表面缺陷检测

在带钢的生产过程中可能会因为生产工艺的问题导致带钢表面出现缺陷,传统的带钢表面检测方法存在检测速度慢、检测精度低等问题。在计算机深度学习快速发展的今天,为实现带钢表面缺陷快速有效的检测,提出改进的掩码区域卷积神经网络（Mask R-CNN）算法,使用[k]-means II聚类算法改进区域建议网络（RPN）锚框生成方法;同时调整Mask R-CNN模型的网络结构,去掉掩码分支,提高了模型的缺陷检测速度。实验在NEU-DET数据集的5种缺陷检测中将原算法的均值平均精度（mAP）从0.810?2提升到0.960?2,检测速度达到5.9?frame/s。并且能够实现对缺陷目标的检测和实例分割,以便研究人员观测缺陷的大小和形状,从而改进工艺。相比于目前其他深度学习的缺陷检测算法,更能满足带钢的生产检测要求。     

合金元素对铝基钎料组织和性能的影响

采用正交试验法设计低熔点Al-Si-Cu-Mg系钎料成分,通过金相、硬度、铺展及差热等方法,分析钎料的显微组织及性能。结果表明:钎料的组织主要由基体相α-Al、粒状相Mg2Si、骨骼状相Al2Cu(θ相),以及θ相和Mg2Si的复杂共晶组成;合金元素对显微硬度及熔化特性的影响由主到次的顺序为Cu、Si、Mg;受金属间化合物Al2Cu和Mg2Si以及初晶Si析出的影响,当Cu、Si含量达到一定值(10%Cu、7.5%Si)后,钎料铺展面积变化不大,试验配方中Al-7.5Si-20Cu-0.4Mg熔点529℃时,铺展面积大,综合性能良好。     

基于并行模板的手写体汉字串行细化算法

针对并行细化算法中细化模板较多,细化不全和串行算法的骨架非对称现象,提出了一种基于并行模板的手写体汉字串行细化算法。该算法改变了剥离边界的方向,引入了4个新的并行细化模板,根据串行算法特点和书写运笔规律,采用逆向扫描法遍历整个图像,通过与其他的模板细化算法进行实验比较,得出该算法在细化手写体汉字时,模板较少,速度较快,细化完全,骨架对称性较好的结论。     

复杂环境下课堂多人状态检测算法研究

新冠肺炎疫情背景下课堂多人佩戴口罩及姿态识别问题,提出了基于YOLO和OpenPose模型的课堂多人状态检测算法。提出的Efficient-YOLO模型,通过采用CBAM注意力模块、SPNET-NEW模块,解决了多人遮挡和无规则化目标的口罩佩戴检测精度问题。此外,提出了一种轻量化的Class-OpenPose模型检测学生上课姿态,该算法在OpenPose模型基础上,使用ShuffleNetV2-NEW对传统模型在底层特征提取方面进行改进,实现了复杂环境下关键姿态点的实时准确检测。实验表明,在课堂多人异常状态检测任务中,Class-OpenPose模型平均准确率高于传统模型,为79.0%,检测速度达到13.5 F/s; Efficient-YOLO口罩识别模型达到83.1%的平均准确率,检测时间仅需31.54 ms,为课堂学生状态检测提供了不错的算法思路。     

新型中温钎料Ag-Cu-Ge-Sn-Ni的初步研究

根据合金相图的基本原理,结合Ag-Cu-Ge系三元相图,设计了含有少量合金元素Sn、Ni的中温钎料合金Ag-Cu24．0-Ge25．0-Sn4．0-Ni0．2(质量分数,％)。通过钎料合金与Ni板的润湿性测试及润湿后界面的微观组织分析,表明该合金对于纯Ni具有良好的漫流性和润湿性。     

Sn-9Zn无铅钎料合金的压蠕变行为研究

试验研究了Sn-9Zn合金钎料在温度为40～100℃和压力为9．3～18．6MPa范围内的压蠕变行为。结果表明：随温度和应力的升高，合金的压蠕变量增大，稳态蠕变速率的对数分别与应力对数和温度呈较好的线性关系，稳态蠕变速率符合半经验公式。在不同的温度下，应力指数n相近，平均值为5．74；不同的应力下，表观激活能Qa相差不大，平均值为51．95kJ／mol，材料结构常数为0．03，压蠕变变形是位错滑移和位错攀移共同作用的结果，控制稳态蠕变速率的主要因素为位错管道扩散过程控制下的位错攀移。     

应力对SnPb基复合钎料钎焊接头蠕变性能的影响

采用搭接面积为1mm^2的单搭接钎焊接头，研究了恒定温度下，应力对纳米颗粒增强的SnPb基复合钎料钎焊接头的蠕变寿命的影响。结果表明，纳米颗粒增强的SnPb基复合钎料的蠕变抗力优于传统SnPb钎料。同时钎焊接头的蠕变寿命随应力增加而降低，且应力对复合钎料钎焊接头蠕变寿命的影响较传统63Sn37Pb钎料明显。