基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

管道式油气水高效分离技术研究获进展

随着油气田开采时间的增长,采出液中含水率逐年增加,部分油田的含水率已达到95%以上,给目前已有的采出液处理工艺带来新的挑战。中国科学院力学研究所研发的管道式油气水高效分离技术,有效解决了目前油气水处理系统所面临的难题,可适用于陆地、海洋平台及井下等不同条件。管道式油气水高效分离技术主要由柱型旋流分离器、导流片型管道式分离器、T型多分岔管路和动态CFU气浮选等组成,突破了传统的采用大型储罐进行油气水分离的作法,使分离效率成倍提高。这种小型、紧凑、高效、快速的分离系统,由于工艺流程简单高效,且可在相对较低     

台东山煤矿边角煤回收方法探讨

随着煤矿的采深和开采强度的加大,煤矿形成许多边角煤,降低了煤炭回收率。同时,因地质条件复杂、开采的难度相应增加,边角煤的开采意义重要。针对台东山煤矿边角煤的赋存情况,对开采方法进行探讨,并详细叙述了"刀式采煤法"在台东山煤矿5202里工作面的应用。     

9000m顶部驱动钻井装置结构选型研究

为大幅提高钻井效率,针对9 000 m钻井深度对顶驱的设计要求,通过比较顶驱装置关键部分几种典型的结构,提出适合该型号顶部驱动钻井装置的最优结构形式,为后续9 000 m钻井深度顶部驱动钻井装置的研究提供指导和借鉴。     

浅谈城市污水回用的现状及深度处理技术

本文希望通过改进回用水工艺流程,使得处理后的水能达到回用水的水质要求。     

学习分析技术支持的在线深度学习的模型构建

本文将深度学习与学习分析相结合,从评价学习层次、教师深度教学能力、反思且主动地学习、学习内容的适切性四个方面阐释了学习分析对在线深度学习的影响,并在分析在线学习行为和学习分析过程的基础上,构建了学习分析技术支持的在线深度学习的模型,试图促进学习分析与在线学习融合模式的深入讨论。     

基于深度学习的软件测试在线教学方法创新与实践

针对当前软件测试在线课程教学存在的个性化习题案例数不足以及教师对学生薄弱知识点把握不足的问题,研究智能化习题集和案例库的建立和更新策略,并通过深度学习与交互式机器学习方法分析作答情况、挖掘知识薄弱点,从而帮助教师统一针对性讲解,减少人工评判,实现教学质量改革智能化,落实“与时俱进”和“因材施教”的教育理念。