一种新的红外图像快速分割方法研究

研究红外图像目标分割快速优化问题。在高分辨率红外图像的分割中,红外图像存在数据量大、目标的边缘模糊和噪声较大等导致分辨率低和实时性差。为了快速准确分割,提出基于低尺度分割阈值预测的快速红外图像分割方法(LFIRS)。首先建立尺度阶数计算模型以确定保留原始红外图像目标基本信息所需的最小尺度,在分析多尺度过程对具有目标/背景强相关特性的红外图像进行分割阈值,建立多尺度红外图像分割阈值的相关模型(CLM),结合经典二维阈值法得到的最低两个尺度的阈值CLM模型参数,可以通过CLM模型与最小尺度的快速获取原始尺度的分割阈值,实现红外图像的快速分割。实验结果表明,改进方法提高了图像分辨和分割速度,且改善了分割效果。     

基于神经网络的刀具状态实时监控系统

本文将改进后的神经网络应用于刀具状态监控，研制了适用于柔性制造系统下的刀具状态监控软件系统，它以神经网络、声发射和电机功率监控等技术为基础，很好地完成了信息采集、特征提取、网络训练、网络回忆、监控等功能，将其应用于刀具状态的实时监控，试验取得了成功。     

金字塔原型对齐的轻量级小样本语义分割网络

小样本图像语义分割任务是计算机视觉领域一个有挑战性的问题,其目标是利用现有一张或几张带有密集分割注释的图片来预测未见类图像的分割掩码.针对该任务,提出了一个基于金字塔原型对齐的轻量级小样本图像语义分割网络.首先,该网络在MobileNetV2网络的深度可分离卷积和逆残差结构基础上,通过金字塔池化模块进行提取特征,保持高维度和低维度的信息,获得不同尺度的特征.同时通过在支持集原型和查询集之间进行相互对齐,使得网络能够从支持集中学到更多的信息,充分利用支持集的信息进行反馈.基于PASCAL-5i数据集的大量实验结果表明,提出的网络结构的均值在1-way 1-shot和1-way 5-shot上分别为49.5％和56.6％,与先进的主流小样本语义分割网络PANet相比分别对应提高了1.4％和0.9％,网络参数量为3.0 MB,相比PANet减小了11.7 MB,同时浮点计算量显著减少,证明了该网络在小样本图像语义分割中的有效性和高效性.     

垂直于弱轴动载作用下H型钢构件损伤域的影响因素

为研究垂直于弱轴方向动载下H型钢构件损伤域高度的影响因素,运用有限元分析软件ABAQUS,分别建立了板壳模型、纤维模型和多尺度模型,证实了兼顾计算精度和计算效率的多尺度模型在预测钢结构板壳节段损伤域高度方面的适用性。开展了36组H型钢构件的有限元分析,揭示了轴压比、长细比、腹板高厚比及翼缘宽厚比4个相互独立参数对损伤域高度的影响规律,提出了H型钢构件损伤域高度的计算公式。研究结果表明:轴压比和长细比对H型钢构件损伤域高度有较大影响,而腹板高厚比和翼缘宽厚比影响较小。     

基于尺度解析模拟的HC375液力变矩器的流场分析与特性预测

针对传统的一维束流研究方法无法描述大功率液力变矩器工作腔内复杂的时变瞬态湍流的流动状态,采用多物理场耦合方法构建了一种介质流动与传热的动态耦合数值模型,并给出了液力变矩器瞬态仿真设计方法.通过定性和定量分析液力变矩器内部的流动结构发现,动态混合模型(Dynamic hybrid RANS - LES, DHRL)中的SBES(Stress -blended eddy simulation)方法能够充分识别工作腔内边界层的流动状态,可实现对多流域耦合复杂流动现象的精准捕捉.通过台架实验表明,采用DES模型和     

基于改进MobileNet v2的垃圾图像分类算法

针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络. 通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网络对特征的细化能力;设计多尺度特征融合结构,增强网络对尺度的适应性;利用迁移学习的方式优化模型参数,进一步提高模型精度. 实验结果表明,算法在自建数据集上的平均准确率为94.6%,分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0%、3.4%、3.2%、2.3%、1.2%;所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现;模型参数量仅为0.83 M,体积约为基础模型的2/5,在边缘设备JETSON TX2上的单次推理耗时68 ms,实现了推理速度和预测准确率的提升.     

基于U-Net的多尺度融合视网膜血管分割算法

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于U-Net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AUC值分别达到0.9572、0.9811,与U-Net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.     

焊接构造对T型接头超低周疲劳性能的影响

为了研究焊接细节对钢结构超低周疲劳性能的影响,以T型接头为对象,在通用有限元程序Abaqus平台上,开发基于Arlequin算法的结构多尺度计算程序. 利用多尺度算法,开展焊接接头的局部弹塑性有限元分析. 比较焊趾半径、厚钢板未熔透长度及焊趾表面凹凸对局部塑性应变履历的影响,利用Coffin-Manson模型对T型接头的超低周疲劳特性进行定性讨论. 数值计算结果表明,焊趾位置是焊接接头的超低周疲劳易损位置,厚钢板的未熔透长度对焊接部位局部塑性应变的影响不大;焊趾半径对焊趾局部塑性应变有较大的影响,增大焊趾半径可以有效提升钢结构在循环荷载下的超低周疲劳性能;焊趾表面的平整性是影响焊趾局部塑性应变履历的重要因素,尖锐的凹坑会明显降低焊接接头的超低周疲劳性能,磨平的焊趾表面可以减少局部塑性应变,提高接头的超低周疲劳强度.     

图像的多尺度几何分析概述*

以函数的稀疏表示为主线,详细介绍了各种多尺度几何分析产生的背景、发展历程和逼近性能,并分析了它们各自存在的优缺点,最后指出了其发展方向.     

颗粒尺度对纳米材料相变的影响

运用Ｈｅｉｓｅｎｂｅｒｇ模型研究了纳米材料相变的尺度效应，建立了相变与颗粒尺度之间的定量关系。模拟结果表明，这一理论与实验数据相符合。