氧浓度对低碳含硫易切削钢MnS系硫化物生成过程及其切削性能的影响

本文研究了氧含量对易切钢中ＭｎＳ系硫化物形成过程和切削性能的影响及其作用机理。     

基于可变形和深度可分离卷积的立体匹配

针对传统卷积神经网络(convolutional neural network, CNN)在立体匹配过程中存在信息 损失和耗时等问题,提出了基于可变形和深度可 分离卷积的立体匹配算法。在特征提取过程中,利用可变形卷积和可变形卷积核构建残差网 络,完成自适 应学习,扩大有效感受野,从而适应物体的不同形变,获取更详细的特征,减少信息损失, 提高了匹配精 度。在特征聚合阶段,采用深度可分离卷积构建深度可分离聚合网络,在空间维度和通道维 度分别进行卷 积运算,以降低参数量和计算复杂度,保证了匹配实时性。在相关的数据集上进行测试,实 验结果表明, 算法的网络运行时间缩短为1.60 s,在KITTI 2015和 KITTI 2012数据集上三像素错误率分别为2.84%和 2.79%,在SceneFlow数据集上端点误差为1.59 %。相比其他基准网络,减少了网络模型的运算量同时算法精度有很大提升。     

采用多特征融合的子块自动提取方法

基于可变形模型的目标跟踪算法因其能够处理目标部分遮挡及形变问题成为目标跟踪领域的研究热点。当目标发生形变或部分遮挡时,可变形模型跟踪器可利用未被遮挡的子块继续完成跟踪。现有基于子块的目标跟踪算法均为手动选取子块的个数和尺寸,但在实际应用中,很难为子块的选取提供人机交互的机会,且手动选取子块易受主观因素影响。针对上述情况,提出了一种采用多特征融合的子块自动提取方法,该方法首先采用基于人眼视觉注意机制对目标模板的显著性区域进行度量;其次,利用边缘方向离散度对目标的纹理丰富度进行度量;然后,融合上述特征获得联合适配性置信度,并根据目标的面积和宽高比自适应确定子块的个数和尺寸;最后,根据联合适配性置信度提取目标子块。实验结果表明,与现有手动选取子块的可变形模型目标跟踪方法相比,采用所提方法自动提取的子块可获得更高的跟踪精度。     

基于双支路特征融合的MRI颅脑肿瘤图像分割研究北大核心CSCD

针对磁共振成像(magnetic resonance imaging, MRI)颅脑肿瘤区域误识别与分割网络空间信息丢失问题,提出一种基于双支路特征融合的MRI脑肿瘤图像分割方法。首先通过主支路的重构VGG与注意力模型(re-parameterization visual geometry group and attention model, RVAM)提取网络的上下文信息,然后使用可变形卷积与金字塔池化模型(deformable convolution and pyramid pooling model, DCPM)在副支路获取丰富的空间信息,之后使用特征融合模块对两支路的特征信息进行融合。最后引入注意力模型,在上采样过程中加强分割目标在解码时的权重。提出的方法在Kaggle_3m数据集和BraTS2019数据集上进行了实验验证,实验结果表明该方法具有良好的脑肿瘤分割性能,其中在Kaggle_3m上,Dice相似系数、杰卡德系数分别达到了91.45%和85.19%。     

一种基于Cascade R-CNN的电子器件容器质检方法

电子器件容器生产是一种对安全性、高效性、完整性要求极高的过程,是各大企业必须要关注的问题。但是在实际的生产封装过程中,容器上的污渍、容器内的异物,外观的异常不可避免地出现,这些问题亟待解决。目前解决这些问题主要的检测方法还是人工检测和传统的机器视觉的方式,人工检测方式的缺点在于准确率高而效率低,传统机器视觉检测方式是效率高而准确率低,都难以满足高速自动化生产线要求。因此,本文提出一种基于Cascade R-CNN的电子器件容器质检方法,针对实际过程中的容器数据定向改进网络,加入Focal Loss检测难以区分的样本,使用可变形卷积更高效地提取特征,以多尺度训练方式训练强鲁棒性的模型,用于电子器件容器的多类别检测问题。实验结果表明提出的改进的基于Cascade R-CNN的电子器件容器质检模型具有高准确率和强鲁棒性。     

拱坝–坝肩三维可变形离散元整体稳定分析

三维可变形离散元是模拟不连续介质力学行为的有效数值分析方法。由于该方法采用显式差分方法和自动接触检索技术，故尤其适合于求解弹塑性、大变形和动力问题。首先介绍三维可变形离散元的基本原理及特点，然后对拱坝–坝肩系统整体抗滑稳定进行超载仿真分析和强度折减仿真分析。分析结果表明：超载计算时，拱坝坝肩失稳可能性很小，但是，当水压超载到3.5～4.0倍时，坝体材料会出现较大范围的受压屈服；强度折减计算时，当结构面强度折减3.5倍时，拱坝左坝肩在水压和渗压的作用下开始向下游坍塌，并最终导致拱坝失去支撑而溃决。     

基于改进Mask R-CNN的矿石类型检测算法

针对不同的矿石类型进行选矿工艺参数设置和操作有利于保障精矿质量,提高回收率和降低物资消耗。由于缺乏矿石类型实时检测有效手段,选矿过程的精准操作目前较难实现。为此,本文提出一种全面改进的Mask R-CNN矿石类型检测算法。算法步骤：(1)使用ResNetV1d-50提取矿石图像各阶段的特征图,并在主干网络中加入可变形卷积以便增强异形矿石的特征;(2)改进FPN,通过在主干网络的C5特征层加入特征残差模块,并融合到P5特征层,得到具有更强语义信息的多尺度特征图;(3)改进RPN,设计自适应的正样本IOU选取方案来匹配宽高比异常的矿石,进一步提高异形矿石的识别精度;(4)在RoIAlign网络基础上加入Global-Context,以提高小矿石的检测能力;(5)在数据增强和训练技巧方面对模型进行改进。结果表明,本文算法的平均精度为67.92%,平均交并比为63.54%,分别比基准模型提高了13.67%和9.71%。本文研究方法在矿石类型识别领域具有较好的应用价值。     

基于Monte Carlo算法的战术导弹组合变翼方案优化设计

作为导弹的主升力面,弹翼自适应变形能有效提高其飞行性能。为揭示弹翼几何对飞行状态的自适应规律,针对一类新型组合变翼问题的多变量复杂约束及目标函数非解析与非线性特征,基于重构的Monte Carlo算法,协同Missile DATCOM算法,通过交互式操作数据文件,建立了一套完整的导弹变翼方案优化设计方法。仿真结果表明,该方法可胜任全弹气动外形的多点优化,能使导弹在满足一定可用过载的条件下具有最大升阻比,设计的组合变翼方案不仅可用于变翼飞行控制及弹道仿真研究,而且可用于变翼飞行性能的增益分析。