板条状马氏体钢衬板研制与应用

介绍板条状马氏体钢是一种新型耐磨材料,讲述试验及工业性运行考核过程与结果.板条状马氏体钢衬板使用寿命比ZGMn13衬板提高了一倍以上.     

行人检测的深度稀疏自编码网络

针对传统卷积神经网络在行人检测中卷积速度慢、抗噪弱、冗余大的问题,提出了一种基于深度稀疏自编码网络的方法。首先在输入层后添加一层感兴趣层,在非相邻和相邻特征(nor-neighboring and neighboring features,NNNF)的基础上丰富图像的对称性特征,融合LUV空间、梯度方向等多通道的跨通道特征,并在非相邻特征设计的区域处理中采用一种改进的随机池化方法来消除行人形变的影响,得到表示行人信息的主要特征。然后利用四个自动编码器设计四层隐含层深度网络,以交叉熵为损失函数及改进的ReLU(rectified linear unit)函数为激活函数,以此结合稀疏表示的理论构建新的目标函数来学习网络,寻找数据的内在结构。最后用第四层隐含层输出的有效特征来训练分类器。在公共数据库上进行实验验证,结果表明,与现存的其他方法相比,该方法降低了平均漏检率,减少了运行时间,具有良好的鲁棒性。     

马氏体相变研究的最新进展(二)

正2马氏体组织形貌和物理本质马氏体虽为单相组织,但其组织形貌和亚结构却很复杂。20世纪后进行了大量的观测和研究,尤其是60年代初,应用电子显微分析技术清楚地观察了马氏体的组织形态和精细亚结构,证实马氏体内部存在高密度位错组态、精细孪晶、层错等亚结构。低碳钢(0.3%C)淬火后得板条状马氏体;高     

一种改进Faster R-CNN的图像篡改检测模型

随着人工智能的发展，数字图像被广泛应用于各大领域。然而，图像编辑软件的出现导致大量图像受到恶意篡改，严重影响了图像内容的真实性。图像篡改检测的研究不同于通用的目标检测，它需要更加关注图像本身的篡改信息，而这些信息表现形式往往比较微弱，所以检测时需要侧重于学习更丰富的篡改特征。提出一种结合梯度边缘信息和注意力机制的双流Faster R-CNN模型，可以实现不同篡改类型区域的检测定位。双流之一为原色流，利用注意力机制提取图像的表层特征，如亮度对比、篡改边界的视觉差异等。双流之二为梯度流，利用梯度高通滤波器增强真实区域与篡改区域之间的边缘异常特征，使模型更容易发现篡改图像中微弱的篡改痕迹。通过紧凑型双线性池化将原色流和梯度流的特征进行融合。由于公开可用的图像篡改数据集规模较小，基于PASCAL VOC 2012数据集创建了规模为10 000幅的图像篡改检测数据集，用于模型预训练。在COVER、COLUMBIA和CASIA数据集上的检测结果表明，所提模型的检测精度相比当前最好模型的提高了7.1%～9.6%,并在JPEG压缩和图像模糊攻击下表现出了更高的鲁棒性。     

基于改进的YOLOv5的航拍图像中小目标检测算法

目前基于无人机航拍的目标检测技术广泛应用于军事和民用领域，但因其存在成像距离远、高空拍摄图像模糊和目标信息占比小等问题，目标检测准确率不高。针对这一问题，提出一种基于YOLOv5的改进算法。该算法首先在数据增强方面对原始图像进行加雾处理，提高其在雾天的鲁棒性；其次通过融合CBAM模块，来增强不同通道和空间的重要性；再者将原算法中的SPP更换为ASPP,以减小池化操作对特征信息的影响；最后在FPN结构中增加一层检测头，用于更细粒度的检测目标。以YOLOv5s为Baseline,实验表明，改进后的算法比原算法的mAP＿0.5提高了6.9%,可以有效应用于航拍小目标的检测。     

等离子弧增材低碳贝氏体钢组织与性能分析

采用等离子弧增材工艺制备了成形良好的贝氏体钢构件,研究了其力学性能和微观组织.结果表明,增材构件的微观组织主要由板条状贝氏体、粒状贝氏体和少量奥氏体组成.增材构件组织和力学性能存在局部差异：顶部组织晶粒比较粗大,主要由板条状贝氏体和奥氏体组成,显微硬度平均值约为365 HV;底部区域组织晶粒比较细小,多为粒状贝氏体,显微硬度平均值约为384 HV;构件整体平均冲击韧性为145 J/cm²,平均拉伸强度和断后伸长率分别可以达到955 MPa和11.7%,其中x方向的拉伸强度为945 MPa,略小于y方向的抗拉强度(963 MPa)和z方向的抗拉强度(958 MPa),说明构件抗拉强度不存在明显的各向异性,断口为韧性断裂.     

AF窄条状边底水油藏剩余油分布及挖潜策略研究

AF油田是典型的窄条状边底水油藏,目前由于高含水及套损影响,油田处于低产、低效状态,开发调整难度大,剩余油分布复杂。老油田开发后期调整的基础和核心是弄清剩余油分布状况,借鉴他人经验并结合自身油田实际形成一套适合同类油藏的剩余油研究方法,即从影响剩余油分布的主要因素分析入手,以新老井测井资料、地质资料及生产动态资料为基础,油藏动态分析和数值模拟为手段进行对比研究,描述剩余油在平面及纵向上的分布,总体上遵循由点及面,再综合评价的过程。最后根据构造和剩余油分布的特点进行调整策略研究,为同类老油田的开采和调整提供思路和经验。     

改进YOLOv4的人脸口罩检测与硬件加速

针对YOLOv4的人脸口罩检测参数量和计算量大,难以部署到硬件资源有限的嵌入式设备问题,提出一种轻量型YOLOv4算法,并设计卷积神经网络硬件加速器。将骨干网络替换成MobileNetv2,使用深度可分离卷积替换掉部分普通卷积,压缩网络结构;改进SPP模块以满足Vitis AI支持的池化窗口尺寸;在颈部网络中,增加CSP结构使网络更容易优化。实验结果表明,改进的算法牺牲0.25%的检测精度,压缩84.42%的模型大小。在ZYNQ上,mAP达到95.16%,DPU平均利用率减少38%。     

改进SegNet+CRF高分辨率遥感影像建筑物提取方法

将传统的语义分割SegNet网络用于高分辨率遥感影像的建筑物提取时,分割的建筑物存在边界模糊、精度较低、错检漏检等问题。为了解决上述问题,提出一种改进SegNet网络+CRF语义分割方法。编码阶段的最低分辨率层引入空洞金字塔池化模型,通过并行的空洞卷积操作扩大特征提取的感受野;解码阶段构建特征金字塔实现特征多尺度融合,弥补上采样过程中丢失的特征信息;最后,预测图像送入全连接条件随机场模型进行后处理,优化提取的建筑物边缘。实验表明,相较于原SegNet网络,改进方法的建筑物提取像素精度、召回率、平均交并比分别提高了0.48%、1.29%、2.36%。