基于深度学习的小样本中药材粉末显微图像识别

针对中药材种类繁多、数据量稀少以及难以对其导管进行分类的问题,提出一种基于多通道颜色空间与注意力机制模型的卷积神经网络改进方法。首先,采用多通道颜色空间将RGB颜色空间与其他颜色空间合并为6通道作为网络输入,使网络学习亮度、色调和饱和度等特征信息,弥补数据量的不足;其次,在网络中加入注意力机制模型,其中通道注意力模型将两个池化层紧密连接到一起,空间注意力模型将多尺度空洞卷积结合到一起,使网络将注意力聚焦于小样本中关键的特征信息。实验结果表明,针对34种中药材样本的8774张导管图像,采用多通道颜色空间和注意力机制模型的方法,与原始ResNet网络相比,准确率分别提升了1.8个百分点和3.1个百分点,将二者结合后准确率提升了4.1个百分点,说明所提方法对小样本分类的准确率有着大幅度的提升。     

基于改进动态ReLU和注意力机制模型的中药材粉末显微图像识别研究

中药材粉末显微特征图像数据量少、样本类别分布不均衡、类间差异小,传统的图像识别方法分类效果不佳.针对以上问题提出一种基于动态ReLU和注意力机制模型的深度卷积神经网络改进方法.首先,采用对小样本数据分类效果明显的Xception作为基础网络;其次,将网络中的静态ReLU激活函数替换为改进的动态ReLU函数,让每个样本具有自己独特的ReLU参数;最后,在网络中嵌入改进的SE模块,使网络能够更好地自动学习到每个特征通道的重要程度.以上方法可以使网络更加注重于图像中的细节信息,能很好地解决样本类别分布不均衡、类间差异小的问题.实验结果表明,对56种中药材粉末导管图像进行分类识别,其准确率提升了约1.5％,达到93.8％,证明了所提研究方法相比于其他图像分类方法具有一定的优越性.     

透平氨冰机组常出现的几个问题与解决措施

结合氨冰机组实际运行情况,研究分析机组常出现的几个问题和造成的影响,并采取相应技改方案。结果表明,通过系列的技改措施有效地消除了影响装置安全生产的不利因素,保证了机组安全稳定长周期的运行。     

影响氢回收装置高效运行的不利因素及应对措施

河南龙宇煤化工有限公司采用膜分离技术回收50万t/a甲醇装置甲醇合成塔出口弛放气中的氢气。介绍了氢回收装置的工艺流程和回收原理;分析了影响膜渗透速率的原因和循环气中甲醇含量偏高的原因;采取了相应的技改措施。结果表明,技改后氢回收率由62.2%提高到90.8%。     

改进EfficientNet的表皮细胞图像识别研究

中药材粉末显微图像数据量少,而且在不同产地、不同采集环境下的特征形态具有一定的差异,传统的图像分类方法跨库识别效果不佳。针对以上问题提出一种基于多通道融合和SPP结构的深度卷积神经网络改进方法。采用Canny边缘检测和局部二值模式的特征图与原图合并形成五通道的图像送入网络,扩充网络输入端的数据宽度;将改进的SPP模块嵌入到EfficientNet网络中,增加网络的深度。以上方法可以使网络更加注重图像的深层纹理信息,从而不受采集环境等的影响,很好地解决跨库识别问题。实验结果表明,对26种中药材粉末表皮细胞显微图像的两个不同批次数据,采用1库作为训练集,2库作为测试集,其准确率提升了2.7个百分点,达到81.5%,证明了所提研究方法对于跨库中药材显微图像分类任务具有一定的优势。     

中药材粉末显微特征图像的检测方法研究

针对中药材粉末显微特征图像存在的目标断裂残缺这一关键问题，提出一种改进型SSD检测算法，即在SSD网络的预测卷积特征图之后加入SE模块，使SSD网络对该特征图的多个特征通道进行重要性的学习，并据此让包含较多信息且对最终结果起重要作用的特征通道分配到较大的权重。这样，断裂残缺的目标所保留的关键信息在网络迭代过程中能够被网络充分地学习，实现网络对目标的自动定位和种类识别，提高最终的检测效果。将改进型SSD算法用于厚壁细胞、导管和花粉孢子这三类显微图像的检测，mAP由79.8%提升到81.5%,这一结果证明了改进型SSD算法的有效性。     

精甲醇中钠离子的测定方法

我公司年产500kt甲醇装置由于精甲醇储存不当,导致其酸度较大,工艺人员根据实际情况加入了一定量的片碱进行中和后,酸度合格了,但同时却引入了大量的钠离子,虽然精甲醇对钠离子含量没作要求,但用钠离子含量高的甲醇来配制甲醇汽油会影响到甲醇汽油的品质,造成以甲醇汽油为燃料的汽车等动力设备发动机的腐蚀,所以需要测定精甲醇中的钠离子含量。