融合多尺度多头自注意力和在线难例挖掘的小样本硅藻检测

硅藻训练样本量较少时,检测精度偏低,为此在小样本目标检测模型TFA（Two-stage Fine-tuning Approach）的基础上提出一种融合多尺度多头自注意力（MMS）和在线难例挖掘（OHEM）的小样本硅藻检测模型（MMSOFDD）。首先,结合ResNet-101与多头自注意力机制构造一个基于Transformer的特征提取网络BoTNet-101,以充分利用硅藻图像的局部和全局信息;然后,改进多头自注意力为MMS,消除了原始多头自注意力的处理目标尺度单一的局限性;最后,引入OHEM到模型预测器中,并对硅藻进行识别与定位。把所提模型与其他小样本目标检测模型在自建硅藻数据集上进行消融及对比实验。实验结果表明：与TFA相比,MMSOFDD的平均精度均值（mAP）为69.60%,TFA为63.71%,MMSOFDD提高了5.89个百分点;与小样本目标检测模型Meta R-CNN和FSIW相比,Meta R-CNN和FSIW的mAP分别为61.60%和60.90%,所提模型的mAP分别提高了8.00个百分点和8.70个百分点。而且,MMSOFDD在硅藻训练样本量少的条件下能够有效地提高检测模型对硅藻的检测精度。     

反卷积算法在风廓线雷达探测降水中的应用

大气垂直运动的不均匀性展宽了降水信号谱,影响了雷达探测反演的雨滴谱分布。为了消除大气运动不均匀性对雨滴谱反演精度的影响,需要对雷达接收到的降水谱进行反卷积处理。文章通过一种改进的反卷积算法对实际雷达探测降水信号进行了处理,比较分析了反卷积处理对雨滴谱反演的影响。     

风廓线雷达探测降水反演雨滴谱中的反卷积算法

大气垂直运动的不均匀性展宽了降水返回信号谱,影响了雷达探测反演的雨滴谱分布。为了消除大气运动不均匀性对雨滴谱反演精度的影响,需要对雷达接收到的降水谱进行反卷积处理。研究文章提出一种改进的迭代反卷积方法,方法通过对雷达接收信号设置阈值约束条件,迭代中采用逐次逼近的方法,减小了雷达噪声扰动对反卷积的干扰。     

2008年和2010年杭州市国产预包装食品营养标签标示变化调查

目的 了解《食品营养标签管理规范》实施前后预包装食品营养标签标示变化情况.方法2008年、2010年两次抄录超市预包装食品的营养标签,并判断其规范性.结果 两次分别调查国产预包装食品4 693种、5 526种,2008年标示营养成分表、营养声称和营养成分功能声称的分别为1 369种(27.6％)、643种(13.0％)和94种(1.9％),2010年分别为1 937种(35.1％)、424种(7.7％)和128种(2.3％).营养成分表中能量、蛋白质、脂肪、碳水化合物和钠均标示的分别为597种(43.8％)、1 661种(85.9％),其中形式全部规范的分别有134种(9.8％)、985种(51.0％).营养声称和营养成分功能声称主要涵盖维生素、钙、膳食纤维.结论 鼓励性规范对营养标签标示率的影响较小,但显著提高了标示规范性.营养标签强制标示势在必行,健康教育工作也应同步开展.