基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

多孔薄膜荫罩热变形的有限元仿真设计

荫罩的热变形使电子束产生着屏偏移 ,进而导致了色纯变坏。本文采用大型软件ANSYS对 1 5英寸荫罩进行了热变形的有限元仿真 ,从而得到了电子束的着屏偏移。建立了包括阴极射线管 (CRT)里所有部件的完整的有限元模型。荫罩被建为无孔连续薄壳的模型 ,对它的表面导热系数和表面弹性模量作了等效的计算。考虑了弹簧片的预应力以及弹簧片和销钉的连接。这样可使我们的分析模型更接近真实情况。本文给出了 50 0、1 0 0 0、1 0 0 0 0s时的热变形和电子束着屏偏移。分析表明 :电子束着屏偏移的最大值发生在 50 0s左右。利用这种分析方法及研究结果可指导新型荫罩的设计和研制。     

同步辐射X射线光刻掩模镀金工艺的研究

介绍了利用北京正负对撞机(BEPC)同步辐射X射线光刻装置,进行LIGA工艺技术深结构光刻实验研究,详细论述了X射线光刻使用的掩模制备过程及掩模镀金工艺,在国内最早曝光出直径为400μm、厚为27～45μm的三维立体齿轮胶图形。     

Linux下互斥机制及其分析

详细介绍了在Linux环境下,特别是内核态下可能遇到的各种互斥场景,依据代码执行路径对其进行了分类。在此基础上,比较了各种互斥问题的解决方案的使用环境、优缺点以及使用时要注意的问题。     

Mask R-CNN中特征不平衡问题的全局信息融合方法

特征不平衡问题是影响神经网络检测效率的关键因素。针对Mask R-CNN中的特征不平衡问题,提出一种基于全局特征金字塔网络（GFPN）的信息融合方法。通过将GFPN产生的不同大小特征相融合,生成包含全局语义信息的特征网络,并采用反向过程对原始特征层进行重新标度,从而使得每个特征层均含有全局语义信息。实验结果表明,与原始基于Mask R-CNN的方法相比,该方法的检测精度提升4~6个百分点,而检测时间仅增加0.112 s。     

基于多尺度残差神经网络的葡萄叶片病害识别

葡萄叶片不同程度的病害具有一定的相似性,目前对于葡萄叶片病害的识别多为病害种类识别,对不同程度病害识别的研究较少,且传统识别方法对于不同程度病害识别准确率较低。提出一种基于多尺度残差神经网络（Multi-Scale ResNet）的葡萄叶片病害识别方法。对葡萄叶片病害图像进行数据增强与叶片区域标注后,使用Mask R-CNN提取葡萄叶片部位,通过引入多尺度卷积以改变ResNet底层对不同尺度特征的响应,利用加入的SENet提升网络的特征提取能力,并将图像输入Multi-Scale ResNet中进行识别。实验结果表明,该方法的平均识别准确率达到90.83%,相比ResNet18提高了2.87个百分点。     

多维直方图联合概率分布的掩模矩阵降维算法

彩色图像的分量独立处理或感知彩色空间的强度分量处理,都能达到增强图像对比度的效果,但由于没有考虑各个分量之间的联系,不能开发完全的RGB色域。多通道直方图建模技术可以改善上述缺陷,就是通过求取多个分量的直方图联合概率密度函数和累积分布函数,从而得到彩色图像的像素灰度值映射函数,但计算联合直方图的过程也导致了过高的运算复杂度。为了降低计算量,提出了掩模降维的方法,将计算多维直方图的过程转化为了计算一维直方图,从而大大降低了运算复杂度,提高运算速度,增强对比度的效果。     

抗DPA攻击的AES算法研究与实现

Mask技术破坏了加密过程中的功率消耗与加密的中间变量之间的相关性,提高了加密器件的抗DPA攻击能力。简单地对算法流程添加Mask容易受到高阶DPA攻击的。提出了一种对AES加密过程的各个操作采用多组随机Mask进行屏蔽的方法,并在8bit的MCU上实现了该抗攻击的AES算法。实验结果表明,添加Mask后的抗DPA攻击AES算法能够有效地抵御DPA和高阶DPA的攻击。     

Intelligent analysis method of dam material gradation for asphalt-core rock-fill dam based on enhanced Cascade Mask R-CNN and GCNet

Reasonable dam materials’ gradation design for asphalt-core rock-fill dams is one of the main ways to control permeability. It is a challenge to test whether it can meet the requirements of dam construction. The computer vision method provides a new idea for asphalt-core rock-fill dam material gradation testing. However, due to the characteristics of densely overlapping and multi-scale sizes of dam material particles, the traditional image segmentation methods and algorithms cannot achieve accurate segmentation of dam materials’ images, and it is hard to apply the segmentation result to quantify the gradation curve. In this research, the enhanced Cascade Mask R-CNN with ResNet and PAFPN (Path Aggregation Feature Pyramid Networks) is proposed. Multi-scale features extracted by ResNet and feature ensemble can be realized using PAFPN. Data augmentation (DA) and online hard example mining (OHEM) are also applied in segmentation model training. Moreover, the GCNet is proposed to calibrate the gradation curve. The nonlinear relationship between the real gradation and the one based on the segmentation results can be revealed and the model of dam materials’ gradation analysis can be established. In the research, the enhanced Cascade Mask R-CNN can achieve 84.2 mAP, which is higher than that of Cascade Mask R-CNN with 74.9 mAP. The effectiveness of the proposed module and training strategies is proved using ablation experiments. The average error of each level for the gradation calibration using GCNet is 0.55%, 1.87%, 2.22%, 1.18%, and 2.42% respectively. The accuracy can meet the requirements of hydraulic engineering construction, which verifies the effectiveness of the GCNet network for gradation calibration, and the research provides a new method and technology for intelligent gradation testing of the asphalt-core rock-fill dam.     

基于改进伪中值滤波器的道路图像滤波算法*

针对已有的细胞神经网中值滤波器滤波时,收敛速度慢、稳定性不好以及滤波图像比较模糊的缺点,设计一种差值控制细胞神经网的改进伪中值滤波器。提出了改变取值空间、引入随机扰动、扩大中值滤波窗口尺度和引入Mask掩图的改进方法。实验结果表明：该算法具有去除各种强度脉冲随机噪声能力,又能保护图像细节信息,而且具有良好的实时性。