为了减轻在光伏板表面缺陷检测中由图像噪声和目标过小造成的影响,提出了改进Dn-YOLOv7(de-noising you only look once version 7)算法。该算法结合去噪卷积神经网络(de-noising convolutional neural network,DnCNN),提出了一个降噪模...为了减轻在光伏板表面缺陷检测中由图像噪声和目标过小造成的影响,提出了改进Dn-YOLOv7(de-noising you only look once version 7)算法。该算法结合去噪卷积神经网络(de-noising convolutional neural network,DnCNN),提出了一个降噪模块(de-noise block,DnBlock),该模块使用了噪声容限更大的损失函数,并利用空间坐标卷积(coordinates convolution,CoordConv)对噪声通道进行卷积整合,增强了网络的降噪能力。同时,使用归一化高斯瓦瑟斯坦距离(normalized Gaussian Wasserstein distance,NWD)替代传统交并比(intersection over union,IoU)损失函数,提高了模型对小目标的检测能力。结果表明,改进后的模型具有降噪能力并提高了检测精确率,在无噪声水平下平均精确率均值达到了96.6%,在较强的高斯噪声和脉冲噪声下平均精确率均值分别达到91.4%和85.4%,检测速度达到78.0帧/s。该算法在航拍图像的光伏板缺陷检测中有一定实用价值。展开更多
针对水电机组锥管进人门螺栓松动故障定位问题,提出了基于射频识别(radio frequency identification,RFID)的无源无线水电机组锥管进人门螺栓松动故障定位改进虚拟参考消除(virtual reference elimination,VIRE)算法。首先,确定超高频R...针对水电机组锥管进人门螺栓松动故障定位问题,提出了基于射频识别(radio frequency identification,RFID)的无源无线水电机组锥管进人门螺栓松动故障定位改进虚拟参考消除(virtual reference elimination,VIRE)算法。首先,确定超高频RFID读写器下所有螺栓松动故障辨识节点内标签的接收信号强度指示(received signal strength indicator,RSSI)值;然后,采用样条插值法插入虚拟标签,计算出虚拟螺栓松动故障辨识节点内标签的RSSI值;最后,采用动态阈值(threshold,Th)使最邻近螺栓松动故障辨识节点内标签数接近最优值,求出待测螺栓松动故障辨识节点内标签的定位坐标并记录,选择几组数据取平均值作为最终结果。结果表明,改进VIRE算法的平均定位误差相对于基于动态有源RFID校准的位置识别(location identification based on dynamic active RFID calibration,LANDMARC)算法、传统VIRE算法分别降低了98.72%、25.27%。该研究成果可以满足复杂环境下的水电机组锥管进人门螺栓松动故障定位需要。展开更多
为了提高目标检测在嵌入式或移动端设备运行的可能性,基于SSD(Single Shot MultiBox Detector)框架,结合轻量化神经网络,构建一种轻量化SSD目标检测模型,称其为快速且精准的SSD(Fast and Accurate Single Shot Detector,FA-SSD).该方法...为了提高目标检测在嵌入式或移动端设备运行的可能性,基于SSD(Single Shot MultiBox Detector)框架,结合轻量化神经网络,构建一种轻量化SSD目标检测模型,称其为快速且精准的SSD(Fast and Accurate Single Shot Detector,FA-SSD).该方法采用轻量化卷积神经网络ESPNet作为基础网络,使用反卷积模块融合深浅层特征信息,并做轻量化处理,均衡模型尺寸和检测精度.实验结果表明,该方法相比原经典SSD算法具有更少的网络参数量和计算复杂度,在参数量上减少了47.3%,每秒处理图像帧数比经典SSD算法提升3.7倍.在VOC2007数据集中的测试平均精度均值(mAP)结果可以达到73.6%,和经典算法的结果相差无几,从而在保证检测精度的同时提高检测速度.展开更多
利用网络药理学和分子对接技术研究五味子甲素、五味子乙素的抗癌机制.利用TCMSP、Swiss TargetPrediction及CTD数据库收集五味子甲素、五味子乙素的潜在靶点;应用GeneCards、OpenTargets数据库获取癌症相关靶点;将五味子甲素、五味子...利用网络药理学和分子对接技术研究五味子甲素、五味子乙素的抗癌机制.利用TCMSP、Swiss TargetPrediction及CTD数据库收集五味子甲素、五味子乙素的潜在靶点;应用GeneCards、OpenTargets数据库获取癌症相关靶点;将五味子甲素、五味子乙素靶点与癌症靶点输入Venny2.1.0,取二者交集作为五味子甲素、五味子乙素抗癌相关靶点.通过STRING平台及Cytoscape3.6.1软件构建蛋白互作网络,选取五味子甲素、五味子乙素抗癌关键靶点;利用OmicShare平台和DAVID数据库进行基因本体(Gene Ontology,GO)生物过程富集分析及京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)信号通路分析;应用AutoDuck Vina对关键靶点进行分子对接验证.结果显示,五味子甲素、五味子乙素通过调控EGFR、EGF、CCND1、PIK3CA、MAPK1、MAPK3、SRC、ESR1等癌症靶点和PI3K-Akt、MAPK、Rap1、ErbB、FoxO等信号通路,细胞生长、迁移、血管生成等生物过程起到抗癌作用.本研究揭示了五味子甲素、五味子乙素多靶点、多途径的抗癌机制,为进一步研发新的抗癌药物提供了思路.展开更多
为解决印制电路板(printed circuit board,PCB)制造时出现的微小缺陷(如缺孔、鼠咬、开路等)差异性小导致难以区分的问题,提出了基于你只看一次第11版纳米型(you only look once version 11 nano,YOLOv11n)的层级式部分多尺度卷积与小...为解决印制电路板(printed circuit board,PCB)制造时出现的微小缺陷(如缺孔、鼠咬、开路等)差异性小导致难以区分的问题,提出了基于你只看一次第11版纳米型(you only look once version 11 nano,YOLOv11n)的层级式部分多尺度卷积与小目标增强金字塔-YOLO(hierarchical partial multi-scale convolution and small targets strengthen pyramid-YOLO,HS-YOLO)模型。首先提出了层级式部分多尺度卷积(hierarchical partial multi-scale convolution,HPMSConv)模块,采用递进式混合特征融合策略,提高模型对多种缺陷类型的适应性。其次提出了小目标强化金字塔,设计了交叉全向卷积核模块,并在路径聚合特征金字塔网络(path aggregation feature pyramid network,PAFPN)上进行改进,通过关注缺陷的全局信息显著提升小目标的检测能力。在北京大学市场印制电路板(Peking University market powered by printed circuit board,PKU-Market-PCB)数据集上的实验结果表明,HS-YOLO模型在交并比阈值为0.50~0.95且步长为0.05下的平均精确率均值比YOLOv11n模型提高了3.7个百分点,召回率提高了4.1个百分点。HS-YOLO模型不仅提高了对PCB微小缺陷的检测准确性,而且有效改善了PCB缺陷检测中差异性小的目标检测能力不足的问题,为PCB自动化检测提供了高性能解决方案。展开更多
针对现有的事件因果关系识别方法未考虑导入外部知识后产生的噪声干扰,导致事件表示歧义增加,从而影响识别效果的问题,提出了基于外部词库和超图降噪的事件因果关系识别模型(event causality identification model based on external vo...针对现有的事件因果关系识别方法未考虑导入外部知识后产生的噪声干扰,导致事件表示歧义增加,从而影响识别效果的问题,提出了基于外部词库和超图降噪的事件因果关系识别模型(event causality identification model based on external vocabulary and hypergraph denoising,EHDM)。首先,从外部词库中检索事件的背景知识来丰富事件的语义信息,并对带有背景知识的事件描述进行编码。然后,根据事件背景知识中多个关系对应的知识特征构建超图,通过超图卷积神经网络和多头注意力机制进一步处理特征,得到降噪后的事件特征表示。接着,对事件及其上下文进行编码得到基于上下文的特征表示,并与降噪后的事件特征表示一起通过门单元进行特征融合。最后,将融合的特征表示输入多层感知器得到预测值,实现因果关系识别。结果表明,EHDM在因果时间库(causal-timebank,CTB)数据集句内方面的F1分数相比关系图卷积网络(relation graph convolutional networks,RGCN)模型提高了1.5个百分点,在事件情节链(event story line,ESL)数据集句内方面的F1分数相比RGCN模型提高了2.4个百分点,跨句、总体方面的F1分数相比事件关系图变换器模型分别提高了2.1、3.0个百分点。该研究证实了EHDM能有效应用于事件因果关系识别领域。展开更多
文摘为了减轻在光伏板表面缺陷检测中由图像噪声和目标过小造成的影响,提出了改进Dn-YOLOv7(de-noising you only look once version 7)算法。该算法结合去噪卷积神经网络(de-noising convolutional neural network,DnCNN),提出了一个降噪模块(de-noise block,DnBlock),该模块使用了噪声容限更大的损失函数,并利用空间坐标卷积(coordinates convolution,CoordConv)对噪声通道进行卷积整合,增强了网络的降噪能力。同时,使用归一化高斯瓦瑟斯坦距离(normalized Gaussian Wasserstein distance,NWD)替代传统交并比(intersection over union,IoU)损失函数,提高了模型对小目标的检测能力。结果表明,改进后的模型具有降噪能力并提高了检测精确率,在无噪声水平下平均精确率均值达到了96.6%,在较强的高斯噪声和脉冲噪声下平均精确率均值分别达到91.4%和85.4%,检测速度达到78.0帧/s。该算法在航拍图像的光伏板缺陷检测中有一定实用价值。
文摘针对水电机组锥管进人门螺栓松动故障定位问题,提出了基于射频识别(radio frequency identification,RFID)的无源无线水电机组锥管进人门螺栓松动故障定位改进虚拟参考消除(virtual reference elimination,VIRE)算法。首先,确定超高频RFID读写器下所有螺栓松动故障辨识节点内标签的接收信号强度指示(received signal strength indicator,RSSI)值;然后,采用样条插值法插入虚拟标签,计算出虚拟螺栓松动故障辨识节点内标签的RSSI值;最后,采用动态阈值(threshold,Th)使最邻近螺栓松动故障辨识节点内标签数接近最优值,求出待测螺栓松动故障辨识节点内标签的定位坐标并记录,选择几组数据取平均值作为最终结果。结果表明,改进VIRE算法的平均定位误差相对于基于动态有源RFID校准的位置识别(location identification based on dynamic active RFID calibration,LANDMARC)算法、传统VIRE算法分别降低了98.72%、25.27%。该研究成果可以满足复杂环境下的水电机组锥管进人门螺栓松动故障定位需要。
文摘为了提高目标检测在嵌入式或移动端设备运行的可能性,基于SSD(Single Shot MultiBox Detector)框架,结合轻量化神经网络,构建一种轻量化SSD目标检测模型,称其为快速且精准的SSD(Fast and Accurate Single Shot Detector,FA-SSD).该方法采用轻量化卷积神经网络ESPNet作为基础网络,使用反卷积模块融合深浅层特征信息,并做轻量化处理,均衡模型尺寸和检测精度.实验结果表明,该方法相比原经典SSD算法具有更少的网络参数量和计算复杂度,在参数量上减少了47.3%,每秒处理图像帧数比经典SSD算法提升3.7倍.在VOC2007数据集中的测试平均精度均值(mAP)结果可以达到73.6%,和经典算法的结果相差无几,从而在保证检测精度的同时提高检测速度.
文摘针对K均值(K-means)算法对形状特征复杂的图像数据集分类效果差,不能更好地对堆叠胶囊自编码器算法提取的图像特征进行分类的问题,提出基于支持向量机的流形正则堆叠胶囊自编码器(support vector machine-stacked capsule autoencoder based on manifold regularization,SVM-MRSCAE)优化算法。针对不同编码类型,对部件胶囊自编码器采用线性自编码器、卷积自编码器和基于自注意力机制的卷积自编码器进行对比,确定表现优异的编码类型;采用基于不同核函数的支持向量机对图像数据集进行分类,通过对不同核函数进行对比实验,获得更精确的分类结果。在加入不同噪声类型的MNIST和Fashion MNIST数据集上进行实验,发现相比于流形正则堆叠胶囊自编码器结构,SVM-MRSCAE模型分类准确率分别提高了0.0099和0.2026,说明该模型获得了更好的分类精度。
文摘利用网络药理学和分子对接技术研究五味子甲素、五味子乙素的抗癌机制.利用TCMSP、Swiss TargetPrediction及CTD数据库收集五味子甲素、五味子乙素的潜在靶点;应用GeneCards、OpenTargets数据库获取癌症相关靶点;将五味子甲素、五味子乙素靶点与癌症靶点输入Venny2.1.0,取二者交集作为五味子甲素、五味子乙素抗癌相关靶点.通过STRING平台及Cytoscape3.6.1软件构建蛋白互作网络,选取五味子甲素、五味子乙素抗癌关键靶点;利用OmicShare平台和DAVID数据库进行基因本体(Gene Ontology,GO)生物过程富集分析及京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)信号通路分析;应用AutoDuck Vina对关键靶点进行分子对接验证.结果显示,五味子甲素、五味子乙素通过调控EGFR、EGF、CCND1、PIK3CA、MAPK1、MAPK3、SRC、ESR1等癌症靶点和PI3K-Akt、MAPK、Rap1、ErbB、FoxO等信号通路,细胞生长、迁移、血管生成等生物过程起到抗癌作用.本研究揭示了五味子甲素、五味子乙素多靶点、多途径的抗癌机制,为进一步研发新的抗癌药物提供了思路.
文摘为解决印制电路板(printed circuit board,PCB)制造时出现的微小缺陷(如缺孔、鼠咬、开路等)差异性小导致难以区分的问题,提出了基于你只看一次第11版纳米型(you only look once version 11 nano,YOLOv11n)的层级式部分多尺度卷积与小目标增强金字塔-YOLO(hierarchical partial multi-scale convolution and small targets strengthen pyramid-YOLO,HS-YOLO)模型。首先提出了层级式部分多尺度卷积(hierarchical partial multi-scale convolution,HPMSConv)模块,采用递进式混合特征融合策略,提高模型对多种缺陷类型的适应性。其次提出了小目标强化金字塔,设计了交叉全向卷积核模块,并在路径聚合特征金字塔网络(path aggregation feature pyramid network,PAFPN)上进行改进,通过关注缺陷的全局信息显著提升小目标的检测能力。在北京大学市场印制电路板(Peking University market powered by printed circuit board,PKU-Market-PCB)数据集上的实验结果表明,HS-YOLO模型在交并比阈值为0.50~0.95且步长为0.05下的平均精确率均值比YOLOv11n模型提高了3.7个百分点,召回率提高了4.1个百分点。HS-YOLO模型不仅提高了对PCB微小缺陷的检测准确性,而且有效改善了PCB缺陷检测中差异性小的目标检测能力不足的问题,为PCB自动化检测提供了高性能解决方案。
文摘针对现有的事件因果关系识别方法未考虑导入外部知识后产生的噪声干扰,导致事件表示歧义增加,从而影响识别效果的问题,提出了基于外部词库和超图降噪的事件因果关系识别模型(event causality identification model based on external vocabulary and hypergraph denoising,EHDM)。首先,从外部词库中检索事件的背景知识来丰富事件的语义信息,并对带有背景知识的事件描述进行编码。然后,根据事件背景知识中多个关系对应的知识特征构建超图,通过超图卷积神经网络和多头注意力机制进一步处理特征,得到降噪后的事件特征表示。接着,对事件及其上下文进行编码得到基于上下文的特征表示,并与降噪后的事件特征表示一起通过门单元进行特征融合。最后,将融合的特征表示输入多层感知器得到预测值,实现因果关系识别。结果表明,EHDM在因果时间库(causal-timebank,CTB)数据集句内方面的F1分数相比关系图卷积网络(relation graph convolutional networks,RGCN)模型提高了1.5个百分点,在事件情节链(event story line,ESL)数据集句内方面的F1分数相比RGCN模型提高了2.4个百分点,跨句、总体方面的F1分数相比事件关系图变换器模型分别提高了2.1、3.0个百分点。该研究证实了EHDM能有效应用于事件因果关系识别领域。
