摘要:目的 对麻辣火锅底料的风味物质与风味轮的研究现状进行阐述与总结,旨在为火锅底料的风味研究提供 参考。 方法 通过查阅和分析相关文献,对麻辣火锅底料风味物质提取鉴定方法、麻辣火锅底料风味轮构建及应用 现状进行了系统归纳和总结,并对未来发展方向进行了展望。 结果 对麻辣火锅底料风味物质的提取及检测的方法 进行了梳理,得出麻辣火锅底料中的风味物质主要有烃类物质、醛类物质、醇类物质、酯类物质、酮类物质及其他物 质。 结合感官评价,对麻辣火锅底料感官描述词的建立、风味轮的构建及应用展开描述,讨论火锅底料风味物质研 究与风味轮相结合对提高火锅底料品质、推动火锅底料发展具有重要作用。 结论 风味是火锅底料的重要评价指 标,有效的风味物质提取及检测方法对于明确麻辣火锅底料风味成分尤为重要,麻辣火锅底料风味轮的构建及应 用证明了风味轮的实用性和科学性,风味轮的构建及应用也需要在实践中不断研究与更新,以利于进一步指导生 产并改善产品的风味。

摘要::目的 本研究利用超声波技术辅助葵花籽油提取番茄酱中的番茄红素,优化提取工艺参数,并增强含有番茄 红素的葵花籽油的抗氧化性能。 方法 采用单因素试验与响应面优化实验设计方法,通过调整油脂种类、超声时间、 超声温度、超声功率和料液比等提取工艺参数,确定番茄红素的最佳提取工艺条件。 通过测定番茄红素提取率以 及油脂酸价和过氧化值,评估提取工艺的效果。 结果 最优工艺条件为液料比 4. 3 mL / g、超声功率 410 W、超声温度 43 ℃ 、超声时间 53 min,在该工艺条件下番茄红素的提取率为 0. 263 2 mg / g,与建立的模型预测值相符,获得的含 番茄红素的葵花籽油具有显著增强的抗氧化性能。 结论 番茄红素对葵花籽油具有一定的保护作用,能够延缓油脂 酸价和过氧化值的增长趋势。 本研究证实了超声波辅助葵花籽油提取番茄红素,不仅提高了番茄红素的提取率, 同时显著提高了葵花籽油的抗氧化性能,这对食品工业具有重要意义。

摘要:目的 绝缘子正常工作是确保电力系统安全可靠运行的重要环节,为推动绝缘子缺陷的自动检测,设计出一 种绝缘子缺陷的轻量化检测模型 N -YOLOv8。 方法 在网络轻量化方面,首先融合深度可分离卷积、BN 层、 Hardswish 激活函数和残差连接设计轻量化模块 DPHConv,其次融合 Inception-Bottleneck 与 C2f 设计轻量化模块 CFI-X,它们以牺牲少量检测精度为代价,显著降低了网络的参数量。 在提升检测精度方面,基于 ECA 注意力机制 设计 T-ECA 模块后,将其融合多分支并行结构和 Gather Excite 注意力模块,设计注意力机制 PEG,其次结合 CIoU_ Loss 与 EIoU_Loss 的思想设计 CEIoU_Loss,最后引入 Soft-NMS 替换原网络的 NMS,它们有效提升了网络对绝缘子 缺陷的检测能力。 结果 相比 YOLOv8n 网络,N-YOLOv8 的参数量降低 43%,浮点运算量降低 37%,同时检测精度 高达 91. 7%,检测精度较原网络提升 0. 2%。 结论 N-YOLOv8 的检测效果较高,可以有效推动智能检测算法在无人 机设备上的部署,实现绝缘子缺陷的实时检测。

摘要:目的 针对现有钢材表面缺陷检测算法检测精度不足和模型复杂度高的问题,提出一种基于 YOLOv8 的改进 钢材表面缺陷检测算法,命名为 YOLOv8-RDP。 方法 首先,引入 RepNCSPELAN4 模块替换 YOLOv8n 模型中的 C2f 模块,通过并行处理不同尺度的特征,并在最终的卷积层中融合这些特征来优化模型的特征提取和融合能力;其 次,在骨干网络部位集成 DA(Deformable Attention)注意力机制,通过自适应调整卷积核采样点,增强模型对不同形 状和大小物体的特征捕捉能力,从而提高对关键信息的捕捉效率;最后,为减少模型所需的计算资源,结合 PConv (Partial Convolution)模块改进基线模型检测头,利用特征图中的冗余性,根据数据是否缺失动态调整卷积核的作 用区域,以减少计算量。 结果 在 NEU-DET 数据集上的实验结果表明,YOLOv8-RDP 的 mAP 达到了 78. 8%,较基 线模型提升了 1. 8%;参数量减少至 1. 87 M,GFLOPs 降至 3. 5 G,分别比基线模型降低了 37. 9%和 57. 0%。 改进后 的模型在保持高精度的同时,大幅度减少了计算资源的需求。 结论 YOLOv8-RDP 算法在钢材表面缺陷检测中表 现出较高的检测精度和较低的模型复杂度,对钢材表面缺陷检测具有一定的应用价值。

摘要:目的 解决道路交通环境中车辆目标较小、遮挡,以及目标不清晰、错检漏检等问题。 方法 提出一种用于评 估目标检测框与目标真实形状之间匹配程度的指标 ShapeIoU, 通过计算目标轮廓的相似性来衡量检测框与真实 形状的匹配程度,以提高目标检测的精度和准确性;引进动态蛇形卷积(DSConv)模块调节的卷积核模块,能够根 据目标形状和大小的变化自适应地调整卷积核形状,从而更有效地捕获目标的特征;为了提高多尺度检测能力,增 强检测精度以及模型的表达能力,改进中增加 P2 检测头。 结果 改进 YOLOv8 模型算法的 Precision、Recall、Map@ 0. 5 以及 mAP@ 0. 5:0. 95 分别提高了 2. 6%、3. 2%、3. 2%和 3. 0%,达到了 87. 9%、84. 2%、89. 4%和 65. 4%。 结论 对于复杂的交通环境中车辆较小、遮挡,以及不清晰目标的检测有了明确提高,证实此改进方法有效解决了上述对 于车辆检测目标精度低等问题。

摘要::目的 为解决在资源受限的情况下, 目标检测算法在边缘硬件平台中提高计算性能和能效比,提出了一种基 于现场可编程门阵列(Field Programmable Gate Array, FPGA)的边缘硬件平台实现对 YOLOv4-tiny 网络的加速设 计并进行验证。 方法 采用了高层次综合技术(High level Synthesis)对算法的算子和模块进行了高度并行的设计与 优化。 为提高设计吞吐量,采用了双缓冲策略增加系统资源利用率,并利用卷积层与 BN(Batch Normalization)层融 合和量化模型技术,减少了模型参数量,提高了计算密度。 结果 在 PYNQ-Z2 平台上进行实验,结果表明:加速器 的计算性能为 15. 33 GOPS,总功耗为 2. 65 W,相较于同类研究的 FPGA 平台计算性能提高了 2. 79 倍,相较于 CPU 平台的能效比提高了 29. 5 倍。 结论 对 YOLOv4-tiny 网络在边缘 FPGA 平台加速效果有所提升,为目标检测算法 在硬件平台的加速研究提供了参考。

摘要:目的 针对无人机遥感图像检测中复杂场景下小目标精度低和模型复杂的问题,对基准 YOLOv5s 算法进行 优化改进。 方法 引入轻量化卷积注意力模块 CBAM(Convolutional Block Attention Module)和堆叠融合策略来重构 主干 C3 模板,在减少参数量的同时,提升了网络的特征提取能力;在特征融合层,引入跨层级特征融合来避免特征 损失,并在融合过程中引入上采样算子,降低模型复杂度的同时融合了更多的特征信息;使用集成损失函数 ILF (Integrated Loss Function)作为边界框损失函数,增强对目标的定位能力。 结果 在 VisDrone2019 数据集测试中,改 进后的算法与原始算法相比,平均精度均值提升了 5. 8%;模型容量压缩至 6. 2 MB,相较原模型大幅下降;参数量 相比原模型下降 44. 7%。 同时,与主流检测方法相比,也取得了更高的检测精度。 结论 提出的改进方法在保持模 型检测精度的同时,显著降低了模型的复杂度和计算成本,实现了遥感图像中小目标的快速且精准识别。 对于小 目标检测任务,该方法具有较好的性能,且对于实时性和资源受限的应用场景具有重要意义。

摘要:目的 针对机器人清理河道漂浮物作业中的计算能力有限和河道环境复杂造成的小目标漏检等问题,在 YOLOv7 基础上提出了一种兼顾精度与轻量化的 YOLOv7 目标检测模型。 方法 该模型是在原 YOLOv7 上增加一个 大小为 160×160 的小目标检测层,提升对小目标的特征学习能力,并在原网络模型的颈部引入 BiFormer 注意力机 制,增强对小目标的检测性能,以减少在河道漂浮物检测过程中的漏检现象;其次用 PELAN 替换主干网络的 ELAN 模块,减少算法的参数量和运算量,提高网络检测速度;在此基础上,引入 MPDIoU 损失函数,提升边界框回归的收 敛速度和精度,提高网络模型的鲁棒性。 结果 该改进模型在欧卡智舶的 FloW 子数据集下的 mAP 达到 71. 5%, 相比原 YOLOv7 网络模型提升了 4. 7%,模型参数量和运算量分别降低 11%和 7. 3%。 结论 通过对比实验表明: 整体效果优于原网络模型与传统经典目标检测网络模型,在提高精度的同时,能够减少模型复杂度,更贴合于 实际应用。

摘要::目的 钢材表面缺陷一直是工业生产和安全的难题之一,为解决钢材表面缺陷检测精度低,容易出现误检和 漏检的问题,提出了一种基于多尺度特征的钢材表面缺陷检测算法,命名为 GPDN-Yolov5。 方法 首先,针对部分 缺陷容易与背景相混淆的问题,通过在骨干网络中加入改进后的坐标注意力机制(GJ-CA),加强对缺陷特征的关 注。 其次,针对钢材表面缺陷具有尺寸大小不一的特点,引入多尺度卷积块 PKI Block,加强了网络的多尺度特征 提取能力。 然后,采用 Dynamic head 检测头作为改进算法的检测头,增强了检测头的表达能力和对多尺度特征的 检测能力。 随后,将 NWD(Normalized Wasserstein Distance)损失函数与 WIOU 损失函数加权融合来替代 CIOU 损 失函数,解决了原模型专注于简单样本和对低像素缺陷位置偏差敏感的问题。 结果 GPDN-Yolov5 算法在 NEUDET 数据集中的平均精度均值达到 80. 5%,比 Yolov5 算法提升了 6. 9%,检测结果优于其他经典检测模型。 同时, 该算法在 GC10-DET 数据集上的平均精度比 Yolov5 提升了 4. 7%,这证明了算法在不同数据集上检测效果均有提 升。 结论 GPDN-Yolov5 算法在精度上明显提高,对钢材表面缺陷检测具有一定价值。

摘要:目的 针对永磁同步电机控制系统中传统的 PI 控制抗干扰能力差和传统的滑模控制抖振较大、无法同时优 化系统抖振与趋近速度等问题,设计了一种基于变指数趋近律的非奇异终端滑模控制,同时在电流环引入电流预 测控制。 方法 设计一种基于变指数趋近律的非奇异终端滑模控制器来代替速度环中的 PI 控制器。 由于符号函数 的不连续性会导致系统抖振,因此引入一种饱和函数来代替;其次,电机实际运行时可能会受到负载扰动等影响, 为了增强系统的抗干扰能力,设计一种扩张观测器对系统扰动进行实时预测并对输出电流进行补偿。 在电流环上 采用无差拍电流预测控制,同时引入扰动观测器对参数失配和延迟问题进行抑制。 结果 在 MATLAB / Simulink 中 搭建 PMSM 控制系统模型,仿真结果显示相对于传统方法,改进的方法超调量为 0%,削弱了系统抖振,系统的抗干 扰能力得到明显加强。 相对于文献中的控制方法,系统到达给定速度所需稳定时间加快了约 0. 005 s,面对变速 时,所需稳定的时间加快了约 0. 003 s。 结论 仿真实验数据证明,与传统控制方法和文献控制方法相比,所设计的 控制方法提速效果更好,抗干扰能力更强,能够快速从干扰影响中恢复过来,能够有效地削弱系统抖振。

摘要:目的 多数并网逆变器采用 L 型或 LC 型滤波器结构,其缺点是当逆变器用于并网时,L 或 LC 滤波器会占用 逆变器较大空间,故考虑逆变器的成本,同时又能够输出良好的并网电流,提出一种基于 LCL 滤波器的分时复合控 制两级式并网逆变器。 方法 该控制策略将系统划分为 Buck 工作模式和 Boost 工作模式。 在 Buck 工作模式下,以 并网电流为反馈量,采用 PI 控制器实现电流调节,并引入有源等效阻尼抑制 LCL 滤波器谐振峰;在 Boost 工作模式 下,用前级斩波电路电感电流为反馈量,采用补偿网络和 PR 控制器进行调节,并通过陷波器抑制谐振峰值。 结果 仿真结果表明,LCL 滤波器会在控制系统开环频率响应中引入明显的谐振峰,若不加抑制将导致并网电流谐波增 大,验证时会引起系统失稳。 与 LC 滤波器相比,在满足并网电流谐波指标的前提下,LCL 滤波器所需电感参数 可进一步减小,有利于降低系统体积。 结果 Simulink 仿真验证了本文所提控制策略在 Buck 和 Boost 两种工作模 式下均能实现并网,并满足谐波要求的并网电流,可为 LCL 滤波器谐振抑制及分时复合控制并网逆变器设计提 供参考。

摘要:目的 针对事务间相似度高且频繁出现的数据集,在频繁项集挖掘过程中产生的大量冗余,分析部分已有关 联规则算法在挖掘频繁项集方面的不足,提出一种使用注意力机制进行剪枝的关联规则挖掘算法。 方法 该算法结 合垂直数据格式和注意力机制的优点,依次求出频繁 k 项集中的注意力权重,利用注意力权重过滤掉交集计算中 的冗余,生成精简频繁项集,最后将精简频繁项集和注意力权重进行合并,得到频繁项集。 结果 实验结果表明:在 Data 数据集上该算法比 Eclat、 Apriori、 FP-Growth 的时间最大提升 94. 6%、73%、95. 5%,比 FP -Growth 最多节省 空间 61. 991MB;在 Accident 数据集上,该算法比 Eclat、 Apriori、 FP-Growth 的时间最大提升 93. 4%、69%、85. 7%, 比 FP-Growth 最多节省空间 58. 786 MB。 结论 通过引入注意力机制增强了算法的泛化能力和稳定性,减少了挖掘 频繁项集产生的冗余,提高了算法速度,降低了挖掘过程中内存的开销,尤其是在 AFI 指数较大、支持度较低的数 据集上,该算法在时间和空间开销上更具备优势。

摘要:目的 面向话题的讽刺识别旨在通过引入话题,将话题视作对象来判断评论是否为讽刺表达,但是现有基于 提示学习的方法存在模板依赖人工构造的问题,存在复杂性与不稳定性。 方法 针对此问题,根据提示学习的模板 工程与映射器工程提出了新的设计方法,将连续与离散相结合的混合模板与映射器进行交互,通过对模板进行预 训练减少人工选取模板引起的复杂性与不稳定性问题,再将设计好的模板与原始输入拼接输入到预训练模型 BERT-base-Chinese 中对标记的数据进行分类;在此基础上,提出面向话题讽刺识别任务的模型 MTPrompt。 结果 该模型在 ToScarcasm 数据集上的实验表明,在全批量训练数据场景下,与现有手工模板与手工映射器交互模型 TOSPrompt 相比较,准确率提升了 2. 78%、精确率提升了 1. 89%、召回率提升了 5. 26%、F1 值提升了 3. 54%,同时在 小批量训练数据场景下,准确率与 F1 值均高于其他基线模型。 结论 在话题讽刺识别应用场景中,混合模板的方法 可以有效优化人工构造模板方法的复杂性与不稳定,并且达到更佳的识别性能。

摘要:目的 由于碳排放具有不规律性和非线性的特点,针对如何提升碳排放量预测效果,提出一种基于多头注意 力 CNN-LSTM 的碳排放预测方法。 方法 基于 CNN 网络具有的空间特征提取优势和 LSTM 算法有效利用长、短期 时间的依赖关系,引入多头注意力机制以分配不同权重的方式,采用多头注意力机制引导下的 CNN-LSTM 模型对 我国碳排放量进行预测。 结果 对过去 1 724 d 碳排放量的数据集进行训练和预测,发现测试集的 RMSE、MASE、 MAPE 指标数值分别为 0. 080 2、 0. 302 0、0. 105 7;与 BP 神经网络算法、ARIMA(2,1,4)、GM(1,1)进行对比,可以 明显看出设计的模型在 3 种评价指标方面均优于其余预测算法。 结论 采用基于多头注意力的 CNN-LSTM 碳排放 预测方法能够有效提高预测精确度,适用于时间序列预测。

摘要:目的 自人类文明诞生以来,与病毒的斗争便从未停止,因此传染病数据预测具有重要参考价值,提出一种 新算法以解决灰狼算法易陷入局部最优解和全局搜索能力不足的问题。 方法 通过 Halton 序列搜索算法初始化狼 群位置,避免灰狼算法陷入局部最优解和重复运算;引入 Levy 飞行和随机游动策略对灰狼算法的寻优过程进行优 化,以增加算法的全局搜索能力;利用改进的灰狼算法优化 6 种机器学习模型的参数并进行预测;使用带约束的优 化算法序贯最小二乘规划算法( SLSQP,Sequential Least Squares Programming) 和灰狼优化算法(GWO,Grey Wolf Optimization Algorithm)得出各模型的最佳集成权重,采用 3 种评估函数对各模型以及混合模型的预测效果进行得 分评估。 结果 改进的灰狼算法性能良好,在迭代测试中优于其他对比算法;利用改进灰狼算法优化的机器学习预 测模型中,以优化梯度提升树模型预测效果最佳,相较于未进行优化模型的绝对平均值误差、均方根误差和拟合优 度,预测精度提升了 52%、52%和 1%。 结论 基于灰狼优化算法加权后的机器学习模型加权混合得分出色,预测精 度进一步得到提升,绝对平均值误差、均方根误差和拟合优度分别为 0. 07、0. 24 和 0. 99,对传染病感染人数的预测 具有重要参考价值。

摘要::目的 为解决中国黄金期货价格由于固有的非线性、不稳定和高波动性特征而无法精确预测的问题,提出了 一个基于深度学习的区间预测模型,以更精确地描绘和预测黄金期货价格的变化趋势。 方法 首先,采用门控循环 单元(GRU)、长短期记忆(LSTM)和双向长短期记忆(BiLSTM)3 种深度学习模型,分别通过核密度估计(KDE)和 分位数回归(QR)方法构建独立的区间预测模型;然后,基于这两种区间预测模型,进一步整合成一个组合预测模 型,以预测区间覆盖率作为约束条件,并利用网格搜索算法(GS)来优化模型权重配置,以确保预测区间的平均宽 度达到最小。 结果 实证分析显示:采用 BiLSTM 方法构建的组合区间预测模型在预测性能上显著优于其他基准模 型,在各种置信水平下,都显示出更广泛的预测覆盖率和更窄的区间平均宽度。 结论 所提出的区间预测组合模型 能够有效预测未来黄金期货价格的波动范围,为投资者提供更为可靠的风险评估和决策支持。

摘要:目的 多目标粒子群算法以其操作简便和快速收敛的特点,在解决复杂的多目标优化问题中展现出巨大潜 力。 然而,如何在确保算法快速收敛的同时,有效保持解的多样性,一直是该领域面临的关键挑战。 方法 为了攻克 这一挑战,本研究开创性地提出了一种结合了 Cubic -Sine 混合映射与 Centre 策略的多目标粒子群优化算法 (CSMOPSO),该算法以其独特的设计实现了性能的全方位显著提升。 在 CSMOPSO 算法的初始化阶段,通过精心 设计的混沌参数选择机制,算法能够智能地决定采用 Cubic 或 Sine 混沌映射来生成初始种群。 这一策略不仅确保 了种群的多样性和均匀分布,还为算法在广阔的解空间内展开高效搜索奠定了坚实基础,显著增强了其全局搜索 能力。 进一步地,CSMOPSO 算法还引入了锥域来存储非支配解,并借助 Centre 策略来优化外部存档的管理。 在这 些创新措施共同作用下,使得存档中的非支配解质量得到显著提升,从而平衡了算法的收敛性和多样性。 结果 通 过在一系列基准测试问题(如 ZDT 和 UF 系列)上对比 CSMOPSO 与其他多目标粒子群算法和多目标进化算法,实 验结果表明:CSMOPSO 算法在多样性和收敛速度方面均展现出卓越的性能,并且在多数测试函数上的表现均优于 其他算法。 结论 CSMOPSO 算法成功地实现了收敛性与多样性地良好平衡,显著提升了其整体性能,在求解多目标 优化问题上具有较强的竞争力。

摘要:目的 针对当前智能电网虚假数据注入攻击(Smart Grids False Data Injection Attack,SGs FDIA)检测工作仅利 用系统状态的空间数据特征来识别攻击,而未考虑连续系统状态中呈现的时间数据相关性问题,研究一种基于堆 叠双向门控循环单元(Stacked Bidirectional Gated Recurrent Unit)与混合注意力机制(Hybrid Attention Mechanism, HA)的检测模型 SBIGRU-HA。 方法 首先,采用 SBIGRU 提取给定时间段内的系统时序特征,捕获数据之间的时序 关系;同时,引入残差网络融合原始输入与 SBIGRU 捕获的时序特征;在此基础上,融合坐标注意力(Coordinate Attention,CA)、卷积注意力(Convolutional Block Attention Module,CBAM)、无参注意力 SimAM 三种注意力机制,提 取数据的时空特征并为被注入攻击的特征分配更高的权重;最后,将得到的特征表示输入到线性层和 Sigmoid 层, 完成攻击检测。 结果 在 IEEE-14、IEEE-57 节点测试系统上进行仿真实验,实验结果表明:SBIGRU-HA 检测准确 率分别达到 98. 68%、96. 36%,F 得分分别达到 98. 32%、95. 39%。 结论 SBIGRU-HA 相比较 LSTM、GRU 在各项检 测指标上均有所提高,能够完成针对虚假数据的定位检测。