摘要:目的 随着深度学习的发展,单幅图像超分辨率重建网络的性能有显著的提升,但是这些网络往往伴随着高 计算复杂度和内存消耗,这不利于其部署在边缘设备或者实时应用场景中。 为了解决此问题,设计一种基于部分 特征卷积聚合的图像超分辨率重建网络。 方法 首先使用卷积提取低分辨率图像特征,然后利用部分特征卷积聚合 块处理提取到的特征,最后利用上采样块重建高分辨率图像。 部分特征卷积聚合块由部分特征卷积模块和特征聚 合模块组成,前者进一步降低了网络的参数量与计算复杂度,后者充分混合卷积特征与未卷积特征以提高网络性 能。 结果 实验结果表明:与 ECBSR、RepSR 等先进轻量化网络相比,基于部分特征卷积聚合的图像超分辨率重建 网络在 4 个标准测试数据集上的峰值信噪比与结构相似性指标均有提升。 结论 提出的方法在参数量、计算复杂度 与性能之间实现了更好的平衡,适合在手机、VR、AR 等资源有限的边缘设备上进行超分辨率重建任务。

摘要:目的 随着现代技术逐渐发展,图像的分辨率和用户需求日益增加,而有限的 GPU 显存面对超高清分辨率图 像样式迁移任务时往往会发生内存溢出,此外现有的超高清图像艺术迁移方法忽视了笔触的影响,通常使用小笔 触迁移样式,为此,本文提出了一个结合补丁切割方法的轻量级模型 PCLM(Patch Cutting and Lightweight Model)。 方法 为了有效减少内存消耗,PCLM 采用两步措施:首先将超高清大图切割成小补丁集合,将大作业转换为小作 业,从根本上解决内存消耗问题,同时采用知识蒸馏压缩模型大小。 此外,提出了补丁相关损失 PRL ( Patch Relation Loss)来控制样式迁移中的笔触大小和补丁一致性。 结果 通过大量定性和定量的实验证明,PCLM 能够在 低显存下实现大笔触的超高分辨率风格迁移,在保证低内存占用的同时,在测试集上生成的艺术画作质量指标 SSIM、PSNR、LPIPS 和储存空间(GB)分别达到 0. 495 928、11. 610 026、0. 546 720 和 3. 373 454。 结论 从理论和实 验分析了模型 PCLM 能够有效解决内存消耗问题,生成大笔触下高质量的超高清艺术画作,对后续处理超高分辨 率图像任务具有参考价值。

摘要:目的 解决现有基于弱监督学习的单张图像三维人脸重建方法聚焦于全局监督信息,缺少对局部特征的约 束,导致人脸局部区域重建效果较差的问题。 方法 提出一种基于特征核相关的单张图像三维人脸重建方法,在由 低层级感知损失、中层级人脸关键点损失、高层级身份损失和形状一致性损失等构成的全局多层级损失函数基础 上,构造特征核相关损失函数,对局部进行深层次约束,旨在提高三维人脸的重建精度。 结果 将所提损失函数用于 对嘴部形状的约束,在 REALY 公开基准上进行定量对比实验,整体重建的误差均值为 2. 102 mm,嘴部重建误差为 2. 206 mm;在 FFHQ 公开数据集上进行定性对比实验;最后在 FaceScape 数据集和 LYHM 数据集上进行消融实验 和可视化展示,以验证所提损失函数的有效性和模型鲁棒性。 结论 实验表明:在不同视角中,所提的重建方法整体 和局部重建效果均优于其他方法,面对不同姿态、表情和光照环境,所提模型均有较好的性能表现。

摘要:目的 针对结肠息肉图像中息肉形状和大小存在多样性以及息肉与其周围组织对比度低等因素影响息肉精 确分割的问题,提出一种基于 DeepLabv3+网络模型的融合注意力机制和多层次特征的结肠息肉图像分割方法。 方 法 首先,提出 BAM_ASPP 模块,在空洞空间金字塔池化(ASPP)模块中添加 BAM 注意力机制,从而获取重要的语 义信息,提高模型的特征表示能力;其次,在空洞空间金字塔池化模块特征融合后,引入 SA(Shuffle Attention)注意 力机制获取关键特征;最后,提出 CBAMFF(Convolutional Block Attention Module Feature Fusion)模块,融合主干网络 的第三层和第四层特征,同时引入注意力机制关注位置信息以提高模型的分割精度。 结果 实验结果表明,该算法 在 Kvasir-SEG 数据集上的 mIoU 和 mDice 分别达到了 91. 63%、95. 54%。 结论 该算法的分割效果优于对比的其他 分割方法,可实现对结肠息肉图像的精确分割,从而辅助医生准确切除息肉。

摘要:目的 针对现有光伏板缺陷检测算法精度低、计算量高、参数量大等问题,提出一种改进的 YOLOv8 光伏板缺 陷检测算法。 方法 首先,使用改进后的 C2f 模块 C2f-MS 替换原模型中的一部分 C2f 结构,既减少了模型的计算量 和参数量, 又增强了多尺度特征的提取和融合能力; 其次, 在原有 CIoU 中添加 NWD ( Normalized Gaussian Wasserstein Distance),以提升对小目标的检测性能,使得模型对各种目标的检测能力更加均衡;最后,使用 SoftNMS 替代 NMS,改变原模型对预测框的处理方式,解决了一个目标出现多个检测框的问题,进一步改善了检测结果。 结果 实验结果表明: 改进后的 YOLOv8 模型参数量下降 9. 57%,计算量下降 6. 1%,mAP@ 50 从 87%提升到了 89. 5%,提升了 2. 5%,mAP@ [0. 5 ∶ 0. 95]从 45. 7%提升到了 49. 8%,提升了 4. 1%。 结论 改进后模型在参数量、 计算量下降的情况下检测精度也有一定的提升,对于实际应用具有一定的参考价值。

摘要:目的 在光伏电池电致发光(Electroluminescence,EL)材料生产过程中,存在背景复杂、缺陷尺度差别大、缺陷 类别不平衡等问题,导致漏检、误检的情况。 针对此类问题,提出一种基于改进 YOLOv8n 的光伏电池缺陷检测算 法。 方法 首先,在改进 YOLOv8n 的主干部分,将 C2f 模块替换为 C2f-Faster 模块,最大程度降低模型参数量的同 时,提升了模型的检测速度和特征融合能力;其次,在颈部引入可变卷积,增大局部感受野,进而精确定位缺陷,降 低识别误差;最后,引入 WIoU(Wise Intersection over Union)损失函数,替换原模型的 CIoU(Complet Intersection over Union)损失函数,改善数据集标签不平衡的问题,提高模型对小目标缺陷的检测性能。 结果 改进后的 YOLOv8n 算 法在实验数据集上 mAP @ 0. 5 达到 93. 2%,检测速度达到 110 FPS,计算量仅为 6. 7 GFLOPs;该算法相较于 YOLOv8n 基准算法,mAP@ 0. 5 提升了 2. 2%,参数量下降 13. 3%,计算量下降 17. 2%。 结论 通过消融实验并与主 流目标检测模型进行对比证明了改进模型的有效性,改进后的模型在轻量化的同时又提升了模型的准确率,且具 有实时性,相较于其他算法具有一定优势,满足工业部署要求。

摘要:目的 针对果园环境下现有苹果检测识别精度低以及模型参数量大、计算量高的问题,提出一种基于 Yolov5s 的改进型果园苹果检测算法。 方法 首先在 YOLOv5s 算法中使用 Soft_NMS 替换模型原有的 NMS,改变原模型对预 测框的处理方式,从而减少果园环境下苹果遮挡重叠带来的错检、漏检情况,提升检测精度;然后再使用 OTA 优化 原模型的标签分配方式,将标签分配看作最优传输问题,并完整利用上下文信息减少模糊框的数量,更好地处理苹 果密集遮挡的问题,进一步提高模型对果园苹果的检测性能;最后使用 FasterNet 块替换主干网络中的卷积模块作 为新的特征提取网络,降低模型的参数量和计算量,从而实现模型的轻量化。 结果 实验结果显示:在果园苹果数据 集上,改进的算法模型相对于原模型,mAP 提升了 2. 8%,参数量和计算量分别下降了 21%和 29%,与其他同系列 主流检测模型相比,改进模型具有更高的检测精度,更低的参数量和计算量。 结论 改进的模型更适合果园场景下 的苹果检测,并可作为一种解决方案来参考并应用于相关领域。

摘要:目的 针对印刷电路板表面缺陷检测中目标小以及检测精度不够等问题,提出一种改进的 YOLOv4-tiny 模 型印刷电路板缺陷检测方法,该算法在确保实时检测效率的同时,显著提升了检测的准确度。 方法 在主干特征提 取网络第二残差块输出 52?52?128 特征层后引入预测头 YOLO Head-P3,增加 FPN(Feature Pyramid Network)层 结构,提升了层结构的特征融合能力,解决了原 YOLOv4-tiny 模型针对小目标检测的网络结构缺陷问题;同时,在 FPN 结构中引入改进的 SPP(Spatial Pyramid Pooling)结构,加强不同尺度特征层的特征融合机制,以提高检测精 度;最后,引入 ECAnet(Efficient Channel Attention network ),通过自适应调节特征权重和注意力机制,进一步增强 了网络模型的自适应特征提取能力,同时减少了复杂性和计算需求,以满足对小目标缺陷信息的精准需求。 结果 实验结果表明:改进的算法模型检测平均精度(mAP)达到了 97. 32%,相较于原算法模型提高了 7. 69%,检测速度 达到了 113. 67 fps。 结论 改进后的模型相较于原模型各指标都有所提升,能够完成对小目标缺陷的实时监测,具 有很好的性能。

摘要:目的 由于混凝土结合面的粗糙程度影响其本身的抗剪性能和粘结强度,因此设计出一种能够识别混凝土 结合面粗糙程度的深度学习模型,以更加直观、快速地检测出结合面的粗糙程度;方法 首先,以 ResNet50 模型为基 础,识别采集的混凝土结合面深度图的粗糙度等级,得到以主网络识别粗糙度的深度学习模型;之后,在此基础上 对模型的识别精度进行改进。 分别采用三种不同的方式在 ResNet50 的第一个卷积层后面嵌入 CBAM 注意力机 制、CBAM 通道注意力机制和 CBAM 空间注意力机制,并且在嵌入的过程中保持主网络的参数一致,得到三种结合 卷积和注意力机制的深度学习模型。 结果 通过仿真,得到 ResNet50 模型的识别准确度为 86. 99%,而采用 GoogLeNet 和 AlexNet 的准确度分别为 82. 88%和 83. 56%。 在 ResNet50 基础上嵌入三种注意力机制的准确度分别 为 60. 27%、93. 84%和 91. 78%。 结论 相较于 GoogLeNet 和 AlexNet,ResNet50 具有较高的识别准确度,而嵌入 CBAM 通道注意力机制的 ResNet50 具有最高的识别准确度,因此可以更好地识别混凝土结合面的粗糙度。

摘要:目的 为实现永磁同步电机高效率的矢量控制,获得准确的电机转子角度和速度信息是两个非常重要的参 数,但是由于传感器安装不便,需要通过无位置算法实现电机转子角度和速度的估算。 方法 滑模观测器对电机参 数变化不敏感,鲁棒性强,采用一种改进型滑模观测器实现角度和速度估算。 改进型滑模观测器在超螺旋滑膜观 测器的基础上,采用 sin(arctan(nx))函数代替开关函数作为切换函数,并使用李雅普诺夫稳定性证明系统的稳定 性。 结果 最后对提出的改进型滑模观测器进行仿真,结果表明:当期望速度为 1 200 rad / min 时,改进型滑模观测 器在稳定时速度抖动范围为 1 199. 7~1 200. 2 rad / min。 结论 改进型超螺旋滑模观测器响应速度更快、抑制抖振效 果更明显、角度估计更准确,为永磁同步电机的无传感器控制策略提供了一种新思路。

摘要:目的 针对永磁同步电机高性能驱动和高控制精度的要求,以及复杂环境易受外部干扰等问题,设计了一种 基于自适应条件干扰抑制调控器的快速超螺旋算法控制器,旨在不同工况下提高电机响应速度和控制精度。 方法 基于对经典超螺旋算法的分析,其中符号函数的不连续性会导致抖振,使用双曲线正切函数代替,对于引入 的线性项替换为自适应函数,得到改进后的快速超螺旋算法控制器。 其次,加速度作为扩展状态设计状态观测器, 结合改进后的算法,提高估计集总扰动的精度和速度,并将估计的集总扰动作为自适应条件干扰抑制调控器的输 入部分。 调控器的目的是对存在的扰动进行区分,对不利扰动进行抑制,对有利扰动进行利用,最终输出理想的 q 轴电流分量。 结果 仿真实验结果显示,同一工况下,改进后的控制器在到达稳态的时间上,是传统比例积分控制和传 统滑模控制的 1/ 10 左右,且不存在超调。 3 种控制策略在给定负载 5 N·m 时,改进后的控制器也只是下降 5 r/ min。 对调控器进行对照实验,给定负载 10 N·m,恢复稳态的时间相差 20 倍左右。 结论 仿真实验数据证明:存在干扰 时,拥有自适应条件干扰抑制调控器的系统受到的影响更小,并且在恢复稳态的时间上更加有优势。 该方法有效 改善了系统的响应速度和抗干扰能力,体现了快速超螺旋算法控制器与自适应条件干扰抑制调控器的优越性。

摘要:目的 针对永磁同步电机控制系统中趋近速度与系统抖振相互矛盾的问题,提出一种基于改进变速度双幂 次趋近律滑模速度控制器和扰动观测器相结合的控制策略。 方法 首先,引入 sigmoid 函数替换符号函数,替换后控 制信号更加平滑并有效降低了抖振;其次,在幂次项中增加了系统状态变量实现动态关联,从而形成了改进变速度 双幂次趋近律,滑模速度控制器展现出更快的趋近速度;最后,针对滑模控制需要较大切换增益来处理扰动的问 题,设计了一种扰动观测器对系统扰动进行实时观测和补偿。 结果 仿真结果显示:与传统方法相比,改进变速度双 幂次趋近律控制下的系统超调量为 0,转速与转矩调整时间至少缩短 0. 01 s,三相电流在突加负载后能够快速恢复 稳定,波形平滑。 结论 改进变速度双幂次趋近律在系统动态时能实现快速无超调响应,缩短突加负载时的调整时 间;在系统静态时具备了较强的抗负载转矩扰动能力,有效削弱了抖振现象。

摘要:目的 针对轴承在不同工况下的振动信号特征分布显著差异,以及单一的感受野可能无法有效涵盖多尺度 故障特征识别问题,提出一种多尺度子领域自适应轴承故障诊断方法。 方法 首先,利用局部最大均值差异 (LMMD)量化分析不同工况下同类轴承故障样本在特征空间中的分布差异,以提取域不变特征,确保无论在何种 工况下都能准确捕获轴承的故障特征;其次,在特征提取阶段构建多尺度膨胀卷积网络架构,采用多个感受野确保 每个工况的最佳特征提取范围,避免因感受野大小受限而导致故障信息遗漏的问题;然后,为进一步提升诊断模型 对各工况下子类故障特征的识别能力,引入 SE 注意力机制。 赋予各尺度特征不同的关注度权重,从而更加关注与 故障诊断紧密联系的特征信息并抑制冗余信息,增强对各工况下子类故障特征表达的一致性和有效性。 结果 最 后,在公开数据集下进行实证分析,实验结果表明:所提出方法在各工况下的平均诊断精度约 98%。 结论 证实了 该方法的有效性和优势,相较于其他现有诊断技术,展现出更高的诊断性能和可靠性。

摘要:目的 在机器人路径规划中,传统蚁群算法收敛效果较差,弯曲次数较多,且根据蚂蚁经过路径的整体信息 进行更新信息素,导致其忽略了路径中部分潜在的更优解;针对此问题,提出了一种融合多策略改进的蚁群算法。 方法 首先采用双算子协同策略,在传统蚁群算法(Ant Colony System,ACS)基础上对蚂蚁转移概率计算公式进行改 进,利用角度引导算子和弯曲抑制算子增加路径搜索的目的性和减少路径的弯曲次数;其次利用自适应信息素挥 发系数策略调整信息素挥发系数,使算法更好地平衡收敛速度和搜索能力;最后为进一步提升算法性能,采用路径 二次规划策略,对规划路径上的随机局部路径进行二次搜索,从而获得更好的复合路径。 结果 通过在 20×20 和 30×30 大小的地图中对比不同算法得到的结果,融合多策略改进的蚁群算法所规划的路径长度较短,累计转角较 小,迭代收敛效果较好。 结论 融合多策略改进的蚁群算法在机器人路径规划方面具有良好的性能。

摘要:目的 针对粒子群优化在布局优化中存在的收敛精度低、易成熟度等缺点,提出了一种基于混沌映射的改进 粒子群优化算法。 方法 首先,设置自适应动态惯性权值,以衡量全局和局部搜索能力。 其次,引入混沌映射并选出 合适的混沌映射方法,以提高种群的多样性。 最后,引入差分进化算法以提高算法的搜索能力,设置了自适应突变 参数和交叉参数来控制突变的大小,以提高差分进化算法的性能,避免改进粒子群算法陷入局部最优。 结果 以变 速器装配车间为例,通过构建成本最低和非物流关系密切程度最大函数,运用改进后的粒子群算法进行求解,通过 数据分析证明改进后算法可以有效地解决粒子群算法易早熟的问题,优化后的搬运距离减少了 32. 83%,物流成本 减少了 34. 37%。 结论 案例结果证明该算法在车间布局优化中的可行性。

摘要:目的 针对仓储 AGV 路径规划,传统的 A* 算法存在遍历节点数多、转弯次数较多、规划路径过障碍物顶点 导致实际环境中容易与障碍物发生碰撞等问题,提出一种改进的 A* 算法。 方法 该算法通过改变存在障碍物邻域 时的可扩展节点搜索方向来避免所规划路径经过障碍物顶点,引入当前节点与目标点之间的障碍率和当前节点与 目标点间距离占起始点与目标点间距离的比重来协同动态调节启发函数。 利用折线优化法去除路径多余节点,利 用改进二次 Bezier曲线拟合规划路径,优化路径平滑度。 结果 MATLAB 仿真结果表明:改进的 A* 算法有效避免接 触障碍物,转折次数更少且路径更加平滑。 改进的算法相较于传统 A* 算法,路径规划效率提高 37. 99%,转折次数 减少 41. 67%,遍历节点数减少 8. 11%。 结论 改进传统 A* 算法可以减少一定的路径规划时间和节点搜索数量,同 时优化 AGV 转弯次数和路径平滑度。 利用改进 A* 算法能够使仓储 AGV 在路径规划过程中更具有方向性地向目 标点搜索路径。

摘要:目的 锂离子动力电池的健康状态(SOH)估计是当前研究领域的重要课题之一。 对于确保电动汽车的正常 运行和维护锂电池的寿命,精确的 SOH 估计至关重要。 针对锂电池 SOH 预测的研究中,研究者们面临的健康特征 选取困难、预测精度不高等挑战,拟构建一种基于健康因子提取与 IDBO-BiLSTM 模型的锂电池 SOH 预测模型。 方法 首先从 NASA 数据中提取健康因子,运用 PCA 算法对特征进行降维融合;接着用 CEEMDAN 算法将融合特征 分解成多个模态分量,并筛选出有效模态;随后利用改进蜣螂优化算法(IDBO)对 BiLSTM 模型参数寻优,得到最优 BiLSTM 模型;最后将提取的有效特征作为该模型的输入进行 SOH 预测,并且为了表现该方法的适用性,利用 NASA 数据集中三组电池进行对比实验。 结果 基于 IDBO-BiLSTM 的预测模型在估计 SOH 方面表现出色,其预测 的均方误差值(MSE)均在 4e-4 以下,拟合度(R 2 )在 0. 98 以上。 结论 此方法有效验证了其在提高锂电池健康状 态预测精度方面的优越性和可行性。

摘要:目的 针对天然气负荷数据存在噪声多、规律性难以捕捉和特征冗余的典型特点,提出了一种基于二次分解 和双向长短期记忆(BiLSTM)模型的多特征天然气负荷预测方法。 方法 首先,利用 RF 对特征进行重要性排序,筛选 出重要关联特征;其次,利用奇异谱分析(SSA)对原始数据进行分解重构,提取数据的趋势和周期信息并形成分量,分 离出高频分量,然后利用变分模态分解(VMD)对高频分量进行二次分解,形成各模态分量,并将各模态分量输入 BiLSTM 模型进行预测;最后融合各分量预测结果得到最终的负荷点预测结果。 结果 仿真实验表明:相比于其他传统 模型,所提的二次分解和组合模型预测效果更优,预测精度更高。 结论 新建模型具有良好的解释性与合理性,能有效 应用于天然气负荷预测,为决策者合理规划天然气供应计划提供可靠的理论依据和有效的技术支持。

摘要:目的 锂离子动力电池健康状态(SOH)估计已经成为研究的焦点,准确的 SOH 估计对于电动汽车的平稳运 行和锂电池的保养至关重要;然而,锂离子动力电池的复杂工作原理以及其强烈的非线性和时变性使得 SOH 的准 确估算具有挑战性。 同时,电池运行环境和条件的多样性进一步增加了锂离子动力电池健康状态下降的不确定 性。 方法 提出了一种新的锂离子动力电池 SOH 估计方法,采用基于二进制多目标自适应鱼群洄游优化算法-支持 向量回归(BMAFMO-SVR)的方法来估计锂电池的 SOH。 该方法从绝对值微分热伏安法和绝对值微分热容量法的 曲线中提取极值点作为健康特征,使用二进制多目标自适应鱼群洄游优化算法优化支持向量回归的核函数参数, 最终通过优化后的支持向量回归对 SOH 进行精确估计,利用 NASA 数据集中 4 组电池进行对比试验。 结果 结果 表明:BMAFMO-SVR 在估计 SOH 方面具有较高的精度,RMSE 保持在 1%以内。 结论 此方法有效地验证了其在提 高锂电池健康状态预测精度的优越性和可行性。

摘要:目的 针对传统电力系统低频振荡识别方法在非线性和复杂工况下表现受限的问题,提出一种新型深度学 习识别模型,以实现振荡模式的精准识别和有效抑制,从而保障电力系统安全稳定运行。 方法 构建结合深度置信 网络(DBN)与 Softmax 分类器的识别模型,利用 DBN 逐层预训练与整体微调的方式提取运行数据的深层特征,借 助 Softmax 分类器完成模态识别;在此基础上,结合 Prony 方法进行模态参数估计,并且构建振荡趋势预测模型以 及电力系统稳定器(PSS)参数调整机制,形成“识别-估计-预测-控制”的完整闭环。 结果 该模型在多种复杂工况 下均表现出良好的适应性,识别准确率得到显著提升,验证了结合深度学习与传统算法在处理低频振荡问题上的 有效性,获得了具体量化的识别精度与抑制效果数据。 结论 在诊断与控制实际电力系统振荡模式的情况下,该研 究提出的方法提供了一种新型、高效的解决方案,对未来提升电力系统稳定性具有重要的工程应用价值。

摘要:超疏水亲油表面对水介质呈现疏水性可以实现自清洁和减阻效果,而且对油介质呈现亲油性,针对超疏水 亲油表面对油和水接触角不同的情况,可以达到油水分离,提高对油的利用率。 目的 使微纳结构阵列表面达到疏 水甚至超疏水性,同时还对油滴呈现亲油性,以及利用微纳结构阵列表面在被破坏的情况下的恢复能力,来提高微 纳结构阵列表面的使用寿命。 方法 利用化学腐蚀法与模具法,提出了一种微纳结构阵列形状记忆表面的制备方 法,制备出一种热致型形状记忆聚合物表面。 结果 实验表明:微纳结构阵列形状记忆表面表现为疏水亲油性。 结 论 发现热致型形状记忆聚合物表面因增加微纳结构可以达到超疏水,不同微纳结构表面所表面出来的疏水性不 同,而且可以通过改变温度来实现微纳结构的破坏与恢复的可逆转变,从而实现亲水性和疏水性的转化,同时微纳 结构阵列形状记忆表面具有良好的耐久性。 建立微纳结构阵列形状记忆表面的仿真模型进行润湿模拟,通过实验 与仿真结合的方式计算出所制备表面各个阶段中每个表面的接触角度数,仿真与实验数据的吻合提高数据的可 信度。