Abstract:

目的 研发绿色安全、功能明确、质量可控、成本较低的食品保鲜膜。 方法 以壳聚糖为成膜基质,以抗氧化活 性单体没食子酸为功效物质,配置不同质量浓度(0%、0. 05%、0. 1%、0. 2%和 0. 4%)的没食子酸/ 壳聚糖复合膜,并 研究不同浓度的没食子酸对复合膜的理化性质、机械性能和抗氧化活性的影响,通过傅里叶红外光谱、X-射线衍 射、扫描电镜等对复合膜进行结构表征,并采用烘箱加速氧化法测试复合膜对新制芝麻油的保鲜效果。 结果 没食 子酸的加入,使复合膜颜色整体偏红、偏黄,膜的厚度、含水量、水蒸气透过系数和断裂伸长率下降,而拉伸强度、不 透明度和水溶性增加;使壳聚糖结晶形态发生变化,能有效地清除 DPPH 和 ABTS 自由基,并能有效延缓芝麻油的 氧化酸败。 结论 采用没食子酸和壳聚糖可以制备具有良好抗氧化活性、绿色安全且成本较低的食品保鲜膜,没食 子酸质量浓度为 0. 1%的 GA-2 复合膜综合质量最佳。

Abstract:

:目的 研究鼠曲草提取物(Gnaphalium affine extract,GAE)协同焦磷酸钠(Sodium pyrophosphate,PP)对猪肌原 纤维蛋白(Myofibrillar Proteins,MPs)凝胶特性的影响。 方法 在模拟 Fenton 氧化体系中,以猪肉肌原纤维蛋白为研 究对象,添加不同浓度水平的鼠曲草提取物和焦磷酸钠制备热诱导猪肌原纤维蛋白凝胶,通过分析凝胶蒸煮得率、 保水性、白度、强度、质构、流变学特性和凝胶微观结构等特性变化,研究不同浓度鼠曲草提取物与焦磷酸钠协同抗 氧化诱导的交联模式变化对猪肌原纤维蛋白凝胶特性的影响。 结果 当添加 0. 2 mg / g 蛋白的 GAE 与 1 mM 的 PP 时,MPs 凝胶蒸煮得率升高了 8. 66%、保水性提高了 5. 48%,凝胶白度提高了 5. 01%,均显著高于 GAE 单独添加的 情况(P<0. 05);添加 GAE 后导致部分凝胶网络结构破坏,而适量 PP 的存在可有效修饰 GAE 对肌原纤维蛋白结 构的破坏,显著提高凝胶强度、硬度和粘弹性(P<0. 05),改善蛋白氧化对凝胶性能的破坏,强化蛋白凝胶体系; GAE 与 PP 同时存在时,凝胶储能模量(G′)和损耗模量(G″)都高于 PP 单独存在时。 通过凝胶微观结构观察,过 量 PP 的存在导致蛋白凝胶网络结构严重塌陷,获得较粗糙且较多孔隙的凝胶结构。 结论 适量浓度的 GAE 与 PP 复配对于 MPs 凝胶特性产生协同调控作用。

Abstract:

目的 探究不同比例的慈姑粉对小麦馒头质构、比容、白度、水分含量、pH 值、抗氧化活性和感官特性的影响。 方法 以小麦馒头为对照,研究添加不同比例的慈姑粉(0. 5%、1. 5%、2. 5%、3. 5%)对馒头咀嚼性、硬度、弹性、回复 性、比容、pH 值、白度、水分含量、抗氧化能力以及感官特性等 10 个品质指标的影响,并对品质指标进行相关性分 析。 结果 随着慈姑粉含量增加,馒头的硬度、咀嚼性、pH 值显著增大(P<0. 05),弹性、比容、水分含量随着慈姑粉 添加量的增加而降低(P<0. 05),回复性没有显著性影响(P>0. 05)。 添加量在 1. 5%时,色度值最高,呈现亮白光 泽,添加 0. 5%慈姑粉的馒头感官评分最高(89 分)。 馒头的抗氧化性随慈姑粉添加量增加而提高。 通过相关性分 析表明,慈姑粉馒头的硬度与咀嚼性可以作为质构特性中的分析指标。 馒头的 pH 值与咀嚼性、馒头硬度之间呈正 相关(P<0. 01),慈姑粉馒头的弹性与比容、水分含量呈正相关(P<0. 01),与 pH 值呈负相关(P<0. 01),感官评分 与比容、弹性、白度、水分含量呈正相关(P<0. 05),与硬度、咀嚼性呈负相关(P<0. 01)。 结论 添加慈姑粉会对馒头 理化性质、抗氧化性和感官特性产生显著影响。

Abstract:

目的 针对现有方法中存在因分词导致级联错误从而影响实体识别效果,以及如何构建并融合高质量医学 实体特征的问题,提出一个基于词典和多特征融合的中文医学命名实体识别模型。 方法 该模型首先利用词典匹配 机制和 Lattice 点阵结构来融合字符与医学词汇信息,利用字词的相对位置信息获取相对位置嵌入,并对汉字拼音 进行编码得到拼音嵌入;然后提出一个融合 Transformer 模型来挖掘不同特征之间的互补性,以增强词汇信息并促 进字词信息和拼音信息更好地融合;最后,将融合多特征的字符表示输入到条件随机场中来获得预测的标签。 结果 在 CCKS-2019 和 Resume 数据集上的实验结果表明,该方法在多个指标上均得到了较好的提升。 结论 避免了分词 错误对命名实体识别效果造成的影响,通过融合 Transformer 模型更好地融合了多种医学实体特征,加强了模型识 别词边界的能力,进而提高了模型识别医学实体的准确率,为后续构建医学知识图谱,实现智能化医学诊断提供了 帮助。

Abstract:

:目的 药物-药物相互作用(Drug-Drug Interaction,DDI)预测能够辅助确定有效和安全的药物联合治疗。 但 以往的预测方法通常围绕药物的二维分子建模,没有考虑药物的三维几何结构;并且忽略了药物作用子结构的多 样性,单一的特征拟合路径可能会限制模型的预测能力。 方法 为此提出了基于图同构网络与注意力机制的 DDI 预测模型,它基于图同构网络构建分子图特征生成模块用以生成三维坐标系上的药物分子图特征;并在此基础上 使用自注意力机制构建子结构特征提取模块,从多个维度提取药物的空间子结构;最后使用 DDI 三元组预测模块 来识别潜在的 DDI。 整个模型采用双层相互独立的网络,以此提取不同作用的子结构。 结果 实验结果证明:该模 型在 DrugBank 数据集上相对以往方法取得了不错的优势,特别是在预测新药-新药相互作用的实验中,它在准确 率 ACC、受试者工作特征曲线下面积 AUC、F1 分数上相比最好的基线分别提升了 7. 59%、9. 45%、12. 95%,展现了 良好的泛化性能。 结论 消融实验证明:子结构特征提取模块能够有效提取空间子结构,双层网络使模型获得了更 好的预测性能。

Abstract:

:目的 针对现有药物研发中分子活性值预测不精、泛化性不高等问题,提出基于知识先验与注意力机制相结 合的多通道语义深度神经网络,通过使用分子的 SMILES(Simplified Molecular Input Line Entry System)表达式,预测 雌激素受体 α 亚型(ERα)的 pIC50 生物活性值。 方法 该网络采用两阶段特征提取策略,在语义层设计了将知识先 验与迁移学习结合的语义分析网络,它将分子 SMILES、描述符和图表征的关键信息定位,通过在 Erα 数据集中微 调参数,得到综合的分子 SMILES 表征信息;在通道层,基于高效通道注意力(Efficient Channel Attention, ECA)机 制,设计了 1D-ECA 算法,将其嵌入 CNN 子模块中,构成多通道深度神经 1D-ECA-CNN 模块,实现分子表征的特 征再提取,并减少分子表示学习过程中的信息损失;最后将语义层和通道层相结合形成 KBAC(Knowledge-BERT- 1D-ECA-CNN)深度神经网络,实现 pIC50 生物活性值的回归预测。 结果 实验结果表明:所提出的框架在 4 个评 估指标上均表现优异,MAE 可达 0. 091,MSE 可达 0. 014,RMSE 可达 0. 117,R 2 可达 0. 993,相对于 4 个具有代表 性的模型有较为明显的提升,说明所提模型具有更高的预测精度。 结论 该两阶段特征提取过程使其能够获取更为 全面的分子特征,从而帮助筛选治疗疾病的候选药物。

Abstract:

目的 针对传统遥感图像目标检测模型在无人机、卫星等低算力场景下难以部署的问题,实现保持检测精度 的同时,降低模型的参数量,提出一种基于 DETR 的轻量级遥感图像目标检测算法。 方法 该模型首先采用 EfficientViT 特征提取模块作为轻量级骨干网络,用于图像特征提取和筛选;同时,设计了一个轻量级高效混合编码 器,旨在降低模型参数量和计算量的同时,保持检测精度,该编码器由 S-AIFI 模块和 MSFM 模块组成,其中 S-AIFI 模块专注于处理深层特征,以增强对特征信息的聚合能力。 而 MSFM 模块通过多尺度特征融合提高模型在遥感图 像中对不同大小目标的检测能力;最后,引入了 shape-IoU 损失函数,以进一步提高模型的检测精度。 结果 在 DOTA-v1 数据集和 SIMD 数据集上进行实验,该模型的 mAP 达到了 75. 5%及 81. 9%,其参数量降低到了 10. 3 M。 结论 训练后的模型具有较小的内存占用和参数量,适用于计算资源有限的遥感图像处理应用场景。

Abstract:

目的 交通驾驶感知系统是自动驾驶技术的关键组成部分之一,该系统包含多个任务并且需要保证高实时 性和高可靠性,针对现有方法目标检测效果差,部分遮挡情况下目标区域语义分割不精确等问题,提出一种端到端 的多任务网络模型 MTNet,用于完成交通驾驶感知系统中可驾驶区域分割和车道线检测两项关键任务。 方法 在颈 部网络设计中改进特征金字塔 FPN(Feature Pyramid Network)模块以获得更高效的检测性能;在网络结构中引入 ELAN(Efficient Layer Aggregation Networks)结构和重参数化方法对原始卷积进行升级;根据不同任务特点设计了 更精准的多任务损失函数,同时提出了更有效的训练策略。 结果 通过在 BDD100k (Berkeley DeepDrive)数据集上 进行大量实验,表明可驾驶区域分割任务的平均交并比(Mean Intersection over Union,mIoU)达到 95. 6 %,车道线 检测任务的准确率(Accuracy)达到 89. 3 %。 结论 实验结果表明:MTNet 展现出对复杂背景干扰的鲁棒性,提升了 目标检测分割的精确度;无论是在白天还是夜晚,复杂还是简单场景中,都具有良好的检测分割效果。

Abstract:

目的 在视觉同步定位与建图技术(Visual Simultaneous Localization And Mapping, VSLAM)中,随着工作设备 的移动,其位姿会随着时间的变化而导致漂移,从而在一些环境复杂的情况出现建图误差。 回环检测是 VSLAM 系 统中的重要组成之一,其可以通过算法收敛和消除误差。 针对回环检测中细节特征提取不足的问题,提出一种双 重特征融合的回环检测算法。 方法 首先采用预训练的 VGG19 卷积神经网络部分权重和方向梯度直方图算法提取 图片特征,将提取的两路特征进行主成分分析和降维处理拼接后进行全连接得到融合特征向量矩阵,再将得到的 融合特征矩阵计算相似度评分得到相似矩阵,最后将算法在 New College 和 City Centre 数据集上进行测试。 结果 在两个公共的数据集上的试验结果表明:提出的双特征融合算法对特征的识别能力更强,在固定 50%的召回率情 况下精确率有明显提升,相较于主流的单一特征提取方法更有鲁棒性。 结论 双特征比单独的卷积特征和传统的人 工几何特征有更好的图片表征能力,能更好满足回环检测要求。

Abstract:

:目的 为了解决变电所场景下因模型参数量过大、推理时间较长导致错检和漏检问题较高等问题,提出一种 基于知识蒸馏和注意力机制的变电所安全帽佩戴实时检测算法 YOLO-FE(BCKD)。 方法 为了减少模型的大小和 推理速度,使用 FasterNet block,去替换原本骨干网络和 NECK 部分中的 C2f 模块;为了减少因为降低模型参数而 导致精度大幅下降的问题,使用高效多尺度的 EMA 注意力机制加入骨干网络之中,提高模型提取特征的能力;最 后为了让模型能具有更高的精度,选择 YOLOv8m 作为教师网络,YOLO-FE 作为学生网络,使用 BCKD 知识蒸馏方 法对 YOLO-FE 进行知识蒸馏。 结果 该研究使用在煤矿变电所收集到的安全帽数据集为基础,选用不同算法进行 对比实验。 最终表明:改进的 YOLOv8 模型未蒸馏前平均精度达到 74. 5%,相较于 YOLOv8n 提高了 2. 5%,参数量 下降 26. 7%,检测速度提高 26%,经过蒸馏之后模型的平均精度达到 75. 4%。 为了验证算法的泛用性,在公开数据 集 GDUT-HWD 上测试,其精度值为 84. 2%,比原始模型提高 3%。 结论 文中提出的安全帽佩戴检测算法在精度和 实时性上取得了良好的平衡,满足变电所环境下的实时检测需求。

Abstract:

目的 在智能驾驶领域,准确预测行人穿越行为对于确保车辆和行人安全至关重要。 方法 设计了一种结合 多种计算机视觉技术的行人穿越行为预测模型,该模型通过分析行人的位置、姿态、动作及环境特征来准确判断行 人意图。 为了增强模型对不同距离行人的感知能力,采用了不同尺度放大的预处理和数据滤波平滑的后处理技 术。 提出了先条件后预测(Predict after Condition,PAC)两阶段方法,以实现更为有效的行人穿越预测。 结果 基于 JAAD 数据集的测试结果表明:所提模型平均精度达 89. 31%,相较于传统单阶段方法提升了 8. 76%。 结论 特征重 要度分析进一步表明:加入路面面积特征后,预测准确率从 68. 43%显著提升至 85. 06%,强调了行人位置与路面轮 廓关系在行人穿越行为研究中的重要性。 对降低人车碰撞事故,提高智能驾驶车辆的安全性具有重要意义。

Abstract:

:目的 针对现有路面坑洼检测模型参数量大,检测实时性较差,路面环境复杂而导致检测准确度不高的问 题,提出一种基于改进 YOLOv8 的路面坑洼检测算法。 方法 首先,将颈部网络替换为双向金字塔网络 Bifpn(Bidirectional Feature Pyramid Network),进行不同尺度的特征融合;其次,为提高模型推理速度,使用多分支结构 DBB (Diverse Branch Block)替换 C2f 模块中的卷积层,提出了重参数化模块 C2f-DBB 并替换部分 C2f 模块;然后,在骨 干网络末端引入通道先验注意力机制 CPCA(Channel Prior Convolutional Attention),在有效提取空间关系的同时保 留通道先验,强化特征提取能力;最后,使用边界框回归损失函数 MPDIoU(MPD Intersection over Union)代替原模 型的 CIoU(Complete Intersection over Union),进一步提高算法精度。 结果 实验结果表明:改进后的算法在平均精度 上较原始网络提高了 3. 1%,而模型参数量仅为 5. 9 M,计算量为 7. 3 G,分别下降了 6. 3%和 9. 8%,每秒帧数可达 53. 4。 结论 通过实验结果可以看出:改进后的模型与当前主流模型相比在精度上提升显著,且满足实时性要求,对 于实际应用具备一定的参考价值。

Abstract:

:目的 针对行人与电动车驾驶人员共用道路通行情况下,电动车骑行人员的头盔检测问题,提出一种基于 Yolov8n 的电动车头盔佩戴检测改进算法。 方法 首先,为提升模型对于低分辨率图像及小目标检测的精度,引入 SPDConv 替换模型普通卷积与下采样算子;其次,为提升模型对于背景与检测目标相似情况下的辨识能力,引入 CG block 模块,与原模型 C2f 模块融合,创建 C2f-CG 模块,替换原有 C2f 模块,提升上下文特征提取能力;最后,为 降低模型的计算量,保持模型轻量化,将原模型 Head 层普通卷积替换为组卷积。 结果 经实验检测,改进模型较 Yolov8n 原模型 mAP 精度提升 4. 2%,计算量降低 15%,对于低分辨率图像及小目标检测精度均有上升。 结论 改进 模型适用于复杂情况下电动车头盔的实时检测,可以作为应用领域的解决方法。

Abstract:

:目的 鉴于传统的半监督光刻热点检测方法逐渐无法满足集成电路制造对检测精度的要求,且难以解决因 数据集不平衡引起的精度损失问题,提出一种新的半监督光刻热点检测模型 GSSL。 方法 在该模型中,将卷积注意 力模块(Convolutional Block Attention Module, CBAM)引入到 Ghost 模块的线性变化中,设计了 Ghost_CBAM 模块; 将该模块与压缩激励网络(Squeeze-and-Excitation, SE)结合设计了 GhostNeck 模块,实现特征图先降维再升维,建 立各个通道之间的关联性;再通过 GhostNeck 构建整个光刻热点检测模型 GSSL,实现逐步引入无标记数据进入训 练的半监督学习方式;通过集成数据增强方法对数据集中的热点版图进行数据增强,缓解数据不平衡问题;并应用 加权交叉熵损失函数,进一步提升模型对于热点类别的关注度。 结果 在 ICCAD( The International Conference on Computer-Aided Design) 2012 竞赛基准数据集上进行评估,在标记数据占比为 10% ~ 50%的情况下预测热点的平 均准确率为 91. 73%,平均误报为 680。 结论 与其他传统方法相比,GSSL 可以有效应对数据集不平衡的问题,提升 光刻热点检测精度的同时,显著降低了误报率,在光刻热点检测上具有一定的应用价值。

Abstract:

目的 针对铝型材表面缺陷类别多,缺陷之间差异较大,容易出现漏检、误检等情况,提出一种改进的 YOLOv8s 检测算法。 方法 首先,引入扩张式残差模块 DWR(Dilation-wise Residual),基于此重新构造主干网络部 分 C2f 中的 Bottleneck 结构,增强网络对复杂特征的提取能力,使网络更高效地获取上下文信息;其次,在原颈部网 络中加入小目标检测层,旨在提取和传递那些在小尺寸缺陷中更为关键且判别性更强的小目标特征信息,将浅层 和深层特征进行融合,降低漏检率和误检率,提高检测精度; 最后,引入 Inner-GioU( Inner Generalized Intersection over Union) 损失函数,关注边界框内部的重叠部分,加快模型收敛速度的同时提高边界框回归的准确性。 结果 将 改进算法应用在天池铝型材数据集中,实验结果显示:改进的算法在精确率、召回率和 mAP@ 0. 5 方面分别达到了 88. 7%、83. 4%和 88. 5%的性能指标,相比原始的 YOLOv8s 算法分别提高了 4. 1%、2. 1%和 2. 9%,改进算法能有效 识别铝型材表面不同类型的缺陷。 结论 通过实验可以证明改进算法的有效性,改善了铝型材部分缺陷检测效果较 差的问题,同时减少了漏检和误检情况,满足当前工厂对铝型材表面缺陷的检测要求。

Abstract:

目的 车道线检测作为自动驾驶系统的核心功能之一,对于确保车辆安全行驶至关重要。 然而,当前基于分 割的检测方法在速度和性能之间存在明显不平衡,尤其在夜间场景下更为突出。 针对这一挑战,提出一种名为 DecoLaneNet 的夜间车道线检测模型。 方法 首先,设计一种高效的特征提取模块,采用分解卷积构建具有不同大小 感受野的双分支分解卷积残差结构,在尽可能保证性能的情况下大幅减少模型的参数量,更准确地提取车道线特 征;接着,运用通道重排技术和扩张卷积弥补性能损失,并增加感受野;最后,引入双分支上采样模块进行特征解 码,显著提升了模型的分割精度。 结果 在夜间场景数据集 Night 和包含多种交通场景的车道检测数据集 CULane 上进行了广泛评估,DecoLaneNet 的 F1 评分,在 Night 数据集上达到了 74. 7%,在 CULane 数据集上达到了 71. 5%。 值得一提的是,尽管模型参数仅有 1. 94 M,但在 Jetson 开发板上,其帧率(FPS)仍能达到 62. 5。 结论 实验结果表 明,DecoLaneNet 不仅在夜间场景下表现出优异的性能,在应对其他复杂场景时同样表现出色。 此外,在部署到嵌 入式设备上时,其性能与效率仍然优于其他模型,显示出了出色的潜力与可行性。

Abstract:

目的 为提高水泥生产效率,避免因主要机械设备故障导致的生产停止,需要对水泥生产线中的主机设备辊 压机进行故障诊断。 方法 提出卷积残差 Transformer 编码网络,此模型第一部分是包含 4 个卷积层的卷积块,每个 卷积层中包含卷积、池化、批规范化和激活函数,用以提取输入数据的局部特征;对提取到的特征增加残差后输入 Transformer 编码模块,Transformer 编码模块包含多头注意力机制和前馈神经网络,用以对输入的特征进行再次提 取,得到编码的输出后再次增加残差;最后经过全连接层和 Softmax 层进行分类以实现对故障的诊断。 结果 在凯斯 西储大学公开轴承数据集进行模型可用性的初步验证,然后在辊压机上安装传感器收集正常运行和故障运行的振 动数据作为实证数据集,其中凯斯西储大学测试集预测准确率为 99. 75%,对辊压机数据测试集的识别准确率为 96. 55%,故障的查全率达到 98. 32%。 结论 使用卷积提取故障数据特征,然后用注意力机制突出重要特征的方法 能对辊压机实际生产中的运行状态进行有效的判断,特别是对故障状态的识别率更高。

Abstract:

目的 现有的物体六自由度姿态估计方法侧重于处理已训练过的对象,针对未知物体纹理细节较弱或在有 遮挡、光照复杂的非结构化环境中的六自由度姿态估计仍是一个具有挑战性的问题。 方法 提出了一个物体六自由 度姿态估计的网络,首先通过局部特征匹配获取图像对中足够多的匹配点对;其次,通过传感器读取匹配点对的深 度信息得到相应点云数据并将其作为后续点云精准配准的初始点云进行配准,最终得到源点云相对于目标点云的 旋转矩阵和平移向量,即未知物体在机器人坐标系下的六自由度姿态。 结果 该网络在基准数据集上估计的 6D 姿 态结果较好,dADD-S 值为 80. 0%;在 Occlusion Linemod 数据集上 dADD-S 值也达到了 78. 0%,均表现出了非常优异的 性能。 结论 该网络泛化性比较好,不仅能够准确地估计严重遮挡、背景杂波和光照差等条件下物体的六自由度姿 态,而且对随机噪声也具有较好的鲁棒性。

Abstract:

目的 针对复杂环境下,解决传统 A* 算法在复杂环境中搜索效率低、路径拐点多等问题,提出改进的双向 A* 算法。 方法 该算法采用正向和反向动态扩展目标点,使用动态启发式函数,并将搜索领域从 8 邻域改进为 24 邻域的 8 个方向。 为优化路径,引入多次三阶贝塞尔曲线进行路径平滑。 结果 在多障碍和复杂地图情境下,改进 算法表现更高效。 在路径规划中,快速找到优化路径,减少搜索节点和路径拐点,实验数据指标提升超过 85%。 结论 改进的双向 A* 算法具有更好的适应性和灵活性,适用于各类复杂环境的路径规划。 其性能优势使其成为处 理大规模、高复杂度地图的理想选择,为路径规划领域提供强有力的支持。

Abstract:

目的 针对脑卒中导致患者肩关节半脱位以及运动功能障碍问题,提出将球面四杆机构应用于肩关节康复 训练中,设计了一款单自由度肩关节康复训练机构,实现了肩关节康复训练时的预期运动规律。 方法 建立球面四 杆机构的运动学模型,通过 MATLAB 运动学分析程序,验证运动学模型的正确性;融合近似刚体导引综合法与最 小二乘法,建立机构主支链和回路目标函数模型;采用罚函数法对机构各约束条件进行分类处理,确立球面四杆机 构优化综合的差分进化(DE)算法。 结果 运用球面四杆机构近似刚体导引综合数值算例进行验证,迭代曲线收敛 性强,结果表明上述目标函数模型正确可行且该算法高效可靠;在此基础上,求解出满足肩关节康复训练运动功能 需求的最优尺寸参数。 结论 应用 SolidWorks 和 ADAMS 软件生成了机构连杆点运动轨迹和机构运动学仿真曲线, 仿真结果表明:此机构设计满足预期运动轨迹需求,具有良好的运动学性能,为研发结构简单、功能可靠的肩关节 康复训练装置提供了理论基础。