基于RFID和指静脉识别的化学药品智能管理柜设计

为保障实验室中存放的药品安全, 提出一种基于射频识别(RFID)和指静脉识别的化学药品智能管理柜. 智能柜采用RFID、指静脉识别等物联网技术, 通过用户身份认证, 化学药品的自动识别、记录以及存储空间的智能控制, 实现实验室化学药品的高效安全管理. 样机实际测试结果表明, 系统可以较好地通过指静脉识别对使用者的身份进行认证, 也能够通过RFID快速识别化学药品; 系统智能化程度高, 各项功能完备, 可显著提高实验室化学药品管理能力.     

可用于连续识别Cu^2+和阴离子、中性分子荧光探针的研究进展

铜(Cu)含量的高低直接影响着生命体的正常运转和自然体系的平衡.检测铜离子的方法多种多样,其中具有较高敏感度和选择性的荧光化学传感器应用更加广泛.综述了以Cu^2+为基的荧光化学传感器通过"替换"法实现了对阴离子S^2-, CN^-, H2PO4^-, PPi和I^-以及中性分子ATP、ADP和生物硫醇等的连续识别的研究进展.     

砂土类材料离散元细观参数的自动识别

准确的细观参数是采用离散元进行合理模拟的前提,基于最优化理论,本文提出了一种砂土类材料离散元细观参数的自动标定方法:采用PFC离散元软件模拟砂土的双轴压缩试验,以使PFC数值模拟的应力–应变曲线与某标准砂土室内双轴压缩实验结果的误差最小为优化目标,采用模式搜索法实现砂土类材料离散元细观参数的自动标定。本文提出的离散元细观参数自动标定方法具有识别效率快,精度高的优点。     

基于自适应参数估计的三轴磁传感器实时校正方法

针对传统基于椭球模型三轴磁传感器无法实时校正的问题,设计了基于自适应参数估计的三轴磁传感器实时校正方法,通过对参数的实时估计与处理,实现了三轴磁传感器误差的校正。首先,对三轴磁传感器全误差模型进行分析与处理,建立了基于模值的参数估计方程;其次,详细分析了参数模型的噪声特性,针对非高斯状态相关噪声,提出了采用自适应参数估计方法;最后,设计仿真与实验分析,完成三轴磁传感器误差校正。实验结果表明,所提出的算法可以实现误差参数的实时校正,提升了磁传感器误差校正的自主性。同时,基于自适应参数估计方法,使得校正结果模值标准差相较于传统方法减小了3倍。     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

非正态变异下的非线性轮廓异常点识别方法研究

在质量控制领域,非线性轮廓异常点识别问题是重点研究问题之一。本文综合运用了小波分析、数据深度、聚类分析等数据分析处理技术,提出了一种新的非正态变异的异常点识别方法。文章通过仿真分析技术,将新方法χ²与控制图方法进行性能对比,结果证实新方法能够以更高的准确率和稳定性识别异常点,表现出更好的异常点识别性能。最后将新方法应用于木板垂直密度轮廓实例对新方法进行验证,分析结果表明本方法能够有效识别出异常轮廓数据。     

基于人工标志识别的透射仪自动准直系统

目前大气透射仪存在发射端和接收端安装调校困难的问题,并且在工作过程中,发射端和接收端一旦发生偏移,光轴不处于一条直线,将大大影响能见度测量结果。针对这些问题,提出将近景摄影测量技术应用到大气透射仪的对准系统中,采用圆形作为人工标志物,通过图像处理及椭圆最小二乘拟合算法,计算人工标志物的圆心坐标,根据标志物的圆心坐标与摄像机镜头的中心坐标的位置关系,将发射端和接收端的摄像机镜头的中心通过旋转结构拉倒图像中心;由于摄像机与光轴是同轴设计,所以摄像机镜头对准就是实现了光轴的对准。实验证明,利用近景摄影测量技术能够实现大气透射仪快速准确对准,并且能够实时监控保证光轴始终保持一条直线。     

基于级联卷积神经网络的前列腺磁共振图像分类

针对深度学习训练成本高，以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题，本文提出了一种基于级联卷积神经网络（Convolutional Neural Network，CNN）和磁共振图像的前列腺癌（Prostate Cancer，PCa）自动分类诊断方法，该网络以Faster-RCNN作为前网络，对前列腺区域进行提取分割，用于排除前列腺附近组织器官的干扰；以基于ResNet改进的网络结构CNN40_bottleneck作为后网络，用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成，其中使用批量标准化（Batch Normalization，BN）、全局平均池化（Global Average Pooling，GAP）进行优化.实验结果证明，本文方法对前列腺癌诊断结果较好，而且缩减了训练时间和参数量，有效降低了训练成本.     

基于卷积神经网络的焊缝缺陷图像分类研究

为有效地对焊缝缺陷进行分类，从而判断焊接质量的等级，对传统卷积神经网络进行改进，提出一种多尺度压缩激励网络模型（SINet）。将4组两两串联的3×3卷积模块与Inception模块、压缩激励模块（SE block）相结合。通过多尺度压缩激励模块（SI module）将卷积层中的特征进行多尺度融合和特征重标定以提高分类准确率，并用全局平均池化层代替全连接层减少模型参数。此外考虑到焊接缺陷数量不平衡对准确率的影响，采用深度卷积对抗生成网络（DCGAN）进行数据集的平衡处理，并在该数据集上验证模型的有效性。与传统卷积神经网络相比，该模型具有良好的性能，在测试集上准确率达到96.77%，同时模型的参数个数也明显减少。结果表明该方法对焊缝缺陷图像能进行有效地分类。