负关联噪声驱动下单模激光的定态分析

研究了负关联的加法和乘法高斯白噪声驱动下单模激光损失模型的定态情况。文中推导了负关联情况下，定态时的激光场幅的几率分布，光强的平均值，光强的协方差以及光强的偏斜率。并和文献〔１，２〕中正关联时的定态分析作了比较，发现了有意义的新现象。     

小麦条锈病对小麦产量影响的研究——Ⅱ.病害对小麦叶片光合作用的影响初探

利用红外线气体分析仪测定了冬小麦燕大1817和东方红3号在受到条锈菌(Puccinia striiformis West)侵染后叶片光合作用的变化。证明严重度S越高,残余健部光合作用极大值P′_(max)越低,其关系为P′_(max)=P′_(max)(1-0.826*S)。根据试验数据推导建立了条锈病导致的光合产物降低率预测模型:L_(光合)=1-(P_(max)+I_(1α))/(P′_(max)+I_(1α))(1-bS)(1-S),和理论模型L_(光合)=aS~n,n=f(P′_(max)/P_(max))。最后讨论了L_(光合)与验经产量损失模型的关系。     

基于改进Yolov5模型的实时人脸检测算法

针对疫情背景下,在一些人流密集场所进行体温筛查或身份识别,当待检测对象快速通过时,人脸检测实时性不高的问题,提出了一种改进Yolov5模型的实时人脸检测算法。该算法首先对骨干网络层进行轻量化改进并引入注意力机制减少冗余信息;其次修改了检测层网络结构,增加了对小目标人脸及倾斜人脸检测的适应性;随之使用Focal EIOU损失函数代替Yolov5原始损失函数中的GIOU损失函数来计算定位损失,有效解决了预测框在目标框内部或预测框与目标框大小一致时无法精确定位的问题。实验结果表明：提出的实时人脸检测算法检测精度达到97.2%,检测速度达到66.7 f/s,相较于原始Yolov5算法,检测精度提升了19.7%,检测速度提升了24 f/s,满足实时人脸检测要求,同时对于黑暗环境及不同表情姿态人脸检测也有较好的适应性。     

基于Focal-EIOU函数的被动式太赫兹图像违禁物品识别

针对被动式太赫兹安检系统因环境影响导致图像质量波动,从而影响识别算法,导致准确率大幅降低的问题,提出了基于Focal-EIOU损失函数的改进YOLOv4算法,并用被动式太赫兹人体安检图像对刀、枪违禁物品进行模型训练获得模型。建立不同环境、不同位置角度携带刀枪嫌疑物人员的太赫兹图像数据库,采用图像增广的方法构建丰富数据集;将YOLOv4的CIOU loss改进为Focal-EIOU loss,提高算法对太赫兹图像识别的鲁棒性,进而经过训练获得较优的模型。在本文的测试集中,使用改进后的算法训练的模型平均检测精确度(mAP)达到96.4%,检测速度在28 ms左右,交并比(IOU)平均值为0.95,在同等条件下高于常规算法,改善了检测识别的效果。实验结果表明,本文方法能够有效提高被动式太赫兹人体安检系统的嫌疑物识别准确率,有利于该项技术在人体安检领域的推广应用。     

基于YOLOv3的人脸关键点检测

深度学习中神经网络强大的特征提取能力,使非约束场景下的人脸检测不再困难,于是人脸关键点的检测逐渐成为人脸检测的关注点,但目前为止较少算法具备对人脸关键点的检测能力.YOLOv3作为精度和速度均表现优异的算法,同样不具备关键点检测的能力.因此,文章提出基于YOLOv3的人脸关键点检测算法,该算法对YOLOv3改进,设计关...     

基于卷积神经网络的雷达点迹分类技术研究

雷达在探测目标过程中不可避免地会受到杂波影响,在信号处理检测时会产生杂波点迹,尤其是在杂波密集区,此类杂波点迹数量会更多.随着大数据的到来,人工智能技术获得突飞猛进的发展,以深度学习为代表的人工智能技术受到广泛关注.利用卷积神经网络对雷达点迹数据中的杂波与真实目标分类问题展开研究.首先在现有雷达点迹信息的基础上,进一步...     

TD-SCDMA和WCDMA系统基站的共容分析

主要探讨了WCDMA系统与TD-SCDMA系统基站间的共存问题,并从邻频干扰的角度进行了深入的分析,采用确定性计算方法和静态仿真方法研究TD—SCDMA基站对WCDMA基站产生的邻频干扰,并提出相应的解决方法。     

埋地热油管道正常运行的数值模拟研究

对高凝原油管道输送的水力热力问题进行分析研究,掌握管线运行规律,保证管线安全经济运行有着重要意义.本文建立了埋地热油管道正常运行的数学模型,采用非结构化网格和有限容积法对该问题进行了研究,计算结果与实验测量值吻合良好.     

钙钛矿/硅异质结叠层太阳电池:光学模拟的研究进展

近几年,钙钛矿/硅异质结叠层太阳电池发展迅速,效率已经从13.7％提升到29.1％.由于叠层电池器件的制作工艺复杂,而叠层太阳电池中的光学损失对转换效率的影响很大,所以通过光学模拟进而获得高效电池至关重要.本文首先从商业软件和自建模型两方面概述了光学模拟的方法,接着从反射损失和寄生吸收两方面针对光学模拟研究进展进行了总...     

一种基于CA-Net的脑肿瘤磁共振图像分割算法

磁共振影像是脑肿瘤疾病中常用的诊断工具,临床上的量化分析需要对影像结果进行分割得到肿瘤区域,但手动分割十分耗时且高度依赖于医生的临床经验。为此,本文提出一种基于深度学习的脑磁共振图像分割算法,解决了原网络无法有效提取关键特征的问题。该算法使用改进的有限对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization, CHALE)算法,对脑肿瘤磁共振影像进行图像增强后,将结果输入CA-Net网络对数据集初步分割,并将全注意力算法和U-net骨架结构结合(包括空间、通道和尺度注意力模块),实现对不同尺度的空间和通道的特征转换连接。模型应用混合损失函数提高分割精度。初步分割的结果可通过后处理进一步提高精度,得到最终的肿瘤区域。初步分割结果中,Dice指标可以达到88.40(±0.24)%,结合图像处理提高至89.21(±0.36)%,分割精度相较于其它算法有明显提高。