摘要：堤坝作为水利工程重要的组成部分,对堤坝进行智能检测是堤防工程安全运行的保障。将堤坝从自然环境中准确地提取出来是堤坝智能检测的前提。提出一种基于注意力引导的堤坝场景语义分割算法,在E-Net基础上引入注意力机制,利用高层语义信息引导融合高低层特征,提高目标分割的准确度和完整度。实验结果表明文中算法可以得到更加准确完整的分割结果,有效地实现多种场景的堤坝目标分割。

摘要：由于水下环境复杂,采集的水下图像通常是退化的低质图像。因此提出一种多注意力机制引导的双目图像超分辨率重建算法,选择性挖掘学习图像特征信息,实现高质量图像重建。针对水下图像分辨率低问题,引入双层注意力机制来加强重要细节特征的学习;然后针对双目图像的视差特性,提出一种视差注意力机制来充分学习左右目图像的先验信息,有效提高了图像质量。在Middlebury数据集2倍和4倍重建图像的信噪比分别为33.3和28.39 dB,表明该算法可以在提高图像空间分辨率的同时保留图像细节信息;同时该算法在拍摄的真实水下图像上的重建效果优于其他算法,表明其能实现更高质量的水下图像超分辨率重建。

摘要：针对现有聚氨酯发泡机混合头混合均匀度差的问题,在某公司现有混合头结构的基础上,对该混合头进行结构参数优化。首先,设计正交试验,对该混合头进行流场分析,将得到的仿真试验数据进行极差分析,得到该混合头的结构参数对混合指数的影响顺序。其次,采用遗传算法(GA)优化BP神经网路后,得到训练好的GA-BP预测模型,用于预测该混合头的混合指数,拟合出混合头的5个结构参数与混合指数之间的映射关系,通过对比分析BP与GA-BP网络预测模型可知,BP网络模型的回归值R为0.5646,而GA⁃BP网络模型的R为0.9903,GA-BP网络预测系统与直接使用BP网络预测系统相比,有较高的预测准确性及稳定性。最后,采用GA对GA-BP网络预测模型进行全局极值寻优,得到较优的结构参数。GA-BP-GA优化后的混合指数与初始方案的混合指数相比,降低了52%,在一定程度上降低了该混合头混合指数,提高了该混合头的混合效果,通过对比Matlab中GA-BP-GA预测的混合效果0.1653 mm与Fluent仿真所得值0.165 mm,发现两者相对误差为0.18%,验证了该优化方法的可行性。

摘要：为研究乙脑亚单位口服疫苗,根据Genbank已发表的日本脑炎病毒(JEV)prME基因序列,设计引物,PCR扩增出5,端含有Koza kbox,3,端含有SEKDEL编码区的prME,克隆入pMD18-T载体中,经过序列测定后,用SnaBI和BamHI酶切消化将prME克隆入用EcoICRI和BamHI酶切消化的质粒pBI121CaMV35S启动子和NOS终止子之间形成一个表达盒,再用HindⅢ,EcoRI酶切消化将该表达盒克隆入相同酶切的质粒pCAMBIA1301中,获得含有prME的植物双元表达载体.