摘要：在图像分割中,单次卷积和频繁的池化操作容易产生冗余信息或遗漏关键信息.本文设计了一种多尺度的残差挤压和激励注意力的双U形分割网络(MRSEA-DUNet)来解决上述问题.首先,该网络由两个U形的网络组成,分别是预编码网络和精确分割网络.为避免频繁的卷积和池化操作导致信息丢失或产生无效信息,提出了具有不同大小感受野的阶梯卷积模块(SCM),并采用并行结构,可以在不同尺度上捕获更丰富、更详细的特征.其次,还设计了一种残差挤压和激励注意力模块(RSEAM),可以通过空间和通道提高有效特征增益,消除冗余信息,并且提高了模型的整体鲁棒性.最后,为了减少了降采样操作的数量,简化了纵向复杂度.实验结果表明,本文MRSEA-DUNet模型的精度、Jaccard系数和Dice系数分别达到0.995 4、 0.979 4和0.989 5,均优于其他7种主流模型,优化了分割效果.

摘要：临床脑瘤手术或意外创伤引起的颅骨缺损需要手工设计颅骨植入物进行修复。颅骨植入物的边缘需要精确地吻合形态各异的缺损颅骨创伤口边界,但颅骨植入物手工设计用时周期长、技术门槛高且准确度低。为此,本文提出用于三维颅骨植入物自动化设计的信息器残差注意力U形网络(IRA-Unet)。本文将信息器(Informer)从自然语义处理领域应用到计算机视觉领域,设计信息器注意力进行注意力的提取,让模型更加关注颅骨缺损位置,将计算量和参数量从N~2降到log(N)。本文进一步构建信息器残差注意力,将信息器注意力和残差结合并置于模型靠近输出层的位置,让模型能根据需求在全局感受野和局部信息中进行选择和综合,提高模型精度和加快模型收敛速度。本文使用颅骨植入物自动化设计挑战赛2020(AutoImplant 2020)公开数据集进行训练和测试,并在实验部分对比分析直接获得颅骨植入物和间接获得颅骨植入物两种方式对结果的影响。实验结果表明,本文所提模型具有较好鲁棒性,在AutoImplant 2020的110例测试集上取得戴斯系数值为0.940 4,豪斯多夫距离值为3.686 6的结果;本文所提模型在保证颅骨植入物外形精度的同时减少了模型运行所需的资源,可有效地辅助外科医生完成高效的颅骨修复自动化设计,从而提高患者术后的康复质量。

摘要：文章通过LabVIEW软件编程实现了时域抽样定理的仿真实验。界面简单明快,参数可调,程序具有扩展性,验证结果符合理论推导。通过实验编程能有效帮助学生深入理解傅立叶变换的概念,能准确应用时域抽样定理。

摘要：课程思政是实现高校育人育才目标的有效途径,随着高校课程改革的进一步推进,探析如何在课程教学中融入思政内容,实现对学生综合素质的培养具有十分重要的意义。本文针对“信息论与编码技术”课程的内容及特点,设计出一套新的课堂教学模式,并在课堂教学中从5个方面融入课程思政内容,力求做到课程思政与课堂教学相辅相成、价值引领与课程建设有机结合,真正落实立德树人根本任务。

摘要：为解决一种左右平行驱动式压电陶瓷微小机器人,由装配误差和压电陶瓷特性的不一致所带来的运动偏差,提出了一种基于驱动量补偿的方法对微小机器人进行运动控制。在详细分析微小机器人的stick-and-slip运动原理的基础上进行实验设计,对左右压电陶瓷驱动器分别输入不同的驱动量,得到多个微小型机器人在横向位置上的位移偏差量。对所得实验数据用最小二乘法进行处理,并拟合出曲线,进而确定微小型机器人的输入驱动量的补偿值。实验表明,加入了补偿输入后,微小型机器人在相同步数下的直线前进运动中,横向的位置偏差减少为原来的6.1%。利用最小二乘法所得到的基于驱动量补偿的运动控制,能有效抑制微小机器人直线运动中横向位置的偏差。

摘要：现阶段水田除草大部分采用农药喷洒方式,这样会对环境造成污染。详细讨论了水田除草机器人控制系统的分析设计及实现过程,该系统采用Zedboard为控制核心,上位机通过ZigBee向机器人发送指令,驱动电机完成指定动作。重点研究设计了人机交互界面及视频远程监控。实验效果表明,该控制系统具有良好的动态响应特性,稳定性强。

摘要：为改善人工检测灯泡头焊丝外漏存在的诸多弊端,开发一套基于DSP+ARM双核嵌入式DM6446开发板设备的灯泡头焊丝自动检测系统。设计实现基于V4L2驱动接口的视频采集线程、基于codec engine构架的视频处理线程和基于FBdev驱动接口的视频显示线程,开发运行在DSP侧的灯泡头焊丝检测算法。整个装置有效地对有焊丝外漏的灯泡进行识别,实现了高准确率的灯泡产品合格检测,替代了人工检测。

摘要：提出了一个基于ARM CortexTM-M3内核微控制器LM3S8962的静脉输液滴速控制系统;在简要介绍系统结构的基础上,重点阐述了由光电传感器和斯密特触发器构成的滴速反馈环节,根据物理光学理论和示波器波形指出在检测到液滴落下时,光电传感器会输出双波峰形信号,并针对系统中的非线性与延迟等问题设计了合适的控制算法,实验结果表明了该方案的控制性能优异。

摘要：为了解决自然场景图像中任意形状文本检测的难题,文中提出一种具有自适应文本区域表示的鲁棒场景文本检测方法;同时基于回归和分割方法的两种思想,设计自适应角点检测模块(ACDM)和自适应阈值分割模块(ATSM)。将不同尺度的文本生成不同数量的角点进行定位,利用自适应阈值的方法生成文本分割图,结合生成的角点候选框进行联合优化。实验结果表明:所提方法在ICDAR2015数据集上综合指标F为86.5%,相较于PSENet网络提升0.8%;在Total-Text和CTW1500数据集上综合指标F分别为85.3%和84.2%,相较于DBNet网络分别提升0.6%和0.8%。该方法能有效提高任意形状文本检测的鲁棒性。

摘要：目的针对手动设计的手指静脉质量特征计算过程复杂、鲁棒性差、表达效果不理想等问题,提出了基于级联优化CNN(卷积神经网络)进行多特征融合的手指静脉质量评估方法。方法以半自动化方式对手指静脉公开数据库MMCBNU_6000进行质量标注并用R-SMOTE(radom-synthetic minority over-sampling technique)算法平衡类别;将深度学习中的CNN结构应用到手指静脉质量评估并研究了不同的网络深度对表征手指静脉质量的影响;受到传统方法中将二值图像和灰度图像结合进行质量评估的启发,设计了两种融合灰度图像和二值图像的质量特征的模型:多通道CNN(MC-CNN)和级联优化CNN(CF-CNN),MC-CNN在训练和测试时均需要同时输入二值图像和灰度图像,CF-CNN在训练时分阶段输入二值图像和灰度图像,测试时只需输入灰度图像。结果本文设计的3种简单CNN结构(CNN-K,K=3,4,5)在MMCBNU_6000数据库上对测试集图像的分类正确率分别为93.31%、93.94%、85.63%,以灰度图像和二值图像分别作为CNN-4的输入在MMCBNU_6000数据库上对测试集图像的分类正确率对应为93.94%、91.92%,MC-CNN和CF-CNN在MMCBNU_6000数据库上对测试集图像的分类正确率分别为91.44%、94.62%,此外,与现有的其他算法相比,CF-CNN在MMCBNU_6000数据库上对高质量测试图像、低质量测试图像、整体测试集图像的分类正确率均最高。结论实验结果表明,基于CF-CNN学习到的融合质量特征比现有的手工特征和基于单一静脉形式学习到的特征表达效果更好,可以有效地对手指静脉图像进行高、低质量的区分。