摘要：现有基于偏微分方程(Partial differential equation,PDE)的多智能体系统(Multi-agent system,MAS)编队控制方法要求智能体必须是密集分布的,为打破这一限制,提出一种新的基于常微分−偏微分方程(Ordinary differential equation-partial differential equation,ODE-PDE)的分析方法,以解决稀疏−密集混合分布的大规模异构MAS编队问题.首先,通过设计特定的通信协议,并基于空间离散系统部分连续化方法,将原始大量的异构MAS的ODE动力学模型转化为由一个PDE和少数几个ODE耦合而成的ODE-PDE模型.为更符合实际复杂场景,将拓扑权值规定为半马尔科夫切换的,且稀疏分布和密集分布智能体遵循不一致的切换规则.其次,针对无时滞和有时滞两种情形,设计两种异步边界控制策略,利用Lyapunov方法得到保证误差系统实际有限时间稳定的充分条件,并得到停息时间和稳定阈值的计算规则.最后,两个广义的数值仿真进一步验证了所提方法的有效性.

摘要：以广距鸟瞰视角拍摄获取的遥感图像通常具有目标种类多、尺度变化大以及背景信息丰富等特点,为目标检测任务带来巨大挑战。针对遥感图像成像特点,该文设计一种上下文感知多感受野融合网络,通过充分挖掘深度网络中遥感图像在不同尺寸特征描述下所包含的上下文关联信息,提高图像特征描述力,进而提升遥感目标检测精度。首先,在特征金字塔前4层网络中构建了感受野扩张模块,通过扩大网络在不同尺度特征图上的感受野范围,增强网络对不同尺度遥感目标的感知能力;进一步,构建了高层特征聚合模块,通过将特征金字塔网络中高层语义信息聚合到低层特征中,从而将特征图中所包含的多尺度上下文信息进行有效融合;最后,在双阶段定向目标检测框架下设计了特征细化区域建议网络。通过对一阶段提案进行精细化处理,提升提案准确性,进而提高二阶段兴趣区域对齐网络得到的不同成像方向下的遥感目标检测性能。在公测数据集DIOR-R和HRSC2016上的定性和定量的对比实验结果证明,所提方法对不同种类和尺度大小的遥感目标均能实现更加准确的检测。

摘要：探讨了领导者-跟随者结构下的无人机编队控制问题。针对传统编队控制依赖外部定位设备和通信设备的问题,设计了一种基于方向信息的自适应事件触发编队控制策略,利用片上摄像头测量相对方向,以减少对外部设备的依赖;进一步针对编队系统的建模误差和外部扰动设计了模糊系统,并将事件触发机制、自适应策略与反演控制相结合,设计了一种新型的方向编队控制器,不仅实现了编队控制,而且避免了控制律的连续更新,从而节约了无人机的计算资源;接着,基于Lyapunov理论证明了闭环控制系统的稳定性;最后,通过仿真实验验证了所提控制策略的有效性。

摘要：针对常规车牌识别算法难以进行不同长度的车牌字符识别以及运算量较大的问题,设计一种改进的轻量化YOLOv5s+CRNN算法以实现车牌识别。首先,对YOLOv5s模型进行轻量级设计优化,采用PP-LCNet网络来取代YOLOv5s的原始骨干网络,同时在Neck部分引入轻量级卷积结构DWConv以及一次性聚合VoV-GSCSP模块。实验结果显示,改进后的模型与原模型相比,在mAP值几乎不变的前提下,参数量降低了50.99%,而检测速度提升了27.92%。然后引入轻量级卷积结构GSConv对CRNN进行轻量化优化。优化实验结果显示,改进后的模型与原模型相比,参数量降低了约48%,平均单张图像的检测时间大约为30 ms,比原算法提升约32%。最后将改进的模型进行组合,改进后的YOLOv5s+CRNN模型平均精度均值(mAP)达到了77.6%,比改进前提升了约0.6%,字符识别的准确度降低了约0.44%,并且参数量降低了50.7%,检测速度达到了142 f/s,获得了良好的车牌识别效果。

摘要：这里针对常见的PCB制造缺陷,设计了一种了基于卷积神经网络的视觉检测系统。首先搭建了包括图像采集、检测结果显示与标记等模块的系统平台。通过数据采集平台拍摄PCB样本作为训练数据,使用均值滤波和数据增强技术对图像进行处理和扩充,并利用SRGAN算法进行了超分辨率重建。使用GhostNET中的Ghost module对YOLOv5s进行了轻量化改进,实验结果表明,该系统具有较高的准确率,在识别准确度方面达到93%,标记准确率达到98%,同时模型的参数量压缩了48%,能够满足实际检测需求。

摘要：诸多奶粉生产企业在转型升级时发现原有老旧设备已无法达到预期产能目标要求,而且随着国家愈发重视食品生产,对于产线设备的检查也更为严格,部分老旧设备在卫生、安全等方面的隐患相继凸显。本文以实际项目为研究案例,深入分析三工位抽真空充氮封罐机的设计与研发,最终研制完成的封罐机设备具有先进性。通过对传统双工位设备的技术分析与性能评估,明确三工位设计的必要性,进而制定出详细的结构设计方案。

摘要：文章围绕项目实例中的EVA搅拌机设计与开发技术展开分析,旨在提供一种便于助剂搅拌均匀和喷料精确度控制的EVA搅拌机新型设备,用以降低人工劳动强度,满足EVA搅拌机自动化运转需要。基于EVA搅拌机设计与开发的需求,采用重点分析研究法,探究了设计阶段的重点技术,涵盖机械结构设计、电气图纸制定、控制程序编写等内容,然后针对搅拌机开发难点问题进行梳理,并提出了相应的喷料精确度控制和搅拌均匀度保证措施,最终成功研发设计出新型EVA搅拌机设备,取得了一定的技术研发成果,希望为有关技术人员提供有益借鉴。

摘要：智能电表在智能电网建设中发挥着重要作用。传统的智能电表只能够实现用电数据信息的采集、测量和传输,随着智能电网的不断发展,对智能电表的要求不断提高,除具有传统的功能外,还要求具备分析、检测等功能,如具备谐波检测等。本文选择STM32系列芯片进行智能电表的开发和设计。首先完成了智能电表的整体结构设计;其次进行智能电表的硬件模块和软件模块设计。其中硬件模块主要完成了主控制器电路、前置采集电路、ADC采样电路等模块的设计。软件模块则给出了主程序流程、电能计量与谐波分析程序流程,为整个智能电表的运行奠定了基础。随后论文对所设计智能电表进行性能测试,结果 验证了智能电表设计方案的正确性。

摘要：由于水下特殊的成像环境,水下图像往往具有严重的色偏雾化等现象。因此文中根据水下光学成像模型设计了一种新的增强算法,即基于细节增强和多颜色空间学习的无监督水下图像增强算法(UUIE-DEMCSL)。该算法设计了一种基于多颜色空间的增强网络,将输入转换为多个颜色空间(HSV、RGB、LAB)进行特征提取,并将提取到的特征融合,使得网络能学习到更多的图像特征信息,从而对输入图像进行更为精确的增强。最后,UUIE-DEMCSL根据水下光学成像模型和联合监督学习框架进行设计,使其更适合水下图像增强任务的应用场景。在不同数据集上大量的实验结果表明,文中提出的UUIE-DEMCSL算法能生成视觉质量良好的水下增强图像,且各项指标具有显著的优势。

摘要：人工智能的飞速发展给生物学研究带来了深远影响,其中,AlphaFold2在蛋白质结构预测领域引发了革命性的突破。评估了AlphaFold2对G蛋白偶联受体(GPCR),结构预测的可靠性,凭借其对蛋白质三维结构的高度准确预测。然而,在实际应用中,AlphaFold2的预测结果并非在所有场景下都足够精确。以GPCR为例,这类重要的药物靶点参与了广泛的生理过程,其结构研究对理解功能机制和药物开发具有重要意义。结果表明,尽管AlphaFold2能够准确捕捉GPCR整体骨架的主要特征,但其预测模型在胞外域与跨膜域的组装、配体结合口袋的形状,以及信号传导界面的构象等方面,与实验解析的高分辨率结构存在显著差异。这些差异限制了AlphaFold2模型在GPCR功能研究和基于结构的药物设计中的应用能力。因此,尽管AlphaFold2为结构预测提供了强大的工具,但其在特定场景下的局限性表明,AI结构预测作为一种辅助工具,尚不能完全取代实验结构生物学,需要联合使用以辅助药理学研究和药物设计。