摘要：目的 肺部肿瘤早期症状不典型易导致错过最佳治疗时间,有效准确的肺部肿瘤检测技术在计算机辅助诊断中变得日益重要,但在肺部肿瘤PET/CT(positron emission computed tomography/computed tomography)多模态影像中,肿瘤与周围组织粘连导致边缘模糊和对比度低,且存在病灶区域小、大小分布不均衡等问题。针对上述问题,提出一种跨模态注意力YOLOv5(cross-modal attention you only look once v5, CA-YOLOv5)的肺部肿瘤检测模型。方法首先,在主干网络中设计双分支并行的自学习注意力,利用实例归一化学习比例系数,同时利用特征值与平均值之间差值计算每个特征所包含信息量,增强肿瘤特征和提高对比度;其次,为充分学习多模态影像的多模态优势信息,设计跨模态注意力对多模态特征进行交互式学习,其中Transformer用于建模深浅层特征的远距离相互依赖关系,学习功能和解剖信息以提高肺部肿瘤识别能力;最后,针对病灶区域小、大小分布不均衡的问题,设计动态特征增强模块,利用不同感受野的多分支分组扩张卷积和分组可变形卷积,使网络充分高效挖掘肺部肿瘤特征的多尺度语义信息。结果 在肺部肿瘤PET/CT数据集上与其他10种方法进行性能对比,CA-YOLOv5获得了97.37%精度、94.01%召回率、96.36%mAP(mean average precision)和95.67%F1的最佳性能,并且在同设备上训练耗时最短。在LUNA16(lung nodule analysis 16)数据集中本文同样获得了97.52%精度和97.45%mAP的最佳性能。结论 本文基于多模态互补特征提出跨模态注意力YOLOv5检测模型,利用注意力机制和多尺度语义信息,实现了肺部肿瘤检测模型在多模态影像上的有效识别,使模型识别更加准确和更具鲁棒性。

摘要：由于不同的照明条件、复杂的大气环境等因素,相同端元的光谱特征在图像的不同位置呈现出可见的差异,这种现象被称为端元的光谱变异性。在相当大的场景中,端元的变异性可能很大,但在适度的局部同质区内,变异性往往很小。扰动线性混合模型(Perturbed Linear Mixing Model,PLMM)在解混的过程中可以减轻端元变异性造成的不利影响,但是对缩放效应造成的变异性的处理能力较弱。为此,本文改进了扰动线性混合模型,引入了尺度因子以处理缩放效应造成的变异性,并结合超像素分割算法划分局部同质区,然后设计出基于局部同质区共享端元变异性的解混算法(Shared Endmember Variability in Unmixing,SEVU)。与扰动线性混合模型,扩展线性混合模型(Extended Linear Mixing Model,ELMM)等算法相比,所提SEVU算法在合成数据集上平均端元光谱角距离(mean Spectral Angle Distance,mSAD)和丰度均方根误差(abundance Root Mean Square Error,aRMSE)最优,分别为0.0855和0.0562;在Jasper Ridge和Cuprite真实数据集上mSAD是最优的,分别为0.0603和0.1003。在合成数据集和两个实测数据集上的实验结果验证了SEVU算法的有效性。

摘要：为了解大尺寸预应力UHPC箱梁的抗弯性能,以预应力UHPC公路桥——河北石磁跨线桥为背景,设计、制作1片长30 m的足尺预应力UHPC箱梁模型进行四点弯曲试验,结合有限元计算结果,分析试验现象及裂缝分布、跨中荷载~位移曲线、受拉区UHPC及筋材应力~应变曲线。在此基础上分别考虑普通钢筋配筋情况、预应力筋数、腹板厚度和底板厚度等参数对预应力UHPC箱梁进行结构优化设计研究。结果表明:箱梁破坏时受压区UHPC未压溃、受拉区钢纤维被拔出,裂缝贯通底板;根据荷载~位移曲线,箱梁受力可分为弹性阶段、裂缝发展阶段、裂缝快速发展阶段和破坏阶段;根据应力~应变曲线,受拉区UHPC在纵筋屈服时仍能贡献抗拉能力;试验现象及力学指标实测值均说明了预应力UHPC箱梁抗弯能力还有很大富裕空间,可进一步优化。完全不配置普通钢筋的预应力UHPC箱梁仍能满足抗弯承载能力极限状态设计要求;底部预应力筋数增多可有效提高受压区UHPC的抗压强度利用率;腹板厚度过薄会造成腹板主拉应力过大问题,不宜薄于8 cm;采用体外预应力的方法可有效减薄底板所需厚度。

摘要：为进一步提升跨模态检索性能,提出自注意力相似度迁移跨模态哈希网络模型。设计了一种通道空间混合自注意力机制强化关注图像的关键信息,并使用共同注意力方法加强模态信息交互,提高特征学习质量;为在哈希空间重构相似关系,采用迁移学习的方法利用实值空间相似度引导哈希码的生成。在3个常用的数据集MIRFLICKR-25K、IAPR TC-12和MSCOCO上与深度跨模态哈希(DCMH)、成对关系引导的深度哈希(PRDH)、跨模态汉明哈希(CMHH)等优秀方法进行对比实验,结果显示哈希码长度为64 bit的条件下,所提模型在3个数据集图像检索文本任务的平均精确度均值(MAP)达到72.3%,文本检索图像任务的MAP达到70%,高于对比方法。

摘要：针对存在模型非线性和参数不确定性的智能车辆转向系统的预设性能跟踪控制问题,采用径向基函数神经网络对转向系统中的不确定非线性进行在线逼近,结合障碍Lyapunov函数技术为智能车辆的线控转向系统设计预设性能控制器。在控制器设计中,采用动态增益技术补偿控制增益未知对系统控制性能的影响。利用Lyapunov方法分析系统的稳定性,证明在控制器作用下,前轮转角的跟踪误差在预设的时间内收敛至原点预设的邻域;通过数值仿真和整车实验验证了控制方法的合理性。

摘要：旱作马铃薯生育中后期缺氮易引发叶片早衰,研究不同施氮量对旱地马铃薯抗氧化特性、干物质积累特性及产量的影响,探究适合宁夏南部山区马铃薯生产的适宜施氮量,可以为该地区马铃薯绿色高效栽培提供技术支撑。本研究于2019—2020年在宁夏海原县开展试验,以‘青薯9号’为供试材料,采取随机区组试验设计,共设置0 kg·hm^(−2)(N0)、75 kg·hm^(−2)(N1)、150 kg·hm^(−2)(N2)和225 kg·hm^(−2)(N3)4个氮素处理,测定其叶片抗氧化酶活性、脯氨酸(Pro)含量及干物质质量等相关参数。2年研究结果表明,适宜施氮量可显著增加马铃薯产量、改善干物质积累特性和延缓叶片衰老,其中以N2处理(施氮量为150 kg·hm^(−2))总体表现最佳。与N0相比,各施氮处理在马铃薯生育后期(苗后90~105 d)的叶面积指数(LAI)和叶片相对叶绿素含量(SPAD)显著增加,同时对抗氧化酶活性的提升和干物质积累特性的持续优化均有一定效果,其中,以N2处理的总体优势最为显著。此外,N2较其他处理可提高马铃薯生育后期叶片超氧化物歧化酶(SOD)、过氧化氢酶(CAT)、过氧化物酶(POD)活性,显著降低丙二醛(MDA)和脯氨酸(Pro)含量,并显著提高最大干物质积累速率(G_(max))和达到最大干物质积累速率时的生长量(W_(max)),持续改善干物质积累特性,增加块茎干物质质量,进而提升产量。产量回归方程表明,达到最大理论产量的最佳施氮范围为150~196 kg·hm^(−2)(2019年)和150~169 kg·hm^(−2)(2020年)。相关性分析结果表明,马铃薯产量与其叶片SOD、POD和CAT活性、最大干物质积累速率(G_(max))和干物质活跃积累天数(D)呈显著或极显著正相关,同时产量和干物质积累特性均与叶片MDA、Pro含量呈显著或极显著负相关。因此,施氮量为150 kg·hm^(−2)(N2)能显著优化马铃薯干物质积累特性,提高生育后期叶片保护酶活性,减少膜脂过氧化产物(MDA)的积累,可作为宁夏旱作区马铃薯绿色高产、高效栽培推荐施氮量。

摘要：为了解决数据的长尾分布容易造成网络模型识别准确度下降的问题,提出了一种基于因果推断的两阶段长尾分类模型。首先采用重加权的方法去除特征和标签之间可能存在的虚假关联;其次通过平衡微调进一步提升模型在少样本尾部类别识别的准确率。模型可分为两个阶段:第一阶段设计了具有迭代优化效果的去相关样本重加权算法以去除虚假相关,达到稳定预测的效果;第二阶段设计了基于CAM的类平衡采样算法进行平衡微调训练,使来自不平衡数据集的学习特征在所有类别之间转移和重新平衡,以提高模型在尾部类别的分类性能。实验结果证明了模型具有较优的性能,同时,无论从理论层面还是数据层面都具有较好的可解释性。

摘要：为提高设施番茄灌溉的精准性,该研究设计了一种基于称量反馈的灌溉系统,该系统包括称量反馈模块、多源信息采集传输模块、灌溉决策模块与水肥执行模块。称量反馈灌溉决策首先利用卫星定位模组获取灌溉地经纬度信息自动计算当天的日出时刻、日落时刻、日中时刻,结合椰糠条吸水特性与番茄植株日需水量变化规律,把1 d自动划分为4个不同的动态灌溉阶段;根据温室内温湿度信息及排液电导率(electrical conductivity,EC)值反馈的番茄植株根部信息,制定了一般模式灌溉肥液或洗盐模式灌溉清水(或低浓度营养液)。设计试验以基于辐射累积控制灌溉、定时灌溉作为对照,分别从栽培效果、灌溉效果、应用效益方面验证该灌溉系统的应用效果。结果显示使用该称量反馈灌溉系统比基于辐射累积控制灌溉系统灌溉量增加1.8%,用肥量减少7.3%,排液比降低7.9%,排液EC值降低9.3%;与定时灌溉方式相比灌溉量减少11.3%,用肥量减少20.0%,排液比降低17.9%,排液EC值降低4.9%。栽培效果显示,使用该称量反馈灌溉系统的椰糠条栽培番茄在茎粗、叶片叶绿素相对含量、糖度值、单穗质量和基于辐射累积的控制灌溉相比无显著性差异(P>0.05),但株高增加4.8%;与定时灌溉相比在株高、茎粗、叶片叶绿素相对含量、糖度值、单穗质量均无显著性差异(P>0.05)。预计使用该称量反馈灌溉系统,园区15栋日光温室(1.22 hm^(2))相比基于辐射累积控制灌溉,应用效益月节约0.276万元,与定时灌溉方式相比,园区月节约2.247万元。该系统简化了番茄植株需水量的计算过程,实现了番茄栽培水分的精准感知与按需精量灌溉。

摘要：针对类增量学习中的灾难性遗忘问题,提出一种基于多样性样本回放的类增量学习方法。为使类增量学习能够时序、快速地输入任务数据流,在因果卷积网络模型中引入自注意力机制;通过样本分类的不确定性和数据增强抽取多样性回放样本,提升新任务渐进式学习的效果并防止模型对旧任务的遗忘;采用一阶段生成伪特征与真实特征加权对比进行剪枝去除冗余的网络参数。实验结果表明,提出算法的精度优于经典增量学习算法,可有效缓解灾难性遗忘问题并提升增量学习性能。

摘要：文中设计了一种具有多翼吸引子的四维混沌系统,通过改变系统的多组参数,观察到吸引子结构由四翼变为双翼。采用相图、Lyapunov指数谱、分岔图和复杂度等方法,验证系统的动力学特性。结果表明,通过改变系统参数和选择不同的初始值,系统呈现出极性相反但结构相似的吸引子共存现象。使用Multisim仿真软件进行了电路仿真,发现数值分析和模拟仿真结果一致,验证了系统的可实现性。最后,采用线性反馈同步法对该系统进行了同步控制,并成功实现了同步电路仿真。所设计系统具有丰富的多稳态特性,主从系统在极短的时间内达到了同步,同步效果良好,可广泛应用于保密通信领域。