摘要：实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点,该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息,再经过特征融合网络(FFN)获得准确语义图像。AAFNet采用扩展的深度可分离卷积(DDW)可增大语义特征提取感受野,提出自适应平均池化(Avp)和自适应最大池化(Amp)构成自适应注意力机制融合模块(AAFM),可细化目标边缘分割效果并降低小目标的漏分率。最后在复杂城市街道场景Cityscapes和CamVid数据集上分别进行了语义分割实验,所设计的AAFNet以32帧/s(Cityscapes)和52帧/s(CamVid)的推理速度获得73.0%和69.8%的平均分割精度(mIoU),且与扩展的空间注意力网络(DSANet)、多尺度上下文融合网络(MSCFNet)以及轻量级双边非对称残差网络(LBARNet)相比,AAFNet平均分割精度最高。

摘要：针对同时存在外界未知干扰和执行器失效故障的四旋翼无人机系统,文中基于区间观测器技术提出了一种基于故障补偿思想的鲁棒容错控制方法。同时考虑了未知扰动和执行器失效故障的对四旋翼无人机系统的影响,针对四旋翼无人机系统的扰动项,构造区间观测器进行估计,并结合估计值进行标称控制器设计,通过引入补偿项削弱了执行器失效故障对系统带来的不利影响,依据反步控制的基本框架完成了四旋翼无人机鲁棒补偿容错控制器的设计。仿真结果表明,设计的容错控制器能够缓解干扰和故障对系统的不利影响,提高了四旋翼无人机的安全性能。

摘要：优化离子液体辅助微波法提取紫苏梗中的黄酮工艺,为进一步利用紫苏梗提供依据.将离子液体加到提取溶剂中,采用辅助微波法提取紫苏梗中的黄酮.依次改变离子液体的种类、浓度、提取溶剂总体积与药材质量比、微波时间、微波温度,以总黄酮提取率为指标,确定单因素最佳条件,在单因素试验结果的基础上结合响应曲面设计优化最佳提取条件,用HPLC测定咖啡酸、木犀草苷、芦丁、迷迭香酸等成分的含量,探究不同方法对紫苏梗中黄酮提取的变化规律.结果表明,最佳提取条件为微波功率750 W,料液比1∶30(g/mL),离子液体体积比12∶1,温度70℃.比较传统方法和高效液相法黄酮中主要成分含量可知,离子液体法比传统方法提取率提高.将离子液体运用于紫苏梗中黄酮提取的方法可行.

摘要：优化离子液体辅助微波法提取橘皮中的黄酮工艺,为进一步提取橘皮中的黄酮类化合物提供依据。将离子液体加入提取溶剂中辅助微波法提取橘皮中的黄酮,依次改变离子液体的种类、浓度、提取溶剂总体积、药材质量比、微波时间、微波温度。以总黄酮提取率为指标,在确定单因素最佳条件基础上结合响应曲面设计优化最佳提取工艺。用HPLC法测定柚皮甙、橙皮苷、新橙皮苷等成分的含量,探究不同提取方法提取橘皮中黄酮的变化规律。最优提取条件为微波功率400 W,m(原料)∶V(提取液)=20 g/mL,V(乙醇)∶V(离子液体)=12,t=50℃,提取橘皮黄酮的提取率预测值为0.196 501%。比较传统方法和离子液体法黄酮中主要成分含量,后者提取率较高。

摘要：优化离子液体辅助微波法提取紫苏籽粕中的黄酮工艺,为进一步高值化利用紫苏籽粕废弃物提供依据。将离子液体加至提取溶剂中辅助微波法提取紫苏籽粕中的黄酮。以总黄酮提取率为指标,在单因素实验结果的基础上结合响应曲面设计优化最佳提取条件,HPLC测定咖啡酸、木犀草苷、迷迭香酸、槲皮素、木犀草素等成分的含量,探究不同方法对紫苏籽粕中黄酮提取的变化规律。最佳提取条件为微波功率860 W,V(提取液)∶m(原料)=30 mL/g,V(乙醇)∶V(离子液体)=10,t=70℃,紫苏籽粕黄酮的实际提取率为3.18%,与预测值3.1769%接近。HPLC测定黄酮含量,离子液体法提取黄酮成分含量均高于传统方法。微波辅助离子液体提取紫苏籽粕黄酮的新方法具有可行性。

摘要：雨天会影响室外图像捕捉的质量,进而引起户外视觉任务性能下降。基于深度学习的单幅图像去雨研究因算法性能优越而引起了大家的关注,并且聚焦点集中在数据集的质量、图像去雨方法、单幅图像去雨后续高层任务的研究和性能评价指标等方面。为了方便研究者快速全面了解该领域,本文从上述4个方面综述了基于深度学习的单幅图像去雨的主流文献。依据数据集的构建方式将雨图数据集分为4类:基于背景雨层简单加和、背景雨层复杂融合、生成对抗网络(generative adversarial network,GAN)数据驱动合成的数据集,以及半自动化采集的真实数据集。依据任务场景、采取的学习机制以及网络设计对主流算法分类总结。综述了面向单任务和联合任务的去雨算法,单任务即雨滴、雨纹、雨雾和暴雨的去除;联合任务即雨滴和雨纹、所有噪声去除。综述了学习机制和网络构建方式(比如:卷积神经网络(convolutional neural network,CNN)结构多分支组合,GAN的生成结构,循环和多阶段结构,多尺度结构,编解码结构,基于注意力,基于Transformer)以及数据模型双驱动的构建方式。综述了单幅图像去雨后续高层任务的研究文献和图像去雨算法性能的评价指标。通过合成数据集和真实数据集上的综合实验对比,证实了领域知识隐式引导网络构建可以有效提升算法性能,领域知识显式引导正则化网络的学习有潜力进一步提升算法的泛化性。最后,指出单幅图像去雨工作目前面临的挑战和未来的研究方向。

摘要：针对TLD目标跟踪算法在实际跟踪过程中会受到遮挡、旋转、运动模糊等问题的影响,提出了一种改进的TLD算法,在跟踪模块中引入改进FAST角点算法,并在检测模块中建立随机切块的数据增强方法下的正样本库,引入旋转不变LBP算法,设计了一个旋转不变性的分类器。跟踪模块的改进不仅保证了算法的准确度,还提升了算法的实时性。检测模块的改进使得TLD算法即使在运动目标部分被遮挡或发生形态改变的情况下依旧有很好的跟踪效果。对数据集OTB-2013进行实验验证发现,本文算法与其他5种算法相比,不仅跟踪精确度高、运行速度快,还能有效提高运动目标被遮挡时的跟踪效果。

摘要：为解决传统织针驱动系统性能不佳以及磁阻式磁悬浮织针驱动系统的电磁力非线性问题,提出一种线性的洛伦兹力磁悬浮织针驱动系统。基于已有驱动系统实验平台,首先对系统的电磁力输出进行了测试,得出电磁力输出与线圈电流呈线性关系且与线圈所在磁场位置无关;其次设计了系统自适应鲁棒滑模控制器并进行实验,在该控制下织针0.6 s达到稳态且过程无超调量产生,系统具有较好的扰动抑制能力,且稳态误差保持在±15μm之间;最后将自适应鲁棒滑模控制与比例积分微分(PID)闭环反馈控制的实验结果进行对比分析。实验结果表明,洛伦兹力磁悬浮织针驱动系统为线性系统,且线性度较高,自适应鲁棒滑模控制系统具有较好的控制效果,且与PID控制相比在提高响应速度、控制超调量与抗干扰方面具有明显优势。

摘要：目的:非正常足型的发展会对儿童的生长和生活带来不利的影响,儿童非正常足型的早期诊断有利于对儿童足型的及时矫正。文章对文献中儿童足型分类的方法进行总结与回顾,以期为临床医生在儿童非正常足型的预防与矫正策略的研究上提供有价值的参考信息。方法:在万方、维普、中国知网、Web of Science和PubMed数据库中对儿童足型分类的相关文献进行检索,并对儿童足型分类的方法进行分类、归纳与系统评价。结果:(1)最终纳入12篇文献,其中儿童足型分类方法主要包括足印指数法、放射学评估法、临床检查法和人体测量学检查法共4种;(2)各种分类方法的优缺点:足印法简单快捷,但测量结果具有片面性;放射学评估法具有潜在的辐射风险,且成本高、流程复杂;临床检查法虽快捷、成本低,但具有较强的主观性;人体测量学检查法虽然较为准确,但耗时较长;(3)在以往研究中,研究人员大多数选择经济快捷的足印法作为儿童足型的分类方法,且部分研究采用多种指标相结合的方式以提高儿童足型分类的准确性;(4)目前较为准确的儿童足型的分类方法就是采用多种指标相结合的方式。结论:目前儿童足型的分类缺乏金标准,多数足型分类方法仅显示足部静态的结构特征,未来的研究需建立静态足部结构和动态足部功能之间的关系,以增加儿童足型分类结果的准确性和科学性,从而在儿童骨骺闭合年龄结束前对儿童足部的健康成长和发育提供良好的策略。

摘要：牙颌模型分割是虚拟正畸系统的关键环节,针对传统的分割方法人工干预较多且交互操作复杂的问题,提出一种基于DensePoint的端到端牙颌模型语义分割方法。对牙颌模型的三维点云数据进行采样、标注和扩增处理,以满足分割网络训练要求;结合U-Net设计基于DensePoint的牙颌模型语义分割网络,同时面向点云数据集对网络下采样过程中的局部空间参数进行适应性优化,以确保网络能够提取到有效的局部特征;在Python环境和Pytorch框架中进行实现,并在增强的点云数据集上进行对比实验。结果表明:该方法的分割效果更优,准确率约90%,并且在相邻的牙齿边界和畸形的牙齿模型上具有更好的鲁棒性,较好地满足了虚拟正畸系统智能化的需求。