摘要：针对水下图像出现蓝绿色偏、雾化和噪声等问题,提出一种基于颜色线模型和多尺度融合的水下图像增强算法.首先,设计一种局部自适应颜色校正方法对退化图像进行预处理,提高图像颜色线拟合效果并降低图像色偏的程度;然后,构建一种利用颜色线和背景光矢量求解偏置来估计透射率的凸优化算法,求得准确的模型参数来恢复图像实现图像去雾;接着,将预处理后的图像利用白平衡算法来补偿颜色的深度选择性吸收所造成的偏色,将白平衡处理后的图像分别利用伽玛校正和基于颜色线约束的噪声抑制算法进行处理,分别得到提高全局对比度和抑制噪声的图像;最后,对去雾、对比度增强和低噪声图像进行多尺度融合,得到特征丰富的水下增强图像.实验结果表明:所提出方法能够有效解决水下图像的色偏、雾化和噪声现象;相对于各对比算法,在水下彩色图像质量评价指标和峰值信噪比上分别提高了18.37%和42.16%,更好地保留了水下图像的颜色并降低了图像噪声.

摘要：近年来随着科技的发展私家车不断的普及,汽车数量的不断增加导致交通事故频发,面对这一问题大量学者在不断地进行研究,5G的出现使得无人自动驾驶的实现成为了可能,路径规划是无人驾驶技术的重点研究内容。目前大部分路径规划采用的是传统的A^(*)算法,但该算法存在搜索范围大、时间长、路径规划效率较低、损耗较大以及路径拐点较多等问题无法规划出最佳路径。这里在此基础上加以改进,通过建立栅格地图,构建新的动态衡量启发式A^(*)算法函数,通过新算法所得新路径再进行路经拐角优化,最后对改进的算法进行仿真并分析和比较,证明了新改进的算法和经过拐角路径优化可得到最佳路径。

摘要：针对传统特征提取方法极易造成信号丢失等问题,提出了将非线性特征中的排列熵引入运动想象特征提取,充分提取脑电的非线性特征。首先,对脑电信号进行预处理,去除杂波并保留脑电的有效信息;随后将预处理的脑电数据输入到排列熵中进行特征提取;使用二分类效果较好的支持向量机为分类器。将方法在脑电大赛数据集上进行验证,实验证明使用排列熵后,二分类的平均分类准确率能够达到90%,分类准确率较传统非线性特征有明显提升,排列熵能更好地进行脑电信号的特征提取。

摘要：针对欠驱动四轴飞行器控制系统在轨迹跟踪过程中存在参数不确定和易受外部干扰等问题,这里采用一种PID控制、非线性自抗扰控制(NLADRC)和PD控制技术相结合的控制方式对其位置和姿态进行控制,以偏航通道为例实现了扩张状态观测器(ESO)对内扰和外扰的估计及补偿。首先,根据四轴飞行器模型特点,实现了适用于4通道的参数整定方案,大大简化了参数整定难度;然后,设计了内外双环路控制器,其外环由PID控制,内环由ADRC和PD控制;最后,通过与串级PID控制在轨迹跟踪及抗扰性、鲁棒性方面进行仿真对比分析,结果表明该控制方法能够满足四轴飞行器在稳定度高和姿态调节快速性等方面的要求,自抗扰控制器能够对扰动进行很好地估计和补偿。

摘要：罗丹明6G的痕量检测需要具有较高的灵敏度,为提高SERS基底的增强因子从而提高检测灵敏度,设计了米花型SERS基底,采用有限元法对其拉曼增强效果进行仿真,模拟不同中心球半径r、米花花瓣轴a、b、c以及中心球与花瓣间距d条件下电场强度的变化,得出最佳结构参数,并计算其SERS增强因子。随后利用电化学沉积法制备该基底,并探究电压值以及柠檬酸三钠和AgNO_(3)的浓度配比对基底结构和性能的影响,从而制备出与理想物理模型形态最接近的米花型银/氮化钛薄膜基底。然后用其对罗丹明6G(R6G)进行痕量检测,探究该基底的拉曼增强效果以及稳定性。实验结果表明,当沉积电压为2V,柠檬酸三钠与AgNO_(3)浓度配比为1∶1 (2 mmol/L∶2 mmol/L)时,得到的米花型TiN-Ag复合SERS基底与理想化模型仿真形态最接近。经过计算得到该基底的增强因子可达10^(15),对罗丹明6G的检测限可达10^(-13)mol/L。实验结果证明设计的基底灵敏度高、稳定性强,可对食品非法添加剂的痕量检测提供技术支撑。

摘要：水下目标检测是海洋探测开发过程中一项具有挑战性的任务。针对现有的水下目标检测算法由于水下图像的低可见度和颜色失真等问题导致水下目标检测效果不佳的问题,提出了一种改进YOLOv7的水下目标检测算法,旨在提升水下目标检测性能。设计了一种多信息流融合注意力机制(spatial group-wise coordinated competi-tive attention,SGCA),解决卷积过程中由于图像全局上下文信息丢失而导致特征丢失的问题,提高了模型在图像模糊情况下的检测精度;并利用switchable atrous convolution(SAConv)模块替换ELAN结构中的3×3卷积模块,以增强骨干网络的特征提取能力。在预测部分采用Wise-IoU作为损失函数,Wise-IoU通过平衡不同质量图像上的模型训练结果,获得更准确的检测结果。采用基于暗通道先验(dark channel prior,DCP)和深度传输图的水下图像增强方法对水下数据集图像进行增强。实验结果表明,改进后的算法在自建的水下目标检测数据集上mAP取得了87.3%,与原始的YOLOv7算法相比较,mAP提高了3.4个百分点;在增强后的水下图像数据集上的mAP为87.1%,提升了2.1个百分点。因此,提出的策略在水下目标检测任务中具有优越的性能。

摘要：发展了基于沸石咪唑酯骨架材料-8(ZIF-8)的泡腾辅助分散固相萃取(ET-DSPE)技术,结合高效液相色谱-串联质谱法(HPLC-MS/MS)对人尿液中艾司唑仑、阿普唑仑、地西泮、三唑仑和劳拉西泮5种苯二氮卓类药物(BZDs)进行分析。采用傅里叶变换红外光谱、X射线衍射仪、扫描电子显微镜和全自动比表面积及孔隙分析仪对ZIF-8进行表征,并考察了ZIF-8和Na_(2)CO_(3)用量、吸附时间、溶液pH值及离子强度、尿液稀释比例、洗脱溶剂、洗脱体积和时间对BZDs萃取效率的影响。在最佳条件下,艾司唑仑在0.002~100 ng/mL,其余4种BZDs在0.001~100 ng/mL范围内线性关系良好(r≥0.999),检出限和定量下限分别为0.0003~0.0006 ng/mL和0.001~0.002 ng/mL,3个加标水平下的回收率为81.6%~108%,日内和日间相对标准偏差分别为1.4%~5.6%和1.4%~9.9%。该方法不仅能够直接处理原始尿液,无需稀释和去蛋白操作,而且通过泡腾辅助分散,对BZDs的富集倍数达40.8~54.0倍,实现了尿液中5种BZDs的准确、简便和灵敏分析。

摘要：烧结火焰图像中具有细粒度的局部火焰状态特征信息和复杂多变的全局火焰状态特征信息,而传统的卷积神经网络往往对局部特征更加敏感,难以提取火焰状态的全局特征信息,从而制约烧结火焰特征的表达能力,导致烧结火焰状态分类识别精度低。针对此类问题,提出一种基于CNN-Transformer的双流网络特征融合分类方法,该方法包含CNN(convolutional neural networks)流和Transformer流两个模块,首先将CNN块和Transformer块并行设计,CNN流提取烧结火焰RGB图像中的局部特征信息,Transformer流提取烧结火焰GRAY图像的全局特征信息;然后,将双流网络分别提取的烧结火焰状态局部特征信息和全局特征信息进行级联交互特征融合;最后,利用softmax分类器实现烧结火焰状态的分类。实验结果表明,火焰分类准确率可达96.20%,与传统卷积神经网络相比提升6%~8%的识别准确率。

摘要：为解决水下设备采集图像存在的雾化和颜色失真等退化问题,提出一种基于改进颜色线模型的水下图像增强方法。首先,提出一种基于改进四叉树细分的水下背景光估计方法,消除水下因素的干扰,得到更加准确的背景光估计值。其次,建立基于颜色线规律的局部透射率优化模型,并设计一种新的Gauss-Seidel型交替线性极小化(Gauss-Seidel Type Inertial Proximal Alternating Linearized Minimization Algorithm,GiPALM)非凸优化方法求解透射率,在提高模型收敛速度的同时得到更加准确的透射率估计值。最后,在背景光和透射率估计得到恢复图像的基础上,进一步采用线性拉伸校正图像的颜色信息,得到符合人眼感官视觉的水下增强图片。实验结果表明,本文方法在主观评价、客观评价、颜色准确度和应用测试等方面均优于其他先进算法,展现了出色的性能,有效提高了水下图像的清晰度和可视性。

摘要：针对复杂水下环境导致水下目标检测时出现误检、漏检以及检测效率低等问题,提出了一种改进YOLOv8模型的轻量化水下目标检测算法。首先,为了改善颈部网络特征融合不足的问题,将YOLOv8的颈部网络融合(Bidirectional Feature Pyramid Network,BiFPN)双向特征金字塔结构,提高小目标层的检测效果;其次,针对网络中卷积模块参数量大和计算复杂度高的问题,设计了一种自适应注意力下采样(Adaptive-Attention Down-Sampling,AADS)模块,将主干网络中的卷积模块替换为AADS模块,降低模型参数量和计算量;最后,引入大可分离核注意力机制(Large Separable Kernel Attention,LSKA),强化特征提取能力,使模型能够更精确地关注重要信息,提高目标检测精度。将改进的网络在水下目标检测数据集中进行实验,改进后的算法与YOLOv8相比,平均检测精度提升了1.4%,模型计算复杂度降低了15.9%,模型参数量减少了43.3%,使检测精度和检测速度之间达到了很好的平衡。