摘要：云及其阴影的有效分割是遥感图像处理领域中重要的问题,它对于地表特征提取、气候检测、大气校正等有很大帮助.然而云和云影遥感图像特征复杂,云分布多样不规则,且边界信息模糊易受背景干扰等特点,导致其特征难以准确提取,也少有专门为其设计的网络.针对以上问题,本文提出一种ViT(vision Transformer)和D-UNet双路网络.本文网络分为两个分支:一路是基于卷积的局部特征提取模块,在D-UNet的膨胀卷积模块基础上,引入深度可分离卷积,提取多尺度特征的同时,减少参数;另一路通过ViT在全局上理解上下文语义,加深对整体特征提取.两支路间存在信息交互,完善提取的特征信息.最后通过独特设计的融合特征解码器,进行上采样,减少信息丢失.模型在自建的云和云影数据集以及HRC_WHU公开数据集上取得优越的性能,在MIoU指标上分别领先次优模型0.52%和0.44%,达到了92.05%和85.37%.

摘要：针对传统语义分割模型参数量大、计算速度慢且效率不高等问题,改进一种基于DeeplabV3+网络的轻量化语义分割模型Faster-DeeplabV3+。Faster-DeeplabV3+模型采用轻量级MobilenetV2代替Xception作为主干特征提取网络,大幅减少参数量,提高计算速度;引入深度可分离卷积(deep separable convolution, DSC)与空洞空间金字塔(atrous spatia pyramid pooling, ASPP)中的膨胀卷积设计成新的深度可分离膨胀卷积(depthwise separable dilated convolution, DSD-Conv),即组成深度可分离空洞空间金字塔模块(DP-ASPP),扩大感受野的同时减少原本卷积参数量,提高运算速度;加入改进的双注意力机制模块分别对编码区生成的低级特征图和高级特征图进行处理,增强网络对不同维度特征信息提取的敏感性和准确性;融合使用交叉熵和Dice Loss两种损失函数,为模型提供更全面、更多样的优化。改进模型在PASCAL VOC 2012数据集上进行测试。实验结果表明:平均交并比由76.57%提升至79.07%,分割准确度由91.2%提升至94.3%。改进模型的网络参数量(params)减少了3.86×10~6,浮点计算量(GFLOPs)减少了117.98 G。因此,Faster-DeeplabV3+算法在大幅降低参数量、提高运算速度的同时保持较高语义分割效果。

摘要：伪装目标检测是一项在复杂场景中定位和识别伪装目标的任务.目前基于深度神经网络的方法已初步运用,但在复杂场景下遇到干扰时,许多方法无法充分利用目标的多级特征来提取丰富的语义信息,仅依靠固定尺寸特征识别伪装目标.为解决这一问题,本文提出了一种基于多尺度特征融合交互的伪装目标检测网络.该网络包含两个创新设计:多尺度特征感知模块和双阶段邻级交互模块.前者旨在通过结合多尺度特征的方式充分捕获复杂场景中丰富的局部-全局场景对比信息.后者则是整合来自相邻层的特征以利用跨层相关性将有价值的上下文信息从编码器传输到解码器网络.本文在CHAMELEON、CAMO-Test、COD10K-Test这 3 个公共数据集上对提出的方法进行了评测并与当前的主流方法对比.实验结果表明,本文方法的性能超越了当前的主流方法,在各项指标上达到了优异的性能水平.

摘要：为降低太阳辐射对机载下投式探空仪中温度传感器的影响,设计了一种阵列式NTC珠状热敏电阻探空温度传感器。该传感器阵列通过探头间的太阳辐射误差比值推算大气环境温度的真实值。首先,通过计算流体动力学(computational fluid dynamics, CFD)方法选出传感器探头的最优引线夹角,再对表面涂覆不同太阳辐射反射率涂层的探头进行太阳辐射误差比值计算;然后利用支持向量机(support vector machine, SVM)拟合仿真,得到辐射误差比值拟合模型;最后,搭建低气压风洞以及太阳模拟器实验平台。实验结果表明,该温度传感器阵列可将测量误差降低至0.065℃,均方根误差降至0.078℃,有望将太阳辐射误差对下投式探空仪温度测量的影响降低至0.1℃以内。

摘要：当物联网设备(Internet of Things Device,IoTD)面临随机到达且复杂度高的计算任务时,因自身计算资源和能力所限,无法进行实时高效的处理.为了应对此类问题,设计了一种两层无人机辅助的移动边缘计算(Mobile Edge Computing,MEC)模型.在该模型中,考虑到IoTD处理随机计算任务时的局限性,引入多架配备MEC服务器的下层无人机和单架上层无人机进行协同处理.为了实现系统能耗最优化,提出了一种资源优化和多无人机位置部署方案,根据计算任务到达的随机性,应用李雅普诺夫优化方法将能耗最小化问题转化为一个确定性问题,应用差分进化(Differential Evolution,DE)算法进行多次变异、交叉和选择取得无人机的优化部署方案;采用深度确定性策略梯度(Depth Deterministic policy Gradient,DDPG)算法对带宽分配、计算资源分配、传输功率分配和任务卸载分配进行联合优化.实验结果表明,该算法相较于对比算法系统能耗降低35％,充分验证了其可行性和有效性.

摘要：地面气象测温传感器受太阳辐射的影响,测量时其辐射误差可达1 K量级。针对此问题,设计了一种新型地面测温传感器结构。使用计算流体动力学(computational fluid dynamics,CFD)方法将多个气象参数下的仪器辐射误差进行量化,采用粒子群优化支持向量机算法对其结果进行拟合,得到辐射误差修正方程。以076B强制通风仪器的测量值作为温度基准开展场外实验。结果表明,设计的地面气象测温传感器经修正方程修正后的测量结果与温度基准的均方根误差(root mean square error,RMSE)和平均绝对误差(mean absolute error,MAE)分别为0.029 K和0.027 K,可将辐射误差保持在0.05 K以内。

摘要：针对传统数值预报模式计算时间长和计算资源消耗大的问题,以及现有深度学习预报方法在温度预报结果上不精确,且预测结果模糊的问题,提出了一个新的温度预报模型。首先,设计了一个时空信息捕捉模块,将该模块捕获的长期依赖信息,作为扩散模型的生成条件,赋予扩散模型预报的能力;其次,设计了一个新的平衡损失函数,同时保护了扩散模型的生成能力和时空信息捕捉模块对时空信息的捕捉能力;最后,基于美国国家环境预报中心的再分析数据进行预报,与现有的深度学习方法相比,所提模型预报结果的质量在均方误差(mean square error,MSE)上降低了17.3%,在均方根误差(root mean square error,RMSE)上降低了9.14%,在峰值信噪比(peak signal to noise ratio,PSNR)上提升了5.1%。改进的扩散模型能有效地捕捉时空依赖的关系,有效地进行时空序列预测,效果优于其他对比方法。

摘要：永磁同步电机(PMSM)双闭环矢量控制系统中,传统PI控制器转速环无法满足PMSM的更高控制要求。该文设计一种积分滑模控制器,并引入光滑、连续的新式饱和函数替代滑模控制器中的符号函数,以提高系统的抗扰动性能和鲁棒性;为提高系统在电机运行状态发生变化时的自适应调节能力,使用模糊控制对滑模趋近律中的参数进行自适应调节,以提高趋近速度,降低滑模抖振。建立基于模糊控制的PMSM滑模控制系统仿真模型,并与使用传统滑模控制器的PMSM控制模型进行对比分析,结果验证了模糊滑模速度控制器具有更好的抗扰动能力和鲁棒性。

摘要：目的现有图像级标注的弱监督分割方法大多利用卷积神经网络获取伪标签,其覆盖的目标区域往往过小。基于Transformer的方法通常采用自注意力对类激活图进行扩张,然而受其深层注意力不准确性的影响,优化之后得到的伪标签中背景噪声比较多。为了利用该两类特征提取网络的优点,同时结合Transformer不同层级的注意力特性,构建了一种结合卷积特征和Transformer特征的自注意力融合调制网络进行弱监督语义分割。方法采用卷积增强的Transformer(Conformer)作为特征提取网络,其能够对图像进行更加全面的编码,得到初始的类激活图。设计了一种自注意力层级自适应融合模块,根据自注意力值和层级重要性生成融合权重,融合之后的自注意力能够较好地抑制背景噪声。提出了一种自注意力调制模块,利用像素对之间的注意力关系,设计调制函数,增大前景像素的激活响应。使用调制后的注意力对初始类激活图进行优化,使其覆盖较多的目标区域,同时有效抑制背景噪声。结果在最常用的PASCAL VOC 2012(pattern analysis,statistical modeling and computational learning visual object classes 2012)数据集和COCO 2014(common objectes in context 2014)数据集上利用获得的伪标签进行分割网络的训练,在对比实验中本文算法均取得最优结果,在PASCAL VOC验证集上,平均交并比(mean intersection over union,mIoU)达到了70.2%,测试集上mIoU值为70.5%,相比对比算法中最优的Transformer模型,其性能在验证集和测试集上均提升了0.9%,相比于卷积神经网络最优方法,验证集上mIoU提升了0.7%,测试集上mIoU值提升了0.8%。在COCO 2014验证集上结果为40.1%,与对比算法中最优方法相比分割精度提高了0.5%。结论本文提出的弱监督语义分割模型,结合了卷积神经网络和Transformer的优点,通过对Transformer自注意力进行自适应融合调制,得到了图像级标签下目前最优的语义分割结果,该方法可应用于三维重建、机器人场景理解等应用领域。此外,所构建的自注意力自适应融合模块和自注意力调制模块均可嵌入到Transformer结构中,为具体视觉任务获取更鲁棒、更具鉴别性的特征。

摘要：碳排放达峰和空气质量达标是当前大气环境研究的热点问题.利用排放因子法建立2010~2019年江苏省城市级温室气体排放清单,进一步结合温室气体-大气污染物协同关系分析和WRF-Chem空气质量模型模拟,量化不同碳减排情景下空气质量改善的协同增益.结果表明,2010~2019年江苏省CO_(2)年均排放量为701.74~897.47 Mt,其中苏州、徐州和南京排放量最高(91.19~182.12 Mt·a^(-1)),扬州、宿迁和连云港排放量最低(13.19~32.54 Mt·a^(-1)),大部分城市CO_(2)排放呈持续上升趋势.能源活动为CO_(2)排放的主要来源,贡献率占比近90%,工业生产过程贡献率约10%.依据减排侧重点的不同设计3类CO_(2)减排情景,分别为全部门协同减排、优先能源减排和优先工业减排,每类减排情景包含不同的CO_(2)减排力度(10%、20%和40%).情景模拟结果指出,以2017为基准年,全部门协同、优先能源和优先工业减排中PM_(2.5)年均浓度下降幅度分别为6.7~21.1、3.1~12.0和3.4~14.3μg·m^(-3).全部门协同减排对PM_(2.5)污染改善最为显著,在全部门减排情景为40%下,除徐州和宿迁外其它城市PM_(2.5)年均浓度值均能达到国家Ⅱ级标准(35μg·m^(-3)).PM10、SO_(2)、NO_(2)和CO的变化响应与PM_(2.5)类似,但O_(3)污染在优先能源和优先工业情景下呈现出不同程度的上升趋势.