摘要：为了实时智能监测烟草仓储害虫,设计并实现了烟草仓储害虫性诱智能监测系统。该系统由基于机器视觉的智能性诱捕器、性诱害虫识别模型、服务器和Web端系统平台组成。智能性诱捕器通过性诱剂将害虫诱集至粘虫板,机器视觉模块每天定时采集一幅粘虫板图像,并通过4G网络将图像上传至服务器。服务器接收到图像后调用性诱害虫识别模型进行害虫的检测与识别,并将检测结果返回到Web客户端。用户可通过系统平台Web端查看诱集的害虫图像和数量。针对粘虫板图像上的性诱害虫烟草甲Lasioderma serricorne和烟草粉螟Ephestia elutella,建立了YOLOX-TP识别模型,在YOLOX的基础上添加了SEnet注意力机制。与Faster-RCNN、YOLOv4、YOLOX检测模型相比,YOLOX-TP平均精确率和平均召回率最高,达到98.97%和97.12%。烟草仓储害虫性诱智能监测系统实现了烟草性诱害虫图像的定时采集、害虫准确检测与计数、结果可视化和可追溯,为烟草仓储害虫防治决策提供依据。

摘要：针对金属表面缺陷检测效率低以及检测算法参数量大、精度低的问题,本文提出了一种改进YOLOv8n的金属表面缺陷检测轻量化方法。首先,设计局部卷积倒置交叉融合(partial inverted bottleneck cross stage partial fusion,PIC2f)模块,该模块通过构造的局部卷积倒置瓶颈(partial IRMB bottleneck,PIBN)模块替换BottleNeck模块,将部分卷积和倒置残差块组合,从而减少算法的参数量并提升模型的特征提取能力。然后,采用基于注意力尺寸内特征交互(attention-based intra-scale feature interaction,AIFI)模块,该模块结合位置嵌入和多头注意力机制,增强了模型对小目标的检测能力。最后,使用平均池化下采样(average pooling down sampling,ADown)模块替换传统卷积作为模型特征缩减模块,通过池化和卷积操作,在不降低检测精度情况下,进一步减少模型的参数量和计算复杂度。实验结果表明,与YOLOv8n算法相比,在NEU-DET钢材缺陷数据集上的PIC2f-YOLO方法的mAP_(50)增加了2.7%,参数量减少了0.403 M。在铝片表面工业缺陷、PASCAL VOC2012和带状合金功能材料表面缺陷数据集上的泛化性实验也验证了PIC2f-YOLO方法的有效性。

摘要：以河姆渡遗址群考古报告为数据源,通过信息提取、实体链接等方法构建多模态知识图谱,并设计信息系统,实现了河姆渡文化遗产资源的数据管理和检索。参考学术论文及考古研究,设计一种河姆渡文化知识图谱的本体知识体系,并提出一种从考古报告中提取图像与知识图谱实体进行对齐的算法,实现了多模态文化资源与实体节点的精准匹配。在此基础上,开发了一个河姆渡文化资源库管理系统。该系统具有多模态检索、图谱化展示等功能,并为用户提供了交互式、可视化的数据浏览和分析工具,有助于用户更深入地理解和利用河姆渡文化遗产资源;也可为研究人员、文化机构和公众提供便捷的工具,以更好地探索和理解河姆渡文化,为文化遗产的管理、研究和教育提供了一种新的手段。

摘要：近年来,随着人们生活水平的不断提高,健康问题越发受到关注。由于人口老龄化加剧,慢性病发病率逐年上升,越来越多的患者开始挤兑有限的医疗资源。而且我国康复治疗师数量稀缺,只能为部分患者提供高质量的个人康复[1]。康复设备作为一种辅助治疗的手段,通过机器代人来缓解医疗人员的工作压力,在现代医学中扮演着重要角色。

摘要：提出了一种简单、快速、高效的基于草绘设计的概念模型创建方法.该方法模仿传统的纸笔草绘设计方式,允许用户自由地在笔式用户界面上勾画特征笔划,然后根据笔划的形状和位置关系采用基于特征的实体建模方法构造不同的扫描特征体素.在此基础上,采用了基于意图捕捉的特征添加及切削机制创建复杂的实体模型,给出了一些关键算法的实现过程.实验结果表明:该方法能够较好地应用到联机三维概念模型快速创建过程中.

摘要：虽然有电子画笔的帮助,将线条草图手动重画为干净的线条画依然耗费艺术家大量的时间,严重影响了创作效率.利用笔画的绘画时序,把简化模型从单一的空间关系提升到时间先后关系和笔画修改关系,提出一种双层次的笔画线条简化方法.在绘画过程中实时记录笔画线条的位置和顺序,根据空间信息和时序关系局部地进行线条初步聚类;然后通过修改关系图进行全局的线条类间修改关系分析,理解艺术家的绘画意图,最终合并得到简化结果.实验结果表明,文中方法能够充分利用绘画时序分析绘画意图,实现复杂线条草图的笔画线条自动简化,并通过效果对比展示了该方法的有效性和鲁棒性.

摘要：为了使产品设计师能够通过材质设计增加产品差异性,提高消费者的满意度,提出一种基于基因表达式编程的材料质感偏好意象进化认知算法。综合考虑产品材质的视觉、触觉物理量与视觉心理量对产品偏好的影响,对124个地板样本的材色、光泽度和粗糙度物理量进行了测量。60名受试者对地板样本分别进行了纹理和偏好心理量的主观评分,采用主观量表获取实验数据。经过无量纲化处理和主成分分析后,归纳出四个主成分为自变量、偏好意象为因变量,将解析材料质感要素与消费者偏好意象之间的认知关系转化为复杂函数关系建模问题。结果表明,在求解产品材料质感偏好意象认知关系的问题上,该算法比神经网络和支持向量机算法具有更好的预测效果和更强的鲁棒性。基于该偏好进化认知算法开发了地板喜好度测评系统,并在实际应用中验证了算法的有效性。

摘要：传统点云模型修复中由于未考虑输入的缺失点云形状固有特征,难以有效地保持原始形状结构特征信息.为此,提出一种融合缺失点云形状信息的保结构修复网络.该网络采用编码器-解码器结构,借助多层感知器和最大池化层以获得输入点云形状的特征码字.其中,编码器以缺失的点云数据作为输入;解码器则对编码得到的点云特征码字使用4个2D网格进行折叠操作以拟合点云形状得到粗修复结果,再将输入点云数据与粗修复结果进行拼接融合,并对融合后的点云数据经过迭代最远点采样得到最终的点云形状修复结果.实验结果表明,与已有网络修复结果相比,该网络在ModelNet40数据集上的平均误差低11%~53%,在ShapeNet数据集上的平均误差低15%~28%,而对具有精细结构的物体修复结果的平均误差低59%~70%.该网络在修复点云形状缺失部分的同时,能够有效地保持输入形状的结构特征信息,对不同程度的数据缺失具有鲁棒性;与已有网络相比,该网络点云修复结果的误差较小、点云分布较均匀.

摘要：针对传统消费级深度相机采集的场景深度图通常存在分辨率低、深度图模糊等缺陷,利用场景高分辨率彩色图引导,提出一种基于通道多尺度融合的场景深度图超分辨率网络——CMSFN.为了有效地利用场景深度图的多尺度信息,CMSFN采用金字塔多尺度结构,在金字塔各层级上,通过对低分辨率深度图进行通道多尺度上采样,并结合残差学习提升深度图分辨率.首先,在超分辨率网络金字塔结构每一层级上对深度特征图与同尺度彩色特征图通过密集连接进行融合,使场景彩色-深度图特征得到复用并能够充分融合场景结构信息;其次,对融合后的深度特征图进行通道多尺度划分,使网络能获得不同大小的感受野,并在不同尺度上有效捕捉特征信息;最后,在CMSFN中加入全局与局部残差结构,使网络在恢复场景深度图高频残差信息的同时缓解梯度消失.对于Middlebury数据集A组,CMSFN方法超分辨率均方根误差平均为1.33,与MFR和PMBANet方法相比,分别降低了6.99%和26.92%;对于Middlebury数据集B组,CMSFN方法超分辨率均方根误差平均为1.41,与MFR和PMBANet方法相比,分别降低了9.03%和17.05%.实验结果表明,CMSFN能够有效地恢复场景深度图的结构信息.

摘要：从一种受控混沌系统生成另一混沌系统可增强保密通信的安全性,具备潜在应用前景.研究了如何通过状态变换以及单输入反馈,驱使受控Shimizu-Morioka系统与受控Finance系统生成Lorenz混沌动态.主要方法是运用微分几何理论,将上述三种系统等价转换为下三角形式,并尽量简化和一致化其方程形式,使得上述三种不同的3阶系统的前两个方程形式相同,然后对受控Shimizu-Morioka系统与受控Finance系统设计单输入反馈控制第三个方程的形式,以便达到生成Lorenz混沌的目的.运用该方法,设计了受控Shimizu-Morioka系统通过状态变换和单输入状态反馈,混沌反控制生成Lorenz混沌的控制策略;也设计了受控Finance系统通过状态变换和单输入状态反馈,广义同步到Lorenz混沌的控制策略.最后,借助数值仿真验证了上述混沌反控制和广义同步的有效性.