摘要：声光偏转器(AOD)是控制入射飞秒激光发生偏转的声光器件。探讨了多光子随机扫描成像系统中AOD实现快速二维随机扫描的工作机理,并对AOD的器件参数、随机扫描定位时间、时间色散和空间色散等影响因素进行了分析,对设计多光子激发随机扫描荧光显微成像系统具有较高的参考价值。

摘要：针对多数知识追踪研究在表征题目时仅利用了题目包含的概念等显性特征,未能考虑到题目中概念的考察侧重程度这一隐性特征,也未表征迁移过程中题目的迁移程度的问题,本文提出题目迁移表征的知识追踪模型。在题目侧重表征方面,采用加性注意力机制提取题目中各个概念的考察侧重程度;在题目迁移方面,利用相似性和通道注意力机制融合建模历史题目多角度的迁移程度;在迁移遗忘方面,使用门限机制建模学习迁移的遗忘过程。最终得到题目迁移表征,以此来预测学习者未来的答题表现。在实验阶段,与6种相关模型在3个真实数据集上进行对比实验,结果表明提出模型的曲线下面积(area under the curve,AUC)和准确率(accuracy,ACC)均有更好表现,尤其在ASSISTments2012数据集上表现最佳,相较于其他对比模型分别提升了3.5%~20.1%和2.3%~18.5%;在可解释性方面,使用图表可视化描述了题目迁移表征生成路径。本研究建模的学习迁移内在机制可为知识追踪模型的设计提供参考。

摘要：[目的]高效识别自动化生产过程中存在蛋壳瑕疵的鸡蛋。[方法]设计了一种融合Fasternet模块与YOLOv5s的鸡蛋外观检测模型FC-YOLOv5。该模型使用Kmeans++算法对数据集重新聚类,优化先验框;将C3结构中的Bottleneck模块替换为FasternetBlock模块,减少模型参数量,同时提高模型检测精度;采用Soft-NMS算法作为非极大值抑制算法,提高重叠特征的检测效果;引入CBAM注意力机制,增加网络模型对重要特征的提取能力。[结果]与YOLOv5原模型相比,改进后的FC-YOLOv5模型在mAP@0.5和mAP@0.5:0.95上分别提高了3.2%和5.2%,计算量和参数量分别减少了19.6%和16.9%,且与YOLOv7-tiny和YOLOv8模型相比有显著优势。[结论]试验方法在鸡蛋外观检测场景下可提高检测精度并降低参数量,达到鸡蛋自动化生产中的次品蛋识别目的。

摘要：针对苹果叶片病害识别准确率低以及现有模型难以适应真实复杂场景等问题,提出一种改进的轻量化网络——MobileViT_filter_FCN,以提高对苹果叶片病害的识别准确率,并使得模型可以适应户外的复杂光照及遮挡环境。首先收集5类常见苹果叶片病害(如落叶病、褐斑病等)的图像样本,并利用多种数据增强技术对样本数据进行预处理(如水平翻转、垂直翻转等),以增加样本数据的多样性并提高模型的泛化能力;接着利用傅里叶变换技术设计一个可学习的滤波器层Filter layer,替换原始MobileViT模型中的多头注意力结构,以降低图片中的噪声影响并提高模型性能;最后,在修改后的MobileViT模型基础上,利用深度卷积层和残差结构设计一种FCN结构,结合该结构增强模型对病害图像的特征学习能力,进一步提高模型性能。试验结果表明,改进后的MobileViT_filter模型对苹果叶片病害的平均识别准确率达到97.73%,较原模型提高0.95百分点;在该基础上加入FCN结构后,平均识别准确率达到98.03%,较原模型提高1.25百分点,同时参数量减少2.6 M。

摘要：通过把概率等级的融合模型和马尔可夫随机场MRF应用于聚类分析模型上来实现图像分割方法,该方法能够更加准确地进行图像分割过程,并最终获得相关融合模型。结合先验概率分布,这种基于能量的Gibbs模型允许指定参数,最大概率等级估计与简单快捷的估计方法进行融合得到分割结果。将此融合框架成功应用在Berkeley图像标准数据库,相关实验结果表明了该方法有效的视觉评价和定量的性能指标,执行结果相比现有分割方法更为突出。

摘要：针对番茄叶的各类病斑难以区分、识别效率低等问题,提出一种基于YOLO v8s网络改进的病害检测算法BKW-YOLO v8s。首先,将主干网络中的Conv和C2f分别用KWConv和重新设计的C2f_KW模块代替,将KernelWarehouse卷积模块与主干网络原有的Bottleneck结构相融合,提高了模型的计算效率。其次,为了有效地提升神经网络表征能力,引入将通道层次与空间层次并联且加权融合的BAM注意力机制,使模型在不同的图像上都能取得良好的效果,更具有适应性。最后对模型的损失函数进行优化,使模型能更加准确地处理不同目标之间的差异,从而获得分类性能的提升。通过在番茄叶病害数据集上进行试验,结果表明,改进后的BKW-YOLO v8s算法与传统的YOLO v8s相比,准确率提升了2.8百分点、召回率提升了3.0百分点、mAP@50提升了2.8百分点、达到92.0%,且计算量降低了33%。本研究改进后的模型在番茄叶片图像的病害检测方面具有更高的准确度和稳定性,不仅能够更准确地定位和识别目标,而且有效地降低了漏检和误检率。本研究所提方法不仅优化了资源利用效率,也为番茄叶病害的检测提供了有力的技术支持,对未来提高番茄生产率具有重要意义。

摘要：针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的问题,提出了一种改进轻量化网络MobileNeXt的苹果叶片病害识别方法。首先收集了4类常见苹果叶片病害图像样本,每类由简单背景图像与复杂背景图像混合,通过多种数据增强方式对图像进行处理,以增加样本多样性,提高模型的泛化能力。接着基于轻量化网络MobileNeXt中的sandglass结构,引入协调注意力机制CA分配权重,以区分目标与背景,同时结合Inception模块与Ghost模块,设计了2种SCI(Sandglass-CA-Inception)结构,在参数增加量尽可能小的前提下,扩充网络深度与宽度,增强模型对于背景复杂病害图像的特征学习能力。试验结果表明,改进后的模型相比于MobileNeXt,Top-1准确率提升了1.23百分点,平均精确率提升了1.18百分点,参数量只增加了0.62 M,为真实场景下的苹果叶片病害识别提供了一种有效的解决方案。

摘要：根据红外双色测温原理 ,给出了红外双色测温仪的设计方案 ,该设计方案包括光学及光电转换系统、电路系统及软件系统。讨论了如何正确选择光电探测器和工作波长的问题 。

摘要：针对四湖流域湿地环境监测数据信息量大、实时性要求高、数据信息种繁多等特点,基于ZIGBEE无线自组网技术和SQL SERVER数据库标准及GPRS规范,在四湖流域湿地环境监测平台的实践环境下,设计了适合该地域湿地环境监测信息系统MIS。该MIS系统基于层次化设计思想,主要包括异构数据信息层、统一化应用接口层和多用户管理层,可实现实时数据监测、设备状态信息监测管理、历史数据查询、灰关联及层次算法分析、聚类分析评估、环境信息查询和office办公自动化应用等多项功能。经在四湖流域实地测试,该数据管理软件良好地完成了系统要求。

摘要：针对复杂环境下棉田杂草检测与识别困难等问题,提出一种改进YOLOv5的棉田杂草检测算法——CSTYOLOv5。首先,通过数据增强算法解决棉田杂草样本分布不均匀导致的模型训练效果不充分问题;其次,考虑到通道信息和方向位置信息,在主干网络中加入了坐标注意力机制;最后,在颈部网络中将Swin Transformer Block引入C3模块,得到新的C3STR模块,以保留全局上下文信息和多尺度特征。实验结果表明,CST-YOLOv5模型的mAP值达到95.1%,F1值达到90.4%,比原YOLOv5模型提高了4.8%、3.2%。所设计算法具有良好的鲁棒性,能精确识别多类杂草。