摘要：针对目前PCB板缺陷检测算法存在的检测精度低、计算量大等问题,提出了一种改进YOLOv8n的PCB板表面缺陷检测算法。首先,将主干部分网络替换为MobileNetV3网络,以降低模型参数量,提升检测速度与精度;其次,设计了CA_C2f模块用来替换原C2f模块,以提升网络提取特征能力并提高模型对小目标的检测能力;最后,提出了DFL和改进Focal-EIoU的组合,以优化对损失函数中边界框回归的计算。实验结果表明,改进的YOLOv8n算法在PCB板缺陷数据集上得到的实验结果,较原YOLOV8n算法在精确度、mAP、计算量和参数量上都有显著优化,其中mAP达到96.6%。

摘要：针对传统的基于卷积神经网络(CNN)的森林火灾烟雾检测中,需要大量人工设计构件、对复杂森林场景中不明显的小烟雾检测能力较差等问题,提出了一种改进DETR(Detection Transformer)的森林火灾发生早期的烟雾检测模型。首先,使用DETR作为基线,将多尺度对比局部特征模块(MCCL)和密集金字塔池化模块(DPPM)集成到特征提取模块中,用于感知小烟雾或不明显烟雾的特征;然后,提出了一种边界框迭代组合方法,生成能够覆盖整个烟雾对象的精确包围盒,以提高检查精度、减少误检与漏检;最后,利用CutMix数据增强扩充森林火灾烟雾数据集,对该方法进行评价。理论分析与实验表明,改进后的模型对森林火灾烟雾的检测精度明显高于主流模型,与传统DETR模型相比,该模型的mAP(平均精度均值)提高了4.4%,AP_(50)精度提高了3.8%。

摘要：针对当前铁路隧道口泥石流灾害预警系统的不足之处,设计构建了一个可独立运行的铁路泥石流灾害实时报警系统。其充分利用了当前成熟的LoRa远距离无线通信技术、STM32低成本工业级芯片设备,实现了在3000 m距离内实时监控泥石流灾害,而无需其他通信基础设施支撑;通过设计的路由控制器,可实现更远距离的无线报警功能。系统具有成本低、安装维护便捷、反应快速、运行可靠的特点,具备较强的实用性。

摘要：为了解决视觉特征和文本特征融合后存在部分语义缺失从而导致视觉信息对文本信息的补充有较大偏差的问题,提出了一种基于视觉与文本语义增强的多模态命名实体识别方法。融合BERT文本特征提取和CLIP(contrastive language–image pre-training)视觉特征提取方法,设计了基于协同交叉注意力机制的特征交互单元,以增强视觉信息和文本信息之间的语义关系。CLIP通过对比学习框架进行预训练,优化模型以正确匹配视觉和对应的文本描述,最大化正样本(匹配的视觉-文本对)的相似性,同时最小化负样本(不匹配的视觉-文本对)的相似性。采用通用领域数据集TWITTER-2015和TWITTER-2017作为实验数据集。实验结果表明,本模型相比传统方法在多模态命名实体识别任务中的准确率、召回率、F1值均有显著提升。

摘要：由于出色类脑机制和自身节能性,脉冲神经网络(SNN)受到广泛研究,且在目标分类任务中取得显著进展,但其在目标检测领域的研究尚处于初步阶段。针对现有SNN目标检测算法在复杂场景下检测精度低的问题,本文构建了一种深层特征高效、轻量提取的脉冲神经网络目标检测架构——ES-YOLO。该架构提出了高效特征提取模块(SDF-Module),并结合多尺度特征提取的空间金字塔设计,显著提升了模型在复杂目标检测任务中的性能。此外,通过引入脉冲解耦检测头,进一步优化了模型的检测精度和实时性。实验结果表明,在VOC2012数据集上,ES-YOLO模型获得了60.5%的mAP@0.5和37.1%的mAP@0.5:0.95的性能指标,相比EMS-YOLO分别提升了4%和3.7%。该模型不仅缩小了与同等架构ANN模型的性能差距,而且整体能耗为同等架构ANN的1/5。为后续SNN在目标检测任务中的广泛应用提供支持。Due to the outstanding brain-inspired mechanisms and energy efficiency, Spiking Neural Networks (SNN) have garnered widespread attention and achieved significant progress in object classification tasks. However, research on SNNs in the field of object detection remains in its early stages. To address the issue of low detection accuracy of existing SNN-based object detection algorithms in complex scenarios, this paper proposes a novel, deep-feature-efficient and lightweight SNN-based object detection architecture—ES-YOLO. The architecture introduces an efficient feature extraction module (SDF-Module) and incorporates a spatial pyramid design for multi-scale feature extraction, significantly improving the model’s performance in complex object detection tasks. Furthermore, by integrating a spiking decoupled detection head, the model’s accuracy and real-time performance are further optimized. Experimental results on the VOC2012 dataset demonstrate that the ES-YOLO model achieves 60.5% mAP@0.5 and 37.1% mAP@0.5:0.95, representing improvements of 4% and 3.7% respectively compared to EMS-YOLO. The model not only reduces the performance gap between SNNs and equivalent ANN models but also achieves overall energy consumption that is only 1/5 that of the equivalent ANN architecture. This work provides support for the broader application of SNNs in object detection tasks in the future.

摘要：现存的基于区块链的去中心化域名方案多存在去中心化不彻底、时间复杂度高、区块链存储膨胀等问题,为此提出了一个兼顾时空复杂度和去中心化程度的域名方案。首先,借助区块链实现去中心化,使用对等节点充当域名服务器,不另设特殊节点,实现彻底的去中心化;其次,设计了一种基于压缩前缀树的数据结构(DNT)以改善区块链的存储膨胀问题和降低系统的时间复杂度,并针对DNT提出了一种高效检索算法;最后,提出了一种基于非对称密钥的零集中管理机制用于系统在去中心环境下运营。实验结果表明:DNT在改善存储膨胀问题上有着良好的效果,总体空间占用约为每千万条0.87 GB,仅为同类方案的10%;DNT对节点总数和深度都有出色的抑制效果,节点总数比前缀树(Trie)少了2个数量级;吞吐率几乎不会随着区块高度的增加而衰减。

摘要：针对目前基于内容的图像检索方法中存在噪声、边界划分模糊及相似匹配算法复杂而检索精度不高的问题,提出了一种多特征融合的格贴近度图像内容匹配方法。为了抑制噪声,对像素间的灰度关系S^g_(ij)与空间关系S^s_(ij)进行合成,提出了邻域窗口像素灰度特征描述子;为了对组成图像的对象的边界进行分割,设计了一个像素密度分布特征描述子;在对图像的灰度、纹理及密度特征进行融合的基础上,提出了一种格贴近度图像匹配方法,实现了两图像相似性比较。实验结果表明:在灰度图像的相似性检索中,多特征融合的格贴近度匹配方法与特征压缩匹配及兴趣区域匹配等其他方法相比,平均归一化修正检索秩低10%左右,查准率-查全率综合评价指标高5%左右,该方法不仅设计简单,而且具有较高的检索精度。

摘要：针对区间型不确定数据的特点,该文提出一种改进的模糊C均值聚类算法(IU-IFCM)。首先对区间型数据进行特征变换,由p维特征映射成由2p维特征组成的实数据,然后考虑区间中值与区间大小关系,设计一种样本距离计算方法,通过模糊C均值实现对区间型样本聚类。理论分析与对比实验表明,该算法的划分系数(PC)及正确等级(CR)值比其它方法平均提高10%以上,表明有更好的聚类精度,对当前大数据环境下不确定数据的分类提供了一种新的解决方案。

摘要：基于光纤布拉格光栅对(DFBGs)的双波长线形腔光纤激光器利用偏振烧孔效应实现双波长激光稳定输出的研究颇多,但有关3 dB光纤环形镜(FLM)与光纤布拉格光栅(FBG)构成腔镜或仅FBG构成腔镜,以及DFBGs的选择对其激光输出性能[光信噪比(OSNR)、斜率效率及稳定性等]的影响的研究很少。本文实验首先在双波长线形腔掺铒光纤激光器中比较了3 dB FLM与FBG构成腔镜和仅FBG构成腔镜的双波长激光的输出性能,结果表明,仅FBG构成腔镜的输出性能优于3 dB FLM与FBG构成腔镜的输出。其次在仅FBG构成腔镜的线形腔中对低反射率FBG(输出镜)反射率相同与不同时的输出性能进行了对比,研究表明,低反射率FBG的反射率相同时双波长激光输出具有较高的OSNR、斜率效率和稳定性。接着改变构成腔镜的两对FBG的中心波长间隔分别为4、8、12 nm,研究表明,中心波长间隔越大输出越稳定,OSNR越高,但激光器的斜率效率有所降低。最后在室温环境下实现了两个激光波长分别为1550 nm和1562 nm、OSNR分别为50.24 dB和51.19 dB左右、中心波长变化分别小于0.030 nm和0.035 nm、输出功率波动分别小于0.061 mW和0.059 mW、3 dB带宽分别为~0.146 nm和~0.144 nm的稳定输出,该结果为线形腔双波长的更优输出。

摘要：针对经典模糊C均值聚类算法中模糊加权指数对聚类的影响及其取值范围不确定性问题,提出了一种区间型模糊加权指数的设计模型。分析该模型设计的理论依据及对聚类结果的影响,推导出包括模糊隶属度划分矩阵、模糊聚类中心等基于该模型的模糊化参数表示方法。理论分析和实验证明,区间型模糊化参数模型的设计在基于模糊划分的数据处理中取得了很好的效果。