人工智能产业链分析

根据对我国人工智能技术从基础层到技术层,最后到应用层的全产业链进行分析,旨在 对我国的人工智能技术与应用创新,提供发展方向。我国目前的人工智能技术在某些应用领域 发展迅速。例如,将算法层中的人工智能核心技术——机器学习,应用到智能金融领域、和智能 交通领域的无人驾驶公交车。在智能家居、智能教育、智能医疗等方面,现阶段有一定成果,但也 存在提升空间。     

管道对接环焊缝裂纹的防治措施

针对甬沪宁进口原油管道工程开工初期对接环焊缝常出现裂纹的现象,结合射线检测和解剖结果,对裂纹产生的位置和断口特征进行了具体分析.通过对下向焊焊接工艺和焊口的受力分析,解析出其产生裂纹的原因,提出了相应的防止对策.     

树干直径自动识别与测量技术研究

在森林资源调查中为实现树干直径快速、精确测量,使用电子元件进行了树干影像自动识别与测量。通过摄像头和CMOS传感器获得图像,经灰度转换后,使用窗口大小为5行5列的高斯滤波器,利用Canny边缘检测算法提取边缘,包括平滑、非极大值剔除、双阈值的边缘连接等,在提取的边缘图像基础上,设计了树木直径自动提取算法。以4列的窗口为模板,自上而下,对经过Canny算法后的图像进行竖直线段的提取。在提取所有竖线后,将最大宽度的2条竖线当作树干轮廓线,通过焦距、物距、像距与像素宽度之间的关系计算出树干直径。最后选择了不同树种共计16棵树木进行了验证,实验结果表明树干直径识别的精度为96.9%,绝大部分测量数据符合森林资源调查要求。     

砖混结构住宅楼温度裂缝的分析及防治方法

对砖混结构住宅楼顶层墙体普遍存在的温度裂缝作了分析，提出了在建筑、结构设计时为控制裂缝应采取的预防措施，以及对温度裂缝的加固处理方法，并以工程实例予以说明。     

细菌凝集素与菌体脂多糖在大白菜与软腐欧氏杆菌接触识别中的作用

 用3种试验方法测定了大白菜细菌凝集素(Agin-SD60)和软腐欧氏杆菌脂多精(LPS),在双方接触识别中的作用。在吸附抑制试验中,来自大白菜和马铃曾的Agin-SD60显示约98%的吸附抑制效应,另3种植物的Agin-SD60及大白菜外源凝集素(lectin)和细咆壁蛋白质(CWP)无明显作用;同时用不同种类的7个菌侏的LPS作测定,只有病菌的LPS吸附抑制作用明显(93.37%),其胞外多糖(EPS)也无作用。在菌体凝集试验中,也只有大白菜和马铃薯的Agin-SD60表现50%~100%的凝集活性。在琼脂双扩散试验中,寄主Agin-SD60可与病菌菌体及其LPS发生免疫沉淀。这些结果说明,Agin-SD60和菌体LPS在大白菜与软幅欧氏杆菌接触识别中分别作为植物识别子(cognor)和细菌识别子(cognon)起作用。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

利用显著图构建注意力深度网络检测诱虫板蔬菜害虫

为提高诱虫板图像蔬菜害虫检测精度,针对背景区域容易导致误检的问题基于显著图分析技术构建了一种注意力深度网络害虫智能视觉检测方法。首先通过显著图筛选出粗候选区域;然后在粗候选区域内用全卷积神经网络精选出细候选区域;接着用神经网络分类器识别细候选区域害虫种类,得到含有冗余的若干检测框;最后用改进的非极大值抑制消除冗余检测框,实现诱虫板图像中目标害虫的检测。针对小菜蛾和瓜实蝇展开试验,获得86.40%的平均精度均值和0.111只的平均绝对计数误差均值,所提方法平均精度均值比Faster R-CNN和YOLOv4分别高2.74和1.56个百分点,平均绝对计数误差均值比Faster R-CNN和YOLOv4分别低0.006和0.003只;同时,消融试验中移除显著图注意力模块后平均精度均值下降了4个百分点、平均绝对计数误差均值增加了0.207只。试验结果表明,所提方法有效提高了诱虫板图像蔬菜害虫检测精度,其中,引入显著图注意力模块对提升检测精度有重要作用。     

基于改进YOLOv5s的名优绿茶品质检测

针对实际检测过程中茶叶数量多、体积小、茶叶之间颜色和纹理相似等特点,该研究提出了一种基于YOLOv5s的名优绿茶品质检测算法。首先,该算法在骨干网络层引入膨胀卷积网络,通过增大感受野的方式增强茶叶微小特征的提取。其次,改进特征融合进程,基于通道注意力和空间注意力抑制无关信息的干扰,构建CBAM注意力机制优化检测器。接着根据swin transformer网络结构在多个维度对小尺度茶叶的特征进行交互和融合。最后,配合SimOTA匹配算法动态分配茶叶正样本,提高不同品质茶叶的识别能力。结果表明,改进后的算法精准度、召回率、平均精度均值、模型体积、检测速度分别为97.4%、89.7%、91.9%、7.11MB和51帧/s,相较于基础的YOLOv5s平均精度均值提高了3.8个百分点,检测速度提高了7帧/s。利用相同数据集在不同目标检测模型上进行对比试验,与Faster-RCNN、SSD、YOLOv3、YOLOv4等模型相比,平均精度均值分别提升10.8、22.9、18.6、8.4个百分点,进一步验证了该研究方法的有效性和可靠性。     

基于杠杆率校正的PLS-DA法对正半岩武夷岩茶的识别研究

武夷岩茶属于闽北乌龙茶,是福建省的特有茶类,也是我国传统名茶中的精品,尤其以武夷中心地带所产的正岩茶品质最佳。本文采用近红外光谱技术,利用杠杆率校正(leverage correction)结合偏最小二乘法(Partial least Squares Discriminant Analysis,PLS-DA)的分析方法,进行了武夷岩茶中的正岩茶与半岩茶的分类识别研究。结果表明不仅定标集42个样本的识别正确率为100%,对于未参与模型建立的验证集20个样本的识别正确率也达到了100%。初步证明了利用近红外技术结合PLS-DA分析方法对正岩茶与半岩茶进行分类识别的可行性。     

神经网络对水稻种子颖壳闭合的识别研究

基于神经网络的基本原理,利用种子的七个特征参数作为输入层,三种类型（正常、微裂、裂颖）种子作为输出层,设计出识别水稻种子颖壳闭合的网络结构。通过大量实验研究表明该神经网络结构能够很好地识别出裂开程度不同类型的种子。