电力电缆敷设不规范是导致绝缘故障的主要原因,影响电缆的安全运行。当前电缆敷设质量检测多采用人工接触式测量,主观性强、精度低,容易对敷设区域造成二次损伤。文章提出一种基于点云的隧道电缆敷设质量参数自动检测方法。首先在电缆敷设施工位置获取隧道电缆点云数据;之后基于隧道的结构特征分割出电缆点云;最后,基于颜色和形态特征从电缆点云中分割出敷设区域并自动测量敷设质量参数。所提出的电缆和敷设区域点云分割算法的平均精确度、召回率、F1分数均大于0.92,自动测量的4个敷设质量参数平均绝对误差均小于0.35 mm。试验表明,该方法可以准确定位电缆敷设区域,并对敷设质量参数进行自动精准测量。

Al-Si合金法提纯具有生产成本低、除杂效率高、副产物单一等特点, 是一种极具潜力的太阳能级多晶硅原料的制备方法。在该工艺路线中, Al作为溶剂不可避免地会对Si产生污染, 如何降低初晶硅中Al的含量是亟需解决的问题之一。本文通过向Al-50%Si合金中加入Cu, 分析Cu对合金溶液热力学性能的影响, 结合Cu的存在方式, 探讨Cu对Al污染的抑制作用。结果表明: 在Al-50%Si合金中添加10%(质量分数)Cu后, 合金中Al的活度系数降低至0.714 8; 初晶硅中Al的含量从250.960 mg/kg降低到181.637 mg/kg, 比未添加Cu时减少了27.62%, 同时, Cu在初晶硅中的残留仅为12.6 mg/kg, 低于Cu在Si中的固溶度。可见, 在Al-Si合金中引入Cu并未对初晶硅造成二次污染。因此, 采用Al-Si-Cu三元合金体系进行提纯制备太阳能级多晶硅能够有效抑制Al对初晶硅的污染。

由于人脸表情特有的微妙性和复杂性，对全局面部进行研究时无法突出表情特性。为了增强表情识别在自然环境下的鲁棒性并且优化模型参数，提出一种基于多区域融合的轻量级人脸表情识别方法，融合局部细节特征和全局整体特征，实现粗细粒度结合，增强模型对表情细微变化的判别能力。首先，通过一个分支从人脸子区域提取局部特征，以眼部和嘴部作为细节区域输入，描述面部细节。其次，通过另一个分支从人脸全局自适应地获取面部整体特征，以关键点生成掩模，辅助调节面部注意力图。注意力图作用于全局特征，突出未遮挡部位权重，描述整体高级语义信息。并且，采用剪枝算法对整体模型进行轻量级优化，使用更少的运行内存和计算操作，得到更紧凑的网络。最后，在公开数据集RAF-DB和AffectNet上，所提方法对表情的识别精度分别达85.39%和58.81%。实验结果表明：所提方法的识别精度高于其他先进方法，并显著减少了参数量，有效性和先进性得到证明。

The difficulty of build-up area extraction is due to complexity of remote sensing data in terms of heterogeneous appearance with large intra-class variations and lower inter-class variations. In order to extract the built-up area from Landsat 8-OLI images provided by Google earth engine (GEE), we propose a convolutional neural networks (CNN) utilizing spatial and spectral information synchronously, which is built in Google drive using Colaboratory-Keras. To train a CNN model with good generalization ability, we choose Beijing, Lanzhou, Chongqing, Suzhou and Guangzhou of China as the training sites, which are very different in term of natural environments. The ArcGIS-Model Builder is employed to automatically select 99 332 samples from the 38-m global built-up production of the European Space Agency (ESA) in 2014. The validate accuracy of the five experimental sites is higher than 90%. We compare the results with other existing building data products. The classification results of CNN can be very good for the details of the built-up areas, and greatly reduce the classification error and leakage error. We applied the well-trained CNN model to extract built-up areas of Chengdu, Xi’an, Zhengzhou, Harbin, Hefei, Wuhan, Kunming and Fuzhou, for the sake of evaluating the generalization ability of the CNN. The fine classification results of the eight sites indicate that the generalization ability of the well-trained CNN is pretty good. However, the extraction results of Xi’an, Zhengzhou and Hefei are poor. As for the training data, only Lanzhou is located in the northwest region, so the trained CNN has poor image classification ability in the northwest region of China.

应用紫外（Ultraviolet, UV）光谱技术对水产养殖水质总氮含量进行快速检测。 为了消除各种系统误差与偶然误差对模型预测性能造成的影响, 将88个水样的总氮浓度实测值数据和光谱吸光度数据作为原始数据, 将模型建立分为样本集划分、 数据预处理、 特征波段提取、 模型选择与LV数量选择5个阶段, 以求达到最优预测效果, 其中前4个阶段分别使用多种方法进行比较。 结果证明每个阶段都是必不可少的, 只有通过对比其优劣才能找到最适合总氮含量测定的建模过程及方法。 首先用浓度梯度（CG）法对原始数据进行相同的样本集划分处理, 然后在此基础上分别建立主成分回归（PCR）、 逐步回归（SR）和偏最小二乘回归（PLSR）三种模型, 选择预测效果最好的PLSR作为本文的预测模型。 PLSR的建模效果会在很大程度上受到潜在变量（LVs）数量的影响, 通常选取模型预测均方根误差RMSEP值最小时所对应的LV个数为最优LV个数。 其次, 选用CG法、 随机抽样（RS）法、 Kennard Stone（KS）法和SPXY法4种样本集划分算法对样本进行处理, 并对所建立的PLSR模型预测效果进行比较, 最终选择SPXY算法作为最优样本划分算法。 然后在对样本集进行SPXY法划分的基础上, 运用多种预处理算法对光谱吸光度数据进行预处理, 包括小波变换（WT）、 一阶导数法（Der1st）与二阶导数法（Der2nd）三种单一算法和小波变换与两种导数法的组合预处理算法WT-Der1st和WT-Der2nd。 然后在预处理的基础上分别使用连续投影变换（SPA）和逐步回归（SR）两种特征波段提取方法, 对比可知, SPA特征提取方法比SR的提取效率高且建模效果好。 SPA算法既可以大大地简化模型, 又可以在一定程度上提升模型的预测精度。 基于WT-Der1st-SPA提取的特征波段为218 nm, 与总氮特征波段区间相一致, 由此说明该方法比较科学。 综合上述建立的10个PLSR模型, 考虑到预测精度与模型复杂度2个因素, 最终选择基于WT-Der1st-SPA建立的PLSR模型作为最优模型, 该模型预测决定系数r2为0.996, 预测均方根误差RMSEP为0.042 mg·L-1。 由此可见, 所建立的模型预测效果非常好, 可以快速准确地测定水体的总氮含量, 为实现光谱技术在水产养殖其他水质监测指标的在线检测以及快速测定提供了经验。

提出了一种结合级联的区域建议网络和检测网络的遥感图像机场检测方法。通过改进区域建议网络,以获得高质量的机场建议框;通过改进检测网络的损失函数,以提高机场检测的准确性;使用交叉优化策略,实现了两个网络的卷积层共享,机场检测时间大幅缩减。结果表明,所提方法在复杂背景下能准确地检测出不同类型的机场,检测率高,虚警率低,平均运行时间短。

针对传统飞机检测方法准确率低、虚警率高、速度慢等问题, 提出一种全卷积神经网络多层特征融合的飞机快速检测方法。将浅层和深层的特征经过采样后在同一尺度进行融合, 以缓解由于深层特征图维度过低造成的对小目标表达不足的问题；修改区域提取时的选框尺寸以适应实际图像中飞机的尺寸特征；用卷积层代替全连接层以减少网络参数并适应不同大小的输入图像；复用区域提取网络和检测网络的卷积层和学习的特征参数以保证检测的高效性。仿真结果表明, 与典型的飞机检测方法相比, 所提方法在测试集上取得了更高的准确率和更低的虚警率, 同时大大加快了检测速度。

高光谱图像分类是高光谱研究的重要内容, 也是许多其他应用的前提。 针对传统高光谱图像分类仅考虑光谱信息而忽略空间信息的问题, 对距离依赖的中餐馆模型(distance dependent Chinese restaurant process, ddCRP)进行改进, 提出一种基于空-谱约束的中餐馆过程混合模型(spatial-spectral Chinese restaurnt process, ssCRP)用于高光谱图像聚类。 该模型充分考虑像素邻域的空间和光谱信息, 并将其统一纳入模型的建模及求解过程中, 得到一般基于像素的聚类方法无法实现的效果, 可在一定程度上满足高光谱图像聚类分析的需求。 首先, 为利用高光谱图像的空间和光谱信息, 定义基于像素空间距离和光谱角的指数衰变函数作为像素间相似性的度量。 然后, 在考虑像素相似性的基础上利用基于餐桌的构造形式为每个像素确定所在的餐桌。 最后, 对每张餐桌分配一道菜作为聚类类别, 从而达到聚类的目的。 利用航空可见-近红外成像光谱仪AVIRIS高光谱影像评估该模型性能, 实验结果表明: ssCRP模型可较好地实现高光谱图像的自动聚类, 与传统的K-means和ISODATA方法相比, 该模型结果斑块规整, “椒盐效应”得到抑制, 具有较高的空间一致性, 分类精度高, 其总体精度达到63.57%, Kappa系数为0.632 3, 能很好反映真实地物分布。 同时, 分类结果的地物间边界清晰, 能很好保持图像边缘。

以4-烷基苯甲酸、4-羟基苯甲醛及3-氟-4-氰基苯酚为原材料合成了4种侧向氟取代三环双酯氰基液晶化合物，通过核磁共振(NMR)、质谱(MS)、红外光谱(IR)等分析方法确定了其分子结构，并对上述化合物的相变温度、介电各向异性、光学各向异性进行了测试研究。结果表明，该类化合物在升温过程中均呈现向列相，且具有清亮点高、向列相范围宽、介电各向异性大、光学各向异性大的特点。

PEG(ProgressiveEdgeGrowth)算法是迄今为止构造性能优异的LDPC中短码的一种有效构造方法，然而直接采用该算法构造的LDPC码的编码复杂度正比于码长的平方，这是其实用化过程中的一个瓶颈。 针对这一问题，提出一种具有低编码复杂度和低错误平层的准循环扩展LDPC码的构造方法。该算法在PEG算法基础上，先构造出近似下三角结构的半随机基矩阵，然后再对基矩阵进行扩展,该方法可以在不改变基矩阵的度分布比例情况下，有效消除短环。仿真结果表明,所提出的方法构造的LDPC码比原始的PEG算法构造的随机LDPC码具有更低的错误平层，而且编码复杂度更低，更易于硬件实现。