关键词： 飞机蒙皮   缺陷检测系统   数据采集   数据处理   点云自适应降采样算法   多尺度K值   多尺度曲面模型   深度图像  

摘要： 机身蒙皮是飞机暴露于外部环境的主要部位，在飞机服役期间常常出现各种各样的缺陷，如裂纹、划痕、凹坑和腐蚀等。这些缺陷如若不能及时检修，会破坏飞机蒙皮自身结构，甚至可能带来重大事故。因此能够及时准确地对飞机蒙皮进行缺陷检测是十分有必要的。目前各大机场仍然采用以人工巡检为主的飞机蒙皮缺陷检测方法，存在费时费力、主观性强、漏检率高等诸多问题。实现一种自动化的飞机蒙皮缺陷检测方法成为主要研究方向。本文在基于由Photoneo PhoXi 3D Scanner深度相机采集得到的三维点云和深度图像数据的基础上，按照裂纹以及凹坑缺陷表达出来的不同特点对其进行设计检测方法，具体工作为:　　1）设计缺陷检测系统的总体结构。系统架构主要有数据采集和数据处理两部分组成。数据采集部分指的是无人车控制系统设计;整个无人车系统架构由下层移动平台、上层伸缩支架、顶层Photoneo PhoXi 3D Scanner深度相机传感器三大部分组成;数据处理部分是指在上位机中对采集得到的数据进行处理。通过数据采集对所需要检测的缺陷进行数据采集并手动进行缺陷数据集整理;数据处理对采集到的缺陷数据集进行处理。　　2）针对点云数据量大、处理效率低、降采样过程中局部区域易受到K邻域的影响、且存在数量自适应等问题，提出一种基于多尺度K值的点云自适应降采样算法。首先通过统计滤波处理明显的离群点，然后通过分析长方体包围盒法和法向量曲率精简法，在此基础上，设计了点云自适应降采样算法。自适应降采样算法通过计算点的微分信息来辨别点的重要性，以便期望能够尽可能保存点的局部细节特征，同时结合自适应以便确定后续算法所需要的点云数。最后从自适应性和降采样结果两方面对比分析，实现了海量点云数据下模型的自适应降采样处理。　　3）针对飞机蒙皮凹坑缺陷检测时间久，机身表面不平整，且在二维图像中缺乏视觉信息、难以进行自动检测的问题，设计了一种基于多尺度曲面模型的飞机蒙皮缺陷自动检测算法。首先对降采样后的数据做最小移动二乘法处理;在此基础上，将预处理数据拆分为多个局部蒙皮网格区域，对所有区域基于随机抽样一致算法进行曲面构建和优化估计;聚合局部曲面模型，得到缺陷区域与非缺陷区域;在缺陷区域中利用表面特征进行凹坑点聚类，从而得到最终的凹坑检测结果。最后从参数选择、机身部位性能、检测结果算法对比三方面进行分析，实现了在飞机蒙皮场景中自动检测凹坑缺陷的目标。　　4）针对裂纹在点云数据中的表示信息并不能表达出来明显的位置信息的问题，设计了一种基于深度图像的裂纹缺陷检测算法。首先对整体深度图像数据进行数据拆分，接下来是进行局部模型估计，并在每个已估计的局部模型进行裂纹像素点提取及筛选，最后通过融合全局模型并根据裂纹的长度与宽度进行骨架提取，消除掉虚假裂纹，得到最终的裂纹缺陷检测结果。最后从参数和检测结果算法对比结果两方面分析，实现了在飞机蒙皮场景中检测裂纹缺陷的目标。　　本文的研究对于提高检测蒙皮缺陷率，减少人工和时间成本，实现自动化的飞机蒙皮缺陷检测具有一定的意义。

摘要： 三峡物资招标管理有限公司下属企业三峡国际招标有限责任公司成都分公司（以下简称“招标公司”），作为国内水电招投标领域的佼佼者，因三峡而生，从三峡工程到金沙江流域的四座梯级电站工程，深耕水电三十载，汇聚了一批专业优秀人才。2023年共实施招投标484个项目，涉及专业涵盖水电、新能源和环保等多个行业和领域，为三峡集团公司的“两翼”战略做出了积极贡献。

关键词： 智能感知   特征识别   电力工程   数据处理技术  

摘要： 本研究专注于利用智能感知和特征识别技术进行电力工程数据的高效处理，以提升电力系统的运行效率和可靠性。我们通过深入研究传感器、数据传输协议和技术，以及特征提取与选择方法，结合机器学习和深度学习技术，构建了一套全面而高效的数据处理框架。此框架能够实时监测电力系统的关键参数，从而为电力系统的稳定运行提供有力保障。这一研究成果不仅有助于优化电力系统的运行管理，也为相关领域的研究提供了新的思路和方法。

关键词： 大数据   公立医院   财务数据   处理与分析  

摘要： 大数据时代，公立医院如何对海量的财务数据予以处理和分析，对于实现资源优化配置、提升医院财务管理水平以及医疗服务质量具有重要意义。从大数据时代公立医院财务数据处理与分析面临的挑战出发，分析大数据时代公立医院财务数据处理与分析存在的问题，探讨大数据时代公立医院加强财务数据处理与分析的重要意义，提出大数据时代公立医院财务数据处理与分析的优化路径，包括打造智慧化信息数据平台交互系统，“业财融合”助力数据分析、运用具体的数据处理和分析方法等。

关键词： 铣削加工   小波降噪   特征分析   多传感器融合   表面粗糙度预测  

摘要： 智能制造是当前制造业发展的主要趋势,被加工零件的表面粗糙度预测是实现智能制造的核心内容之一。传统方法中多以切削力信号或切削振动信号这类单一信号结合切削三要素进行表面粗糙度预测,而这会带来表面粗糙度预测精度不准确的问题。 为了进一步提高表面粗糙度预测精度,本文提出采用多传感器信号融合技术,采集了铣削TC4钛合金过程中的切削力、切削振动信号,在选择了小波阈值降噪方法的基础上,融合了切削力、切削振动信号的时域、频域以及时频域特征,并作为构建的BP神经网络表面粗糙度预测模型的输入项,结果表明本文多传感器信号融合的方法提高了表面粗糙度的预测精度,对机械加工智能化发展奠定了基础。主要研究内容如下: (1)铣削实验与信号采集。通过分析铣削加工过程的特点,搭建了TC4钛合金铣削实验平台,确定了铣削稳定域以及完成工艺参数方案的设计,采集了切削力、切削振动和相应的表面粗糙度值,为多传感器信号的处理提供了数据基础。 (2)铣削信号降噪处理。基于TC4钛合金铣削实验采集的切削力和切削振动信号,对比分析了不同阈值、小波基函数和分解层数的降噪处理结果,提出了采用小波软硬阈值改良折中法,确定了切削力信号采用db5小波,切削振动信号采用coif5小波,在分解层数为1时可实现有效降噪,为后续的多传感器信号特征提取工作提供了良好的数据样本。 (3)多传感器信号特征提取及融合。通过时域、频域以及小波包分析相结合的方法对降噪后的切削力和切削振动信号进行特征提取,从而提取与加工状态紧密相关的特征参数。通过计算提取的特征量与表面粗糙度之间的相关系数值,分析两者之间的相关性,将相关性高的时域、频域以及时频域特征进行融合,进而构建融合特征向量。最终选取每组实验共18个信号能量组成融合特征量,为表面粗糙度预测提供了输入项。 (4)表面粗糙度预测。基于BP神经网络,建立了TC4钛合金铣削表面粗糙度的预测模型,通过将上述多传感器融合特征作为模型输入获得的预测结果与将铣削实验原始振动信号作为模型输入获得的预测结果作对比,表明多传感器信号通过降噪和特征提取及融合后能够获得更高的预测精度。

关键词： 物理化学   Python   燃烧热   实验数据处理  

摘要： 通过仪器测定所得大量实验数据来揭示客观规律是物理化学实验的特色，而对数据进行处理分析是这门课的难点。鉴于此，以燃烧热测定为例，讨论了如何运用Python处理物理化学实验数据。将Python程序直接用于实验数据处理，能够快速、准确、高效地得到雷诺曲线、蔗糖燃烧热及相对误差等，并通过对关键代码的修改，能将程序扩展到其他实验应用中，进一步通过第三方库将其转化成脱离语言环境、且能够在操作系统使用的软件。Python程序应用于物理化学数据处理中能为实验的高效进行提供切实的保障，具有较好的普适性和应用性，同时能够激发学生的创新能力和培养学生理论与实践相结合的应用能力。

关键词： 食品安全   智慧监管   数据收集   数据处理  

摘要： 在食品安全智慧监管优化路径方式方面,智能化和信息化技术的高速发展提供了相应契机,借助智能化和信息化技术,提高食品安全相关数据收集处理能力以及及时监管能力,并利用智能化技术对大量有关食品安全信息进行分析,及时寻找到食品安全隐患。在此背景下,食品安全监管作业中智慧监督作业模式被提出并加以运用,为食品安全监管优化提供契机。但是现阶段我国食品安全智慧监管中智能技术应用存在相应不足,无法充分发挥智慧监管带来的积极作用。郫都区食品违法行为呈现出动态化、多变化、隐蔽化的趋势,例如学校周边小吃脏乱差现象、郫都区查获越南走私冻品事件等。郫都区食品安全监管工作要破解当下监管困局,需要实现食品生产、流通过程的全链条溯源智慧监管。 本文首先梳理了食品安全、食品安全智慧监管和智慧治理的相关概念及新公共服务、数字治理、协同监管的理论基础;然后分析了成都市郫都区食品安全智慧监管现状,并利用模糊层次分析法对成都市郫都区食品安全智慧监管效果进行了评价;进而发现了成都市郫都区食品安全智慧监管目前存在数据感知较为困难、数据处理不够全面、数据传输时效较低、数据应用效果不足等问题,而问题产生原因为系统整合不足导致数据感知困难、技术支撑较弱导致数据处理不全、职责约束不清导致数据传输较慢、主体协同较差导致数据应用不足等;最后提出了完善系统整合提高数据感知、增强技术支撑优化数据处理、明确部门职责加快数据传输、提高主体协同深化数据应用等基于智慧治理视角成都市郫都区食品安全监管的完善对策。希望能够促进郫都区食品安全智慧监管不断优化,并为食品安全智慧监管整体建设和后续完善提供经验借鉴。

关键词： 微震监测   到时拾取   初至走时计算   微震定位   震源搜索  

摘要： 随着煤矿开采向深部进发,煤矿安全面临着巨大威胁,冲击地压、岩爆、矿震等灾害日益严重。微震监测技术能够实时监测震源位置、震级和震源机制等,已广泛应用于煤矿的安全监测。微震数据处理与微震震源定位是微震监测的关键技术,本文结合深度学习、智能优化算法和时频分析等技术,开展了煤矿微震数据智能化处理和微震定位技术研究,主要围绕微震信号识别与到时拾取、初至走时计算、微震精确定位方法以及微震震源快速搜索方法四个方面展开研究。本文的研究内容如下: 1.将微震信号识别与到时拾取任务转化为深度学习语义分割任务,构建基于Conv-LSTM-Unet的微震信号识别与到时拾取模型。以Unet网络为基础,将卷积操作与长短期记忆(Long Short-Term Memory,LSTM)网络结合;通过卷积与LSTM操作,端到端的获取微震信号的时空特征,以Unet模型为基础,构建语义分割模型。设计了适用于到时拾取的评价指标—长度交并比(IOU),并采用多个数据集进行训练和验证,探究了不同输入数据形式、不同模型以及不同拾取任务下的性能。实验结果表明,三分量时序信号包含的微震信息更加丰富,ConvLSTM-Unet模型拥有最佳的拾取性能,且发现对P波和S波进行单独拾取的效果要优于同时拾取。 2.构建了基于物理信息神经网络的初至走时求解模型。本文将Eikonal方程的物理信息带入到神经网络的学习当中,提出了自适应Fourier-Res PINN模型。该模型基于物理信息神经网络(PINN)模型,使用自适应权重技术改进PINN的损失函数,并使用残差网络替换PINN的基础网络,改善网络退化问题;将傅里叶映射做特征映射,减少频谱偏差问题。数值实验结果显示,自适应FourierRes PINN模型与PINN、FSM和FMM相比,更加准确快速。 3.优化了基于波形的微震定位方法,提出了基于改进特征函数的多主事件波形叠加微地震精确定位方法。基于波形叠加定位方法,将双对双差法拓展到波形叠加方法当中,结合数值与合成数据实验,论证了双对双差法可以通过在近源区与近台站区的相似路径减少速度误差的影响。同时,提出了基于时频和梯度的特征函数,以减少低信噪比环境的影响。最后,提出使用多个主事件来改善相对定位中主事件选择不当造成的定位偏差。数值、合成数据以及现场实验验证了本文方法的定位效果最优。 4.提出了自适应反向学习策略的开普勒算法(称之为IKOA),用于微震定位中的快速震源搜索。本文将智能优化算法用于微震定位中的震源搜索问题,通过引入混沌初始化与自适应反向学习策略改进开普勒优化算法,并在23个基准函数上验证了IKOA的优势,其收敛速度快、搜索能力强且不易陷入局部最优。最后,通过微震定位实验论证了:在基于走时定位方法和基于波形定位方法中,综合定位精度与定位速度来看,IKOA算法优于网格搜索算法与传统的智能优化算法。 5.在现场工程应用验证了本文提出算法在实际煤矿微震数据处理和定位中的可行性。在山东某煤矿分别开展了微震到时拾取、走时计算、精确定位和快速定位实验。应用结果显示:实际矿震数据下的平均拾取误差为4ms,而实际微震数据下的拾取误差为6ms;Fourier-Res PINN的平均走时误差为2.87ms,优于FSM的平均走时误差5.7ms;实际矿震数据下多主事件的定位误差可以达到20m左右的误差,总体误差在30m以下;从定位速度来看,IKOA在定位速度上远优于网格搜索算法,单个事件的定位速度是网格搜索算法的22.46倍,当微震事件数量增加为100个,IKOA算法的定位速度是网格搜索算法的26.09倍。 图[116]表[25]参[188]

关键词： 双色超分辨成像   弱光彩色相机   数据处理   颜色解析   深度学习  

摘要： 多色超分辨成像技术能够同时实现高分辨率和多通道成像,为研究人员深入探索细胞和组织内部的复杂结构和功能提供了有力支持。然而,该技术的成像流程和数据处理方面的复杂性,限制了其在生物医学领域的广泛应用。为了解决这一问题,近期开发的位置颜色联合编码成像方案,使用弱光彩色相机,在单帧原始图像中同时编码了两种荧光分子的位置和颜色信息,显著简化了双色超分辨的成像流程。在数据处理阶段,该方案通过定位和颜色解析算法,能够有效地重建出双色超分辨图像。 然而,现有的算法未能充分利用原始荧光图像当中所有通道丰富的信息,同时缺乏对过程的控制,难以保证最终重建出的双色超分辨图像质量,在数据处理的难度和效果上存在局限性。因此,本文为了提高位置颜色联合编码成像方案在数据处理阶段的易用性和效率,对双色超分辨定位成像数据处理流程进行了改进,具体内容如下: (1)针对当前定位阶段的算法未能充分利用颜色通道进行荧光分子定位,以及难以处理荧光分子间距较近的情况,本文基于深度学习的编解码器模型,提出了一种基于全局不确定性度量的分子定位方法(GUM-Locator)。该方法通过多个输出通道,预测输入图像的全局信息,以确定荧光分子的位置和强度,并对这些参数进行不确定性度量。基于仿真数据和实验数据,本文证明了该方法具有更好的定位精度,且能够更好地适应高密度的情况,提升了定位阶段的性能。 (2)针对当前颜色解析阶段的算法未能充分利用所有通道之间的关系,本文结合联合编码成像方案的数据特性,提出了一种基于多通道多尺度融合的颜色解析方法(MSCFnet)。该方法对荧光分子所在子区域,用多种卷积核结合通道注意力机制的方式,充分进行了特征提取以进行颜色解析。通过单色和双色成像实验,验证该方法无论在较低信噪比还是较高激发密度下的成像环境下,均能得到具有显著优势的双色超分辨重建结果。 (3)针对当前的定位和颜色解析算法缺乏交互,使用难度高,开发了位置颜色联合编码成像数据处理平台。该平台基于MATLAB的APP Designer,集成了上述提出的定位和颜色解析阶段的两种深度学习方法,并通过实时呈现,交互,可视化等方式,降低了位置颜色联合编码成像方案在数据处理端的使用门槛,使得非专业人士也能轻松掌握。这一创新平台不仅提高了数据处理的效率,还拓宽了双色超分辨成像技术在生物医学研究等领域的实际应用范围。

关键词： 果树冠层信息探测   激光雷达   数据处理   信息融合  

摘要： 果树冠层信息是反映果树生长状态、健康情况以及产量的关键指标，其信息的精确获取对于果园的精准管理至关重要。传统的冠层信息获取方法往往耗时费力且精度较低，无法满足现代农业对于数据准确性和实时性的要求。激光雷达技术以其非接触、高精度、高效率的特点，在果树冠层信息获取方面展现出巨大的潜力。本文提出了一种基于激光雷达点云信息的果树冠层信息探测方法，并开展了模拟冠层和实际果园探测试验，验证了探测方法的可行性和准确性。研究结果表明，激光雷达技术能够准确、快速地获取果树冠层信息，为果园的精准管理提供了有力的技术支持。本文的主要研究内容如下：　　（1）完成了果树冠层信息探测试验系统设计、选型和数据预处理。开展了探测系统的方案设计和激光雷达等主要部件的选型，基于即时定位与地图构建（Simultaneous Localization and Mapping，简称 SLAM）技术，开展了点云去畸变和帧间匹配方法研究，实现动态条件下多帧点云数据融合，并进行了田间试验验证。　　（2）完成了果树冠层厚度信息探测算法研究。开展了果树冠层点云数据提取方法研究，提出了基于点云局部球形度的冠层有效点云判断方法。利用聚类算法和立方体拟合方法，研究了一种果树冠层厚度探测算法，并进行了模拟冠层试验研究，验证了该算法的准确性和稳定性。　　（3）完成了果树冠层叶面积密度探测算法研究。开展了基于点云数量、体素网格和叶片拟合的果树冠层叶面积密度探测算法研究，设计并开展二次回归正交试验，探究了冠层厚度、探测距离和叶面积密度对于探测结果的影响规律，建立了三种方法条件下的试验结果回归方程。分析比较了不同方法在模拟冠层探测试验中的结果。　　（4）完成了果树冠层信息探测系统设计与田间试验研究。设计开发了基于激光雷达的果树冠层信息探测系统，在棚架式梨园环境中开展了系统的田间试验研究，对冠层厚度和叶面积密度探测结果进行了分析，结果表明，冠层厚度探测平均相对误差为 10.72%，叶面积密度探测的平均相对误差为 11.4%，基本满足果园精确施药要求。