关键词： 文本检测   文本识别   深度学习   智能阅卷  

摘要： 小学数学口算练习能为学生打下数学基础,培养学生的思维习惯、增强问题解决能力、提高数学素养和增强竞争力。而口算能力的提升离不开大量的练习,大量的练习必然会带来大量口算试题和试卷,人工批改这些口算试题需要耗费大量时间和人力,导致无法及时向学生提供反馈,影响学生的学习效果。此外,批改试题的准确度还会受到批改者疲劳程度的影响,容易出现批改错误的情况。对此,本文基于深度学习的计算机视觉技术,研究了一种能够自动检测、识别和批改数学口算题的智能算法,从而有效提高阅卷效率,帮助老师和家长减轻工作压力,避免人工批改出现错误。针对真实应用场景下每张录入的口算试题图像可能存在试题类型不一、光照不均、背景复杂、存在无关干扰信息,且口算试题中同时存在试题印刷体和答案手写体两类字体,不同学生的手写笔迹之间亦存在着巨大差异等问题,本文的主要研究工作如下:1、构建口算试题数据集。分析口算试题在实际应用下的录入场景,通过手机拍摄、扫描和网络爬虫三种方法采集图像数据,并针对录入的图像数据数量可能无法保证模型的训练规模,研究了一种训练样本生成方法。该训练样本生成方法基于真实数据,同时具有自动标注功能,能在保证模型训练效果的同时减轻人工标注的负担。2、研究口算试题文本行检测定位算法。通过比对分析多种深度学习的文本检测算法,研究了一种基于DBNet网络的文本检测模型。为避免口算试题图像在自然场景下可能存在的试题类型不一、光照不均、背景复杂、存在无关干扰信息等影响文本检测模型的效果,在原有网络的基础上引入更深层次的图像特征提取网络ResNet-50以充分提取试题图像中不同维度的特征。同时,通过增强语义信息和空间位置信息以提高网络的特征表达能力,从而更有效地提取口算试题特征,规避无关噪声的干扰。3、研究了口算试题文本行识别算法。考虑到单个口算试题图像同时包含印刷体字符和手写体字符,且不同试题图像中字符样式、大小等可能存在巨大差异。为充分提取识别所需要的各类特征,采用拥有四个Dense Block的DenseNet网络作为特征提取网络。同时使用BiLSTM将卷积层提取的特征表示进行整合,捕捉文本序列中字符之间的顺序关系,提高模型的性能。最后引入CTC解码模型,实现一个端到端的试题图像文本识别模型。最后,在完成文本检测模型和文本识别模型的基础上,设计并实现了口算试题智能批改算法,同时通过采集多张在真实应用场景下的口算试题图像进行实验,结果表明本文研究的口算试题智能识别与批改算法可以应用于现实工程任务。

关键词： TI平台   数学运算   矩阵运算   高性能处理器   双通道传输  

摘要： 数学运算和矩阵运算是高性能计算中的基本任务，它们广泛应用于计算机领域。这些运算是计算机科学和工程领域不可或缺的基础知识，可用于解决各种问题，提高计算机程序的效率和准确性。FT-M7002DSP是我国自主研发的一款高性能处理器，应用范围广泛，具有重要的战略意义和推广价值。目前，相对于主流DSP的TI平台，FT-M7002平台的运算能力、寄存器长度、向量空间等硬件架构具有显著的优势。然而，该平台关于一些数学及矩阵算法的函数库仍处于空白状态，亟需实现这些算法，并达到较好的优化性能。　　基于上述背景，本文面向自主可控的FT-M7002高性能处理器，对7个不同类型、不同规模的数学及矩阵算法进行了实现和优化。其中，4个数学算法包括乘法运算、倒数运算、取反运算和点积运算;3个矩阵算法包括域内交换、矩阵赋值和卷积运算。论文从不同维度对这些算法进行了数据预处理、DMA双通道传输、向量并行优化、SVR搬移、循环展开等优化，充分挖掘了函数的向量并行性，提升了算法的性能。主要工作内容如下:　　（1）查阅资料和文献，详细分析了DSP芯片的研究现状和FT-M7002平台算法优化设计研究现状。研究了这7个数学及矩阵算法的相关研究现状、原理及特性，并面向FT-M7002平台进行了代码实现。　　（2）根据FT-M7002平台的硬件特性，对这些算法从不同维度进行了优化:提前对数据进行预处理;综合使用DMA、SVR方式传输数据;向量访存、向量归约、向量混洗等向量并行优化;和向量并行优化结合起来的循环展开优化;线性汇编优化;使用DMA传输时打开Cache的优化等。　　（3）介绍相关平台的实验环境参数，并保证实验在同等条件下运行。通过列表、画图方式对7个数学及矩阵算法的实验结果进行详细分析，计算各个算法在不同平台优化前后的时间性能比。　　本文所做工作已在FT-M7002平台上实现并应用。实验结果表明，随着数组规模的不断增大，4个数学算法在FT平台优化后与优化前的平均性能比为10.7126～34.4484,在FT平台优化后与TI平台优化后的平均性能比为1.373～3.9959。随着矩阵规模的不断扩大，3个矩阵算法在FT平台优化后与优化前的平均性能比为23.4473～118.8629,在FT平台优化后与TI平台优化后的平均性能比为3.3829～17.5399。经过实验的验证，通过不同维度的优化，这些数学及矩阵算法的时间性能提升显著。

关键词： MSMA   自感知执行器   数学模型   消振  

摘要： 磁控形状记忆合金(Magnetic Shape Memory Alloy,简称MSMA)因为其具有输出位移大,频率响应高以及易于控制等特点成为了近些年兴起的一类智能材料。本文基于MSMA的可逆特性对MSMA自感知执行器展开研究,推导MSMA自感知执行器的输入输出模型,设计有效的消振控制算法实现振动的主动控制。具体内容如下:采用改进的MSMA自感知执行器结构,基于等效磁路法建立磁场强度模型;根据前人经验,将MSMA磁化曲线理想化推导出MSMA感生应力模型;基于动力学原理推导出MSMA自感知执行器的动力学模型,分析其动态特性;研究时分复用方法用于传感信号与执行信号解耦,将MSMA自感知执行器工作过程分为传感与执行两个阶段,分别建立传感模型与执行模型,并通过两个阶段的中间量关系,推导出MSMA自感知执行器感应电压-执行电流模型,为控制算法奠定理论基础。根据MSMA自感知执行器的消振原理与实验特点,提出前馈-PID反馈控制算法。实验以外部激振力的控制信号为参考信号,基于频率测量原理,学习两个周期后掌握外部激振力信号频率等信息后配置输出控制信号。以MSMA初始位移为参考位移,实际位移与参考位移的差值作为被控量进行反馈控制。通过反馈作用以减小误差实现振动主动控制。基于时分复用原理,以DSP为核心控制芯片。通过控制传感信号与执行信号通道上开关的通断,使信号处于不同的时隙进行传输从而达到传感信号与执行信号解耦的目的。采用控制变量法,分别设置三组不同数值的励磁电流与执行电流进行实验,将感应电压和输出位移计算值与实测值进行比较,以此验证模型的精确性。最后,通过设置不同的激振频率,以及控制算法的PID控制参数进行实验,以位移传感器与压力传感器检测波形为消振效果的依据,在PID控制参数一定时,外部激振力频率升高消振效果降低,保持外部激振力幅值与频率不变,选择合适的PID控制参数能提高控制算法的消振效果。

关键词： 数学优化算法   皮革瑕疵筛查   扫描电镜   机器识别   模糊卷积  

摘要： 伴随着工业化时代皮革检测技术的智能发展，计算机图像识别技术在皮革表面瑕疵筛查中已经普遍得到了应用。文章从人工、设备方面简述了皮革表面瑕疵筛查检测常用的方法；融合机器识别技术，对SEM3000型皮革瑕疵筛查扫描电镜计算程序进行数学优化算法改进；通过搭建机器识别算法流程，进一步明确了空间卷积、模糊卷积法在皮革表面瑕疵筛查过程中的计算优化方式，并进行了线性滤波算法与机器识别算法在皮革鞣制、染色、材质等方面的实测数据对比，为皮革表面瑕疵筛查检测提供数学优化方案参考。

关键词： 服装色彩   数学算法   马尔可夫预测模型   趋势   规律  

摘要： 针对当前服装流行色趋势进行预测，分析服装色彩变化中的一般性规律，并运用马尔可夫数学算法预测模型来对服装色彩及流行色趋势进行数学量化分析。以期通过数学算法的科学性，来进一步验证服装色彩的变化规律，为服装色彩设计提供有效的预测依据，使服装色彩更符合消费者预期购买心理。

关键词： 皮革企业物流   矩法估计   成本控制   评价模型   双基点法  

摘要： 尝试运用数学算法来提出一种皮革企业物流供应的最优选评价方法，通过分析物流供应指标性选择，采用矩法估计组合权重数据，以双基点法来构建皮革企业物流供应优化数学算法评价模型，可以有效判断皮革物流供应商不同指标的供应效果，为皮革企业物流效益提升提供更多支持。

摘要： ~~

关键词： 船舶运动数学模型   非线性新息辨识算法   参数辨识   实船试验数据   姿态预报  

摘要： 随着船舶大型化和智能化的不断发展,传统船舶运动数学模型越来越难以准确描述此类船舶的运动状态,不同船舶类型的运动建模辨识问题一直是航海领域的研究难点。因此,探究船舶运动的相互耦合作用机理,寻求一种精度较高的船舶运动数学模型辨识算法,对智能船舶设计、大型船舶操纵模拟器、高可靠智能航行装备研制具有重要意义。.本文从辨识理论角度出发,分析不同类型船舶以及不同船舶运动数学模型对辨识精度影响的主导因素,对传统整体型Norrbin数学模型、分离型船舶运动数学模型MMG(Maneuvering Model Group)模型以及Nomoto数学模型进行改进和重构;分析了简化推导过程中幂级数展开的约束条件,进一步纠正Nomoto数学模型简化推导过程从二阶到一阶的不严密性;明确了Nomoto数学模型的适用范围,提高了模型精度。根据理论分析和航行实践,船舶大型化后,与艏摇角速度和艏摇角加速度有关的力和力矩会增大。此时将与之相关的4个水动力导数放大,改进后的Norrbin数学模型更适用于超大型船舶。这种改进方法同时保留了Norrbin数学模型对船舶参数要求较少的优点,使Norrbin数学模型在超大型船舶上更加有效和通用。该研究成果可用于修正《国际航空与海上搜救手册》(IAMSAR)中威廉逊旋回操纵规则不适用于超大型船舶的问题。为保障船舶海上航行安全能力提供了理论依据。本文以非线性新息(新信息的简称)系统辨识算法为框架结合扩展卡尔曼滤波(Extended Kalman Filter,EKF)等算法,开展船舶运动数学模型参数辨识的研究,探寻消减参数漂移的高效途径。首先,提出了一种非线性新息辨识算法,并通过大连海事大学科研船“育鲲”号获取实船试验数据以便提供数据支撑,利用该实船试验数据验证算法的有效性并提升辨识精度,建立起能够准确反映实际船舶运动的4自由度数学模型。此后结合扩展卡尔曼滤波和遗忘因子等方法对船舶进行实时辨识以及姿态预报,建立可用于实际海况下船舶多自由度的辨识和姿态预报方法。该研究所得成果可广泛应用于智能船舶设计、大型船舶操纵模拟器、高可靠智能航行装备研制等工程任务中的辨识建模问题。辨识模型的建立,以及参数辨识和姿态预报是实现超大型船舶以及智能无人船舶安全、快速和稳定航行的先决条件。本文通过提出非线性新息辨识算法并引入正切函数处理误差,建立了4自由度船舶运动辨识模型。该方法避免了传统多新息最小二乘算法中多新息矩阵求逆的问题,改进后的非线性新息辨识算法能够同时辨识模型结构和水动力导数。为了避免许多重复数据导致辨识预报精度不高和辨识效率低等问题,基于非线性新息辨识算法结合遗忘因子,提出了一种改进的扩展卡尔曼滤波(EKF)算法。通过引入遗忘因子来减小历史干扰数据的累积影响,利用扩展卡尔曼滤波对运动模型中的参数进行优化,减小最小方差的估计误差、减少拟合时间、提高拟合程度、使算法更适用于船舶参数辨识和操纵性预报,这对实际工程应用具有一定的指导意义。本文所有实验均采用Matlab和Visual Basic编程实现,实验结果也验证了算法的可靠性和优越性。所得成果将直接用于本人所在实验室模拟器的优化改良等核心关键技术,充分发挥自主创新精神,为国家海洋发展和交通强国战略做出贡献。

关键词： 知识点自动标注   命名实体识别   深度学习   高中数学   自然语言处理  

摘要： 在互联网信息时代,教育不断朝着智能化趋势发展.智能题库是教育智能化的重要组成部分,对于教育质量和效率的提升有着重要的作用.而准确的试题知识点自动标注是完成诸如个性化认知诊断、个性化试题推荐等智能题库任务的基础.因此,如何准确、自动的进行试题知识点标注具有重要的研究意义.目前,对于试题知识点自动标注的研究,主要集中在文史科目,而对于数学等理科科目的研究还较少.由于数学试题中含有大量公式,直接使用通用领域的文本分类技术,难以保证知识点标注的精度.因此,本文以高中数学试题作为研究对象,首先,针对数学题目的特殊性,研究了数学公式的抽取与表示;其次,对比分析TextCNN模型、Transformer模型和本文构建的TextCNN-Transformer组合模型在高中数学试题多知识点自动标注任务中的分类效果,具体研究内容如下:(1)公式的抽取与表示.本文将试题中出现的公式总结为17种实体类别;经过对比分析后,选择利用条件随机场(Conditional Random Fields,CRF)模型,将试题中的公式映射为实体类别,然后使用相应的实体类别对公式做出替换,在去除噪声的同时,尽可能的保留了原始题目中存在的信息.(2)基于深度学习的试题知识点的自动标注.本文融合TextCNN模型和Transformer模型,构建了TextCNN-Transformer组合模型.此模型通过结合TextCNN层提取的文本局部特征和Transformer层提取的文本长期依赖关系,优化了特征抽取工作.实验结果表明,在高中数学实体替换后的数据集中,使用TextCNN-Transformer组合模型进行知识点自动标注,取得了94%的精准率和85.48%的召回率.与TextCNN模型和Transformer模型相比,本文构建的模型在各项评估指标中均有不同程度的提升.研究结果表明,本文所构建的方法对试题知识点自动标注有良好的效果,在学生个性化认知诊断、个性化试题推荐等方面具有一定的实用价值.