针对弱光照条件下交通标志易发生漏检和定位不准的问题，本文提出了增强YOLOv3（You only look once）检测算法，一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法。首先构建了大型复杂光照中国交通标志数据集；然后针对复杂的弱光照图像提出自适应增强算法，通过调整图像亮度和对比度强化交通标志与背景之间的差异；最后采用YOLOv3网络框架检测交通标志。为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响，优化了先验锚点框聚类算法和网络的损失函数。对比实验结果表明，在实时性大致相当的情况下，本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度，召回率和准确率分别提高0.96%和0.48%

无论Eye-in-Hand或Eye-to-Hand型式的机器视觉控制系统,均存在视场受限、丢失等情况,从而无法在一定距离、角度内对目标进行在线视觉测量,进而无法建立全闭环的伺服控制.基于Eye-in-Hand型式的机器视觉控制系统,以及最短测量距离Lmin,提出一种闭环与开环相结合的伺服控制系统:即测量距离大于Lmin时为位置反馈型闭环控制的原位调姿,在测量距离小于Lmin时为位置给定型开环控制,机器人以相对线性运动进给到目标位置.针对该过程中的偏移问题,提出了前馈补偿模型,即利用前期运动数据对运动误差进行估计.实验证明,该方法能有效地补偿定位误差

随着汽车行业的快速发展，轻量化汽车用钢的研发和应用越来越广泛。抗拉强度超过1000 MPa的第二、三代汽车用钢往往是复相组织，通过固溶、析出、变形、细晶强化等各种强化方式，在基体中形成大量缺陷，导致钢材服役过程中对氢更加敏感，容易在很小的氢溶解条件下发生氢脆。Fe?Mn?C系、Fe?Mn?Al?C系等含Mn量高的汽车结构用钢因层错能较高，不仅直接决定了其强韧性机制，还对其服役性能有重要影响。在Fe?Mn?C系TWIP钢的成分基础上，添加少量Al元素，形成Fe?Mn?(Al)?C钢，不仅能降低钢材密度，提高钢材的强韧性，也因Al元素改变了钢材的微观组织构成，一定程度上令氢脆得到缓解。但当Al含量较高时，形成低密度钢，其组织构成更加复杂，析出物更多，导致氢脆敏感性更显著。本文从Fe?Mn?(Al)?C高强韧性钢的组织构成、第二相、晶体缺陷等特征出发，综述了H在Fe?Mn?(Al)?C钢中的渗透、溶解和扩散行为，H与基体组织、析出相、晶格缺陷的交互作用，H在钢中的作用模型、氢脆机制、氢脆评价手段和方法等。并评述了Fe?Mn?(Al)?C高强韧性钢氢脆问题开展的相关研究工作和最新发展动态，指出通过第一性原理计算、分子动力学模拟和借助氢原子微印技术、三维原子探针等物理实验相结合的方法是从微观层面揭示高强韧性钢氢脆机制的未来发展方向

建立了非平稳运行工况下行星齿轮箱共振频带内的声音信号解析模型，揭示了齿轮故障特征在声音信号共振频带内的分布规律。根据共振频率不随转速变化的特点定位了齿轮箱共振频率，为在共振频带内提取齿轮故障特征奠定基础。针对传统时频分析方法时频分辨率低的缺陷，研究了基于高阶同步压缩变换的时变故障特征提取方法。通过数值仿真和实验信号分析，验证了所提出的声音信号模型与行星齿轮箱故障特征分布规律的正确性，以及利用高阶同步压缩变换方法提取共振频带内行星齿轮箱故障特征的有效性

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的

根据磁控溅射实验条件, 采用分子动力学方法, 在Si(100)面上模拟沉积了三种ZrxCu100-x(x=50, 70和90)合金薄膜.通过计算径向分布函数(RDF)及X射线衍射(XRD)分析了沉积薄膜的形貌结构, 并探讨了玻璃形成能力和五重局部对称性之间的关系.最后研究了沉积薄膜的力学性能, 及薄膜厚度对拉伸过程的影响.研究结果表明: Zr-Cu合金玻璃形成能力与五重局部对称性之间存在一定的相关性, 沉积玻璃薄膜比晶体薄膜表现出更好的延展性, 其中Zr50Cu50沉积玻璃薄膜比近共晶成分玻璃薄膜(Zr70Cu30)具有更大的拉伸强度; 沉积薄膜存在一定的尺寸效应, 薄膜相对厚度越小, 其拉伸强度越大

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺。传统的配准方法主要是针对手动分割的前列腺核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点，进行刚体或非刚体配准。针对超声图像因成像质量低导致手动分割配准效率低下的问题，提出一种基于监督学习的前列腺MR/TRUS图像自动分割方法，与术前核磁图像进行非刚体配准。首先，针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM），并基于随机森林建立边界驱动的数学模型，实现超声图像自动分割。接着，提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量，进行特征匹配与图像配准。实验结果表明，本文方法能准确实现前列腺超声图像自动分割与配准融合，9组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于0.98，同时尿道口处特征点的平均定位精度达1.64 mm，相比传统方法具有更高的配准精度

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

宫颈癌是严重危害妇女健康的恶性肿瘤，威胁着女性的生命，而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法。近年来，随着以深度学习为代表的机器学习理论的发展，卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破，被广泛应用于宫颈异常细胞检测等医疗影像分析领域。但由于病理细胞图像具有分辨率高和尺寸大的特点，且其大多数局部区域内都不含有细胞簇，深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时，经过穷举候选框获得的子图大部分都不含有细胞簇。当子图数量逐渐增加时，大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长，严重减缓了超大尺寸病理图像分析时的检测速度。本文提出一种新的宫颈癌异常细胞检测策略，针对使用膜式法获得的病理细胞图像，通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞，若出现则进一步使用单阶段的目标检测方法进行分析，从而快速对异常细胞进行精确定位和识别。实验表明，本文提出的方法可提高一倍的宫颈癌异常细胞检测速度