【摘 要】
：
针对人体运动损伤的快速修复问题,设计了一种基于机器视觉的低功率激光照射修复系统。系统的总体结构设计包括激光发射器、可见光跟踪系统、分光棱镜、可见光观测系统和红外光观测系统等部分,硬件设计中充分考虑到各模块之间的稳定性设计,保障光源的定位精度,避免出现过度严重的衍射现象;其中可见光图像跟踪系统中内置了高清CCD相机捕捉损伤部位的真实情况,跟踪系统还具备图像激光编码及灰度调整功能;在控制算法设计方面,
【机 构】
：
上海第二工业大学,上海201209;陕西理工学院体育学院,陕西汉中723001
论文部分内容阅读
针对人体运动损伤的快速修复问题,设计了一种基于机器视觉的低功率激光照射修复系统。系统的总体结构设计包括激光发射器、可见光跟踪系统、分光棱镜、可见光观测系统和红外光观测系统等部分,硬件设计中充分考虑到各模块之间的稳定性设计,保障光源的定位精度,避免出现过度严重的衍射现象;其中可见光图像跟踪系统中内置了高清CCD相机捕捉损伤部位的真实情况,跟踪系统还具备图像激光编码及灰度调整功能;在控制算法设计方面,设计了基于机器视觉的卷积神经网络模型,并利用激光回波确定损伤部位的灰度特征,在激光图像的模型训练中,选用
其他文献
深度学习技术应用到多聚焦图像融合领域时,其大多通过监督学习的方式来训练网络,但由于缺乏专用于多聚焦图像融合的监督训练的标记数据集,且制作专用的大规模标记训练集代价过高,所以现有方法多通过在聚焦图像中随机添加高斯模糊进行监督学习,这导致网络训练难度大,很难实现理想的融合效果。为解决以上问题,提出了一种易实现且融合效果好的多聚焦图像融合方法。通过在易获取的无标记数据集上以无监督学习方式训练引入了注意力
电子病历(Electronic Medical Record,EMR)数据的共享被认为是提高医疗服务质量和降低医疗成本的关键方法.然而,EMR分散存储在各个医疗机构中,这阻碍了数据共享,并使患者的隐私面临风险.为了解决这些问题,提出了一个基于区块链的EMR隐私保护数据共享方案.将原始EMR安全地存储在私有链中,而将关键词索引保存在联盟链中,从而有效降低医疗数据泄露的风险,并保证EMR的不可篡改性.利用布尔函数改进基于密文策略属性的关键字搜索算法,用属性上的布尔公式指定表达性访问策略,有效优化了带宽和通信消
ICMPv6(Internet Control Management Protocol version 6)协议作为IPv6网络运行的基础支撑协议,是IPv6 DDoS(Distribute Denial of Service)攻击防御的一个重要环节.在分析国内外ICMPv6 DDos攻击检测现状的基础上,提出了一种基于信息熵与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的双重检测方法.该方法通过基于信息熵的初步检测能有效识别出异常流量,再进一步基于改进的LSTM网络的深
为使运动员的身体健康得到保障,研究了激光照射对运动损伤康复效果的影响.将不同运动员分为对照组和激光照射组,采用复合激光治疗仪对激光照射组实施不同剂量的激光治疗,采用生物化学法和显微观察法测试SOD活性、MDA含量、骨骼肌蛋白质生成率、羟脯氨酸含量等指标,衡量激光照射对运动损伤的影响.实验证明:52 J/cm2激光照射组的SOD活性、NOS活性、NO含量、SOD/MDA比值、NO/MDA比值与肌纤维结蛋白明显高于静止对照组与运动对照组,骨骼肌蛋白质生成率与羟脯氨酸含量明显高于运动对照组,具有良好的炎细胞抑制
针对骆驼算法(Camel Algorithm,CA)在执行效率低及易陷入局部最优停滞等问题,提出了改进的骆驼算法(Modified Camel Algorithm,MCA).该算法基于骆驼的行进行为,通过在全局位置处引入柯西分布函数进行变异,使得个体受局部极值点约束力下降,提高局部寻优能力,减少原始算法中使用的设置参数的数量,具有较高的计算速度和简化的结构.通过标准测试函数对MCA与CA,乌鸦搜索算法(Crow Searching Algorithm,CSA)和粒子群优化算法(Particle Swarm
使用深度强化学习解决单智能体任务已经取得了突破性的进展.由于多智能体系统的复杂性,普通算法无法解决其主要难点.同时,由于智能体数量增加,将最大化单个智能体的累积回报的期望值作为学习目标往往无法收敛,某些特殊的收敛点也不满足策略的合理性.对于不存在最优解的实际问题,强化学习算法更是束手无策,将博弈理论引入强化学习可以很好地解决智能体的相互关系,可以解释收敛点对应策略的合理性,更重要的是可以用均衡解来替代最优解以求得相对有效的策略.因此,从博弈论的角度梳理近年来出现的强化学习算法,总结当前博弈强化学习算法的重
传统决策树通过对特征空间的递归划分寻找决策边界,给出特征空间的“硬”划分.但对于处理大数据和复杂模式问题时,这种精确决策边界降低了决策树的泛化能力.为了让决策树算法获得对不精确知识的自动获取,把模糊理论引进了决策树,并在建树过程中,引入神经网络作为决策树叶节点,提出了一种基于神经网络的模糊决策树改进算法.在神经网络模糊决策树中,分类器学习包含两个阶段:第一阶段采用不确定性降低的启发式算法对大数据进行划分,直到节点划分能力低于真实度阈值ε停止模糊决策树的增长;第二阶段对该模糊决策树叶节点利用神经网络做具有泛
偏标记学习指示例的唯一真实标记隐藏在一组候选标记之中,其目的为对候选标记进行消歧,最终学习到真实标记.现有方法只是就示例之间的相似性或者差异性进行了单方面考量,因此当示例的候选标记增多时会出现消歧准确率与分类准确率大幅度下降的问题.针对以上问题,提出了融合权重机制和改进SDIM的偏标记分类算法,在原SDIM(Partial Label Learning by Semantic Difference Maximization)算法的基础上,增加了最小化同类别示例之间欧几里德距离的操作,缩小了同类别示例之间的
为进一步提高云制造中资源的利用率,提出云制造环境下客户间协作形成联盟的成本分摊方法.联盟内客户相互协作,共享其匹配到的资源,对订单生产方案进行优化,充分利用联盟内闲置的资源,实现成本的节约.基于协作优化后的方案,构建客户合作成本分摊模型,并采用Shapley值分摊协作联盟的成本.通过数值实验分析表明,当客户订单中存在闲置资源,且当紧急需求的订单因资源的占用需要支付延迟成本时,客户间通过协作共享制造资源,能为联盟内客户带来成本的节约,同时闲置的资源得到利用,提高资源的利用效率.
近年来航运业数字化的加速,凸显出传统航运物流企业日常运营中存在的服务匹配与结算缺乏自动化、业务数据因缺乏透明度而不作为可信证据采信等问题.区块链具有的透明化与可信等特点可以结合物联网与数字货币等技术帮助航运物流企业以数字化转型针对性地解决问题.因此,通过分析合理转型路径,设计基于“蚁群-智能合约”算法作航运服务自动化匹配、基于区块链与物联网提供运输进程可靠追踪服务及基于数字货币实现海运运费高效结算.以太坊测试链上的模拟结果表明了转型方案的有效性,其对内降低运营与结算成本、对外增强业务信息透明度与可信度的价