关键词： 孤立性肺结节   多发性肺结节   图像处理   计算机辅助   正电子发射断层显像术   体层摄影术   X线计算机   氟脱氧葡萄糖F18  

摘要： 目的评估***技术下惩罚因子β值对图像质量和定量分析的影响，探讨图像重建适合的β值。方法采用美国国家电气制造商协会(NEMA)/国际电工委员会(IEC)图像质量模体进行模体研究；回顾性收集天津市肿瘤医院空港医院2022年6月至2024年11月间因可疑肺结节接受18F-FDG PET/CT显像的74例患者[男40例，女34例，年龄61(39，73)岁；83个高代谢肺结节]进行横断面研究。对模体和患者，均在***技术下采用***算法重建图像(β值：100、200、300、400、500、600、700、800、900、1000)。分析如下定量参数：SUV、肿瘤代谢体积(MTV)、病灶糖酵解总量(TLG)和信噪比(SNR)。由2位医师分别对患者PET图像质量进行视觉评分，取其评分均值进行组间比较。用Kruskal-Wallis秩和检验比较不同β值组间定量参数的差异；用Kappa检验分析医师主观评分的一致性。结果模体和临床研究结果均显示，SUVmean和SUVmax随β值增大而减小，SNR随β值增高而增高，但仅临床数据组间差异有统计学意义(H值：20.65、36.35、55.63，均P<0.05)；SUV峰值(SUVpeak)随β值增大而缓慢减少，MTV随β值增大而增大，TLG总体稳定，但不同β值组间差异均无统计学意义(H值：0.88~15.42，均P≥0.05)。2位医师间图像评分(病灶显著性、图像清晰度)有良好的一致性(Kappa值：0.65、0.63，均P<0.05)。不同β值组间2位医师在病灶显著性和图像清晰度方面的评分均值差异有统计学意义(H值：419.29、442.80，均P<0.001)，β＝500时2位医师在上述2个方面的均分中位数最高[均为5(5，5)分]，且评分一致率最高[94.0%(78/83)、97.6%(81/83)]。结论惩罚因子β值为500时，基于***技术的18F-FDG PET/CT图像质量最佳。

关键词： PID 算法   医用离心机   自动定位   控制系统   STM32  

摘要： 针对医疗液体样本检验自动处理工作平台对离心机自动化、高精度运行的需求,设计了一款基于PID 算法的医用自动定位离心机控制系统。该系统以 STM32 单片机为控制核心,融合槽型光电开关、增量型编码器等传感部件,采用增量式 PID 控制算法,实现样本自动抓取、精准放置与高速离心等核心功能。通过 485 接口模块完成与上位机的联机通讯,实时传输设备运行状态与控制指令。系统硬件架构涵盖控制器、驱动器、执行机构及显示模块,软件层面优化了自动定位与高速离心控制逻辑。试验结果表明,该系统定位精度显著提升,无需人工干预即可完成全流程作业,工作效率较传统医用离心机控制系统大幅提高。在目标转速 1800r/min 工况下,经 PI 参数优化后,系统稳态误差基本消除,运行稳定性满足医疗检验标准化要求,为医疗液体样本自动化处理提供了可靠的设备支撑。

关键词： 改进人工蜂群算法   SCARA机械臂   权重和反馈因子   Levy分布   适应度函数  

摘要： 针对标准人工蜂群算法（ABC）在求解运动学逆解问题时存在易于陷入局部最优、开发能力差等问题，提出一种改进人工蜂群算法（IABC），并将其运用于SCARA机械臂进行逆运动学求解。首先，采用改进后的D-H法建立了SCARA机械臂运动学模型并基于代数法求出运动学逆解。然后，对ABC算法的蜜源更新公式引入了权重和反馈因子，平衡了算法在全局和局部搜索的能力，避免算法早熟。在随机位置更新公式中结合Levy分布特性引入Levy因子，增加了算法后期全局开发能力和收敛速度。其次，为了考虑SCARA机械臂逆运动学求解过程中的位置误差和姿态误差，定义了新的适应度函数，提高了算法的优化性能。最后，采用逆解算例来测试算法性能，将其与其他算法进行分析比较，仿真结果表明改进后的算法在收敛速度和精度方面均优于对比算法，通过进一步的SCARA机械臂实验验证，证明了改进后算法求解结果的有效性。

关键词： 六自由度机械臂   逆运动学   卷积神经网络   麻雀搜索算法   双通道特征提取  

摘要： 针对采用单一神经网络算法求解机械臂逆运动学精度低的问题，本文提出了一种基于麻雀搜索算法（SSA）优化CNN-SVM的逆解预测方法。首先，采用MDH参数法建立正运动学模型并生成训练样本；其次，构建双通道CNN-SVM模型，分别提取任务空间的位置与姿态特征，并利用支持向量回归预测关节角度；然后，引入SSA算法对模型参数组合进行全局优化，将该模型应用于机械臂逆运动学求解，关节角度预测误差可控制在±0.008°以内。最后，与POS-LSTM及IWOA方法在连续轨迹姿态预测上的结果对比表明，本文方法精度提高70%以上，验证了其在求解精度上的可靠性。

关键词： 城市桥梁健康监测   大数据平台   多级预警   边缘计算  

摘要： 针对城市桥梁安全监测需求,文章设计并实现了一种融合大数据与机器学习技术的健康监测平台。通过分析某市某大桥多源监测数据(振动、应变、环境、荷载),构建了分层架构的实时处理系统(感知层 - 网络层 - 数据层 - 应用层),采用 5G/LoRa 混合传输确保数据时延≤ 5s。基于随机森林算法建立健康评估模型,结合设计规范与历史数据设定蓝 / 黄 / 橙 / 红四级预警阈值,实现多源交叉验证与分级响应机制。实例验证表明,平台数据处理时延 2.5s,预警响应时间9s,模型准确率 92%,支持边缘计算优化与集群化扩展。

关键词： 安全帽检测   锚点注意力   特征金字塔   RT-DETR   边缘部署  

摘要： 在建筑施工安全管理中，安全帽佩戴检测是保障作业安全的重要环节。针对复杂施工场景下安全帽检测易出现漏检、误检，以及边缘设备计算资源受限等实际问题，本文提出一种基于RT-DETR的改进模型——EHD-DETR（Enhanced Helmet Detection DETR）。首先，设计重参数化特征增强网络（RepFEN），提升特征提取效率；其次，构建上下文锚点注意力-分层结构特征金字塔网络（CAA-HSFPN），增强多尺度目标检测能力；最后，在编码端引入极性感知线性注意力机制（PolaLinearAttention），强化全局上下文建模能力。在公开数据集上的实验结果表明，相较于基线RT-DETR模型，本文方法在mAP@0.5:0.95上提升3.0%，计算复杂度降低19.1%。部署于Jetson Orin Nano平台后，模型推理速度（FPS）达到38.59 帧/s，表明所提方法在检测精度与推理效率之间实现了良好的平衡，具备边缘端实时应用能力。

关键词： 长输管道   施工质量   智能化监测   物联网   大数据   系统设计  

摘要： 为解决传统长输管道施工质量监测中的效率低下、数据孤立、响应滞后等问题,本文提出一种融合物联网、大数据与人工智能技术的施工质量智能化监测系统。首先从系统总体架构入手,完成感知层、网络传输层与应用层的分层设计,明确各层核心设备与功能模块;其次重点阐述焊接工况监测、AI 行为识别、人车管理等关键监测模块的技术实现路径;最后结合中石化某长输管道工程,验证了该系统在提升焊接质量、降低安全隐患、减少人员投入等方面的应用效果。研究表明,该智能化监测系统可实现施工质量的数字化、远程化与精细化管控,可有效推动长输管道施工管理模式从传统经验型向数据驱动型转变。

关键词： 单目标跟踪   孪生网络   深度学习   目标重检测   目标分割  

摘要： 经典孪生网络单目标跟踪算法在面对物体被遮挡、相机视野抖动等问题时表现出较差的鲁棒性，导致跟踪过程中目标容易丢失。为此，本文设计了一种结合目标分割以及重检测机制的孪生网络算法，该算法以区域候选孪生网络(SiamRPN)为基础，在目标位置回归阶段引入一种高效目标分割网络以进一步确定目标位置，同时引入一种模板匹配机制进行重检测以重新确定目标位置，配合加入的模板更新模块，在保证算法具有优秀实时性能的同时进一步提高算法的准确率和鲁棒性。最终算法在OTB100和VOT2016数据集中进行测试，其中在VOT2016数据集上测试跟踪成功率为0.640，EAO为0.480，相较于SiamRPN分别提升3.2%与8.7%，且跟踪速度达到83FPS，可以胜任实时跟踪任务。

关键词： 五金建设   大数据技术专业人才培养模式   过程性评价   质量闭环  

摘要： 文章在厘清“五金建设”内涵的基础上,基于对高职院校大数据技术专业人才培养问题的分析,提出了“定标—落标—固证—共评—反馈”的培养闭环 (以金专业对齐岗位标准、以金课程贯通课堂与实训、以金教材沉淀项目资源与学习证据、以金师资组织多主体一致性评价、以金基地沉淀过程数据并驱动诊改) ,旨在为高职院校大数据技术专业提升培养适配性、可评价性与可持续改进能力提供参考。

关键词： 芡实   YOLOv11n   缺陷检测   轻量化模型   图像识别  

摘要： [目的/意义]针对芡实在加工分选过程中人工分选成本高、效率低且一致性差的问题,提出了一种基于改进YOLOv11n的芡实外观缺陷检测算法,旨在研究一种轻量化的芡实精准分选模型。[方法]首先,将通用感知大核卷积模块(UniRepLKNetBlock)融入C3k2 (Cross Stage Partial with kernel size 2)结构,构建新型特征提取模块CURK (C3k2-UniRepLKNetBlock),增强模型对细粒度缺陷纹理和复杂背景的表征能力;其次,采用深度轻量化自适应提取模块替换主干网络中的部分卷积模块,在增强关键区域的自适应学习能力的同时减少计算量;最后,引入SDIoU (Scale Dynamic IoU Loss)损失函数,弥补DIoU (Distance Intersection over Union)损失函数在多目标检测中回归不稳定、定位精度不足的问题,提升模型的检测准确性与边界框回归效果。[结果和讨论]改进后的模型平均精度均值达到97.4%,召回率为92.8%,相较于基线模型YOLOv11n分别提高了0.4和2.9个百分点;模型权重文件大小为4.9 MB,模型参数量为2.31 M,浮点运算量为6.1 GFLOPs,相较于基线模型分别降低了10.9%、10.7%和3.2%;改进后模型的推理速度达到189.2帧/s,能够满足实时检测的要求。在实验平台测试实验中,总体平均准确率达到92.25%,验证了模型的实用性与工程适应性。[结论]改进模型在保证较高检测精度的同时,兼顾了模型轻量化和实时性,具有较好的工程应用潜力,为芡实的智能化分选提供了有效的技术参考。