网络首发
融合特征增强与集成学习的隧道设备用电异常识别
王骏涛;刘竞阳;刘勇;帅春燕;蒙德芬;高速公路隧道机电设备是保障运营安全的核心，其故障易引发安全事故。传统异常检测方法存在滞后性与高漏报率问题。为此，本研究提出一种基于特征增强和集成学习的用电异常识别模型，通过分析供电回路特征实现设备异常早期诊断。研究系统分析了高速公路隧道供电回路中的典型异常及危害，包括电压上升、下降、不平衡、频率异常和谐波畸变。基于采集的电压、电流、频率等多维时间序列数据，构建一维卷积神经网络自动提取时序特征，并建立以XGBoost、LightGBM和逻辑回归为基学习器、LR为元学习器的集成识别模型。实验结果表明，该模型对多类异常识别的准确率超过95%，显著优于单一模型，在电压上升、不平衡及频率异常识别方面表现尤为突出。本研究为高速公路隧道供电系统早期故障诊断与预测性维护提供了有效的技术方案。
基于高阶泰勒展开的神经曲面拟合点云上采样
陈杨仁;谭诗瀚;戈文一;周子俊;胡靖;点云上采样是一项关键的预处理技术，旨在将稀疏、非均匀分布的点云转换为密集、均匀分布的点云，以提升下游三维视觉任务的性能。尽管基于深度学习的方法已取得显著进展，但这些方法往往聚焦于各种张量的聚合，无法拟合点云上采样可能含有的各种计算过程，导致神经网络过拟合，容易产生噪声、细节丢失和分布不均等问题。为解决这一挑战，根据函数的高阶泰勒展开能够拟合原函数这一原理，本文提出HOT-PU，一种结合自学习的深度学习神经网络与高拟合性能的高阶泰勒展开的点云上采样框架。具体而言，将点云的局部隐式曲面表示为基于泰勒定理的多项式展开形式。然后使用高阶矩特征聚合（HOMFA）模块，捕捉局部邻域的高阶结构特征，使网络能够拟合多项式的系数计算过程。最后，使用泰勒展开式扩张（TEE）模块，模拟上采样种子参数的多项式展开形式与学习到的系数的计算，生成位移场，确保预测的位移严格遵循高阶局部曲面几何约束。在PU-GAN数据集上的实验表明，所提方法相比其他主流方法，P2F（到面距离）降低8.0%～60.0%。
融合中值特征增强的车辆识别知识蒸馏网络
师红宇;张宇洲;王均睿;本文针对细粒度车辆识别（FGVR）任务中模型参数量大、复杂场景特征区分度不足以及边缘部署能力有限等挑战，提出了一种组合式知识蒸馏网络Combo-KD(Combo knowledge distillation)。首先，引入交叉注意投影仪（CAP）模块，将车辆图像特征与可训练查询进行交叉注意力交互，实现不同特征计算范式的对齐，有效压缩特征维度的同时保留细粒度车辆特征的关键信息；其次，设计中值增强空间与通道注意力模块（MSCA），该模块融合通道注意力与空间注意力机制，利用中值增强技术在不同尺度上捕捉并融合车辆的细粒度特征（如车型线条、车灯形状、车标细节等），有效提升特征提取的针对性与丰富度。最后通过教师参数感知（TPP）模块，通过参数空间与输入依赖的对齐方式，让轻量化学生模型感知教师模型的参数信息，在降低参数量的前提下保证识别性能。通过上述模块的协同作用，Combo-KD在大幅降低模型参数量以适配边缘部署的同时，显著提升了复杂场景下细粒度车辆识别的准确性。
基于SAM的脑脊液有形成分少样本计数方法研究
赵健文;李雪晨;王秋明;罗小娟;沈琳琳;曹科;针对脑脊液细胞学中有形成分计数依赖大量标注数据的挑战，提出一种基于Segment Anything Model(SAM)的少样本有形成分计数方法（SAM-FSF）。该方法创新性地构建外观和形状双原型信息提取机制，利用RoI Align和MLP网络分别捕获目标的纹理细节与几何特征，设计密集查询融合模块（QueryMixer）和密集查询解码模块（QueryDecoder），通过动态融合原型信息与图像特征解决有形成分形态多样性和密集重叠区域的计数难题。在脑脊液有形成分数据集上，仅需少量示例边界框即可完成模型训练，该方法在隐球菌、细菌和反应性淋巴细胞三类计数任务中，平均绝对误差（MAE）分别降低至13.44、31.12和11.60；均方根误差（RMSE）分别降低至46.29、80.62和26.45，显著优于现有方法，特别是在极难识别的细菌计数中，RMSE较现有最佳模型（LOCA）降低了15.33，显著提升了计数精度。该方法大幅降低了医学检验标注成本，为脑脊液细胞学人工智能识别提供了高效、准确的解决方案。
基于改进视觉RWKV的红外图像小目标检测算法
贾桂敏;马宇驰;陈涛;基于红外成像的小目标检测具有成本低、非接触、被动成像等优势，但是在复杂背景条件下仍面临目标尺度小、对比度低和背景干扰强等问题。针对现有基于卷积神经网络的方法全局建模能力不足、以及Transformer类方法计算复杂度较高的问题，本文探索将RWKV这一新型网络架构引入红外小目标检测任务，提出一种改进的视觉RWKV红外小目标检测算法（简称RWKV-ISTD网络）。该网络采用双分支结构分别提取图像的局部特征和全局特征：通过改进的视觉RWKV辅编码器对图像全局上下文信息进行建模，利用基于残差卷积的主编码器对局部细节信息进行有效提取。针对红外小目标图像的特点，结合小波变换设计了一种新的多尺度移位模块，以增强模型在全局特征提取过程中的多频率特征差异化表达能力；同时改进了特征融合模块的设计，实现局部特征与全局特征之间的跨分支多阶段显式融合。在NUAA-SIR ST和IRSTD-1K公开数据集上进行了大量实验测试，结果表明本文方法在检测精度、虚警率和模型规模之间实现了更好的平衡，对复杂背景的适应性更好，综合检测性能更优。
基于STM32的城市地下空间智能防汛监控系统设计
邱炳文;李小玉;针对城市地下空间防汛监测中因水波扰动导致误报率高及边缘计算节点算力受限的问题，设计了一种基于STM32的异构数据融合自适应测控系统。在方法上，首先构建基于时空统计特征的动态加权模型，依据传感器数据的长期方差与短期偏差自适应分配权重，从源头抑制单一信源的随机误差；其次，针对微控制器无浮点运算单元（FPU）的限制，提出基于Q15格式的定点化模糊卡尔曼滤波算法，利用二维查表法动态调整测量噪声协方差矩阵，将复杂的浮点矩阵运算重构为高效的整数移位操作。实验结果表明，该系统在10～40mm有效测量区间内，最大绝对误差控制在1.65mm以内，对应的最大相对误差不超过5.5%，线性拟合优度提升至0.98以上；与标准浮点滤波算法相比，定点化算法单次运算耗时由820μs降至68μs，运算效率提升12.05倍，阶跃响应收敛时间缩短至200ms。结论显示，该方法有效解决了低成本边缘节点的高精度实时滤波难题，显著提高了复杂流体环境下防汛监测的鲁棒性与响应速度，但受限于实验条件，本次实验仅验证了算法在小量程模型的有效性，为未来大深度实地监测及多节点协同感知提供了技术支撑。
多尺度特征融合的轻量级烟火分割算法
盛文杏;杜正君;针对现有基于视觉的烟火检测模型在复杂场景中因目标尺度变化大、特征提取困难以及参数量大而难以部署于资源受限设备的问题，本文提出一种改进YOLOv11n-seg的轻量级烟火实例分割算法LFSS-YOLO。在颈部网络中，设计了一种融合全局与局部特征的双向特征金字塔结构，增强模型对多尺度特征的自适应融合能力。在特征提取网络中，结合扩张残差模块与重参数化机制，有效扩大感受野并提升对大尺度空间特征的捕捉性能。在分割头前引入跨空间高效多尺度注意力模块，以强化对烟火目标不规则边缘的特征表征。此外，使用更轻量的Adown卷积替代传统CBS卷积，进一步降低模型复杂度。实验结果表明，改进后模型的参数量和模型大小分别降低了37.3%和28.3%；在Box与Mask评估指标上，精确率分别提升3.1%和2.7%，召回率分别提升3.4%和2.3%,mAP50分别提升2.8%和2.4%。LFSSYOLO在实现模型轻量化的同时保持了较高的分割精度，适用于资源受限环境下的实时火灾预警任务，具备良好的应用潜力。
融合多尺度特征的文档版面分析算法
袁沛愉;陈亮;刘昌宏;针对文档版面复杂、多模态元素难以高效解析的问题，提出了一种基于Transformer的端到端目标检测网络(Detection Transformer,DETR)的双重注意力的跨层多尺度文档版面分析算法。该算法在标准DETR架构的基础上，引入位置注意力模块、特征金字塔网络加权坐标注意力模块。其中，位置注意力模块增强了模型对空间结构的建模能力，能够有效识别表格网格、标题等空间依赖较强的元素；特征金字塔网络提升了多尺度特征融合能力，改善了小目标和不同尺寸要素的检测效果；加权坐标注意力模块使模型更精确地聚焦于与文档关键元素相关的区域特征。实验在PubLayNet数据集上进行，结果表明该算法在文本、标题、表格、插图等多类型文档要素的检测任务中均取得了优于主流方法的性能，整体mAP@0.5达到96.8%，相比原始DETR提升了1.6个百分点。该算法不仅提升了文档要素检测的精度与鲁棒性，也为后续多模态语义融合等下游任务奠定了坚实基础。
基于多尺度特征感知的SOFC表面缺陷检测算法
付晓薇;刘晓;李曦;固体氧化物燃料电池(SOFC)是SOFC发电系统的关键组件，其质量直接影响电堆的稳定运行及系统的使用寿命。针对单片SOFC表面缺陷形状大小随机，容易误检和漏检等问题，提出一种基于多尺度特征感知的SOFC表面缺陷检测算法。首先，提出多尺度特征感知模块(MSFP)，捕捉目标缺陷的位置信息，增强对缺陷区域的特征提取能力并抑制复杂背景干扰；其次，设计自适应门控残差注意力模块(AGRA)，使模型同时具备细粒度局部特征和全局骨架结构的表达能力；最后，采用Shape-IoU损失函数，关注表面缺陷边界框的形状和尺度，优化边界框回归过程。实验结果表明，提出的算法在SOFC表面缺陷数据集上的平均精度均值、精确率和召回率指标分别为87.5%、85.1%和80.2%。对比其他主流目标检测算法，所提出算法有效改善了误检和漏检问题，具有较强的鲁棒性。
一种基于国产平台的Hyperscan优化方法
王聪;曾安琪;季震宇;徐澍;正则表达式作为文本匹配的重要工具，在网络数据处理中发挥着重要作用。然而，开源正则表达式库Hyperscan在国产威鑫H8000平台上存在匹配效率低的问题，限制了其在网络数据处理中的应用。针对这一问题，提出了一种基于单指令多数据指令级优化的方法，旨在提升Hyperscan在威鑫H8000平台上的性能。优化方法首先通过分析Hyperscan的并行化特性，结合申威平台的性能分析工具，定位了影响匹配性能的热点函数；其次针对这些热点函数，采用手工嵌入SIMD指令的方式，对关键函数进行优化。实验结果表明，威鑫H8000平台上的正则表达式匹配性能平均提升了77%，改善了Hyperscan在该平台上的效率。这一优化方法不仅为Hyperscan在申威处理器上的性能提升提供了有效解决方案，也为国产处理器在网络数据处理领域的应用和发展提供了重要支持。