云环境下基于签密的异构跨域身份认证方案

针对现有交互频繁的密码体制之间不能实现不同密码体制安全高效的跨域认证（公共密钥基础设施（PKI）↔无证书公钥密码体制（CLC））的问题,提出了一种云环境下基于签密的异构跨域身份认证的方法。该方法重新构建了异构系统跨域身份认证模型,设计了用户（U）与云服务提供商（CSP）两个不同的密码体制PKI↔CLC,去除所属域管理中心的跨域认证计算,引入了第三方云间认证中心（CA）来完成U和CSP的交互信息认证,采用签密算法对不同安全域内的U签密,完成了异构系统的双向实体跨域身份认证并降低了U的计算开销。实验结果表明,与匿名认证、代理重签名方法相比,所提跨域认证的效率分别提高了53.5%和23.2%。该方法实现了不同密码体制U身份的合法性、真实性、安全性,具有抵抗重放攻击、替换攻击和中间人攻击的功能。     

温度对超声波波速及应力测量的影响

导出了螺栓轴向应力与超声波纵、横波声时及温度的简捷的关系式,讨论了温度引起螺栓轴向应力超声波测量的误差,测出了温度对声速的影响系数,简化了测量过程。实验结果表明应力<250MPa,应力超声测量的绝对误差<10MPa。     

一种基于Night-YOLOX的低照度目标检测方法

由于在低照度场景下获取的图像具有亮度弱、对比度低、噪声多和细节丢失等特点,使用现有的检测模型对低照度图像进行目标检测会出现定位不准确和分类错误,从而导致最终的检测精度偏低.针对以上现象,本文提出了一种基于Night-YOLOX的低照度目标检测方法 .该方法首先设计了一个低级特征聚集模块（Low-level Feature Gathering Module,LFGM）与主干网络合并.在低照度场景下捕获更多有效的低级特征有利于定位目标,该模块通过聚集浅层特征图中具有判别性的低级特征并送入高级特征图和深层卷积阶段中,以补偿在对低照度图像进行特征提取过程中边缘、轮廓和纹理等低级特征的缺失.然后,设计了一种注意力引导块（Attention Guidance Block,AGB）嵌入检测模型的颈部结构,从而减少低照度图像中噪声干扰的影响,引导检测模型推断出特征图中完整的对象区域范围并提取更多有用的对象特征信息,以提高目标分类的准确性.最后,在真实低照度图像数据集ExDark上进行实验,结果表明所提出的Night-YOLOX相比于其它主流的目标检测方法,在低照度场景下具有更好的检测性能.     

微机化的超声液体浓度在线检测仪

本文介绍了一种超声波液体溶液浓度的在线检测方法,并研制了相应的以单片机和计算机为核心的在线检测仪,计算机中的溶液成份数据库中存贮了多种溶液的声时,温度及浓度关系曲线,检测时可根据存贮的曲线反演出浓度;溶液成份数据库为开放系统,用户可自己添加数据库中没有的关系曲线,从而可检测该溶液浓度;仪器采用了声时、声幅衰减及数字处理技术联合排除气泡干扰方法,增强了仪器的稳定性;仪器采用了主精度测声时方法,以提高浓度测量精度,计算机提供了数据查询及图形处理等功能,极大地方便了用户生产管理。     

TH-1型提花人造毛皮微电脑控制系统

中介绍了一种提花人造毛皮微电脑控制系统的组成及工作原理,着重讲述了选针器驱动、梳理头喂毛控制和花型处理的基本原理及方法,同时说明了系统软件的构成,为进一步研究降开发提花人毛皮计算机控制系统打下了一定的基础。     

参数池化卷积神经网络图像分类方法

传统的卷积神经网络使用池化层对信息进行降维操作,通常会造成信息损失,从而影响网络的表达能力.针对这一问题,使用参数池化层（Parameterized Pooling Layer）替代传统卷积神经网络中的池化层,提出参数池化卷积神经网络（Parameterized Pooling CNN,PPCNN）.参数池化层在仅仅增加了少量网络参数的情况下,最大可能的保留了卷积神经网络中希望被保留下来的特征;同时,由于增加了池化层前向传播的信息,从而影响了反向传播算法中权值的更新,网络收敛速度更快;实验结果表明,PPCNN模型与传统卷积神经网络模型以及部分改进模型相比,参数池化卷积神经网络模型是有效的.     

基于像素级的图像融合方法研究

图像融合是信息(数据)融合的重要分支和当前研究热点。其任务是对多幅源图像信息进行提取与综合,以获得对同一场景、目标的更准确、更全面、更可靠的图像描述,从而实现图像的进一步分析、理解及目标的检测、识别或跟踪。首先对基于像素级图像融合的基本方法、塔形分解法及小波变换法进行了详细介绍,然后针对各种方法的特点及应用场合进行了对比、分析与评价。     

基于Dark-YOLO的低照度目标检测方法EI北大核心CSCD

在复杂的低照度环境中获取的图像存在亮度低、噪声多和细节信息丢失等问题,直接使用通用的目标检测方法无法达到较为理想的效果.为此,提出低照度目标检测方法——Dark-YOLO.首先,使用CSPDarkNet-53骨干网络提取低照度图像特征,并提出路径聚合增强模块以进一步增强特征表征能力;然后,设计金字塔平衡注意力模块捕获多尺度特征并加以有效利用,生成包含不同尺度且更具判别力的特征;最后,使用预测交并比(intersection over union,IoU)改进检测头,IoU预测分支为每个预测框预测IoU值,使得目标定位更加准确.在ExDark数据集上的实验结果表明,相较于YOLOv4,均值平均精度(mAP)提升了4.10%,Dark-YOLO方法能够有效地提高在低照度场景下目标检测的性能.     

Windows环境下的热敏传感器开关特性测量系统

讨论了Windows98下热敏传感器自动测量控制的实现，设计微机ISA总线测量插卡；运用面向对象的可视化编程工具Delphi和内嵌汇编的方法编写I／O端口的控制函数，实现对I／O端口直接读写操作；采用了防脉冲干扰平均值算法编写二次数字滤波函数，有效去除了工业现场的低频干扰信号。