- 肖人彬;赵嘉;崔志华;邬博文;
群体智能的研究肇始于群智能,它包括群智能和众智能两个相互关联的主要组成部分;目前群体智能的发展正处于关键时期,面临着研究方式的转换和研究范式的转变。有鉴于此,首先分析群体智能研究的外部变化:一方面时空环境正在从稳态转向剧变,深度不确定性凸显;另一方面群体智能研究由追求计算求解的高效率转向解决问题的精准性。进而阐述群体智能研究的内在改变:一方面是所解决问题的类型由以工具型分配问题为主转向聚焦价值型分配问题;另一方面表现为研究的主导方式正在从方法导向转变为问题导向。随后提炼出群体智能研究的新范式,即从优化范式转向进化范式,这是在外部和内部两部分合力的推动下发生的研究范式的跃迁,通过深入剖析两者在搜索方式、竞合方式、作用方式和求解特征等方面存在的明显差别,对优化范式和进化范式进行对比说明。最后根据群体智能研究进化范式的内涵和特点,概括出群体智能进化的若干具有代表性的研究方向,包括基于生物合作行为的仿生计算、生物群体智能涌现和大模型驱动的群体智能进化,并进一步给出了这些代表性方向的研究实例。上述研究纵览全局,见解独特,旨在为群体智能进化范式下的前沿探索引领方向,具有充分的启发意义和参考价值。
2025年05期 v.46;No.211 401-410页 [查看摘要][在线阅读][下载 1012K] - 张晓红;杨天祥;石冠男;秦彦凯;曾建潮;
剩余寿命(Remaining Useful Lifetime, RUL)预测和预测维修决策是预测与健康管理(Prognostics and Health Management, PHM)研究的两大核心内容。RUL预测技术已取得丰硕的成果,预测维修决策研究仍不够深入。现有预测维修决策研究更多关注如何根据单次预测结果进行单次的维修决策。然而,预测是一个动态过程,相应的维修决策也是动态的,动态序贯的决策中决策的更新与停止问题是一个鲜有关注却值得研究的问题。针对以上问题,对状态可检测的系统,采用Bayesian更新和EM算法相结合的方法,实现了系统RUL和可靠性预测结果的动态更新;在此基础上制定序贯维修策略,依据自适应预测周期和RUL预测结果给出了决策停止的判断准则,在动态冗余的预测结果中选择出真正可执行的最优维修时刻;通过仿真实验验证了所提策略和方法的有效性和适用性。结果表明所提出的方法可有效降低系统的故障概率和运维成本,提升运维效率。
2025年05期 v.46;No.211 411-419页 [查看摘要][在线阅读][下载 1455K] - 王晓;王军;柴华彬;
针对工程中遮挡对RTK数据采集的影响,不同遮挡情况下,选择标志性的观测点,利用全站仪和RTK分别采集数据,分析RTK接收信号的能力及采集数据的精度、精确度。结果表明:建筑物构筑物遮挡对接受信号影响较大。植被遮挡下,RTK与全站仪采集数据平面位置差ΔS在(1.2~5.9) cm,精度和精确度符合1∶500测图要求。上盖(桥梁)遮挡,观测点从桥梁边缘向内距离s≤50 cm,ΔS主要在7 cm左右;50 cm<s≤1 m,(10~25) cm;s>1 m,ΔS在(20~65) cm,精确度随距离增加而减小。建筑物(6层)一面遮挡s>50 cm,ΔS在(3~8) cm,两侧遮挡s>1 m,ΔS在(5~11) cm,建筑物遮挡精确度与遮挡面数和距离有关。为测量工作者根据测区遮挡情况使用RTK,进行高效的外业数据采集提供实用的建议和参考价值。
2025年05期 v.46;No.211 420-425页 [查看摘要][在线阅读][下载 1336K] - 雷光政;乔建华;吴言;张雄;
针对面向人脸检测的YOLOv2网络部署在K210芯片上准确率偏低,且景深人脸容易漏检的问题,提出了一种基于改进YOLOv2的轻量化网络方法,用MobileNeXt替换YOLOv2原有的骨干网络,并且在MobileNeXt网络中引入有效通道注意力和密集块。利用K-flash软件把改进YOLOv2网络模型部署于K210平台执行人脸检测任务,结果表明改进YOLOv2网络提升了人脸检测准确率,改善了景深的漏检问题,实现了高准确率的实时人脸检测。
2025年05期 v.46;No.211 426-432页 [查看摘要][在线阅读][下载 1325K] - 谢斌红;张晓晨;
针对煤矿井下大型设备遮挡、行人尺度不一等复杂环境导致行人检测出现漏检、误检等问题,提出一种基于MF-YOLOX-S算法的煤矿井下行人检测方法。通过设计新的特征金字塔模型MF-FPN作为YOLOX-S中原始特征金字塔网络(Feature Pyramid Networks, FPN)的替代方案,首先将多尺度注意力模块填充至FPN高层特征融合前,以提取丰富的多尺度上下文信息;其次,在特征融合后利用特征增强模块增大FPN中的感受野,增强原始特征金字塔的表征能力,在保证检测实时性的前提下,提高YOLOX-S网络对复杂环境下行人的检测能力。在COCO数据集和煤矿井下行人数据集下的实验结果表明,所提算法相对于原YOLOX-S,平均精度mAP分别有1.96%和3.64%的提升,且检测速度达到65 FPS,满足井下行人检测的实时性要求,对煤矿智能监控系统具有重要意义。
2025年05期 v.46;No.211 433-438+446页 [查看摘要][在线阅读][下载 1060K] - 雷应明;王安红;景灏;卜东寒;杨亚坤;
太阳能硅片在流水线生产过程中,很容易产生尺寸分布不均衡缺陷。为满足硅片在线缺陷检测的多尺寸、高精度及高速度要求,提出了改进YOLOv5的目标检测网络。首先,利用多层空洞卷积,对浅层特征网络提取层进行优化,以增强对小目标的特征提取能力;其次,将优化后的模块加入TensorRT的网络结构中,以实现加速推理;最后,在数据集预处理过程中,将极大目标分成两个中等目标进行检测,以提升对极大目标的检测性能。实验结果表明,对比YOLOv5s,检测精度提升了2.63%,在基本不损失精度的情况下,通过TensorRT加速后的推理时间仅需约23 ms,能够很好满足硅片在线缺陷检测的应用。
2025年05期 v.46;No.211 439-446页 [查看摘要][在线阅读][下载 975K]