【摘 要】
：
电阻抗成像（Electrical impedance tomography,简称EIT）是一种具有吸引力、无辐射的成像方式,旨在从反馈的感应电压中把检测物体内部的电导率分布情况可视化。开放式电阻抗成像（open electrical impedance tomography,简称OEIT）方式将激励电极和测量电极集中在成像区域的边界,克服了传统成像方式的局限。因为电极位置的限制,减少了输入信号的数
论文部分内容阅读
电阻抗成像（Electrical impedance tomography,简称EIT）是一种具有吸引力、无辐射的成像方式,旨在从反馈的感应电压中把检测物体内部的电导率分布情况可视化。开放式电阻抗成像（open electrical impedance tomography,简称OEIT）方式将激励电极和测量电极集中在成像区域的边界,克服了传统成像方式的局限。因为电极位置的限制,减少了输入信号的数量,使得OEIT反问题的病态性被放大,因此重建图像的分辨率无法满足要求,也约束了图像重建算法的测量深度,同时还增加了算法的敏感性。为了克服OEIT反问题成像精度低、对噪声敏感、重建图像伪影面积较大等问题,本文首先提出了采用浅层神经网络解决OEIT反问题。利用BP神经网络的非线性能力重建边界电压与对应电导率分布之间的复杂关系,并通过仿真数据和实际实验数据测试了该OEIT算法能以更可靠的方式解决OEIT反问题。其次,提出了基于深层网络模型的开放式电阻抗成像算法。基于卷积神经网混合模型的OEIT算法采用卷积神经网络完成电压序列的特征提取,空间金字塔池化层为最后一层卷积层的输出特征进行二次提取,用于加深网络对电压序列的理解,避免网络出现过拟合现象。基于多尺度残差网络的OEIT算法采用堆叠的多尺度残差模块完成电压序列的特征提取,具有不同尺寸的卷积构成的多尺度残差模块能挖掘数据中的多尺度信息,此外模型还结合残差网络的特点,把浅层特征和深层特征相结合,帮助深层网络收敛。通过仿真数据集和实际实验数据验证了基于深层网络的OEIT算法的有效性和抗干扰能力,也证明了多尺度残差网络算法能有效抑制伪影,准确重建检测目标的位置和电导率分布情况。最后,实现了OEIT系统的设计。以NI6281数据采集卡为核心设计了用于测量实际电压信号的OEIT数据采集系统。利用数据采集卡进行成像区域的电流激励和电压采集,采用AC620FPGA开发板控制多开关模块的通路切换,用于测量相邻电极间的电压,最终将采集到的电压序列输入训练好的模型得到重建图像。实验数据证明,基于深度学习的OEIT算法具有较好的重建精度和抗噪能力,为OEIT算法的优化提供了参考方向。
其他文献
碳纤维缠绕瓶具有质量轻、强度高、抗疲劳性能好、工作寿命长等优点,能够用于新能源汽车的氢能源储藏容器。碳纤维缠绕瓶属于特种设备,在高周疲劳载荷、物理冲击等作用下容易出现结构性缺陷,引起爆炸、中毒等重大安全事故。电磁层析成像技术（Electromagnetic Tomography,EMT）基于电磁感应原理,是一种过程层析成像技术,能够对具有电磁特性的物质进行物场图像重构,电磁层析成像具有非接触、低成
纺织行业在“十四五”时期坚持现代化发展的新格局,大力发展纺织智能制造,持续提高生产效率。在现代化织造过程中,纱线张力直接影响着织物成型质量和生产速度,由于线材的更新迭替和生产效率的提高,对纱线张力的精确测量要求愈加苛刻。当前的接触式张力测量存在不可避免与装置直接接触的问题,磨损测量装置,同时接触易改变纱线运动状态,使其受到附加摩擦,影响张力测量的准确性。随着机器视觉技术的发展,为纱线张力检测提供新
近年来,不断发展的人工智能技术推动着各行业的进步,与汽车相关的新兴技术蓬勃发展。汽车辅助驾驶领域的兴起,吸引国内外众多研究机构进行开发。辅助驾驶通过感知汽车周围环境,为驾驶员提供路况信息。作为传达周围道路环境信息的主要载体,交通标志在保障交通安全、道路车流量调度方面发挥重要作用。因此,交通标志检测技术成为辅助驾驶的核心构成之一。计算机视觉的不断发展,给交通标志检测带来了新思路,尤其是Anchor-
火炮是国家军事力量的重要组成部分,一直倍受关注。而身管作为火炮中最为关键的部件,在其服役过程中,炮膛内壁因炮弹的磨损挤压、火药的高温侵蚀、膛线的老化破损等负面因素,直接影响着火炮的打击精度、使用寿命、射击稳定。所以对炮管内壁形貌的检测和损伤点的定位是十分必要的。本文针对这种现状,研制了膛内爬行机器人控制系统,并对其控制方式、数据采集方式、同步时钟等关键技术进行了研究,以满足高精度数据采集和高精度瑕
碳纤维增强复合材料（Carbon Fiber Reinforced Plastics,CFRP）具有耐疲劳、抗蠕变、高强度等优点,被广泛应用于航空航天、汽车电子与体育器材等领域。然而在生产与使用过程中,碳纤维增强复合材料会产生诸如纤维断裂、分层等缺陷,存在极大的安全隐患,且每种缺陷所造成影响与修补方法不尽相同,因此需要对碳纤维增强复合材料缺陷进行快速有效的检测与分类。本文采用电磁无损检测的方法,对
在许多临床专科工作中，医师们经常需要进行组织修补的临床决策。组织修补材料经过数十年的发展，已经成为临床组织修补方案中极其重要的要素。组织修补材料有各种不同角度的分类方法，然而其中对于临床决策意义较大的分类方法是根据材料植入宿主体内后的转归结果进行分类，因为材料植入体内后的转归结果才是与临床治疗效果最直接相关的因素。本文从材料体内转归的角度提出了一个组织修补材料分类的框架，并概述了其中临床常用的几种
路径规划作为移动机器人研究的重要方向,是指机器人能够从起始点到目标点之间有效避开障碍物,自主规划出一条合理的路径轨迹,是实现导航任务的关键。传统路径规划算法对已知地图环境下的路径规划已有显著研究成果,但未知地图环境下仍存在很大的研究空间。深度强化学习算法可以利用机器人与环境之间的探索和交互学习来解决这一问题。深度强化学习算法是通过深度学习对环境进行感知,利用强化学习对感知的信息做出决策判断。因此,
甲片产品的识别与定位方法是甲片产品自动分拣系统的关键技术。由于甲片产品的大小与颜色具有多样性,其位姿变化具有不确定性,以及背景环境和光照的影响,对甲片产品的识别与定位方法提出了苛刻的要求。为此,本文结合深度学习对甲片产品的识别与定位方法展开了研究。为了更高效地实现甲片产品的识别与检测,提出了一种基于改进FCOS（Fully Convolutional One-Stage）的轻量化检测网络FCOS-
往复式压缩机是海上石化平台的重要设备。提前预知压缩机是否发生故障,保证其平稳运行,对于工业生产高效率和维护平台人员人身安全具有重要意义。本文以某石油平台三台往复式压缩机的实际采集数据为基础,通过对多维数据进行分析,以数据的时间和空间特征信息融合为整体研究方向,实现压缩机整体运行状态预测与故障诊断。具体研究内容如下:往复式压缩机的多维时序数据具有丰富的时间和空间信息,因此获取数据的时间和空间特征是实
基于运动想象（Motor Imagery,MI）的脑机接口系统在卒中患者运动功能恢复方面占有一定地位,因此运动想象脑电信号（Electroencephalogram,EEG）的高精度分类具有重要意义。随着运动想象种类以及被试者数量的增加,算法的分类性能需要得到提升。本文基于深度学习方法研究MI-EEG信号的分类。本文主要工作为以下内容:1.总结基于深度学习的MI-EEG信号分类算法。对近几年国内外