在电力系统中,电力线路承载着输送电能的重要任务,安全可靠的电力线路对电力系统的稳定发展有着重要的意义。针对利用深度学习算法对电力线路中的悬挂物、塔吊等目标检测准确率低、实时性差的问题,提出基于改进YOLOv5的电力线路安全检测与异常识别方法。该方法基于YOLOv5算法,在网络的部分C3模块中引入ECA注意力机制,增强网络的特征提取能力；在主干网络中的池化层之后增加Fast-RFB模块,提高检测速度与准确性；使用解耦头部替代原始网络的耦合检测头部,提高检测精度；最后将原始模型的CIoU损失函数替换成Wise-IoU损失函数,减少训练过程的损失。仿真实验表明,改进后的YOLOv5算法在电力线路数据集上的P_mA0.5与P_mA0.5:0.95分别为92.2%和56.5%,分别超出了YOLOv5原始模型10.3%和7.3%,检测速度为83 帧/s,满足实际环境中对电力线路安全检测与异常识别的要求。

实时对象目标检测是计算机视觉中非常重要的主题,是计算机视觉系统中的必要组件。针对城市交通汽车检测问题,可以利用YOLO模型实现对道路车辆检测的智能化。为优化计算机对车辆的实时检测能力,该研究提出一种基于注意力机制的改进YOLO算法的车辆识别检测算法,使用YOLOv7为主体,在YOLOv7网络模型的Backbone和Head模块引入注意力机制,以适应不同车辆的识别任务。在Roboflow的公开数据集上进行实验,结果表明,改进后的网络模型相较于原始的YOLOv7网络模型,汽车漏检情况得到改善,在同一数据集下相比YOLOv7网络模型提升了0.9%,P_mA值达72.2%,检测效果可基本满足汽车检测应用需求。

现实中的雾霾复杂多变,数据驱动图像去雾算法无法通过学习所有数据集的数据分布来建立一个泛用的映射模型,且只采用清晰无雾图像作为正样本指导去雾网络的训练,而负样本（有雾图像）的关键信息则被忽略。针对上述问题,提出一种基于全局元注意力和对比学习的图像去雾算法。首先,根据雾在图像中的分布特性设计基于多尺度特征提取和集成的去雾网络。其次,构建全局元注意力模块为多尺度去雾网络提供全局注意力优化,可根据输入的有雾图像自适应地调整网络的映射模型。最后,引入自监督对比学习将去雾结果拉近正样本,而远离负样本。实验结果表明,该算法在合成雾图数据集和真实雾图数据集上都取得了较好地去雾性能,在主观和客观评价方面都优于已有代表性的图像去雾方法。

磁力耦合传动是一种无接触式传动技术,它利用磁场相互作用实现动力传递,并具备软启动、过载保护、隔离振动和适应恶劣环境等优势。综述了磁力密封传动系统的国内外研究现状,并探讨了其在化工、石油等领域的广泛应用。从磁力耦合器的转矩、电磁特性、涡流和散热以及应用4个方面进行了详细讨论,并指出了大扭矩、低涡流、高效率、耐高温的磁力密封传动系统将是未来的发展趋势。

某热电厂1#锅炉甲侧吸风机发生故障,相关检验人员在现场对风机叶片进行了宏观检验,选取3处叶片失效部位试块进行光谱分析和扫描电镜观察,发现其中材料化学成分P元素含量超标并且具有明显的疲劳辉纹。对风机后挡板进行了力学性能测试、硬度测试和显微组织分析均未见异常。得出结论是后挡板母材处的结构集中应力较高,在外界烟气及杂物冲击作用下容易萌生疲劳裂纹,疲劳裂纹在交变应力的作用下不断扩展,最终导致叶轮多源疲劳开裂。

 阳离子多肽与脱氧核糖核酸(DNA)的相互作用对生物学的基础研究以及在众多疾病的发病机理有着重要的意义。文章使用光学显微镜首先研究了聚脯氨酸-精氨酸(Poly PR)与单链鲑鱼精DNA相互作用的液液相分离(LLPS),发现多肽链长以及浓度的增加会促进LLPS；然后观察KCl浓度对Poly PR-DNA溶液LLPS的影响,发现KCl浓度的增大对其LLPS起到一个抑制的作用,当KCl的浓度大于800 mmol/L时,液滴消失；同时盐浓度不变时,随着DNA浓度的增大会对混合物的LLPS有促进作用。其次研究KCl浓度为100 mmol/L时Poly PR与双链鱼精DNA的相互作用的LLPS,发现双链DNA较单链DNA更难发生LLPS。最后,为了定量研究DNA与Poly PR的作用机制,用单分子磁镊(MT)测量Poly PR与DNA的临界凝聚力变化情况,从单分子层面分析其作用机理,实验结果表明随着Poly PR链长以及浓度的增大使得DNA的凝聚力也增大；并且测量了加入KCl溶液之后凝聚力的大小,发现凝聚力随着盐浓度的增加而减小。可见,单分子实验凝聚力结果与显微镜观察LLPS结果一致,得出多肽链的长度及浓度可以增强Poly PR与DNA的相互作用、盐离子浓度会减弱Poly PR与DNA的相互作用。

细胞内大量的无膜室(统称为生物大分子凝聚体)是通过液-液相分离现象(LLPS)组装起来的。相分离凝聚体参与多种生物学活动，而异常的相分离可能会导致大量复杂的人类疾病，如神经退行性疾病和癌症等。因此，阐明多肽和DNA的液-液相分离现象背后隐藏的机制可能对理解和治疗一些严重的人类疾病提供指导。该研究主要探索一系列含有重复赖氨酸和组氨酸 (KH)序列的多肽(Poly KH)相关LLPS的调控，研究发现多肽KH-30与DNA通过静电相互作用产生LLPS现象，室温下DNA调控相分离的质量浓度范围为6~14 μg/μL，质量浓度进一步增大LLPS现象则会消失。在DNA和KH-30多肽的混合溶液中加入PEG-1000，发现其分子拥挤效应促进了小液滴凝聚为大液滴，随着PEG-1000浓度增加，分子拥挤效应越明显，越有利于LLPS现象的发生。此外，温度是体外调控LLPS现象的便捷手段，本研究发现KH-30表现出熵驱动的LLPS行为，即温度的升高抑制了KH-30多肽与DNA的LLPS现象。

在出血性脑卒中对人们健康和经济影响重大的今天,早期识别和预后预测十分关键。针对出血性脑卒中发病急、发展快、预后差的问题,主要基于随机森林回归、梯度提升机和多次感知器的知识,通过分析临床患者血肿扩张发生,血肿周围水肿发生及演变规律,构建模型预测出血性脑卒中患者预后情况。在读取数据后进行数据预处理,根据流水号进行数据匹配和数据整合,然后划分数据集,分别使用随机森林回归模型和梯度提升机模型进行训练并预测160名患者90 d的mRS评分；最后使用多层感知器模型进行训练特征信息的关联关系,得到相关数据间的影响效果,为临床相关决策提出建议。实验结果合适有效,未来可应用于金融、城市规划等领域。

出血性脑卒中后,血肿周围的水肿作为脑出血后继发性损伤的标志,在近年来引起了广泛关注。研究患者血肿周围水肿发生及演进规律,进行早期识别和预测对于改善患者预后、提升其生活质量具有重要意义。通过患者个人信息、影像信息、治疗方案和预后等真实临床数据,一是采用多项式回归模型和岭回归模型对数据进行拟合,二是采用高斯函数对数据拟合,根据计算残差结果选择最佳拟合方法,构建全体患者水肿体积随时间进展曲线。再根据年龄把患者分为4个亚组,采用所得最佳拟合模型分析患者水肿体积随时间进展模式的年龄差异。最终根据已知数据计算水肿体积的变化,利用随机森林和多层感知器模型进行训练,使用测试集对模型进行预测,分析基于不同治疗方法对水肿体积进展模式的影响,得出最佳治疗方案。