-
题名红外和可见光图像融合的隧道火源深度估计技术
- 1
-
-
作者
胡青松
袁淑雅
罗渝嘉
李世银
-
机构
中国矿业大学信息与控制工程学院
-
出处
《工矿自动化》
CSCD
北大核心
2024年第11期26-33,共8页
-
基金
国家自然科学基金项目(52474185)
矿冶过程智能优化制造全国重点实验室开放研究基金项目(BGRIMM-KZSKL-2023-1)
“双一流”建设提升自主创新能力项目(2022ZZCX05K03)。
-
文摘
矿井巷道、交通隧道等场景受火灾威胁的困扰,采用基于图像的智能火灾探测方法在火灾初期快速识别其发生位置具有重要意义。现有方法面临时间序列一致性问题,且对相机姿态变化具有高度敏感性,在复杂动态环境中的识别性能下降。针对该问题,提出一种红外(IR)和可见光(RGB)图像融合的隧道火源深度估计方法。引入自监督学习框架的位姿网络,来预测相邻帧间的位姿变化。构建两阶段训练的深度估计网络,基于UNet网络架构分别提取IR和RGB特征并进行不同尺度特征融合,确保深度估计过程平衡。引入相机高度损失,进一步提高复杂动态环境中火源探测的准确性和可靠性。在自制隧道火焰数据集上的实验结果表明,以Resnet50为骨干网络时,构建的隧道火源自监督单目深度估计网络模型的绝对值相对误差为0.102,平方相对误差为0.835,均方误差为4.491,优于主流的Lite-Mono,MonoDepth,MonoDepth2,VAD模型,且精确度阈值为1.25,1.25^(2),1.25^(3)时整体准确度最优;该模型对近景和远景区域内物体的预测效果优于DepthAnything,MonoDepth2,Lite-Mono模型。
-
关键词
隧道火源识别
火源深度估计
多模态融合
两阶段训练
红外图像
可见光图像
-
Keywords
tunnel fire source identification
fire source depth estimation
multimodal fusion
two-stage training
infrared image
visible light image
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名脑卒中后抑郁患者的临床治疗
被引量：14
- 2
-
-
作者
袁淑雅
邸聪冉
席子明
李延红
张向红
-
机构
河南大学第一附属医院全科医学科
河南大学第一附属医院神经内科一病区
-
出处
《中国医药科学》
2021年第21期45-48,78,共5页
-
基金
河南省医学科技攻关计划(联合共建)项目(LHGJ20190530)。
-
文摘
流行病学调查数据显示,抑郁症已成为全球威胁人类健康的第二大疾病。脑卒中后抑郁已成为常见病、多发病,及时对脑卒中后抑郁临床治疗方法进行总结,从而寻找出疗效高、副作用少、能够普及的治疗方法,已成为脑卒中后抑郁临床治疗的当务之急。本文遴选2020年1月至2021年4月在国内学术期刊上公开发表的、有关脑卒中后抑郁临床方法,按西药治疗、中药治疗、中西药治疗、针灸综合治疗、其他治疗进行分类,进而依据现有临床资料,推荐脑卒中后抑郁的相对最佳方案。通过文献研究,可以看出西酞普兰、舍曲林、血府逐瘀汤、逍遥散等为临床治疗脑卒中后抑郁的有效药物,且西药联合和(或)中西医联合,会收到更好的临床效果。针灸、心理治疗、音乐治疗等也是脑卒中后抑郁有效的联合治疗手段。对其他疾病后抑郁(如产后抑郁、术后抑郁等)是否有效,是一个值得深入研究的课题。
-
关键词
脑卒中
抑郁
西酞普兰
逍遥散
针灸
-
分类号
R743.3
[医药卫生—神经病学与精神病学]
R749.4
[医药卫生—神经病学与精神病学]
-
