基于柱形（Pillar）的单阶段点云3维目标检测算法凭借其较高的运行效率，在工业界得到了广泛的关注和应用。但对点云柱形量化造成的点云3维特征细粒度信息损失，导致这类算法对稀疏点云小目标的检测能力较弱。尽管部分研究对此问题提出了应对方法，但通常以较高的检测时间成本或者大目标检测精度作为代价。为此，该文提出了一种基于改进柱形特征编码的柱形点云目标检测算法。首先，构建可实现柱形单元内部点云局部与全局特征相结合的柱形特征编码网络，用于增强柱形量化特征的表征能力；然后，设计一个由2维稀疏卷积块与特征融合网络相结合的主干网络，用于融合多尺度的高级抽象语义特征和低级细粒度空间特征，防止过度关注小尺寸特征而降低大目标的检测性能；最后，在KITTI自动驾驶数据集上进行训练和测试，并对实验结果进行了可视化和消融研究。结果显示：所提算法在KITTI数据集的中等难度下，多个类别的平均精度均值达63.54%、平均方向相似性均值达70.72%，平均检测帧速率达31.5 f/s；与PointPillars、TANet和PiFEnet算法相比，该文算法的平均精度均值分别提高了2.44、2.05和2.38个百分点，平均方向相似性均值分别提高了4.69、0.68和7.83个百分点，在同类算法的对比中表现出工程应用潜力。

开放世界目标检测（OWOD）将目标检测问题推广到更为复杂的现实动态场景，要求系统能够识别图像中所有已知和未知目标的类别，并且具有根据新引入知识进行增量学习的能力。然而，当前的开放世界目标检测方法通常将高对象分数的区域标记为未知对象，且在很大程度上依赖于已知对象的监督。尽管这些方法能够检测出与已知对象相似的未知对象，但存在严重的标签偏差问题，即倾向于将与已知对象不相似的所有区域都视为背景的一部分。为解决此问题，该文首先提出了一种基于视觉大模型的无监督区域提议生成方法，以提高模型检测未知对象的能力；然后，针对模型训练过程中，感兴趣区域（ROI）分类阶段对新类别的敏感性会影响区域提议网络（RPN）在提议生成阶段的泛化性能，提出了解耦RPN区域提议生成和ROI分类的联合训练方法，以提高模型解决标签偏差问题的能力。实验结果表明：所提方法在MS-COCO数据集上检测未知对象的性能取得了巨大的提升，未知类别的召回率是SOTA方法的2倍以上，达到了52.1%，同时在检测已知对象类别方面也保持了竞争性；在推理速度方面，该文模型使用纯卷积神经网络构建，而不是使用密集注意力机制，帧率比基于可变形的DETR方法多8.18 f/s。

快速傅里叶变换（FFT）算法广泛应用于科学计算等领域。为了充分挖掘图形处理器（GPU）的计算能力并进一步提高FFT的计算效率，该文针对矩阵形式的Stockham FFT，提出了一种基于Matrix Core的高性能多维FFT计算方案。在计算优化方面，该方案利用Matrix Core加速FFT计算中的矩阵乘运算，同时通过编译器内部指令完成小粒度的矩阵乘加，使得Matrix Core支持更多尺寸的FFT计算。在内存优化方面，该方案使用2层迭代策略，以充分利用共享内存，减少与全局内存的数据交换；根据Matrix Core的矩阵数据在各个线程寄存器中的分布规律，直接在寄存器上完成FFT计算中大量存在的矩阵逐元素乘操作；通过对共享内存中的数据进行重排来缓解存储体冲突，并采用双缓冲策略缓解访存瓶颈。该文还提出了高效的矩阵转置策略，以加速多维FFT计算。在AMD MI250 GPU平台上将该方案与GPU上主流的高性能FFT计算库rocFFT和VkFFT进行了比较实验，结果表明：该方案在AMD MI250上的1维、2维和3维FFT平均计算效率均优于rocFFT和VkFFT，3维FFT的平均计算效率为rocFFT的1.5倍，为VkFFT的2.0倍，具有较好的性能提升；mcFFT的计算精度与rocFFT和VkFFT保持在相同水平。

图像补全是指对图像缺失区域进行内容填充，是计算机视觉和图像处理研究的重要问题之一。当前图像补全算法的研究已经取得了很大的进展，但如果图像中的场景比较复杂且存在大面积的缺失区域时，现有算法由于缺乏有效的网络结构来捕捉图像的长距离依赖和高级语义信息，仍然较难生成高质量的完整图像。针对大范围缺失的图像补全问题，为扩大图像补全网络有限的感受野，有效地获取图像可见区域的全局信息，同时充分利用图像可见区域的有效信息，该文提出了一种基于混合编码和掩膜空间调制的图像补全算法。该算法首先通过混合编码网络对图像可见区域进行局部和全局信息的特征提取；然后采用掩膜空间调制模块，根据缺失面积的大小动态调整在生成缺失区域时的多样性；最后基于StyleGAN2的方法生成完整图像。实验结果表明，该文提出的算法能够有效地处理大范围缺失的图像，可生成具有多样性的高质量图像，并且能应用在视觉显著性模型的数据增强上。

随着人工智能技术在客服领域的深入应用，电信运营商对AI服务知识推荐的准确率提升提出了更高的要求。为提高电信运营商AI客服系统的知识推荐效率和准确度，该文提出了基于意图理解驱动的客服知识推荐大模型。首先，采用同义词及对话序列的关键词提取模型识别用户查询中的关键词，通过语义相似度比较技术匹配标准问库中的问题，生成最相关的标准问，并采用生成式智能体技术框架构建标准问库，使用智能体技术自动生成知识问题；然后将提取的标准问输入ChatGLM2-6B大语言模型中，经过预训练与人类偏好对齐训练，以进一步提高知识推荐的准确率。实验结果显示：引入标准问库后，智能推荐系统在特定行业知识领域的准确率从74.8%显著提升至85.9%，多组对比实验结果进一步验证了建立标准问库的策略在提高准确率方面的有效性；该文大模型优化了运营商AI客服的智能知识推荐，可为电信运营商AI客服系统的知识推荐提供新的思路和技术支持；运营商通过该文大模型能够更有效地理解和响应客户查询，显著提升客户服务体验。

当前的无监督对比学习方法主要依赖纯文本信息来构建句子嵌入，在全面理解句子所表达的深层含义时存在局限性。同时，传统的对比学习方法过于注重最大化文本正实例之间的互信息，忽视了句子嵌入中潜在的噪声干扰。为了既能保留文本中的有用信息，又能有效地剔除文本嵌入中的噪声干扰，该文提出了一种基于文本-视觉和信息熵最小化的对比学习模型。首先，将文本与对应的视觉信息在对比学习的框架下进行深度融合，共同映射到一个统一的地面空间，并确保它们的表示在该空间中保持一致，从而克服了仅依赖纯文本信息进行句子嵌入学习的限制，使得对比学习过程更加全面且精确；然后，遵循信息最小化原则，在最大化文本正实例间互信息的同时，基于信息熵最小化对文本正实例进行重构。在标准语义文本相似度（STS）任务上的实验结果表明，所提出的模型在Spearman相关系数评价指标上取得了显著提升，相较于现有先进方法具有显著的优势，同时也证明了该模型的有效性。

采用语义分割方法自动分割赤足足迹图像时，虽然可以减少人工干预，但对于赤足足迹图像分割中脚趾区域模糊的问题，神经网络模型需要更加重视这些区域的特征提取；对于光照不均匀的赤足足迹图像，可以通过模型建立赤足整体区域与局部区域的上下文关系，利用整体区域特征信息来增强光照不均匀区域的特征表达，以提升图像分割的准确性与稳健性。为此，该文提出了基于多粒度特征-区域关系的赤足足迹分割方法，通过局部区域标签使特征表示关注脚趾区域，提取足迹的多粒度特征，并与足迹的全局特征进行融合，以提升对赤足足迹中模糊区域的分割效果；同时，对原始图像和足迹特征图进行空间变换，采用矩阵相乘建立两者间赤足区域关系矩阵，利用关系矩阵对赤足全局特征进行空间调制，以实现特征增强。该文还构建了一个现场赤足足迹数据集（包含25人的1 100幅现场赤足足迹图像），并针对模糊、光照不均、模糊-光照不均和正常4种赤足足迹图像进行实验。结果表明，在正常赤足足迹图像上分割时，赤足类交并比达到93.50%，在模糊、光照不均、模糊-光照不均3类赤足足迹图像上分割时，赤足类交并比分别达到92.90%、93.06%、91.66%，而在模糊-光照不均赤足足迹图像上分割的赤足类交并比相比于U-Net提升了1.15个百分点。

四向穿梭式立体库（FWS-AS/RS）是近年广泛应用于电商、医药和食品等行业的仓储形式，具有系统配置灵活、高存储密度、高运行效率及高度自动化等特点。为高效设计FWS-AS/RS货架布局及设备配置，首先考虑了不同存储容量下布局货架行、列、层数的可能，结合横巷道布局位置和数量变化及不同货架深度对运行效率的影响进行了讨论；然后以穿梭车和提升机的不同数量配置、提升机和输入/输出（I/O）口的不同布设位置作为变量，考虑加速、减速、空载、负载能量消耗以及制动时的能量回收建立了穿梭车和提升机的运动模型，并以总成本、作业距离、作业能耗和空间利用率作为评价指标，通过仿真实验得到建设四向穿梭式立体库货架行数、列数、层数、深度、巷道位置、I/O口的数量与位置、四向穿梭车（FWS）与提升机数量配比、提升机与纵巷道数之间关系等规律性设计策略；最后，以存储容量为5 000 SKU的立体库为例，应用这些策略进行优化设计仿真。结果表明，3种优化方案使得作业距离、作业能耗、总成本以及占地面积平均降低了43.30%、57.69%、11.17%、8.60%，而空间利用率平均提升了5.66%，从而验证了设计策略的正确性，可为此类立体仓库的建造及运营提供借鉴。

金属氧化物薄膜晶体管（MO-TFT）可以用来实现检测心率信号的柔性可穿戴系统，但MO-TFT缺少高性能互补器件，导致实现的前置放大器增益较小，而且MO-TFT器件的性能较差，给后级模块的设计带来了困难。为提升前置放大器的增益，降低后级电路对器件性能的要求，该文提出了一种共源共栅电容自举结构前置放大器。该前置放大器主要由外部耦合偏置模块和核心放大器模块构成；核心放大器模块使用稳定性好、输出电压摆幅大和功耗低的电容自举技术，并结合了共源共栅结构，以提升电路的整体增益；外部耦合偏置模块使用功耗较低、输入阻抗较大和工作点设置简单的交流耦合外部偏置结构，以满足心率信号检测前置放大器的带通要求。采用10 μm IZO-TFT工艺对所提出的前置放大器进行设计和流片测试，结果表明：在20 V电源电压条件下，该放大器的增益为35 dB，带宽为2 Hz~2 kHz，噪声均方根值为118.2 μV，功耗为0.1 mW，实现的前置放大器满足心率信号检测要求；与现有的MO-TFT心率信号检测前置放大器相比，所设计的前置放大器增益提升了约10 dB，降低了后级模块对器件性能的要求，有利于实现模拟信号的数字化，保持信号的完整性。

在工业物联网中，移动边缘计算的可靠性很大程度上取决于无线信道条件。针对工业物联网中边缘计算任务卸载过程非完美信道状态信息对系统的影响，该文提出了一种数字孪生辅助的移动边缘计算能耗优化方法。对于工业物联网中的任务卸载问题，建立边缘计算系统中设备、信道的数字孪生模型，考虑非完美信道状态信息，联合优化卸载决策、发射功率、信道资源和计算资源，建立了系统总能耗最小化问题。为解决所提出的混合整数的非线性非凸问题，将概率时延约束进行转换，并将原问题分解为资源分配方案与卸载策略2个子问题，提出了一种基于连续凸逼近的联合优化算法，在数字孪生的辅助下联合优化卸载策略与资源分配方案。首先，将原问题进行松弛处理，以获得所有终端设备的资源分配方案与任务卸载优先级；然后，对各终端设备的卸载优先级进行降序排序，通过求解迭代优化问题获得完整的任务卸载方案。仿真结果表明，与其他基准方案相比，所提的计算卸载优化方案显著降低了系统的总能耗。

由于TC4材料在高温环境下易发生氧化失效，因此在高温、海洋等恶劣环境条件下，TC4材料的使用寿命大大缩短。为延长TC4材料表面的耐高温氧化性能，该文采用激光熔覆技术在TC4表面制备含梯度质量分数添加相的耐高温氧化熔覆涂层，并利用扫描电子显微镜（SEM）对涂层的微观组织进行观察，分析添加相对熔覆涂层微观组织形态的影响；然后利用微观硬度试验获得不同材料组分涂层的微观硬度分布，分析添加相含量对熔覆涂层显微硬度的影响；最后利用宏观形貌观察、氧化动力学分析、SEM扫描电镜分析和X射线衍射分析等方法对高温氧化试验后的熔覆试件进行耐高温氧化性能评估，分析添加陶瓷相变量和高温氧化过程对熔覆涂层微观组织及物相组成的影响规律，并探究涂层的耐高温氧化机理。试验结果表明：添加陶瓷相粉末后，熔覆涂层的微观硬度明显提高，微观组织更加细化紧密，高温氧化过程中生成的致密氧化产物能够有效地隔绝高温氧化环境，大幅提升表面熔覆涂层的抗高温氧化性能；熔覆涂层表面生成的高温氧化产物Ta₂O₅具有结构致密、高温稳定性强且抗氧化性能突出等特点，是提升含陶瓷相TC4熔覆涂层表面耐高温氧化性能的主要原因。

针对淬火-抛光-淬火（QPQ）处理对27SiMn合金钢堆焊的镍铝青铜合金涂层性能影响不明确的问题，该文开展了铜合金涂层的几何特征、组织变化、耐蚀性能和硬度检测等的研究，探讨QPQ处理工艺对铜合金涂层组织与性能的影响，以验证该复合防腐工艺的合理性和可行性。结果表明：碳/氮化与氧化两道工序后，铜合金涂层形成了一种双层结构的渗层，其中金属碳化物跨越双层结构分布，铜的氧化物只在近表层分布，起防腐作用；QPQ处理前后的堆焊铜合金组织均有基体相α、亚稳定相β'，以及分散于α相中的多种κ相；高、中温回火作用，致使β'相大量析出α相，基体相融合增大，整体硬度下降；铜合金堆焊层试样表面的耐蚀性保护评级为9级，铜合金堆焊层QPQ处理试样表面的耐蚀性保护评级为10级，QPQ处理后的铜合金表面的耐蚀性并未降低，反而超过了未经处理前的情况。该复合防腐技术在提升缸筒内壁耐蚀性的同时，又兼顾接头孔等其他部位及缸体外表面的耐蚀性，可应用于此类缸筒零部件的维修再制造。

利用相变材料储热的方法对工业领域中低温余热进行回收、储存以及再利用，是实现能源梯次利用，提高能源利用效率的重要方法。相变材料的物性是决定储热系统性能的关键因素。因此，开发具有适宜相变温度、高低温循环稳定性较好的相变材料，对于实现高效余热回收具有重要的意义。基于此，该文采用静态熔融法，合成了一种新的相变材料NaNO₃-KNO₃-NaNO₂-LiNO₃，通过差热分析、热重分析、X射线衍射分析、傅里叶变换红外光谱分析等方法，对该材料的熔点、潜热、比热容和循环稳定性等热物理性能进行了一系列表征，筛选出配比m（NaNO₃）∶m（KNO₃）∶m（NaNO₂）∶m（LiNO₃） = 6.32∶47.83∶36.10∶9.75的熔盐作为最终的优选盐。实验结果表明：优选盐具有显著的性能优势，其熔点低至79.02 ℃，潜热为176.71 J/g，固相和液相的平均比热容分别为1.96和2.09 J/（g·℃），分解温度达到600 ℃以上，展现出宽温度范围的适用性；经过100次高低温循环测试后，优选盐仍表现出良好的热循环稳定性。该研究为中低温余热回收及储热系统提供了一种新型的相变储能材料，对相关领域的能源优化和节能减排具有重要的意义。

冶炼铜渣富含Fe、Si等有价元素，具有优异的二次资源特性，可作为原料构建高附加值硅铁基功能材料。掌握酸浸条件下Si、Fe元素的可控释放规律及矿物相的有效分离机制，是其高值资源化利用的关键。该文采用HSC 6.0模拟硅铁物系在不同pH和电位条件下的优势物种，研究H₂SO₄酸浸条件下渣中含铁矿物相的溶出条件及Si、Fe元素的可控释放规律，考察了酸浸温度、H₂SO₄浓度、粒径和搅拌速度等因素对Fe浸出率的影响。结果表明：酸浸温度与H₂SO₄浓度对Fe浸出率呈正向影响，粒径对Fe浸出率呈负向影响，而搅拌速度的影响甚微；在H₂SO₄浓度为2.0 mol/L、酸浸温度为90 ℃、铜渣粒径为（45，88］ μm的条件下，酸浸60 min后，铁的浸出率可达95.73%。选择收缩未反应芯模型来描述该酸浸过程，在反应初始阶段，其反应速率主要受化学反应过程的控制，其活化能为40.99 kJ/mol，随后转为内扩散控制，活化能为8.70 kJ/mol。在化学反应控制阶段，计算得到H₂SO₄浓度和铜渣粒径的影响指数分别为0.558和-0.759，从而确定了H₂SO₄常压浸取冶炼铜渣的宏观动力学方程。

LTA沸石因其优异的孔隙结构和较高的CO₂吸附选择性，被认为是极具潜力的CO₂捕获材料。该文提出了一种以工业固废含钛渣为原料的绿色可持续合成策略，先制备Na-LTA沸石母体，再通过常规液相离子交换法（LPIE）调控钙负载量，制备出xCa-LTA沸石系列，以提升其CO₂吸附性能；然后通过动态吸附法对样品的吸附性能进行评价。实验结果表明：xCa-LTA沸石不仅显著提高了CO₂的捕集能力，还在CO₂/N₂和CO₂/CH₄分离过程中表现出优异的选择性，尤其是0.05Ca-LTA样品的吸附性能最为突出；在25 ℃、10⁵ Pa条件下，0.05Ca-LTA的CO₂吸附速率为Na-LTA的4.95倍，最大吸附容量达到4.02 mmol/g。动力学分析结果表明：0.05Ca-LTA对CO₂的吸附行为符合拟二级动力学模型，吸附过程由物理吸附和化学吸附协同主导，这种协同作用不仅加快了吸附速率，还提高了吸附效率；经过5次吸附/脱附循环后，0.05Ca-LTA仍保持高效稳定的吸附性能，展现了优异的循环再生能力。该研究遵循“以废治废”的环保理念，不仅为固废的高值化利用提供了新路径，也为CO₂捕集与环境污染治理的协同优化提供了重要的理论参考和应用潜力。