复杂海况下的船舶检测面临环境干扰强、目标尺度差异大、检测精度与实时性难以兼顾等挑战。针对上述问题，本文提出了一种轻量化多尺度船舶检测算法YOLO-MSFN。该算法以YOLOv11n为基准模型，从主干网络、颈部结构与特征金字塔3个维度进行系统性改进。在模型结构设计方面：首先，构建增强型主干网络MBStemNet，通过融合MBConv与CBAM注意力机制的MBCB模块，以及基于分组卷积与通道重标定的BSB模块，强化复杂背景下船舶目标的特征提取能力；其次，设计轻量化颈部模块GSPCSP，融合GSConv与条件参数化卷积CondConv，采用多分支特征融合策略，在控制模型复杂度的同时提升多尺度特征的融合质量；最后，搭建自适应加权双向特征金字塔网络AVBi-FPN，以BiFPN的跨尺度自适应加权为基础，引入SENet通道注意力机制，实现空间-通道双维度的特征增强。实验结果表明，YOLO-MSFN的均值平均精度mAP@0.5达到91.3%，较基准模型YOLOv11n提升2.6个百分点，参数量为2.6M，计算复杂度为5.4。与主流轻量化检测算法相比，该算法在检测精度与计算效率之间取得了较好的平衡，能够满足海事巡逻、港口监管等实际场景对船舶实时检测的应用需求。
遥感影像可为湿地信息提取研究提供精准高质量数据，助力湿地资源保护与管理。传统机器学习方法难以高效处理大规模湿地数据，这一局限性推动了基于深度学习的图像语义分割技术的兴起。然而，随着数据量与模型复杂度的同步增长，信息过载问题也日益凸显。为此，本文提出一种基于自动关注特征的U-Net改进模型。该模型通过资源优先级分配机制，将有限算力聚焦于核心特征，从而高效化解信息过载问题。实验结果表明，本文所提模型的总体精度优于传统机器学习及基准U-Net模型，为复杂环境下湿地信息的自动化提取提供了一种新的技术途径。
为开发环境友好型生物可降解浆纱浆料，本文以氯乙酸和氯乙酸钠为醚化剂，氢氧化钠为碱剂，对普通玉米淀粉、蔗渣纤维素进行改性，制备了理论取代度分别为0.30和1.20、实际取代度分别为0.26和0.90的羧甲基淀粉（CMS）与羧甲基纤维素（CMC）。以CMS为主浆料、CMC为辅浆料，配制了复合浆料，并分析了不同CMC含量对浆液性能、浆膜力学性能以及浆纱性能的影响。结果表明：随着复合浆料中CMC含量的增加，浆液黏度呈逐渐降低趋势，浆膜的断裂强力、断裂伸长率及耐磨性能则呈现先升高后降低的变化趋势，与纯CMS浆料相比，当CMC含量为15%时，浆纱的断裂强力、断裂伸长率及耐磨性分别提升8.3%、10.1%和14.6%，利用此配比制备浆液，所得浆纱毛羽降低率为99.07%。研究可为生物可降解复合浆料的开发与实际应用提供参考。
<正>《中原工学院学报》是由河南省教育厅主管、中原工学院主办的工业技术类学术期刊,主要以专业研究论文、技术报告等形式发表电子信息、纺织、服装、机械、建筑、能源、材料、计算机科学等最新研究成果。本刊重点建设“电子信息工程”“智能纺织与新材料”“智慧能源与建筑”等栏目,热诚欢迎海内外专家学者惠赐佳作!请投稿者关注以下事项:1.来稿务必论点明确,论据充分,文字精炼,数据可靠,结果/结论正确;按先后顺序应包括:题目(一般不超过25个汉字),作者姓名,作者单位(包括所在部门、省份、城市名称、邮政编码),中文摘要(主要包括研究目的、研究方法、研究结果、研究结论等),关键词(3～8个),中图分类号(根据论文内容的学科分类,从《中国图书馆分类法》中查得),正文,参考文献,英文题名,作者(拼音,姓前名后,姓和名的首字母大写,如:欧阳华江Ouyang H J),英文单位名称(包括所在部门、城市名称、邮政编码),英文摘要以及英文关键词。
针对煤炭发热量传统检测方法周期长、效率低的问题，提出了一种基于近红外光谱技术的全信息竞争自适应高斯回归建模策略。该方法首先采用自扩展全信息优化策略，自动寻找最佳光谱预处理方法组合，然后利用竞争性自适应重加权采样算法筛选与发热量最相关的特征波长，最后基于高斯过程回归建立定量分析模型。实验结果表明，其预测决定系数可达0.920，预测均方根误差为0.909，性能显著优于主成分分析、连续投影算法等传统特征提取方法及支持向量机模型。本研究提出的面向煤炭品质快速无损检测的近红外建模方法，在所研究样本与实验条件下表现出较好的预测精度与稳健性，建模流程完整，可用于火电、冶金等工业场景的煤质快速监测与质量控制。
为满足下肢康复外骨骼机器人在轨迹跟踪与人机交互中对高精度和强鲁棒性的需求，本文提出一种融合双曲正切扩张状态观测器（T-ESO）与自适应滑模控制（ASMC）的无力传感器控制方法，利用T-ESO实现了外部力矩的无力传感估计。相较于传统ESO,T-ESO的收敛速度更快、估计精度更高，能够为后续控制提供可靠的扰动信息。在此基础上，引入导纳控制动态修正期望轨迹，进而采用ASMC实现了对导纳参考轨迹的精确跟踪，并保证了人机交互过程中的系统稳定性。同时，运用Lyapunov稳定性理论证明了系统的稳定性。最后，基于MATLAB/Simulink搭建仿真实验平台进行验证。结果表明，本文所提方法在外部力矩估计与轨迹跟踪方面均表现出优越性能。
因生物相容性良好、柔性优异且力学/电学性质可调，水凝胶基柔性力敏传感器在人工触觉、可穿戴电子和人机交互等领域展现出广阔应用前景。针对高密度集成对器件构成提出的新要求，本研究以单面微结构PAMa水凝胶为响应介质，系统比较了三明治(SS)、单侧并列(SEA)和类场效应晶体管(FET)3种电极架构对电容型水凝胶力敏传感器性能的影响。结果表明，不同电极架构可通过调控电场分布、离子传输通道、有效参与体积等因素对器件性能带来显著差异。在相同应力载荷(40 kPa)下，3种架构传感器的响应(ΔC/C0)分别为493.5、0.3和81.2，对应的最大灵敏度分别为30.9 kPa-1、0.009 5 kPa-1和5.4 kPa-1，响应与灵敏度均呈现SS > FET > SEA的规律。综合对比显示：SS电极架构传感器面临电极成本高、器件组装复杂等问题；SEA电极架构传感器响应性能不足；FET电极传感器在保持较高响应和灵敏度的同时，兼具低成本、工艺简单，具有更大的阵列集成潜力。力敏响应综合评价显示：FET电极架构传感器能够对不同载荷和步态的稳定辨识，表现出优异的应用前景。本研究为优化水凝胶柔性力敏传感系统的电极架构设计提供了有益参考。
作业车间调度是一个复杂的组合优化问题，因其涉及多工序、多资源及严格的时间约束，导致解空间呈指数级增长，求解难度亦随系统规模扩大而显著上升。近年来，Q-learning作为一种无需环境模型的自主学习方法，通过与环境交互来寻找可行解，已成为解决作业车间调度问题的有效手段。本文首先介绍了Q-learning算法的状态空间、动作空间、动作选择策略及奖励函数的设计；其次，对基于Q-learning算法在静态和动态的作业车间调度问题中的应用进行了归纳总结；最后，分析了Q-learning算法在作业车间调度中的现存问题，展望了未来研究方向，并据此提出了下一步的研究建议。
温度和湿度是影响Z-pin增强复合材料力学性能主要因素，本文对湿热条件下该材料的弹性性能开展研究。在综合考虑其细观结构特征与湿热耦合作用的基础上，建立了湿热环境下Z-pin增强复合材料弹性性能预测模型。通过对模型进行计算，并将计算结果与已有文献试验数据对比，发现二者吻合良好。运用此模型对湿热环境下Z-pin增强复合材料力学性能进行分析，结果表明：Z-pin增强复合材料的弹性模量随温度、湿度升高呈显著衰减趋势，且温度、湿度耦合作用会进一步加剧弹性模量劣化；横向弹性模量与面内剪切模量对温度的敏感性远高于纵向弹性模量，当温度接近玻璃化转变温度时，相对室温干燥状态，二者分别降低62.8%和52.3%；受pin桥联约束效应调控，横向弹性模量和面内剪切模量均随pin体积分数的增加呈上升趋势。
水系锌基储能器件凭借其高安全性、资源丰富和环境友好等优势，在规模化储能领域展现出重要的应用潜力。锌金属负极虽然具有理论容量高、资源丰富等优点，但受到枝晶生长、析氢、腐蚀及副产物累积等界面问题的严重制约。通过在锌负极表面构筑镧离子(La3+)交联的海藻酸盐凝胶界面层，可有效调控电极/电解液界面环境。改性后的锌负极(La-SA-Zn)电化学性能显著提升：在电流密度为1 mA/cm2、电池容量为1 mA·h/cm2的测试条件下，锌对称电池可稳定循环超过900 h；组装的锌离子杂合电容器在1000 mA/g的电流密度下循环10 000次后，容量保持率达90%。结果表明，该凝胶界面层能有效抑制锌枝晶生长、减少界面副反应，从而显著提升锌负极的循环稳定性与器件寿命。