检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点云数据建模的多维信息处理方法的研究

基于点云数据建模的多维信息处理方法的研究

作者：冯永哲电子科技大学

学位级别：硕士

生活中有很多物体是由规则曲面组合而成的,研究曲面参数对判断模型指标有着重要意义。在航空领域中,铆接是一种被广泛采用的连接方式。谈到铆接,孔这一结构的作用不言而喻,而在连接的过程中检测孔是否合格是必要的环节。目前孔的尺寸检... 详细信息

生活中有很多物体是由规则曲面组合而成的,研究曲面参数对判断模型指标有着重要意义。在航空领域中,铆接是一种被广泛采用的连接方式。谈到铆接,孔这一结构的作用不言而喻,而在连接的过程中检测孔是否合格是必要的环节。目前孔的尺寸检测有接触式和非接触式两种方式,其中接触式测量需要有经验的工人进行检测,这样不仅效率低,而且会因个人因素对测量造成一定的影响。本文应用非接触方式进行数据采集,并针对采集到的数据进行后期处理来得到测量结果,以提升测量的效率和准确率。本文设计了一套基于点云数据的锥面尺寸检测系统,具体工作如下:（1）分析了孔的尺寸检测对航空领域的重要意义,对现有的激光扫描测量技术、点云数据建模技术、孔的尺寸测量技术相关国内外研究现状进行了阐述。设计整体的采集平台和采集方案,数据采集的结构平台具有精度高、易操作的特点。（2）关于点云数据的处理方面,结合理论研究和数据的处理方法,通过对点云数据去噪以及结合最小二乘法实现对采集数据的处理。针对采集数据存在的各种可能性进行分析,并制定了相应解决方案。首先,当激光扫描平面和板件的上表面不平行时,需要对坐标进行旋转变换处理;其次,还需要判断锥孔轴线与上表面之间的角度关系以及非理想状态时的坐标变换。对得到的数据进行锥面拟合及剖切测量零件目标尺寸。（3）将测量结果与采用更高精度的测量仪器的测量结果比较,展示了部分剖切角度下的测量值结果。本文分析航空领域中孔的测量现状,结合数据采集设备设计了基于点云数据的尺寸检测平台和系统,实现了孔的目标尺寸检测,测量结果达到了精度要求。

关键词：点云数据线激光扫描尺寸检测

基于深度学习的高速连接器高精度表面缺陷检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的高速连接器高精度表面缺陷检测算法研究

作者：陈绪浩电子科技大学

学位级别：硕士

随着当今物质生活水平的提高,制造业的标准也在逐步提高,工业制造的元件越来越精密,产品要求越来越高,常用的工厂检测已经不能适应现今大规模的生产进程,并且会束缚生产进度。比如人工检测主要通过工人肉眼识别元器件缺陷,但要求操作工... 详细信息

随着当今物质生活水平的提高,制造业的标准也在逐步提高,工业制造的元件越来越精密,产品要求越来越高,常用的工厂检测已经不能适应现今大规模的生产进程,并且会束缚生产进度。比如人工检测主要通过工人肉眼识别元器件缺陷,但要求操作工有着丰富的经验以及大量的时间与耐心,且对微小缺陷的检测准确率低。传感器检测能够有效检测部分缺陷,但不同的缺陷需要不同的传感器来检测,有些精密传感器的价格极其昂贵,大大增加了成本。传统的表面检测方法已经不能适用于现今应用场景,所以利用机器学习智能方法来进行缺陷检测受到了工业界的喜爱,越来越多的研究者将目光投入到了人工智能在工业大数据中的应用。本文基于深度学习对高精度的表面缺陷识别进行研究与算法优化,将高速连接器表面0.05mm-0.5mm的微小缺陷作为主要检测对象,采用mask rcnn为基础模型,提出了anchor尺度自调节算法与自关注区域算法,实现了高速连接器高精度表面缺陷检测精确度的提高与误检区域的减少,实验证明,对于0.05mm-0.5mm的微小缺陷,优化后的模型检测正确率提高到95%,对于高速连接器的高精度表面缺陷检测取得了良好的检测效果。本文工作的重点主要在以下几个方面:（1）深入了解目标检测与语义分割的相关技术模型,调研国内外相关研究现状,针对本文应用场景选择模型与优化方向。（2）搭建图像拍摄平台,对拍摄的图像进行预处理,构建相应的训练数据集。（3）配置训练所用服务器平台,根据硬件平台安装所需软件库,对模型进行初始预训练效果测试。（4）针对mask rcnn模型进行深入原理推导,提出两种优化算法:anchor尺度自调节算法与自关注区域算法,并在模型中进行应用,检验其优化效果。（5）对训练好的模型进行应用部署,设计人机交互界面与各项功能,实现生产线上的快速应用。

关键词：深度学习微小缺陷检测卷积神经网络高速连接器模型训练

基于深度学习的自然场景文本识别算法研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的自然场景文本识别算法研究与应用

作者：牟元祥电子科技大学

学位级别：硕士

图像中的文本内容包含了丰富的信息,图像中文本内容的检测与识别已经是当下的研究热点之一。对于背景简单的场景,例如文档扫描图像中文本内容的识别,现有算法的效果优秀。但在自然场景中拍摄的图片,背景复杂、包含的字符的字体变化较大... 详细信息

图像中的文本内容包含了丰富的信息,图像中文本内容的检测与识别已经是当下的研究热点之一。对于背景简单的场景,例如文档扫描图像中文本内容的识别,现有算法的效果优秀。但在自然场景中拍摄的图片,背景复杂、包含的字符的字体变化较大、分辨率各不相同,这些问题对文本检测造成了挑战;一些文本区域中的字符可能是不规则分布的,对文本识别造成挑战。面对以上挑战,本文从自然场景图像中文本区域的检测以及识别两个主要方面进行研究,旨在提出一种识别准确率更高的端到端的中英文文本检测与识别算法,并将本文提出算法在路牌场景文本识别中的应用进行研究。本文的研究工作主要分为以下三点:（1）为了解决自然场景文本检测效果不足的问题,本文选择以整体性能相当不错的EAST（Efficient and Accuracy Scene Text）算法为基准,然后分析该算法存在的问题:对长文本区域检测效果不佳。通过改进训练标签生成时文本区域对长边向内收缩的比例、在算法的网络结构中增加特征增强模块增大特征提取主干的感受野、置信度损失函数由平衡交叉熵损失函数改进为Focal loss损失函数,改进EAST算法在公开数据集ICDAR（International Conference on Document Analysis and Recognition）2015数据集上的F1分数由76.40%提高到了82.24%。（2）为了解决自然场景文本识别效果不足的问题,本文选择以经典的CRNN（Convolutional Recurrent Neural Network）算法为基准,针对CRNN算法对于字符分布不规则的文本区域图像识别效果不佳的问题,本文提出引入可变形卷积对CRNN算法的卷积层部分中的卷积进行替换,减少了背景的干扰,而且可以提取到更多字符笔画的特征,因此改进CRNN算法对自然场景文本识别的准确率得到了提高,在ICDAR2015数据集上的识别准确率由65.3%提高到70.6%,在IIIT5K-word数据集上的识别准确率由85.2%提高到了90.3%。（3）为了解决路牌场景文本识别算法准确率不足的问题,本文提出一个包含多种类型的路牌、从多种环境中拍摄的路牌图片的数据集,该数据集比较好地模拟了真实的自然环境中的路牌。然后,将本文提出的文本检测算法与文本识别算法组合为端到端文本识别算法,在路牌场景数据集上进行性能测试,本文算法识别的准确率与基准算法相比,从78.6%提高到84.3%。最后,为了方便实际使用,为该端到端文本识别算法实现了一个拥有可视化界面的软件。

关键词：自然场景文本检测文本识别路牌场景端到端

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络深度学习的智能调度算法研究

基于神经网络深度学习的智能调度算法研究

作者：段世豪电子科技大学

学位级别：硕士

随着定制化制造的逐渐兴起,智能制造系统得到了广泛的应用,随之带来的智能调度问题成为研究的热点。特别是工业4.0的提出,使得智能调度在智能制造领域中的智能工厂和智能物流两方面扮演着核心大脑的角色,是智能制造的基础。作业车间调... 详细信息

随着定制化制造的逐渐兴起,智能制造系统得到了广泛的应用,随之带来的智能调度问题成为研究的热点。特别是工业4.0的提出,使得智能调度在智能制造领域中的智能工厂和智能物流两方面扮演着核心大脑的角色,是智能制造的基础。作业车间调度作为其中一个十分重要的因素,是影响制造行业的产出的关键环节。如今的学者们普遍把研究的重心放在调度的求解算法改进以及调度自身属性的进一步探索两个方面。21世纪以来人们对于这两种方法的研究又以对求解算法的研究为重,言而总之,把不同的几个算法进行结合来进行作业车间调度问题求解是如今研究的主要方向。当下研究的主流方法就是将许多算法和神经网络进行不同的组合来进行求解,深度学习的神经网络在处理具有大量历史数据和更加复杂的数据类型的问题上更优于传统的浅层神经网络,而遗传算法具有较强的全局搜索能力和鲁棒性,适合于求解复杂的优化问题。基于遗传算法和神经网络深度学习的优点,提出将经过深度学习神经网络优化的遗传算法用于作业车间智能调度中,对柔性作业车间智能调度问题以线缆车间为研究对象进行了研究工作。以下为本文的工作内容和创新点:(1)通过对线缆产品的生产方法和线缆车间生产问题的特点进行分析,建立车间调度问题数学模型。根据对相关产品生产车间的多种柔性以及调度问题的多样性进行研究确立了本文的核心研究内容:设计出一个基于线缆车间并且可以应用于多种类型的柔性作业车间调度问题求解的智能调度方法。(2)本文根据遗传算法来解决生产调度问题的实际情况,结合了本文构建某线缆生产车间的数学模型,设计了一个适用于线缆生产车间的遗传算法,根据多目标柔性调度作业车间的特点将调度目标设立为以最大完工时间最短以及加工成本等最小等问题,并使用改进的遗传算法加以解决,建立基于改进遗传算法的车间智能调度模型。(3)通过把深度学习神经网络算法,长短时记忆神经网络应用到线缆企业的生产数据预测中,增强了调度对实际生产环境的响应能力,通过对大量生产调度数据的深度机器学习,构建了生产调度数据预测模型,为动态调度提供了极大的决策支持,也为后续遗传算法解决柔性作业车间智能调度问题的适应度函数优化打下基础。(4)结合线缆车间的实际需求与本文所提出的调度方法,设计出一种把深度学习神经网络和遗传算法结合起来的智能调度算法,建立基于遗传算法的车间调度模型,利用深度学习神经网络对遗传算法进行改进,设计了新的适应度函数构建方法,优化了传统遗传算法存在局部最优的问题,并且提高了全局搜索性能。

关键词：柔性作业车间调度深度学习长短时记忆神经网络遗传算法适应度函数

基于FPGA深度学习的语音识别系统的设计与工业应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于FPGA深度学习的语音识别系统的设计与工业应用

作者：宋玉洁电子科技大学

学位级别：硕士

人工智能飞速发展之下,语音识别技术已经产生质的飞跃,将语音交互应用于智能家居、移动电子设备等领域也逐步成为现实。基于深度学习的神经网络作为当代科技关键技术,凭借其高效的特征提取能力在语音识别研究中表现十分出色。然而目前... 详细信息

人工智能飞速发展之下,语音识别技术已经产生质的飞跃,将语音交互应用于智能家居、移动电子设备等领域也逐步成为现实。基于深度学习的神经网络作为当代科技关键技术,凭借其高效的特征提取能力在语音识别研究中表现十分出色。然而目前语音识别算法大多虽然具有较高的准确率,却具有十分复杂的网络结构以及大规模的网络参数,执行语音识别任务时往往对硬件要求较高,需要CPU、GPU等功耗较高的设备或者是存在网络依赖的云服务器,如何部署到实时性好、功耗低的移动终端具有一定的研究意义。为解决以上问题,本文基于语音识别算法的发展现状,设计了一种准确率较高的语音识别算法,并利用FPGA搭建了语音识别系统验证平台,主要研究内容如下所示:(1)设计了一种基于连接时序分类的语音识别算法,选择语谱图声学特征作为网络模型的输入信号,在声学模型结构中采用了卷积神经网络架构,并使用了批量归一化层、步进卷积代替池化以及不同尺寸的卷积核设计优化声学模型,模型训练时使用了数据增强以增强数据多样性,最终模型获得了82.53%的识别准确率。(2)在语音识别硬件实现方面,对算法进行了层融合与模型量化。对语音识别环节中的卷积神经网络采用模块化设计思路设计硬件加速器,考虑到开发板资源,重点对卷积模块进行了加速设计,从数据传输方式、通道流水并行化以及任务级并行化等方面提高了卷积模块的并行计算能力。(3)使用米联客生产的MZ7030FA搭建了语音识别硬件平台,对实时输入的语音进行了测试,在100MHz的时钟频率下,预测一段语音的时间延迟平均约为275ms,硬件加速器功耗为2.217w,动态功耗占比94%。在CPU、GPU、FPGA三个硬件平台下对同一段语音进行实时检测,FPGA的识别速度比CPU快约60倍,比GPU快约2倍,功耗仅为GPU的21%,计算性能达到了58.3GOPS,能效比为26.3GPOS/W。实验结果证明基于FPGA的语音识别系统具有良好的实时性和低功耗性。

关键词：语音识别卷积神经网络加速器连接性时序分类 FPGA