检索结果-南通市图书馆

同方期刊数据库

基于机器视觉的幕墙玻璃组件质量实时检测方法研究

在线全文

学校读者我要写书评

暂无评论

基于机器视觉的幕墙玻璃组件质量实时检测方法研究

作者：曹桢淼江南大学

学位级别：硕士

幕墙玻璃作为建筑材料被越发广泛的应用,但复杂的外界环境常引发其质量问题导致安全事故频繁发生。目前幕墙玻璃组件质量检测以人工为主,而人工抽检的方式效率低、稳定性差,已不能满足大批量快速检查的质检需求,因此亟需探索出全自动化... 详细信息

幕墙玻璃作为建筑材料被越发广泛的应用,但复杂的外界环境常引发其质量问题导致安全事故频繁发生。目前幕墙玻璃组件质量检测以人工为主,而人工抽检的方式效率低、稳定性差,已不能满足大批量快速检查的质检需求,因此亟需探索出全自动化的玻璃质量检测方法。针对幕墙玻璃组件质量检测中缺陷定位速度慢、分类不精确以及实时性较差等问题,本文提出了一种基于机器视觉的幕墙玻璃组件质量实时检测方法。具体的研究工作如下:(1)针对幕墙玻璃组件质量检测中存在的问题,提出一种基于扩展跨阶段局部网络的玻璃质量检测方法。结合扩展跨阶段局部网络算法和YOLOv5s模型,构建可上下缩放且适用于不同网络规模的YOLOv5s-P系列模型,将网络颈部CSP化从而提高模型特征提取能力。然后采用Soft Pool下采样方法对颈部SPP模块进行结构和参数优化,并引入深度可分离卷积,使模型轻量化的同时避免精度损失。较原模型在检测精度上提升3%、参数量降低了1.7%,在通用GPU上的检测速度为52FPS。(2)针对分布式检测在异构环境中的适应性问题,提出一种面向异构网络的联邦优化算法q-Fed DANE。通过在经典联合近似牛顿型方法中引入衰减参数q,调整衰减梯度校正项和近端项产生的负面影响,有效提高了模型对环境异构性的感知能力,并将算法每轮迭代的设备通信轮次降低至一次,显著降低算法整体复杂度、减少通信开销。然后模型将随机优化器Adam引入服务器端聚合训练,通过自适应的动态学习率利用全局信息进行目标优化,提高了模型的收敛稳定性。(3)设计幕墙玻璃组件质量检测实验平台和Web可视化平台。利用实验平台检测采集的幕墙玻璃图像,并通过实验验证第三、四章中的理论方法。在玻璃检测实验中,对比分析了本文YOLOv5s-csp和不同轻量级检测器的实验结果,测试了YOLOv5s-P系列模型并得到了较高精度。在联邦优化仿真实验中,分析了不同异构程度环境下q值对算法的收敛稳定性和检测精度的影响,并给出了低设备参与度情况下的模型表现。

关键词：玻璃缺陷检测机器学习 YOLOv5算法联邦学习联合近似牛顿法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于扩展跨阶段局部网络的表面缺陷检测

计算机集成制造系统 2022年第8期28卷 2399-2407页

作者：曹桢淼吉卫喜苏璇张贇王凯江南大学机械工程学院江苏无锡214122 江苏省食品制造装备重点实验室江苏无锡214122

工业生产中,表面缺陷检测设备常因硬件计算资源有限而存在性能瓶颈。针对检测中高实时性与高精确度的权衡问题,建立了一种基于扩展跨阶段局部网络的表面缺陷检测模型。首先,基于扩展跨阶段局部网络算法和YOLOv5s模型,构建可上下缩放且... 详细信息

工业生产中,表面缺陷检测设备常因硬件计算资源有限而存在性能瓶颈。针对检测中高实时性与高精确度的权衡问题,建立了一种基于扩展跨阶段局部网络的表面缺陷检测模型。首先,基于扩展跨阶段局部网络算法和YOLOv5s模型,构建可上下缩放且适用于不同规模网络的YOLOv5s-P系列模型,将网络颈部CSP化提高模型特征提取能力;其次,采用SoftPool下采样方法对颈部空间金字塔池化(SPP)模块进行结构和参数优化,并引入深度可分离卷积使模型轻量化的同时避免精度损失。实验表明,在德国DAGM 2007表面缺陷数据集上获得96.1%的mAP,较原模型在检测精度上提升了5%、参数量降低了1.7%,同时部署到边缘设备Raspberry Pi4B上时检测速度为4fps。

关键词：深度学习卷积神经网络跨阶段局部网络缺陷检测

在线全文

学校读者我要写书评

暂无评论

面向异构网络的联邦优化算法

工业控制计算机 2023年第9期36卷 10-12页

作者：曹桢淼邵亮赵文博中国航空工业集团公司雷华电子技术研究所江苏无锡214082 江南大学机械工程学院江苏无锡214122

联邦学习网络中,全局模型的聚合训练常因边缘设备端的统计异构性而存在收敛问题。针对高度异构环境的适应性问题,提出一种面向异构网络的联邦优化算法q-FedDANE。首先,通过在经典联合近似牛顿型方法中引入衰减参数q,调整衰减梯度校正项... 详细信息

联邦学习网络中,全局模型的聚合训练常因边缘设备端的统计异构性而存在收敛问题。针对高度异构环境的适应性问题,提出一种面向异构网络的联邦优化算法q-FedDANE。首先,通过在经典联合近似牛顿型方法中引入衰减参数q,调整衰减梯度校正项和近端项的负面影响,有效提高模型对环境异构性的感知能力,并将每轮算法迭代的设备通信轮次降低至一次,显著减少通信成本和训练开销;其次,模型将随机优化器Adam引入服务器端聚合训练,通过自适应的动态学习率来利用全局信息进行目标优化,加快了模型的收敛速度。实验表明,q-FedDANE算法可以更好地适应环境异构和低设备参与的场景,在高度异构的FEMNIST数据集上,该算法最终获得的测试精度约高出FedDANE的58%。

关键词：联邦学习联合牛顿型方法自适应优化器数据异构

FP-Growth-DW算法在离散车间的数据挖掘分析

在线全文

学校读者我要写书评

暂无评论

现代制造工程 2023年第3期 45-54,44页

作者：崔志鹏吉卫喜曹桢淼陈琛周姝含江南大学机械工程学院无锡214122 江苏省食品制造装备重点实验室无锡214122 中国航空工业集团公司雷华电子技术研究所无锡214082

针对离散车间生产能耗数据多源异构,干扰因素间关联关系不易分析的问题,根据离散制造能耗机理分析结果构建多源能耗数据挖掘模型(Multi-source Energy-consumption Data-mining Model,MEDM),提出一种面向离散车间的频繁模式增长(Frequen... 详细信息

针对离散车间生产能耗数据多源异构,干扰因素间关联关系不易分析的问题,根据离散制造能耗机理分析结果构建多源能耗数据挖掘模型(Multi-source Energy-consumption Data-mining Model,MEDM),提出一种面向离散车间的频繁模式增长(Frequent Pattern Growth for Discrete Workshop,FP-Growth-DW)算法。首先,应用关联视图、分箱处理和多源异构统一编码方法,对离散车间多源异构海量数据进行预处理;然后,采用分区并行策略和3种剪枝技术优化候选项集以构建频繁模式树(FP-Tree),并提取强关联规则合并存储到规则库中。最后实例验证表明,该算法在离散车间多源异构数据挖掘分析上具有可行性和有效性,算法效率提升了68.8%。

关键词：离散制造统一编码剪枝优化数据挖掘

在线全文

学校读者我要写书评

暂无评论

新时代发挥劳动教育的育人作用探析

思想理论教育导刊 2024年第5期 135-143页

作者：曹桢浙江财经大学学生工作部

新时代发挥劳动教育的育人作用,应以马克思主义劳动观和劳动教育观为指导,以劳动教育培养全面发展的人的内在要求为逻辑起点。新时代劳动教育具有更加注重与科技创新相结合、更加注重人的全面发展和社会的全面进步、更加注重内容和方式... 详细信息

新时代发挥劳动教育的育人作用,应以马克思主义劳动观和劳动教育观为指导,以劳动教育培养全面发展的人的内在要求为逻辑起点。新时代劳动教育具有更加注重与科技创新相结合、更加注重人的全面发展和社会的全面进步、更加注重内容和方式的多元化等时代特征。劳动教育的育人作用主要体现在引导学生树立正确的“三观”、立德树人、培养社会主义建设者和接班人等方面,应从将劳动教育纳入学校人才培养方案、从娃娃抓起、全社会协同形成合力、开展体力劳动与脑力劳动相结合的实践锻炼、紧跟科技创新发展步伐等五个方面充分发挥劳动育人的作用。

关键词：劳动劳动教育教育方针德智体美劳全面发展育人

在线全文

学校读者我要写书评

暂无评论

机器人增量学习研究综述

控制与决策 2024年第5期39卷 1409-1423页

作者：马旭淼徐德中国科学院大学人工智能学院北京100049 中国科学院自动化研究所中国科学院工业视觉智能装备技术工程实验室北京100190

机器人的应用场景正在不断更新换代,数据量也在日益增长.传统的机器学习方法难以适应动态的环境,而增量学习技术能够模拟人类的学习过程,使机器人能利用旧知识来加快新任务的学习,在不遗忘旧技能的前提下学习新的技能.目前对于机器人增... 详细信息

机器人的应用场景正在不断更新换代,数据量也在日益增长.传统的机器学习方法难以适应动态的环境,而增量学习技术能够模拟人类的学习过程,使机器人能利用旧知识来加快新任务的学习,在不遗忘旧技能的前提下学习新的技能.目前对于机器人增量学习的相关研究仍然较少,对此,主要介绍机器人增量学习研究进展.首先,对增量学习进行简介;其次,从参数和模型的角度出发,将当前机器人增量学习主流方法分为变参数方法、变模型方法、混合方法3类,分别对每一类进行论述,并给出相应的增量学习技术在机器人领域中的应用实例;然后,对机器人增量学习中常用的数据集和评价指标进行介绍;最后,对增量学习未来的发展趋势进行展望.

关键词：增量学习变参数方法变模型方法混合方法技能学习机器人

在线全文

学校读者我要写书评

暂无评论

基于双重距离的多目标粒子群优化算法

控制与决策 2024年第6期39卷 1801-1809页

作者：慈雨荣淼彭晨上海大学机电工程与自动化学院上海200444

多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集较为费力.为此,提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越... 详细信息

多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集较为费力.为此,提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越多,粒子的等级越大.当等级相同时,算法结合粒子的拥挤距离选择最优粒子,并更新外部归档集.此外,算法结合粒子的变异行为避免陷入局部最优.在对比实验中,该算法在收敛性和多样性上可取得较优结果.最后,将该算法应用到电力系统的环境/经济调度模型(environmental/economic dispatch,EED),也可获得性能较好的解集.

关键词：平均距离拥挤距离邻域信息多目标粒子群优化多目标问题环境/经济调度

低复杂度永磁同步电机三矢量固定开关频率模型预测电流控制策略

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第9期44卷 3710-3721,I0032页

作者：陈荣舒胡平翟凯淼中国石油大学(华东)新能源学院山东省青岛市266000

针对传统永磁同步电机(permanent magnet synchronous motor,PMSM)三矢量模型预测电流控制(three-vector model predictive current control,TV-MPCC)存在开关频率不固定和计算复杂的问题,提出一种固定开关频率TV-MPCC策略。利用前一周期的零电压矢量和参考电压矢量所在扇区来快速筛选所需最优电压矢量和次优电压矢量,避免了无效枚举计算,从而降低了开关频率和计算复杂度。引入系统d和q轴电流差参数,计算各电压矢量的作用时间,确保电压矢量作用时间恒大于零和开关频率固定。以三相两电平电压型逆变器驱动的表贴式PMSM为被控对象,通过仿真和实验对传统TV-MPCC策略和所提三矢量固定开关频率模型预测电流控制策略进行对比研究,仿真和实验结果表明,所提策略在保证系统稳态和动态性能的基础上,在固定和降低开关频率的同时,降低了计算复杂度。

关键词：永磁同步电机模型预测电流控制三矢量低计算复杂度固定开关频率

重大流行病防控意识传播动力学模型与保持策略研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

系统工程理论与实践 2024年第2期44卷 714-731页

作者：朱宏淼齐佳音靳祯上海对外经贸大学工商管理学院上海201620 上海市长宁区人力资源和社会保障局上海200050 广州大学网络空间安全学院广州510006 北京邮电大学可信分布式计算与服务教育部重点实验室北京100876 山西大学复杂系统研究所太原030006 山西大学疾病防控的数学技术与大数据分析山西省重点实验室太原030006

长时间的疫情防控工作和病毒易变异的特性给公众重大流行病防控意识的持续度带来了挑战.为此,本文在考虑防疫中公众的主流疲劳心理与公众防疫行为的成本收益等影响因素的基础上,构建了公众通过社交媒体与线下交流构成的多重网络中重大... 详细信息

长时间的疫情防控工作和病毒易变异的特性给公众重大流行病防控意识的持续度带来了挑战.为此,本文在考虑防疫中公众的主流疲劳心理与公众防疫行为的成本收益等影响因素的基础上,构建了公众通过社交媒体与线下交流构成的多重网络中重大流行病防控意识传播的No awareness-Have awareness-Awareness fatigue(NHF)模型.其次,得出区分重大流行病防控意识在公众中传播与否的阈值.最后,对模型进行数值模拟与实证数据分析,并提出利用多种信息渠道有效促进重大流行病防控意识传播与保持的策略建议.研究表明:应均衡且适度地使用各渠道开展防疫宣传教育以达到最佳效果,否则可能导致公众对重大流行病防控产生疲劳心理,进而对重大流行病防控意识在公众中的传播产生负向影响.病毒变异间接地促进了重大流行病防控意识的传播,但当病毒发生多次变异后促进作用几乎为零.重大流行病防控成本收益的感知回报比越高,防控意识的传播扩散性越强.本研究对于未来重大流行病的防控工作具有一定的参考价值.

关键词：重大流行病防控意识传播传染病动力学多重网络成本收益主流疲劳