检索结果-南通市图书馆

基于多特征融合和改进级联森林的MSWI过程燃烧状态识别

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年

作者：汤健潘晓彤夏恒李帷韬北京工业大学北京智慧环保实验室合肥工业大学电气与自动化工程学院北京工业大学信息学部

准确识别城市固废焚烧(MSWI)过程的燃烧状态是提高焚烧效率、降低污染排放的关键因素之一。提出了一种基于多特征融合和改进级联森林(ICF)的燃烧状态识别策略。首先，采用人工多曝光图像融合去雾算法、特征归一化、陷波滤波、中值滤波... 详细信息

准确识别城市固废焚烧(MSWI)过程的燃烧状态是提高焚烧效率、降低污染排放的关键因素之一。提出了一种基于多特征融合和改进级联森林(ICF)的燃烧状态识别策略。首先，采用人工多曝光图像融合去雾算法、特征归一化、陷波滤波、中值滤波等预处理手段对进行去雾和去噪处理，获得清晰图像；然后，提取图像的亮度、火焰、颜色和主成分等多特征以从多个视图进行图像表征，并基于互信息对多特征进行约简；最后，将约简特征输入ICF模型以建立MSWI过程燃烧状态识别模型。基于北京某焚烧发电厂的实际火焰进行验证实验，结果表明所构建模型可达到96.01%的识别准确率。

关键词：城市固废焚烧(MSWI) 燃烧状态识别特征提取互信息(MI) 级联森林

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电熔镁炉多模态信息工况智能识别方法研究

控制理论与应用 2024年

作者：李帷韬顾嘉钦王殿辉吴高昌东北大学流程工业综合自动化国家重点实验室中国矿业大学人工智能研究院合肥工业大学电气自动化与工程学院

针对电熔镁炉识别过程中出现的模态完备性不足问题.本文阐述了一种电熔镁炉多模态信息工况智能识别方法.首先通过语义神经网络提取工况图像特征和双向编码语言模型提取语言特征,构建多模态工况的完备联合特征向量,并通过Transformer编... 详细信息

针对电熔镁炉识别过程中出现的模态完备性不足问题.本文阐述了一种电熔镁炉多模态信息工况智能识别方法.首先通过语义神经网络提取工况图像特征和双向编码语言模型提取语言特征,构建多模态工况的完备联合特征向量,并通过Transformer编码层实现全局交互,捕捉视觉与语言信息的细粒度对齐.引入自适应Transformer解码层的自注意力机制,采用全连接网络获得多模态工况识别结果.基于强化学习定义门控单元评估策略,实时评估不确定工况识别结果,构建解码层的动态调节机制,以获取多模态工况的细粒度特征,并采用模糊积分集成模型库的识别结果.实验证明了本方法的有效性和鲁棒性.

关键词：电熔镁炉多模态强化学习 Transformer 工况识别

基于改进YOLOv8算法的路面病害数字化研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

公路 2024年第9期69卷 350-356页

作者：王一博周春霞王韵斌李帷韬中国建筑西南设计研究院有限公司成都市610041 中国电子科技集团公司第三十研究所成都市610041

为解决基于机器视觉检测路面病害的速度与精度不高、算法优化效果不显著的问题,在YOLOv8算法中引入CBAM模块,并开展消融试验分别引入SE模块和ECA模块,使用开源的RDD 2020数据集训练模型,经图像预处理得到二进制图像。与YOLOv8算法相比,C... 详细信息

为解决基于机器视觉检测路面病害的速度与精度不高、算法优化效果不显著的问题,在YOLOv8算法中引入CBAM模块,并开展消融试验分别引入SE模块和ECA模块,使用开源的RDD 2020数据集训练模型,经图像预处理得到二进制图像。与YOLOv8算法相比,CBAM-YOLOv8算法的精确率、召回率、mAP@0.5、mAP@0.5:0.95均有所提高,而SE-YOLOv8算法和ECA-YOLOv8算法的检测精度较YOLOv8有所降低。进一步通过RDD 2022数据集验证了CBAM-YOLOv8算法在路面病害检测中的优越性。CBAM-YOLOv8算法的应用可以进一步提高路面病害检测的速度和精度,具有显著的优化效果。

关键词：道路工程路面病害图像处理算法优化 CBAM-YOLOv8

同方期刊数据库

融合深度迁移学习和改进ThunderNet的瓷砖表面缺陷检测

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2024年第3期38卷 208-218页

作者：陈克琼卓士虎赵晨曦傅立涛王家铭李帷韬合肥大学先进制造工程学院合肥230601 合肥工业大学电气与自动化工程学院合肥230009

瓷砖生产过程中由于环境的复杂性和随机性导致缺陷特性各异,实际中要构建大规模、高质量的瓷砖表面缺陷数据样本非常困难,而小样本条件下的可分特征信息不足对瓷砖表面缺陷检测的精度有较大影响。针对这一问题,探索了一种融合深度迁移... 详细信息

瓷砖生产过程中由于环境的复杂性和随机性导致缺陷特性各异,实际中要构建大规模、高质量的瓷砖表面缺陷数据样本非常困难,而小样本条件下的可分特征信息不足对瓷砖表面缺陷检测的精度有较大影响。针对这一问题,探索了一种融合深度迁移学习和改进两阶段ThunderNet网络的瓷砖表面缺陷检测方法。首先,提出了一种基于改进ThunderNet网络的瓷砖表面缺陷检测模型,阐述了模型的结构与功能特点;其次,构造了瓷砖表面缺陷深度特征空间参数迁移决策机制,以有效提升样本特征表征能力;第三,基于可切换空洞卷积(switchable atrous convolution,SAC)优化ShuffleNet骨干网络,增强模型对缺陷形状变化的学习能力;第四,提出了基于多尺度映射和通道注意力(squeeze and excitation,SE)的特征融合算法,实现有限特征层次中瓷砖表面缺陷特征信息多层次差异化表征;最后,给出了融合深度迁移学习和改进ThunderNet网络的瓷砖表面缺陷检测算法。实验数据表明,在相同的瓷砖表面缺陷测试集上,本文方法对于小样本条件下瓷砖表面缺陷检测具有优越的性能,模型平均精度、平均召回率和平均检测速度分别达到87.22%、93.69%、61.6 ms/img,与传统ThunderNet模型相比,平均精度和平均召回率分别提高了9.30%、4.16%,其中,基于SAC最优空洞率组合{1,2},模型精度提高了5.51%,基于SE的最优压缩率24,模型精度提高了6.16%,基于本文迁移机制,模型精度提高了3.86%,同时加速了网络收敛。本文方法相比于传统ThunderNet网络和其他主流检测模型,通过迁移机制知识共享提高小样本对象特征表达能力,通过引入SAC和SE在控制模型规模的前提下实现对象特征的层次化表征,有效提升了模型的实时性和可靠性。

关键词：瓷砖表面缺陷检测可切换空洞卷积迁移学习通道注意力特征融合小样本

在线全文

学校读者我要写书评

暂无评论

基于深度学习和域自适应的遥感影像语义分割

基于深度学习和域自适应的遥感影像语义分割

作者：李帷韬电子科技大学

学位级别：硕士

遥感影像语义分割技术旨在为遥感影像中的所有像素进行分类,该技术在资源规划、生态监测和灾情评估等领域有着重要的实用价值。随着深度学习的快速发展,卷积网络和Transformer网络已经可以自动地从图像中学习到有意义的特征表示,从而成... 详细信息

遥感影像语义分割技术旨在为遥感影像中的所有像素进行分类,该技术在资源规划、生态监测和灾情评估等领域有着重要的实用价值。随着深度学习的快速发展,卷积网络和Transformer网络已经可以自动地从图像中学习到有意义的特征表示,从而成为了目前主流的语义分割方法。然而深度学习模型依然存在着以下缺陷:1)深度学习的训练高度依赖大规模的高质量数据集,然而标注一张高分辨率的遥感影像成本过高,因此限制了深度学习在遥感领域的广泛应用;2)不同的遥感影像数据集往往存在着大量的异物同谱和同物异谱等现象,极大地降低了深度学习模型的泛化性能。为解决以上问题,本文从神经网络模型架构和域自适应策略两个角度优化和改进了基于深度学习的遥感影像语义分割技术,主要工作和贡献总结如下:(1)本文提出了一种基于层级多头自注意力机制和多尺度特征融合的语义分割网络Conv Former。在特征提取阶段,该网络以滑动窗口的方式对图像进行切块和嵌入,随后利用多层自注意力模块捕捉图像在不同尺度下的长距离依赖关系,同时利用一种轻量的前馈神经网络学习图像块的位置信息;在特征融合阶段,该网络首先将提取到的不同尺度的特征进行分辨率对齐,然后利用不同感受野大小的可分离空洞卷积抽取和融合不同范围的特征信息,最终得到稠密的语义分割结果。实验结果表明,本文提出的Conv Former语义分割网络的泛化性能相较于其他语义分割算法提升显著。(2)本文提出了一种基于自训练的域自适应技术,将深度学习模型在有标注的源域中学习到的知识迁移到无标注的目标域,从而在不使用额外标注数据的情况下获得更佳的目标域性能表现。同时,本文从图像输入、模型参数、学习过程共三个方面优化该方法:首先,对源域和目标域的图像进行跨域融合,在增加数据的多样性同时维持了模型在源域中的一致性;其次,引入半监督模型集成技术用于平滑深度学习模型的参数,从而稳定伪标签的生成;最后,从域相关和域无关两个角度优化学习过程,分别提出了局部敏感的伪标签质量和用于平衡类学习的动态权重对自训练方法进行改进。实验结果表明,本文提出的基于局部质量和动态类平衡的自训练域自适应算法相较于其他域自适应算法性能提升显著。

关键词：遥感影像语义分割深度学习 Transformer 域自适应

基于强化学习和Transformer的输电线路缺陷智能检测方法研究

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

高电压技术 2023年第8期49卷 3373-3384页

作者：李帷韬侯建平张倩徐晓冰刘嘉薪合肥工业大学电气与自动化工程学院合肥230009

为了解决传统输电线路缺陷检测方法的不足,该文提出了一种基于强化学习和Transformer的输电线路缺陷智能识别方法。首先,采用具有较大感受野的空洞卷积网络(deterministic networking, DetNet)对输电线路巡检缺陷图像进行特征提取,继而... 详细信息

为了解决传统输电线路缺陷检测方法的不足,该文提出了一种基于强化学习和Transformer的输电线路缺陷智能识别方法。首先,采用具有较大感受野的空洞卷积网络(deterministic networking, DetNet)对输电线路巡检缺陷图像进行特征提取,继而使用深度Q网络(deepQ-network,DQN)筛选出包含前景信息的重要区域。其次,基于双线性注意力机制对背景区域特征向量进行投影压缩,使得融合特征向量聚焦于目标区域。最后,针对不确定缺陷检测结果定义可信度评测指标,构建Transformer网络编码层级的自适应调整机制,建立具有不同编码层级的Transformer模型库,以获取多模态缺陷的多层次差异化特征,采用Soft-NMS获取集成检测结果,提升识别模型的鲁棒性。通过对输电线路缺陷航拍图像进行了实验研究,该文方法检测精度平均值为89.7%,与其他算法相比具有更优的检测精度和泛化能力。

关键词：电力缺陷识别强化学习 Transformer 可信度评测智能认知

基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法研究

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 2020年第11期40卷 3710-3720页

作者：李帷韬焦点张倩韩慧慧汤健丁美双合肥工业大学电气与自动化工程学院安徽省合肥市230009 北京工业大学信息学部北京市朝阳区100124 合肥共达职业技术学院安徽省合肥市230009

针对现有绝缘子自爆状态检测方法中开环模型泛化能力的不足和深层神经网络结构的缺陷,模仿人类认知模式,借鉴迁移学习和闭环控制思想,该文探索了一种基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法。首先,面向预处理的绝缘子图像,... 详细信息

针对现有绝缘子自爆状态检测方法中开环模型泛化能力的不足和深层神经网络结构的缺陷,模仿人类认知模式,借鉴迁移学习和闭环控制思想,该文探索了一种基于深度迁移学习的玻璃绝缘子自爆状态智能认知方法。首先,面向预处理的绝缘子图像,采用交错组卷积策略重构GoogLeNet网络的卷积层,降低卷积复杂度。其次,基于自适应卷积模块组构建绝缘子图像由整体到局部有确定映射关系的动态特征空间数据结构,采用可区分性测度指标评测特征空间的差异认知信息,增强简约特征空间的可解释性。再次,将简约全连接特征向量送给随机配置网络模式分类器,建立具有强泛化能力的绝缘子图像分类准则。最后,模仿人类认知模式,基于广义误差和熵理论,建立玻璃绝缘子图像不确定认知结果的熵形式目标优化函数评测指标,实时评测绝缘子自爆状态认知结果,构建动态迁移学习机制,实现自爆状态多层次差异化特征空间及其分类准则的自寻优调节和重构。实验结果表明了文中方法的可行性和有效性。

关键词：绝缘子自爆状态深度学习反馈机制智能检测语义误差信息熵

基于深度迁移学习的大雾等级智能认知方法研究

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2020年第2期32卷 88-96页

作者：李帷韬韩慧慧焦点汤健丁美双合肥工业大学电气与自动化工程学院合肥230009 北京工业大学信息学部北京100124 合肥共达职业技术学院合肥230000

已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式,借鉴迁移学习和闭环控制理论思想,探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先,构建交错组卷积层以降低卷积运算的通道冗余;其次,构建可区分... 详细信息

已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式,借鉴迁移学习和闭环控制理论思想,探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先,构建交错组卷积层以降低卷积运算的通道冗余;其次,构建可区分性测度指标和认知决策信息系统,获取雾气图像多层次差异化简约特征空间数据结构;再次,设计深层随机配置网络分类器,构建具有强泛化能力的分类准则;最后,基于广义误差和熵理论,仿人类反复推敲比对的认知模式实时评测雾气等级认知结果的可信度,基于迁移学习机制实现雾气图像多层次差异化特征空间及其分类准则的自寻优重构,对可信度低的雾气图像进行再认知。15 000幅大雾图像的平均识别率为95.98%,实验结果表明,所用方法与其他算法相比,增强了模型的泛化能力,提升了模型的认知精度。

关键词：雾气等级交错组卷积深层随机配置网络语义误差熵迁移学习

在线全文

学校读者我要写书评

暂无评论

基于深度随机配置网络的电网故障诊断方法

控制工程 2022年第12期29卷 2213-2220页

作者：邵庆祝谢民王同文俞斌于洋李帷韬国网安徽省电力有限公司安徽合肥230022 合肥工业大学电气与自动化工程学院安徽合肥230009

针对继电保护和断路器的不确定性电网故障信息,给出了一种基于集成深度随机配置网络(SCN)的电网故障智能诊断方法。首先,面对分区的小规模子网,以子网全体关联保护和相应的断路器作为输入,采用深度SCN建立子网神经网络诊断模块。然后,... 详细信息

针对继电保护和断路器的不确定性电网故障信息,给出了一种基于集成深度随机配置网络(SCN)的电网故障智能诊断方法。首先,面对分区的小规模子网,以子网全体关联保护和相应的断路器作为输入,采用深度SCN建立子网神经网络诊断模块。然后,定义广义误差熵性能指标,实时评测子网络诊断模块的故障诊断结果可信度,动态调节子网络层级对故障进行闭环反馈再诊断,使得故障诊断结果具有强可信度。子网络诊断模块完成各自的诊断任务后,基于模糊积分模块融合各子网络的高可信度诊断输出,最终实现区域间故障综合诊断决策。最后,仿真结果表明了该方法的可行性和有效性。

关键词：电网分区故障诊断深度SCN 反馈机制模糊积分