检索结果-南通市图书馆

基于SCG-YOLOv5n的收获期澳洲坚果检测算法

在线全文

学校读者我要写书评

暂无评论

中国农机化学报 2024年第4期45卷 214-221页

作者：张慧蒙何超徐嘉雯罗鑫荣剑刘学渊西南林业大学机械与交通学院昆明市650224

为实现自然环境下澳洲坚果的快速准确检测,针对收获期澳洲坚果果皮与枝叶颜色相似、体积小、病害果混杂难识别的问题,提出一种基于SCG-YOLOv5n的收获期澳洲坚果检测算法。该方法运用数据增强,提高模型鲁棒性;在YOLOv5n的骨干网络引入Si... 详细信息

为实现自然环境下澳洲坚果的快速准确检测,针对收获期澳洲坚果果皮与枝叶颜色相似、体积小、病害果混杂难识别的问题,提出一种基于SCG-YOLOv5n的收获期澳洲坚果检测算法。该方法运用数据增强,提高模型鲁棒性;在YOLOv5n的骨干网络引入SimAM注意力机制,增强有效特征的提取能力;在FPN结构中引入CARAFE上采样,强化目标感知能力;使用GSConv轻量级卷积替换部分卷积层,减轻模型的参数量并实现高效特征融合,提高检测速度和检测精度。结果表明,改进后的SCG-YOLOv5n澳洲坚果检测算法对收获期的青皮澳洲坚果和病害澳洲坚果的检测平均精度AP分别为94.8%、97.9%,单张图像平均时间为5.33 ms,比YOLOv5n模型高出2.1%、1.3%,检测速度提升15.8%。该算法可以高效检测澳洲坚果,为后续自动化采摘提供技术参考。

关键词：深度学习澳洲坚果检测数据增强注意力机制卷积神经网络设计

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

装配式建筑施工中铝合金模板技术的应用

建材发展导向 2024年第4期22卷 128-131页

作者：刘冀洋何超陈健北京城建一建设发展有限公司

铝合金模板是一种在装配式建筑施工中广泛应用的建筑模板，它在现代建筑施工工程中具有很高的应用价值。铝合金模板不仅具有重量轻、强度高、耐腐蚀、易拼装等特点，还可以实现模板的重复使用，从而降低施工成本，提高施工效率，缩短工... 详细信息

铝合金模板是一种在装配式建筑施工中广泛应用的建筑模板，它在现代建筑施工工程中具有很高的应用价值。铝合金模板不仅具有重量轻、强度高、耐腐蚀、易拼装等特点，还可以实现模板的重复使用，从而降低施工成本，提高施工效率，缩短工期，保证工程质量等。因此，在今后的装配式建筑施工中，铝合金模板将得到更加广泛的应用，且能为今后更具有艺术性的建筑和更高质量要求的建筑提供应用价值。

关键词：装配式建筑铝合金模板技术应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

低秩张量嵌入的高光谱图像去噪神经网络

遥感学报 2024年第1期28卷 121-131页

作者：涂坤熊凤超侯雪强南京理工大学计算机科学与工程学院南京210094 中国酒泉卫星发射中心酒泉732750

随着遥感卫星技术的快速发展,高光谱图像在环境检测、资源管理、农业预警等领域得到了广泛应用。然而,由于设备误差和大气因素等原因,采集的高光谱图像中常常存在噪声,这会影响后续任务的准确性。因此,高光谱图像去噪成为了一个重要的... 详细信息

随着遥感卫星技术的快速发展,高光谱图像在环境检测、资源管理、农业预警等领域得到了广泛应用。然而,由于设备误差和大气因素等原因,采集的高光谱图像中常常存在噪声,这会影响后续任务的准确性。因此,高光谱图像去噪成为了一个重要的研究方向。高光谱图像的空间关联、光谱关联和空间—光谱联合关联导致干净的高光谱图像存在低维子空间中。低秩先验是高光谱图像普遍的物理性质,然而基于低秩表示的方法通常需要复杂的参数设置和计算。基于深度学习方法直接从数据中学习到干净图像的先验信息,具有较强的表达能力,但依赖大量数据且缺乏对高光谱图像物理知识如低秩性的有效利用。为了解决这些问题,本文利用高光谱图像的空间—光谱低秩特性,提出一种低秩张量嵌入深度神经网络方法,可以有效去除高光谱图像中的噪声。该方法采用低秩张量分解模块对高光谱图像的特征图进行低秩表示,通过全局池化和卷积等操作完成秩一向量的生成和低秩张量的重构。同时,将低秩张量分解模块与Unet相结合,对浅层特征进行低秩张量表示,以捕捉高光谱图像的空间—光谱低秩特性,提高了模型的去噪能力。当噪声标准差在[0—95]时,算法可以取得41.02 dB的PSNR和0.9888的SSIM。仿真数据和真实数据实验结果表明,所提出的低秩深度神经网络方法去噪效果优于其他方法。

关键词：高光谱图像去噪深度神经网络低秩张量表示知识驱动深度学习 CP分解 U-Net

考虑车网互动的园区电网动态双层能量管理策略

在线全文

学校读者我要写书评

暂无评论

上海交通大学学报 2024年第6期58卷 916-925页

作者：邱革非冯泽华沈赋何超何虹辉刘铠铭昆明理工大学电力工程学院昆明650500

为解决大量接入的清洁能源出力波动和充电场内汽车数量的随机变化给电网能量管理带来的困难,提出一种园区电网双层优化控制策略.上层基于模型预测控制技术建立风光储集成动态优化模型,综合应用园区电池储能系统和电动汽车(EV)电池储能... 详细信息

为解决大量接入的清洁能源出力波动和充电场内汽车数量的随机变化给电网能量管理带来的困难,提出一种园区电网双层优化控制策略.上层基于模型预测控制技术建立风光储集成动态优化模型,综合应用园区电池储能系统和电动汽车(EV)电池储能系统参与电网能量平衡.下层则考虑同时满足EV车主对EV的充电需求和上层能量调度的车网互动管理需求,制定园区电网内停车场的EV有序充放电策略.仿真算例验证表明:所提策略能将分散园区各处的EV储能集成为统一虚拟储能,扩展园区电网储能系统,增加可再生分布式电源的消纳与园区电网的经济效益.

关键词：园区电网电动汽车入网电动汽车虚拟储能模型预测控制混合储能系统

基于u-shapelets聚类的刀具剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年第4期30卷 1286-1295页

作者：王妍胡小锋刘颖超上海交通大学机械与动力工程学院上海200240 上海精密计量测试研究所上海200090

针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程... 详细信息

针对不同刀具的性能衰退规律呈现出多种趋势,单一固定的全局模型难以对不同性能衰退规律的刀具进行准确剩余寿命预测的问题,提出一种基于u-shapelets聚类与长短时记忆网络(LSTM)模型相结合的刀具剩余寿命预测方法。首先,对刀具加工过程监控信号提取u-shapelets集合,并计算各u-shapelet与时间序列的距离得到距离矩阵;其次,通过基于密度聚类方法对距离矩阵进行聚类,得到聚类结果;最后,根据聚类结果基于各类别数据分别训练长短时记忆网络模型进行刀具剩余寿命的预测。以轮槽铣刀加工过程监控数据进行验证,并与Kmeans聚类、谱聚类、层次聚类、DBSCAN聚类方法进行比较,验证了所提方法的有效性。

关键词：过程监控数据 u-shapelets聚类聚类算法长短时记忆网络刀具剩余寿命预测

一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法

在线全文

学校读者我要写书评

暂无评论

中国惯性技术学报 2024年第3期32卷 242-249页

作者：郭迟陈毅超罗亚荣武汉大学卫星导航定位技术研究中心武汉430079 湖北珞珈实验室武汉430079 武汉大学人工智能研究院武汉430079

针对在地心地固(ECEF)坐标系下基于右不变误差的卡尔曼滤波在GNSS/SINS组合导航中,因位置矢量数值较大导致系统线性误差运动学矩阵和观测矩阵不稳定进而降低滤波器性能的问题,提出一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算... 详细信息

针对在地心地固(ECEF)坐标系下基于右不变误差的卡尔曼滤波在GNSS/SINS组合导航中,因位置矢量数值较大导致系统线性误差运动学矩阵和观测矩阵不稳定进而降低滤波器性能的问题,提出一种世界坐标系下的GNSS/SINS松组合导航矩阵李群滤波算法。首先在世界坐标系中构建导航状态和考虑地球自转的运动学方程。然后在世界坐标系下定义矩阵李群上的右不变误差,该误差在右群作用下保持不变,并重新推导和设计基于该误差的矩阵李群滤波算法,根据GNSS观测构建世界坐标系下的观测矩阵。实验结果表明,在低精度惯导场景中相对于ECEF坐标系下的传统扩展卡尔曼滤波,所提算法的北向、东向、地向位置误差均方根分别减小了82.6%、61.8%和10.6%,具有一定的实用价值。

关键词：组合导航矩阵李群卡尔曼滤波世界坐标系

基于Unet++网络的数字岩心图像分割泛化能力

在线全文

学校读者我要写书评

暂无评论

中国石油大学学报（自然科学版） 2024年第2期48卷 118-125页

作者：赵久玉蔡建超油气资源与工程全国重点实验室中国石油大学(北京)北京102249 中国石油大学(北京)地球科学学院北京102249

图像分割是数字岩心技术的重要组成部分,深度学习为数字岩心图像分割提供了新方法。在优选的深度学习模型的基础上确定网络结构、训练数据量来平衡计算效率,进一步在不同类型的岩心数据集上讨论网络的泛化能力及其影响因素。结果表明:U... 详细信息

图像分割是数字岩心技术的重要组成部分,深度学习为数字岩心图像分割提供了新方法。在优选的深度学习模型的基础上确定网络结构、训练数据量来平衡计算效率,进一步在不同类型的岩心数据集上讨论网络的泛化能力及其影响因素。结果表明:Unet、Segnet和Unet++网络中,Unet++网络可以在保证分割精度的同时具有最好的物性参数预测效果;Unet++网络在训练数据量和预测数据量为1∶1,网络结构设计2次采样的条件下,Unet++网络的分割精度可以达到98%;基于多类岩心训练的Unet++网络分割不同岩心图像的平均分割精度达95%,相较于岩心的类型,岩心图像的质量更能影响Unet++网络的识别效果。

关键词：数字岩心图像分割深度学习 Unet++ 泛化能力

基于特征选择及ISSA-CNN-BiGRU的短期风功率预测

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

工程科学与技术 2024年第3期56卷 228-239页

作者：王瑞徐新超逯静河南理工大学计算机科学与技术学院河南焦作454000

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD... 详细信息

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。

关键词：短期风功率预测变分模态分解特征选择改进麻雀搜索算法卷积神经网络双向门控循环单元

在线全文

学校读者我要写书评

暂无评论

基于气动方程的列车管路充排气数学模型

同济大学学报（自然科学版） 2024年第3期52卷 472-479页

作者：应之丁范琳周和超同济大学铁道与城市轨道交通研究院上海201804

智能化制动试验系统的核心是建立不同编组列车首车制动压力控制模型。从气动力学方程入手,建立了不同编组列车首车列车管充排气特性数学模型,该模型考虑了编组列车除首车之外的其余车辆充排气特性对首车列车管气压变化的影响。提出通过... 详细信息

智能化制动试验系统的核心是建立不同编组列车首车制动压力控制模型。从气动力学方程入手,建立了不同编组列车首车列车管充排气特性数学模型,该模型考虑了编组列车除首车之外的其余车辆充排气特性对首车列车管气压变化的影响。提出通过对制动阀有效截面积的设计计算,并带入所建立的数学模型中进行仿真试验,从而对研制新制动阀以及改进或检修制动阀提供理论基础与技术指导。利用列车制动试验台得到的试验数据与仿真结果进行对比分析,验证模型的准确性,并预测了更长编组列车首车列车管的初充气及常用制动时的气压数据。

关键词：智能化制动试验系统首车制动压力控制模型气动力学方程有效截面积