检索结果-南通市图书馆

基于深度神经网络的航空叶片表面缺陷检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光电子·激光 2024年

作者：苏宝华张吟龙张男冯选中国航发黎明产品检验检测中心中国科学院沈阳自动化研究所工业控制网络与系统研究室沈阳化工大学信息工程学院

准确的航空叶片表面缺陷检测是保证航空发动机安全可靠运转的关键。目前基于视觉的航空叶片表面缺陷检测算法存在实时性差、漏检率高、定位目标不准等问题。针对上述问题，本文提出一种基于深度神经网络的航空叶片表面缺陷检测算法。为... 详细信息

准确的航空叶片表面缺陷检测是保证航空发动机安全可靠运转的关键。目前基于视觉的航空叶片表面缺陷检测算法存在实时性差、漏检率高、定位目标不准等问题。针对上述问题，本文提出一种基于深度神经网络的航空叶片表面缺陷检测算法。为了提高检测实时性，本文设计了DSC (depthwise separable convolution) 模型分解标准卷积；为了降低小目标缺陷漏检，本文设计了SE-PAN (squeeze-and-excitation path aggregation network) 模型对每个通道的特征进行重标定，使得具有更强信息的特征得到更多的关注；为了提高定位准确度，本文设计了Focal-DIOU (focal-distance intersection over union) 损失函数减弱低效框的作用。在本文的航空叶片表面缺陷数据集上的实验证明：本文算法的Precision、Recall、AP达到了95.7%、94.6%、96.3%，检测帧率达到24帧/s，均优于主流检测算法。

关键词：缺陷检测深度神经网络损失函数注意力模型

基于DenseNet+FPN网络的视频帧内CU快速划分算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光电子·激光 2024年

作者：程栋梁张吟龙周道先冯选中国科学院网络化控制系统重点实验室沈阳理工大学自动化与电气工程学院中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳化工大学信息工程学院中国科学院机器人与智能制造创新研究院

针对多功能视频编码（versatile video coding，VVC）帧内编码中编码单元（coding units，CU）划分存在计算复杂度过高的问题，本文提出了一种基于DenseNet+FPN（feature pyramid network）网络的CU快速划分算法。该算法能够大幅度降低... 详细信息

针对多功能视频编码（versatile video coding，VVC）帧内编码中编码单元（coding units，CU）划分存在计算复杂度过高的问题，本文提出了一种基于DenseNet+FPN（feature pyramid network）网络的CU快速划分算法。该算法能够大幅度降低VVC的编码复杂度，减少编码时间。首先，本文提出了一种基于纹理复杂度的CU分类算法，来评估CU块的纹理复杂度。其次，本文提出一种基于DenseNet+FPN的网络模型，利用多尺度信息来优化CU划分，以适应多尺度情况下的编码需求。最后，本文设计了一个新的自适应的质量复杂度均衡损失函数，用于平衡编码质量和计算复杂度。所提算法进行了大量的实验分析，结果证明，与公共参考软件（vvc test model 10.0，VTM10.0）相比，所提算法的帧内编码平均时间减少了44.268％，而BDBR（bj?ntegaard delta bit rate）仅增加了0.94％。

关键词： H.266/VVC 帧内编码纹理复杂度快速划分算法

基于可见光-热红外视觉监控的车间工人跌倒检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2024年第4期39卷 1142-1150页

作者：王鑫刘晓楠高焕兵曾子铭张吟龙沈阳建筑大学电气与控制工程学院沈阳110168 山东建筑大学电气工程学院济南250101 山东建筑大学山东省智能建筑技术重点实验室济南250101 深圳职业技术学院汽车与交通学院广东深圳518055 中国科学院沈阳自动化研究所沈阳110169

为了解决工厂车间视觉监控存在噪声干扰、光线变化、目标遮挡等问题,提出一种基于多模态视觉监控的工人跌倒检测算法.首先,采用热像仪和可见光相机获取车间内全天候监控图像,结合自适应滤波模型对图像进行降噪处理,以抑制环境噪声对监... 详细信息

为了解决工厂车间视觉监控存在噪声干扰、光线变化、目标遮挡等问题,提出一种基于多模态视觉监控的工人跌倒检测算法.首先,采用热像仪和可见光相机获取车间内全天候监控图像,结合自适应滤波模型对图像进行降噪处理,以抑制环境噪声对监控图像的干扰;然后,构建一种改进的人体姿态特征提取网络,通过融合串联时间帧合并模块和位姿残差模块,以简化目标检测的特征图尺度,实现监控图像中工人区域被部分遮挡时姿态的实时、可靠预测;最后,设计人体轴线倾角、人体外接矩形框长宽比以及双膝盖点移动速度作为工人跌倒判别性特征,进而实现车间内工人的跌倒判别.在自建数据集和公开数据集上对所提出方法进行验证,实验结果表明,所提出算法的跌倒检测精度分别为95.6%和96.3%,与对比算法相比具有更好的准确性和实时性.

关键词：多模态跌倒检测轻量化卷积时间帧合并位姿残差融合

多视角视觉-惯性融合的车间AGV精确导航方法

在线全文

学校读者我要写书评

暂无评论

机器人 2024年第4期46卷 476-487页

作者：王鑫李耕宇曾子铭高焕兵张吟龙沈阳建筑大学电气与控制工程学院辽宁沈阳110168 深圳职业技术学院汽车与交通学院广东深圳518055 山东建筑大学信息与电气工程学院山东济南250101 山东省智能建筑技术重点实验室山东济南250101 中国科学院网络化控制系统重点实验室辽宁沈阳110016 中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016

以实现车间AGV精确导航为目标,针对视觉-惯性融合定位方法存在的缺少绝对位姿、绝对尺度估计不准确、累积误差大等问题,提出一种多视角视觉-惯性紧耦合的实时定位方法。首先为了建立全局参考坐标系,实现长期漂移校正,设计了一种具有全... 详细信息

以实现车间AGV精确导航为目标,针对视觉-惯性融合定位方法存在的缺少绝对位姿、绝对尺度估计不准确、累积误差大等问题,提出一种多视角视觉-惯性紧耦合的实时定位方法。首先为了建立全局参考坐标系,实现长期漂移校正,设计了一种具有全局一致性的视觉-惯性融合AGV导航框架。然后针对视觉-惯性融合初始化过程中的尺度估计不准问题,提出多视角相机与IMU(惯性测量单元)联合初始化方法,通过最大后验概率模型得到更精准的初始化参数。针对跟踪估计部分存在的误差累积和惯性偏差漂移问题,提出二维码位姿修正模型,对部分关键帧进行周期性补偿。针对优化建图部分存在的位姿优化易陷入局部极值问题,提出位姿约束优化模型,提高AGV定位精度。搭建了车间AGV导航平台上对本文方法进行了验证,并与当前最先进的视觉-惯性导航方法进行比对,结果表明本文方法的时间效率与定位精度均明显优于对比方法;平移的均方根误差小于50 mm,旋转的均方根误差小于2?。

关键词： AGV(自动导引运输车) 导航视觉-惯性融合多视角二维码全局一致

在线全文

学校读者我要写书评

暂无评论

基于形变卷积和深层聚合网络的水下文物检测

仪器仪表学报 2023年第11期44卷 185-195页

作者：周道先张吟龙徐高飞杨雨沱梁炜沈阳理工大学自动化与电气工程学院沈阳110168 中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016 中国科学院网络化控制系统重点实验室沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110169 中国科学院深海科学与工程研究所三亚572000

搭载有视觉检测系统的自主水下航行器(AUV)具有水下文物探测功能,对深海考古有着重要意义。水下文物所处环境复杂多变,目标存在破损、堆叠和泥沙掩埋等情况,导致判别特征提取困难,使得AUV视觉检测系统无法可靠、准确地实现水下文物的检... 详细信息

搭载有视觉检测系统的自主水下航行器(AUV)具有水下文物探测功能,对深海考古有着重要意义。水下文物所处环境复杂多变,目标存在破损、堆叠和泥沙掩埋等情况,导致判别特征提取困难,使得AUV视觉检测系统无法可靠、准确地实现水下文物的检测。针对上述问题,提出一种基于可形变深层聚合网络模型的水下文物检测算法。为了充分提取复杂环境下水下文物目标特征信息,设计了具有可形变卷积层的多尺度深层聚合网络。在此基础上,引入SimAM注意力模型进行特征优化,来增强文物目标潜在特征信息并削弱背景干扰。最后,通过不同尺度的特征融合实现水下文物检测。在采集的水下文物数据集上进行大量验证和分析,算法的精确率、召回率和平均精度均值(mAP)分别达到了92.7%、90.5%和92.2%。此外,算法已部署到AUV系统中。在实际深海测试场景中,视觉检测系统的文物检测帧率达到19 fps,可满足实时检测的任务需求。

关键词：自主水下航行器水下目标检测可形变卷积多尺度深层聚合注意力机制

基于卷积神经网络和多判别特征的跌倒检测算法

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2023年第3期35卷 452-462页

作者：王鑫郑晓岩高焕兵曾子铭张吟龙沈阳建筑大学信息与控制工程学院沈阳110168 山东建筑大学信息与电气工程学院济南250101 山东省智能建筑技术重点实验室济南250101 深圳职业技术学院汽车与交通学院深圳518055 中国科学院网络化控制系统重点实验室沈阳110169 中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110169 中国科学院机器人与智能制造创新研究院沈阳110169

针对传统跌倒检测算法中特征提取不充分、跌倒判别条件泛化性差、实时性差等问题,提出一种基于卷积神经网络和多判别特征的跌倒检测算法.为了完成更丰富的特征信息提取并保证实时性,首先,使用MobileNetV3轻量级网络完成对输入图片中人... 详细信息

针对传统跌倒检测算法中特征提取不充分、跌倒判别条件泛化性差、实时性差等问题,提出一种基于卷积神经网络和多判别特征的跌倒检测算法.为了完成更丰富的特征信息提取并保证实时性,首先,使用MobileNetV3轻量级网络完成对输入图片中人物特征信息的准确、快速提取;其次,使用3个小型卷积核的叠加和残差网络,保证网络在具有相同感受野的情况下降低网络模型的参数量,以保证图像中人体关键点检测的实时性;再次,为了提高跌倒状态判别的准确性,将人体躯干、四肢与地面间夹角,以及人体标定框高宽比变化作为跌倒判别特征;最后,设计了一个基于云服务器的物联网系统,以缓解用户终端计算能力不足导致实时性差的问题.在URFD数据集和自建数据集上进行大量实验的结果表明,该算法的检测准确率分别为99.0%和98.5%,该算法相对于传统跌倒检测算法具有更高的准确性和更好的普适性.

关键词：跌倒检测卷积神经网络多判别特征物联网云服务器

在线全文

学校读者我要写书评

暂无评论

面向医疗护理的视觉监控医院患者跌倒检测

中国医学物理学杂志 2022年第4期39卷 436-441页

作者：孙颖张吟龙王鑫曾子铭中国医科大学附属第一医院重症医学科辽宁沈阳110001 中国科学院沈阳自动化研究所辽宁沈阳110016 沈阳建筑大学信息与控制工程学院辽宁沈阳110168 深圳职业技术学院汽车与交通学院广东深圳518055

目的:提出一种面向医院患者的视觉监控跌倒检测算法,解决患者由于意外跌倒不能被及时发现的问题,为医护人员快速处理患者跌倒等异常行为提供必要的技术保障。方法:首先,基于深度神经网络模型检测监控图像中人体关节点(如肩部、肘部、腕... 详细信息

目的:提出一种面向医院患者的视觉监控跌倒检测算法,解决患者由于意外跌倒不能被及时发现的问题,为医护人员快速处理患者跌倒等异常行为提供必要的技术保障。方法:首先,基于深度神经网络模型检测监控图像中人体关节点(如肩部、肘部、腕部、胯部、膝关节等)在图像中的位置,再根据亲和度向量场模型提取人体骨架,最后计算患者躯干、腿部与地面的夹角作为判别性特征,判断监控区域内是否有患者出现意外跌倒。结果:实验结果表明,本文所提算法在实际的医院监护环境中的处理速度高达25帧/s,检测准确率高达96%。结论:该方法能够实时、准确地提取医院环境下患者的行为特征,并针对意外跌倒情况发出警报,为医护人员监测患者跌倒等异常行为提供更准确、方便的计算机辅助医疗护理方法。

关键词：跌倒检测视频监控医疗护理深度神经网络模型异常行为分析

在线全文

学校读者我要写书评

暂无评论

基于霍夫神经网络模型的复材纹理方向检测

信息与控制 2023年第4期52卷 495-503页

作者：张思超袁立标梁炜苑旭东张吟龙中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院网络化控制系统重点实验室辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110169 中国科学院大学北京100049 沈阳化工大学辽宁沈阳110142

纹理方向是保证复材韧性和耐腐蚀性的重要参数,基于视觉的复材纹理方向检测方法具有非侵入式、成本低、精度高的特点而被广泛研究,但现有的复材纹理方向检测方法易受到背景干扰,且存在检测精度低和回归一致性差的问题,为此本文提出一种... 详细信息

纹理方向是保证复材韧性和耐腐蚀性的重要参数,基于视觉的复材纹理方向检测方法具有非侵入式、成本低、精度高的特点而被广泛研究,但现有的复材纹理方向检测方法易受到背景干扰,且存在检测精度低和回归一致性差的问题,为此本文提出一种基于霍夫神经网络(Hough neural network,HNN)模型的复材纹理方向检测算法。针对图像中复材区域易受背景区域干扰而影响检测精度的问题,提出一种通道注意力残差网络模型来提取复材图像中的目标纹理区域。针对复材纹理方向检测精度低和回归一致性差的问题,提出一种由粗到精的纹理方向检测方法,基于HNN筛选出正确的纹理方向候选集,再根据候选集进行霍夫变换来回归出更精确的纹理方向。本文所提方法在建立的复材纹理方向检测数据集上进行了大量的测试和分析,验证了所提方法的可行性和有效性。

关键词：复材纹理方向检测霍夫神经网络模型

基于3D体素增强和3Dalpha背景分离的多发性硬化症病灶分割方法

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2022年第7期39卷 834-839页

作者：孙颖张吟龙王鑫曾子铭毛海霞中国医科大学附属第一医院重症医学科辽宁沈阳110001 中国科学院沈阳自动化研究所辽宁沈阳110016 沈阳建筑大学信息与控制工程学院辽宁沈阳110168 深圳职业技术学院汽车与交通学院广东深圳518055

目的:提出一种用于T_(1)加权像、T_(2)加权像和流体衰减反演恢复(Flair)磁共振图像的多发性硬化症(MS)病变分割方法。方法:首先基于3D图像增强技术,将高强度MS病变区域与其他组织区域区分开来。然后利用假阳性降低方法,去除一些强度和... 详细信息

目的:提出一种用于T_(1)加权像、T_(2)加权像和流体衰减反演恢复(Flair)磁共振图像的多发性硬化症(MS)病变分割方法。方法:首先基于3D图像增强技术,将高强度MS病变区域与其他组织区域区分开来。然后利用假阳性降低方法,去除一些强度和密度不均匀的假阳性目标区域(VOI),并利用颜色分割法去除白质之外的VOI。最后利用彩色MR技术生成3个区域,以便细化分割MS病变。结果:在CHB数据集上进行测试,得到真阳率均值为0.48,Dice相似系数均值为0.52。结论:该方法能够有效去除噪声及其他无关非病变组织,并能准确识别并分割MS病变,该方法的有效性、准确性能为后续的MS分割技术分析提供依据。同时为MS病变的预防治疗、病情跟踪提供客观、方便的诊疗方法。

关键词：多发性硬化症病灶分割 3D体素增强 3Dalpha背景分离颜色分割技术