检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种轻量化的甜菜与杂草实例分割方法

重庆工商大学学报(自然科学版) 2024年

作者：王小桥黄友锐安徽理工大学电气与信息工程学院皖西学院电气与光电工程学院

目的针对复杂条件下甜菜和杂草识别精度不高以及模型参数量、模型内存占用量、计算量较大等问题，设计了一种基于改进YOLOv8s-seg的实例分割模型。方法首先，在主干网络中采用YOLOv9提出的ADown下采样来改进Conv模块，提升模型的特征... 详细信息

目的针对复杂条件下甜菜和杂草识别精度不高以及模型参数量、模型内存占用量、计算量较大等问题，设计了一种基于改进YOLOv8s-seg的实例分割模型。方法首先，在主干网络中采用YOLOv9提出的ADown下采样来改进Conv模块，提升模型的特征提取能力和计算效率。其次，为轻量化网络，设计了C2f-Faster模块，并在C2f-Faster前向网络中引入高效多尺度注意力（Efficient Multi-scale Attention，EMA），构成C2f-F-E轻量化特征提取模块，有效地解决了复杂背景下特征难提取的问题。最后，为了进一步降低模型的参数量和计算量，在Neck层引入Ghost模块，构成的GhostConv和C3Ghost替代原本的Conv和C2f模块。结果该模型在公共数据集(SugarBeets2016)上的mAP@0.5(box)和mAP@0.5(mask)分别达到了87.7%和82.6%，较原模型分别提升了2.1%和1.6%，其参数量、模型内存占用量和计算量仅为YOLOv8s-seg的58.1%、59.4%和75.8%。结论该模型在实现识别精度提升的同时，注重模型轻量化，通过减少参数量和优化计算量，实现了识别精度和模型轻量化的有效平衡。

关键词： YOLOv8s-seg 实例分割轻量化 ADown Ghost

高密度聚乙烯黄色指数偏高原因分析及对策研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

石油石化物资采购 2024年第17期 46-48页

作者：黄友光陈帝中化泉州石化有限公司

本文对雪佛龙菲利普斯MarTECH ADL淤浆环管聚合工艺生产高密度聚乙烯HMN5502牌号时产品黄色指数偏高原因进行分析;并分别从聚合、脱气及挤压造粒等全流程工艺进行调整,同时对添加剂配方、产品灰分及反应器出料线注水量等进行了优化;产... 详细信息

本文对雪佛龙菲利普斯MarTECH ADL淤浆环管聚合工艺生产高密度聚乙烯HMN5502牌号时产品黄色指数偏高原因进行分析;并分别从聚合、脱气及挤压造粒等全流程工艺进行调整,同时对添加剂配方、产品灰分及反应器出料线注水量等进行了优化;产品黄色指数降低,产品质量得到提高,满足下游用户的要求。

关键词：黄色指数添加剂产品灰分高密度聚乙烯催化剂

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于高效神经网络架构的青菜叶片分割算法

重庆工商大学学报(自然科学版) 2024年

作者：周娇黄友锐韩涛安徽理工大学计算机科学与工程学院安徽理工大学电气与信息工程学院

【目的】针对YOLACT算法在农作物青菜叶片分割任务上精度不足的问题，提出一种融合高效神经网络架构的青菜叶片分割算法（EMO-YOLACT）。【方法】在YOLACT网络模型的基础上，将高效神经网络架构模块（Efficient Model，EMO）模块引入Res... 详细信息

【目的】针对YOLACT算法在农作物青菜叶片分割任务上精度不足的问题，提出一种融合高效神经网络架构的青菜叶片分割算法（EMO-YOLACT）。【方法】在YOLACT网络模型的基础上，将高效神经网络架构模块（Efficient Model，EMO）模块引入ResNet ( residual network）主干网络中，增强网络特征提取能力，使模型更好地捕捉关键特征。然后在特征金字塔提取网络输入的特征层前引入CBAM（Convolutional Block Attention Module）注意力机制模块，提高特征提取的有效性，减少无关信息的干扰，进一步关注重要特征。最后根据分割结果中的掩膜信息计算青菜叶面积，以便直观高效获取青菜叶面积信息。【结果】基于自建青菜数据集训练和测试该模型，实验结果表明：EMO-YOLACT算法相比于YOLACT算法掩膜的平均精度提升了29.4％，同时获取了相关叶片面积信息。【结论】改进后的网络模型提升了原始模型的性能，满足青菜检测分割的精度，对叶片进行精准识别分割，并为农作物青菜生长过程中叶面积信息的获取提供了可靠的方法和技术支持，为智慧农业的发展做出了积极贡献。

关键词：农作物目标分割注意力机制 Efficient Model网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

微弯光纤感知心动周期研究

中国激光 2024年第13期51卷 204-213页

作者：蒋治国马佳宁钱淑霞王超超张先超嘉兴学院浙江省医学电子与数字健康重点实验室浙江嘉兴314001 北京邮电大学信息与通信工程学院北京100876 嘉兴学院附属第二医院神经内科浙江嘉兴314000 嘉兴学院生命健康智能感知浙江省工程研究中心浙江嘉兴314001

心动周期的检测对心血管疾病的诊断和分析有重要意义。该研究通过微弯光纤传感器获取心冲击图(BCG)以进行心动周期检测,主要包括BCG光纤感知、BCG波形提取和BCG特征识别三个过程。针对微弯光纤传感器采集的人体微弱振动信号,提出基于平... 详细信息

心动周期的检测对心血管疾病的诊断和分析有重要意义。该研究通过微弯光纤传感器获取心冲击图(BCG)以进行心动周期检测,主要包括BCG光纤感知、BCG波形提取和BCG特征识别三个过程。针对微弯光纤传感器采集的人体微弱振动信号,提出基于平滑先验滤波联合改进型变分模态分解的BCG波形提取算法,平滑先验滤波可有效抑制低频趋势项,结合中心频率与相关性分析的改进型变分模态分解可有效抑制高频噪声干扰,BCG波形主要特征能够完整保留;提出一种借助幅度特征、峰值时间间隔等先验信息定位特征峰的BCG特征识别算法,采集5位受试者的BCG-心电图(ECG)信号,以ECG的心动周期为标准,通过该算法从BCG中获取心动周期的误差的标准差最大为0.0287 s,平均心率的误差为0.69%,优于短时能量、模板匹配和均值聚类三种特征定位算法。该BCG波形提取和BCG特征识别算法能从微弯光纤传感器获取的微弱心肺振动信号中有效提取心动周期。

关键词：光纤传感心冲击图心动周期特征识别

基于特征选择及ISSA-CNN-BiGRU的短期风功率预测

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

基于聚苯胺和银纳米线基局部表面等离子体共振的电致变色电极

在线全文

学校读者我要写书评

暂无评论

化学学报 2024年第7期82卷 797-804页

作者：彭红超陈胜阎斌四川大学轻工科学与工程学院制革清洁技术国家工程实验室成都610065

电致变色是指在外加电压下发生可逆颜色变化的现象,在信息显示器和光学调制设备中具有广泛应用潜力.导电聚合物聚苯胺作为一类重要的电致变色材料,其制备工艺简单、成本低廉、响应速度快,进而备受关注.此外,基于金属沉积的局部表面等离... 详细信息

电致变色是指在外加电压下发生可逆颜色变化的现象,在信息显示器和光学调制设备中具有广泛应用潜力.导电聚合物聚苯胺作为一类重要的电致变色材料,其制备工艺简单、成本低廉、响应速度快,进而备受关注.此外,基于金属沉积的局部表面等离子体共振电致变色器件能通过控制金属阳离子的还原来实现金属颗粒或薄膜的沉积,从而控制器件的颜色或反射状态,引起广泛兴趣.本工作通过自组装法制备了基于银纳米线和聚苯胺的纳米复合材料,得到了既具有导电聚合物电致变色效应又具有银金属局部表面等离子体共振效应的多色电致变色薄膜电极.该电极在正电位下呈现出深色着色态(透过率25.4%),施加反向电位时,电极会先褪色呈现出透明态(透过率83.3%),然后在更大反向电位下变成深色着色态(透过率10.7%),具有普通电致变色器件无法实现的双重着色态.此外,由于聚苯胺表面胺基与银纳离子的配位,减少了银离子被氧化后向电解液中的迁移耗散,改善了电极的多次循环稳定性,为信息显示和光学调制领域带来新的可能性.

关键词：电致变色导电聚合物局部表面等离子体共振银纳米线

在线全文

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

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