检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于轻量化神经网络的石窟壁画破损检测方法

信息与控制 2024年第1期53卷 108-119页

作者：吴利刚张梁山西大同大学机电工程学院山西大同037003 山西大同大学煤炭工程学院山西大同037003 大连海事大学信息科学与技术学院辽宁大连116026

针对石窟壁画脱落与破损检测过程中存在检测精度低、实时性差的问题,提出了基于轻量化神经网络和多重注意力机制的石窟壁画破损检测方法。首先,引入Ghost Conv完成轻量化特征提取,降低模型复杂度;其次,加入双重注意力机制增加特征提取... 详细信息

针对石窟壁画脱落与破损检测过程中存在检测精度低、实时性差的问题,提出了基于轻量化神经网络和多重注意力机制的石窟壁画破损检测方法。首先,引入Ghost Conv完成轻量化特征提取,降低模型复杂度;其次,加入双重注意力机制增加特征提取的倾向性,加快模型收敛速度;最后,使用加权双向特征金字塔拼接方式高效融合特征信息,通过复合缩放完成预测。实验结果表明:改进后的算法网络层数减少了34.40%。参数量和浮点运算量分别降低了62.98%和68.77%,模型体积压缩了62.78%。检测精度高达64.7%,实时检测速度从63.60帧/s提升至97.56帧/s,提高了约53.39%。

关键词：深度学习神经网络轻量化模型注意力机制壁画破损检测

基于改进YOLOv7-seg的黄花菜检测与分割方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第9期40卷 146-153页

作者：姚涛谈志鹏程娥吴利刚山西大同大学机电工程学院大同037003 河北工业大学机械工程学院天津300130

目标检测与分割是实现黄花菜智能化采摘的关键技术,原始目标检测算法容易出现漏检、误检等问题,无法满足自然环境下生长的黄花菜采摘要求。该研究提出一种基于改进YOLOv7-seg的黄花菜目标检测与实例分割算法模型(YOLO-Daylily)。通过在Y... 详细信息

目标检测与分割是实现黄花菜智能化采摘的关键技术,原始目标检测算法容易出现漏检、误检等问题,无法满足自然环境下生长的黄花菜采摘要求。该研究提出一种基于改进YOLOv7-seg的黄花菜目标检测与实例分割算法模型(YOLO-Daylily)。通过在YOLOv7-seg骨干网络(backbone)中引入CBAM(convolutional block attention module)注意力机制模块,降低背景等干扰因素的影响;在ELAN(efficient layer aggregation networks)模块中采用PConv(partial convolution)替换原有的3×3卷积层,减少冗余计算和内存访问,提升对目标黄花菜特征提取的能力。颈部网络(neck)采用坐标卷积(CoordConv)替换PA-FPN(path aggregation-feature pyramid networks)中1×1卷积层,增强模型对位置的感知,提高掩膜(mask)鲁棒性。在改进的PA-FPN结构中采用残差连接方法将浅层特征图几何信息与深层特征图语义信息特征相结合,提高模型对目标黄花菜的检测分割性能。消融试验表明:改进后的模型检测准确率、召回率和平均精度分别达到92%、86.5%、93%,相比YOLOv7-seg基线模型分别提升2.5、2.3、2.7个百分点;分割准确率、召回率和平均精度分别达到92%、86.7%、93.5%,比基线模型分别提升0.2、3.5、3个百分点。与Mask R-CNN、SOLOv2、YOLOV5-seg、YOLOv5x-seg算法相比,平均精度分别提升8.4、12.7、4.8、5.4个百分点。改进后的模型减少了漏检、误检等情况,对目标定位更加精准,为后续黄花菜智能化采摘实际应用提供理论支持。

关键词：图像处理机器视觉目标检测深度学习 YOLOv7 实例分割黄花菜

基于轻量化高效层聚合网络的黄花成熟度检测方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第2期55卷 268-277页

作者：吴利刚陈乐周倩史建华马宇波山西大同大学机电工程学院大同037003 山西大同大学煤炭工程学院大同037003 山西大同大学商学院大同037003 山西大同大学物理与电子科学学院大同037003

针对黄花传统人工识别效率低,辨识标准不统一的问题,提出基于轻量化和高效层聚合过渡网络的黄花成熟度识别方法LSEB YOLO v7。首先,引入轻量化卷积对高效层聚合网络和过渡模块进行轻量化处理,减少模型计算量。其次,在特征提取与特征融... 详细信息

针对黄花传统人工识别效率低,辨识标准不统一的问题,提出基于轻量化和高效层聚合过渡网络的黄花成熟度识别方法LSEB YOLO v7。首先,引入轻量化卷积对高效层聚合网络和过渡模块进行轻量化处理,减少模型计算量。其次,在特征提取与特征融合网络之间增加通道注意力机制,提升模型检测性能。最后,在特征融合网络中,优化通道信息融合方式,使用双向特征金字塔网络替换Concatenate,增加信息融合通道,持续提升模型性能。实验结果表明:与原始模型相比,在黄花成熟度检测中,改进后的LSEB YOLO v7模型参数量和浮点运算量分别减少约2.0×10^(6)和7.7×10^(9)。训练时长由8.025 h降低至7.746 h,模型体积压缩约4 MB。同时,训练精确率和召回率分别提升约0.64个百分点和0.14个百分点,mAP@0.5和mAP@0.5:0.95分别提升约1.84个百分点和1.02个百分点。此外,调和均值性能保持不变,均为84.00%。LSEB YOLO v7算法可均衡模型复杂性与性能,为黄花成熟度检测和智能化采摘设备提供技术支持。

关键词：黄花成熟度深度学习注意力机制信息融合机制轻量化

维普期刊数据库博看期刊

融合轻量化神经网络的矿用输送带钢芯损伤检测方法

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年第7期31卷 1254-1262页

作者：盛彬吴利刚张楠山西大同大学机电工程学院山西大同037003 山西通用航空职业技术学院山西大同037003

为了提高矿用输送带钢芯损伤的检测准确度和实时性,对传统YOLOv5算法进行了改进。首先,引入轻量化神经网络,大幅度降低模型复杂度和运算量;其次,引入高效通道注意力(efficient channel attention,ECA)机制,提升检测准确度,并加快损失函... 详细信息

为了提高矿用输送带钢芯损伤的检测准确度和实时性,对传统YOLOv5算法进行了改进。首先,引入轻量化神经网络,大幅度降低模型复杂度和运算量;其次,引入高效通道注意力(efficient channel attention,ECA)机制,提升检测准确度,并加快损失函数的收敛速度;再次,采用加权双向特征金字塔网络(bi-directional feature pyramid network,BiFPN),融合高分辨率和低分辨率的图像特征,提升模型的综合性能。实验结果表明,与YOLOv5模型相比,改进模型的参数量和浮点运算量分别减少了约64.52%和69.07%,网络层数由468层降低至295层,检测精确度和召回率分别提升了约15.83%和3.93%,检测速度达到了109.89帧/s。

关键词：轻量化神经网络注意力机制跨通道特征融合实时检测深度学习

铸牢中华民族共同体意识视域下北庭历史文化的生成逻辑、价值内涵及阐释路径

在线全文

学校读者我要写书评

暂无评论

昌吉学院学报 2024年第3期 56-62页

作者：吴利刚北庭学研究院新疆吉木萨尔831700

历史上,北庭地区各民族之间的交往交流交融,使得北庭历史文化的发展演化具有多元性与共融性相统一的特征。北庭历史文化的丰富内涵,清晰展现了早期中华文明多元共生的内在特性,充分见证着边疆地区中华民族共同体的形成发展历程,具体呈... 详细信息

历史上,北庭地区各民族之间的交往交流交融,使得北庭历史文化的发展演化具有多元性与共融性相统一的特征。北庭历史文化的丰富内涵,清晰展现了早期中华文明多元共生的内在特性,充分见证着边疆地区中华民族共同体的形成发展历程,具体呈现了中华民族共同体意识所包含的中国历史发展“统一性”和“持续性”的深刻蕴意。新时期做好北庭历史文化价值的研究阐释工作,应利用好文化遗产的载体作用,通过开展高质量考古工作、深入挖掘北庭驿站文化和构建立体式研究宣教格局,有形、有感、有效地铸牢中华民族共同体意识。

关键词：北庭地区历史文化遗产中华民族共同体意识

基于YOLOv8-ABW的黄花成熟度检测方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第13期40卷 262-272页

作者：吴利刚陈乐刘泽鹏武晔秋马宇波史建华山西大同大学机电工程学院大同037003 山西大同大学煤炭工程学院大同037003 山西大同大学建筑与测绘工程学院大同037003 山西大同大学物理与电子科学学院大同037003

为实现黄花成熟度的快速、高精度识别,针对其相似特征识别精确度低以及相互遮挡检测困难的问题,提出一种基于YOLOv8-ABW的黄花成熟度检测方法。该研究在特征提取网络中加入结合注意力机制的尺度特征交互机制(attention based intra-scal... 详细信息

为实现黄花成熟度的快速、高精度识别,针对其相似特征识别精确度低以及相互遮挡检测困难的问题,提出一种基于YOLOv8-ABW的黄花成熟度检测方法。该研究在特征提取网络中加入结合注意力机制的尺度特征交互机制(attention based intra-scale feature interaction, AIFI),更好地提取黄花特征信息,提高检测的精确度。在特征融合网络中,进一步采用加权的双向特征金字塔特征融合网络(bidirectional feature pyramid network, Bi FPN),实现更高层次的跨通道特征融合,有效减少通道中的特征冗余。此外使用WIoUv3作为损失函数,聚焦普通质量的锚框,提高模型的定位性能。试验结果表明:YOLOv8-ABW模型检测精确度为82.32%,召回率为83.71%,平均精度均值mAP@0.5和m AP@0.5:0.95分别为88.44%和74.84%,调和均值提升至0.86,实时检测速度为214.5帧/s。与YOLOv8相比,YOLOv8-ABW的精确度提高1.41个百分点,召回率提高0.75个百分点,mAP@0.5和m AP@0.5:0.95分别提升1.54个百分点和1.42个百分点。对比RT-DETR、YOLOv3、YOLOv5、YOLOv7模型,YOLOv8-ABW参数量最少,仅为3.65×10~6,且模型浮点运算量比YOLOv7少96.3 G。体现出YOLOv8-ABW模型能够在黄花成熟度检测中平衡检测精确度和检测速度,综合性能最佳,为黄花智能化实时采摘研究提供技术支持。

关键词：机器学习模型 YOLOv8 黄花深度学习成熟度检测

DMANet:针对空间非合作目标位姿估计的密集多尺度注意力网络

在线全文

学校读者我要写书评

暂无评论

Transactions of Nanjing University of Aeronautics and Astronautics 2024年第1期41卷 122-134页

作者：张钊胡瑀晖周栋吴立刚姚蔚然李鹏哈尔滨工业大学航天学院哈尔滨150001

利用单目相机对空间非合作目标进行准确的姿态估计对于空间碎片清除、自主交会和其他在轨服务至关重要。然而,单目姿态估计方法缺乏深度信息,导致尺度不确定性问题,大大降低了其精度和实时性。本文首先提出了一种多尺度注意块(Multi-sca... 详细信息

利用单目相机对空间非合作目标进行准确的姿态估计对于空间碎片清除、自主交会和其他在轨服务至关重要。然而,单目姿态估计方法缺乏深度信息,导致尺度不确定性问题,大大降低了其精度和实时性。本文首先提出了一种多尺度注意块(Multi-scale attention block, MAB),从输入图像中提取复杂的高维语义特征。其次,基于MAB模块,提出了空间非合作目标6自由度位姿估计的密集多尺度注意网络(Dense multi-scale attention network, DMANet),该网络由平面位置估计、深度位置估计和姿态估计3个分支组成,通过引入基于欧拉角的软分类方法,将位姿回归问题表述为经典分类问题。此外,设计了空间非合作目标模型,并利用Coppeliasim构建了姿态估计数据集。最后,与其他最先进的方法相比,在SPEED+、URSO数据集和本文数据集上全面评估了所提出的方法。实验结果表明,该方法具有较好的姿态估计精度。

关键词：六自由度位姿估计空间非合作目标多尺度注意力机制深度学习神经网络

基于轻量化与多信息融合的输送带块煤实时监测方法

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年第3期31卷 518-525页

作者：吴利刚陈乐张梁史建华山西大同大学机电工程学院山西大同037003 山西大同大学煤炭工程学院山西大同037003

煤炭在国家工业体系和社会发展中有着举足轻重的作用,针对煤炭运输过程中的块煤监测问题,提出一种基于轻量化和多信息融合(lightweightandmulti-informationfusion,LM)的实时监测方法——LMYOLOv5。首先,利用自适应直方图均衡化进行数... 详细信息

煤炭在国家工业体系和社会发展中有着举足轻重的作用,针对煤炭运输过程中的块煤监测问题,提出一种基于轻量化和多信息融合(lightweightandmulti-informationfusion,LM)的实时监测方法——LMYOLOv5。首先,利用自适应直方图均衡化进行数据预处理;其次,引入Ghost轻量化卷积,减少计算量和特征提取的冗余性;最后,结合协同注意力(coordinate attention, CA)机制改善特征提取的倾向性,引入双向特征金字塔网络(bidirectional feature pyramid network, Bi FPN)机制实现跨阶段的信息融合。实验结果表明,改进后的LMYOLOv5算法有明显优势。参数量和浮点计算量分别减少约62.28%和67.66%。模型训练时长减少约21.78%,模型体积也从92.7 M压缩至35.1 M。此外,精确度和召回率分别提升约0.103%和1.395%,实时监测速度提升约38.05%。

关键词：深度学习神经网络轻量化多信息融合实时监测

Fault detection of switched linear systems with its application to turntable systems

在线全文

学校读者我要写书评

暂无评论

Journal of Systems Engineering and Electronics 2011年第1期22卷 120-126页

作者： Guanghui Sun Mao Wang Xiuming Yao ligang wu Space Control and Inertial Technology Research Center Harbin Institute of Technology Harbin 150001 E R. China

This paper is concerned with the H∞ fault detection for continuous-time linear switched systems with its application to turntable *** solvability condition for a desired filter is established based on the proposed sufficient *** on the double channel scheme of the turntable control system,the turntable system can be modeled as a switched ***,by taking the turntable system as a numerical example,the effectiveness of the proposed theory is well validated.

关键词： fault detection H∞ performance exponential stability switched system turntable system.