检索结果-南通市图书馆

综采工作面采煤机故障监测诊断系统的设计与应用

在线全文

学校读者我要写书评

暂无评论

自动化应用 2024年第9期65卷 103-105,108页

作者：刘晓强山西煤炭运销集团泰山隆安煤业有限公司山西忻州036603

综采工作面采煤机截割部是煤炭生产的重要组成部分,具有较高的故障频率,且其维护活动成本高、耗时长。煤炭企业迫切需要一种有效的采煤机截割部故障监测系统。针对此问题,将综合重要度(IIM)引入故障树分析方法中,以识别采煤机截割部的... 详细信息

综采工作面采煤机截割部是煤炭生产的重要组成部分,具有较高的故障频率,且其维护活动成本高、耗时长。煤炭企业迫切需要一种有效的采煤机截割部故障监测系统。针对此问题,将综合重要度(IIM)引入故障树分析方法中,以识别采煤机截割部的薄弱环节。开发了一种基于IIM的故障树分析方法的监测诊断系统,以确定采煤机截割部的关键故障。以XX煤矿MG400/930-WD型采煤机为例,通过IIM排序,可确定轴承磨损为关键故障原因。为验证所提方法的有效性,采用径向条形图分析了4种重要性测度的相对值分布,并通过平均精度评价了不同排序的准确性。结果表明,IIM能明确区分底事件的相对重要性,IIM排序的平均准确率为94.52%。因此,所提方法能准确有效地识别关键故障原因,且有限的资源应优先考虑IIM较高的底事件。

关键词：采煤机截割部故障树模型综合重要性测度平均精度均值

在线全文

学校读者我要写书评

暂无评论

基于神经网络与早至波的波方程反演

科技创新与应用 2024年第30期14卷 40-43页

作者：李亚杰余瀚汤致文孙明皓南京邮电大学计算机学院南京210046

针对传统波方程全波形反演步骤繁琐、计算量大和难度高等问题,提出一种基于全连接神经网络的早至波反演方法。实验结果表明,所提方法在早至波反演中交并比IoU(Intersection over Union)和平均精度均值mAP(mean Average Precision)分别达... 详细信息

针对传统波方程全波形反演步骤繁琐、计算量大和难度高等问题,提出一种基于全连接神经网络的早至波反演方法。实验结果表明,所提方法在早至波反演中交并比IoU(Intersection over Union)和平均精度均值mAP(mean Average Precision)分别达到74.01%和73.72%,可对速度模型进行有效重构。

关键词：波方程早至波神经网络反演交并比平均精度均值

在线全文

学校读者我要写书评

暂无评论

基于YOLO算法的手势识别

北京理工大学学报 2020年第8期40卷 873-879页

作者：王粉花黄超赵波张强北京科技大学自动化学院北京100083 北京科技大学人工智能研究院北京100083 北京市工业波谱成像工程中心北京100083

研究YOLO算法在手势识别中的应用,提升在近肤色和光线明暗不一的背景下检测的速度和精度.YOLO算法是端到端的检测方法,通过卷积神经网络自动提取目标的特征,可以大幅度提高运算速度.鉴于YOLO算法在目标检测任务中的优良表现,将YOLO算法... 详细信息

研究YOLO算法在手势识别中的应用,提升在近肤色和光线明暗不一的背景下检测的速度和精度.YOLO算法是端到端的检测方法,通过卷积神经网络自动提取目标的特征,可以大幅度提高运算速度.鉴于YOLO算法在目标检测任务中的优良表现,将YOLO算法应用到手势识别问题中.通过对YOLO系列算法的研究对比表明,YOLO算法在手势识别中具有良好表现.同时,在YOLOv3算法的快速版本YOLOv3-tiny的基础上提出了YOLOv3-tiny-T算法.YOLOv3-tiny-T在包含5种手势的UST数据集上,平均精度均值为92.24%,较YOLOv3-tiny获得了5%左右的提升.

关键词：手势识别 YOLO算法 YOLOv3-tiny-T算法平均精度均值

在线全文

学校读者我要写书评

暂无评论

面向行人重识别的通道与空间双重注意力网络

计算机工程 2022年第12期48卷 281-287,295页

作者：曾涛薛峰杨添合肥工业大学计算机与信息学院合肥230601

针对现实场景下因受到摄像机视角变化、行人姿态变化、物体遮挡、图像低分辨率、行人图片未对齐等因素影响导致行人判别性特征难以获取的问题,设计混合池通道注意模块(HPCAM)和全像素空间注意力模块(FPSAM),并基于这两种注意力模块提出... 详细信息

针对现实场景下因受到摄像机视角变化、行人姿态变化、物体遮挡、图像低分辨率、行人图片未对齐等因素影响导致行人判别性特征难以获取的问题,设计混合池通道注意模块(HPCAM)和全像素空间注意力模块(FPSAM),并基于这两种注意力模块提出一种通道与空间双重注意力网络(CSDA-Net)。HPCAM模块能够在通道维度上抑制无用信息的干扰,增强显著性特征的表达,以提取得到判别性强的行人特征。FPSAM模块在空间维度上增强行人特征的判别能力,从而提高行人重识别的准确率。通过在传统行人重识别深度模型框架中分阶段融入HPCAM模块和FPSAM模块,获得由粗糙到细粒度的注意力特征。实验结果表明,CSDA-Net网络在行人重识别主流数据集CUHK03、DukeMTMC-ReID和Market1501上的Rank-1准确率分别为78.3%、91.3%和96.0%,平均精度均值(mAP)分别为80.0%、82.1%和90.4%,与MGN网络相比,Rank-1准确率分别提升14.9、2.6和0.3个百分点,mAP分别提升13.7、3.7和3.5个百分点,能够提取更具鲁棒性和判别性的表达特征。

关键词：行人重识别双重注意力机制行人特征深度学习平均精度均值

在线全文

学校读者我要写书评

暂无评论

基于统一划分的特征自适应行人再识别方法

南京理工大学学报 2020年第3期44卷 266-271页

作者：张德磊宋晓宁於东军江南大学物联网工程学院江苏无锡214122 南京理工大学计算机科学与工程学院江苏南京210094

为解决行人再识别(Re-ID)任务中,目标特征统一划分方法导致的部位信息关联性减少和识别率降低的问题,提出了基于密集连接卷积网络(DenseNet)的深度学习方法框架及基于统一划分方法的特征自适应Re-ID方法。在统一划分方法的基础上,为了... 详细信息

为解决行人再识别(Re-ID)任务中,目标特征统一划分方法导致的部位信息关联性减少和识别率降低的问题,提出了基于密集连接卷积网络(DenseNet)的深度学习方法框架及基于统一划分方法的特征自适应Re-ID方法。在统一划分方法的基础上,为了保留部位特征的相关性,利用马氏距离公式计算相邻特征距离,自适应地选取信息相关性高的部位特征做融合,再对融合后的特征做行人分类。该文算法分别在Market1501数据集、CUHK03数据集以及DukeMTMC-ReID数据集上进行实验。平均精度均值(mAP)分别达到82.8%、70.3%、60.1%。该文方法与基于部位的卷积基准(PCB)以及部位对齐的行人再识别(AlignedReID++)相比,mAP均有提高。

关键词：统一划分行人再识别深度学习马氏距离平均精度均值

在线全文

学校读者我要写书评

暂无评论

改进的YOLOv3目标检测算法

中国科技论文 2021年第11期16卷 1195-1201页

作者：曹春键臧强王泽嘉屠壮南京信息工程大学自动化学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044

针对YOLOv3目标检测算法存在网络参数量大、检测精度不够高的问题,首先,使用一种轻量化YOLOv3特征提取网络的方法,降低特征提取网络部分的参数量;其次,提出一种多级特征融合网络结构,提高YOLOv3算法特征层的检测效果;最后,采用一种软化... 详细信息

针对YOLOv3目标检测算法存在网络参数量大、检测精度不够高的问题,首先,使用一种轻量化YOLOv3特征提取网络的方法,降低特征提取网络部分的参数量;其次,提出一种多级特征融合网络结构,提高YOLOv3算法特征层的检测效果;最后,采用一种软化的非极大值抑制(soft non-maximun suppression,Soft-NMS)算法,在检测阶段有效避免重叠目标下的漏检。结果表明,相比于YOLOv3算法,改进YOLOv3算法的参数量降低了46%,模型大小约为原模型的50%,在PASCAL VOC 2007数据集上的平均精度均值(mean average precision,mAP)提升了3.5%。

关键词：目标检测 YOLOv3算法特征融合非极大值抑制平均精度均值

基于改进YOLOv5的玻璃纤维管纱缺陷检测方法

在线全文

学校读者我要写书评

暂无评论

棉纺织技术 2023年第12期51卷 12-19页

作者：董振宇景军锋西安工程大学陕西西安710600 陕西省人工智能联合实验室西安工程大学分部陕西西安710600

针对玻璃纤维管纱缺陷检测中存在的抗干扰能力差、检测精度低和检测速度慢的问题,提出了一种基于改进YOLOv5的玻璃纤维管纱缺陷检测方法(BY-YOLO)。首先建立了高效重参数网络(ER-Net)作为主干网络对管纱缺陷特征进行优化提取,利用结构... 详细信息

针对玻璃纤维管纱缺陷检测中存在的抗干扰能力差、检测精度低和检测速度慢的问题,提出了一种基于改进YOLOv5的玻璃纤维管纱缺陷检测方法(BY-YOLO)。首先建立了高效重参数网络(ER-Net)作为主干网络对管纱缺陷特征进行优化提取,利用结构重参数化技术和精确金字塔池化模块(R-SPP)提升检测速度,减弱特征噪声信息对检测效果的影响;其次提出了深度注意力路径聚合网络(DA-PANet)作为颈部网络对管纱的多尺度特征进行融合,通过特征增强模块Depth-Mixer和注意力机制模块增强管纱缺陷特征的语义信息,提高模型对多尺度缺陷的检测能力。试验结果表明:该方法能够将玻璃纤维管纱缺陷检测的mAP值提高至94.43%,同时将其检测速度提升到103帧/s。与其他主流的检测模型相比,该研究提出的方法拥有更高的鲁棒性、准确性和实时性。

关键词：管纱缺陷检测机器视觉深度学习 YOLOv5 结构重参数化技术注意力机制模块平均精度均值

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

基于改进YOLOv5s的经编织物缺陷检测

棉纺织技术 2023年第7期51卷 46-52页

作者：孙浩东周其洪陈鹏陈革王水王菡珠数字化纺织服装技术工程研究中心上海201600 东华大学上海201600 五洋纺机有限公司江苏常州213000

针对经编织物缺陷检测精度低、漏检和误检率高等问题,提出改进的YOLOv5s算法模型CSC-YOLOv5s。首先使用ConvNeXtBlock模块替换主干提取网络中的CSP模块,增强主干网络的特征提取能力,减少特征提取时细节信息的丢失;其次提出SC-PANet网络... 详细信息

针对经编织物缺陷检测精度低、漏检和误检率高等问题,提出改进的YOLOv5s算法模型CSC-YOLOv5s。首先使用ConvNeXtBlock模块替换主干提取网络中的CSP模块,增强主干网络的特征提取能力,减少特征提取时细节信息的丢失;其次提出SC-PANet网络结构,引入SimAM注意力机制模块,增强模型在特征融合时对经编织物缺陷区域的关注,提高小尺寸缺陷的检测精度,结合Content-Aware ReAssembly上采样算子改进上采样层,提升特征融合精度;最后改进损失函数,加速模型收敛。试验结果表明,CSC-YOLOv5s算法在自建经编织物数据集上mAP值为90.6%、召回率为85.9%,比原始YOLOv5s算法分别提高5.5个百分点和5.9个百分点,改进后的算法整体性能较好。

关键词：缺陷检测 YOLOv5s模型注意力机制经编织物平均精度均值

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

基于深度学习的印刷电路板缺陷检测算法研究

基于深度学习的印刷电路板缺陷检测算法研究

作者：贾欣雨河北科技大学

学位级别：硕士

PCB在全球的产值日益增长,中国已成为世界上最大的PCB产能国。随着电子行业领域的快速发展,高性能PCB的需求将继续增长,但高性能PCB在生产过程中技术复杂且工序众多,极易出现短路、断路等缺陷,这些缺陷都极大地影响了PCB的寿命。目前我... 详细信息

PCB在全球的产值日益增长,中国已成为世界上最大的PCB产能国。随着电子行业领域的快速发展,高性能PCB的需求将继续增长,但高性能PCB在生产过程中技术复杂且工序众多,极易出现短路、断路等缺陷,这些缺陷都极大地影响了PCB的寿命。目前我国广泛使用的是以机器视觉为核心的自动光学检测系统,但此方法存在对缺陷图像像素要求高、检测算法复杂的等问题。随着深度学习领域的日新月异的发展,使用深度学习进行缺陷检测更为高效,且随着深度学习算法的不断更新,也会带动实际生产中的PCB缺陷检测技术升级,有利于长远发展。因此,本文针对PCB缺陷检测现有的问题,提出基于深度学习的PCB缺陷检测算法。PCB缺陷本身存在线路设计多样、缺陷面积小且各缺陷之间特征相似等问题,导致缺陷检测难度加大且易于错检、漏检,现使用深度学习方法解决上述问题,主要研究内容如下。1)首先使用深度学习中的YOLOv4算法进行PCB缺陷检测,检测效果较好但模型过大,为进一步提高检测精确率以及解决模型过大的问题,对YOLOv4进行改进,提出YOLO-J算法。使用Resnet50替换原主干网络CSPDarknet53从而降低模型参数量;为避免替换主干网络带来的检测效果大幅降低的问题,改进PANet以实现更多尺度的特征融合;在网络中添加ECA注意力机制并使用Hard-swish激活函数以提升模型对小目标的特征提取能力;使用二分K-means算法重新聚类先验框,使算法更准确地匹配数据集。通过实验结果证明,在Io U=0.5时,该算法的m AP达98.2%,在Io U=0.5:0.95时,m AP达51.7%、召回率达60.5%,相比原算法的m AP提高了6.7%、召回率提高了10.2%,模型大小为132MB,实现了提高PCB缺陷检测精确率及召回率模型的同时模型轻量化的目的。2)为进一步提高模型检测精确率,使用更为先进的YOLOv7算法进行PCB缺陷检测,且为增强检测效果,对YOLOv7进行改进,提出YOLO-G算法。将Bi FPN融入YOLOv7的Neck网络中,在加强目标特征信息的同时避免丢失位置信息;使用SPD-Conv模块代替Transition模块中的最大池化层,解决在池化过程中丢失像素信息的问题;使用Sim AM,在三维的角度上使网络能够辨别出重要信息,提高模型检测精确率。实验数据得出,在Io U=0.5时,该算法的m AP高达99.55%,在Io U=0.5:0.95时,m AP达67.7%,召回率达72.8%,相比原算法的m AP提高了8.2%、召回率提高了5.8%,通过实验表明该算法有效地提高了检测效果。

关键词： PCB 深度学习缺陷检测平均精度均值召回率