检索结果-南通市图书馆

计算机集成制造系统 2024年

作者：卢治业黄华郭润兰张昊张存东兰州理工大学机电工程学院

刀具的状态直接影响着工件质量，但刀具在机监测距离较远导致图像中铣刀刀尖过小难以检测。为解决该问题，进一步提高刀尖磨损的检测精度，提出利用深度学习进行铣刀刀尖磨损监测的方法。将YOLOv5与改进后的u-net相结合，首先使用YOLOv... 详细信息

刀具的状态直接影响着工件质量，但刀具在机监测距离较远导致图像中铣刀刀尖过小难以检测。为解决该问题，进一步提高刀尖磨损的检测精度，提出利用深度学习进行铣刀刀尖磨损监测的方法。将YOLOv5与改进后的u-net相结合，首先使用YOLOv5对采集到的铣刀图像进行处理，识别并提取刀尖部分，然后利用改进的u-net网络对提取的图像进行刀尖磨损区域的分割。改进后的u-net在原网络的Encoder结构中加入Residual Blocks残差块，在Decoder结构中加入ECA注意力机制。试验结果显示，改进的u-net相比于原u-net、Deeplabv3+和PSPnet，mIOu分别提高了8.39%，7.1%和17.66%。同时，其检测时间相比Deeplabv3+和PSPnet分别缩短了85.52%和86.73%。综上所述，该方法解决了由于刀具在机监测需远距离拍摄而导致铣刀刀尖磨损难以检测的问题，还显著提高了检测的效率。

关键词： YOLOv5 改进的u-net 深度学习刀尖磨损注意力机制

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的无人机遥感影像农村地物分类研究

基于深度学习的无人机遥感影像农村地物分类研究

引用

作者：雷荣智兰州交通大学

学位级别：硕士

中国作为传统的农业大国,农村发展是我国经济建设的重要组成部分。随着“建设社会主义新农村”和“乡村振兴”等政策的实施,土地合理利用和科学规划的重要性日益凸显,对地物进行精准识别和有效分类工作将在其中发挥着关键作用。目前,地... 详细信息

中国作为传统的农业大国,农村发展是我国经济建设的重要组成部分。随着“建设社会主义新农村”和“乡村振兴”等政策的实施,土地合理利用和科学规划的重要性日益凸显,对地物进行精准识别和有效分类工作将在其中发挥着关键作用。目前,地物的识别和分类原始数据主要源于遥感影像,航空航天遥感作为主流的遥感影像获取平台,以其作业范围大、高分辨率广泛应用于农村地物识别和分类工作,但存在时效慢、成本高、受环境气候因素影响较大等缺点。相比之下,近年来快速兴起的无人机低空遥感以其高效率、低成本、高机动性在农村地物识别和分类工作中更具优势,但是基于无人机遥感影像的地物研究尚处在目标检测的阶段,特别是和深度学习融合在一起的识别分类方法和模型少之又少。如何在无人机遥感影像中实现高效率、自动化识别地物类别和土地界限已成为当今研究的重难点之一。因此,将深度学习技术和无人机遥感技术两者融合,进行农村地物识别分类的工作是十分必要的。为了实现地物识别分类工作的自动化、智能化和精细化,本文基于深度学习的原理,利用目标检测和语义分割的方法,以YOLO-v3和u-net为基础网络模型,提出两个改进的模型用于农村地物识别和分类。首先,针对基于无人机遥感影像所制作的目标检测和语义分割的数据集较少的问题,以江西省丰城市某村为研究区域,利用无人机获取原始遥感影像,经过数据预处理获得影像数据,利用label Img标注工具制作名为Air1的目标检测数据集,利用labelme标注工具制作名为Air2的语义分割数据集。其次,针对目前缺少具有通用性的农村房屋和田地的土地覆盖分类模型,建立YOLO-v3和改进的YOLO-v3两个目标检测模型、u-net和改进的u-net两个语义分割模型,将每种任务的两个模型进行比较,选择出较优的模型用于实际作业。得到以下结论:(1)在目标检测实验的两个模型中,YOLO-v3模型m AP值为70.67%,改进的YOLO-v3 m AP值为72.60%,改进模型比原版模型的总体精度更高。其中,房屋的检测识别上,改进模型的AP值比原版高3.9%,F1-score比原版高7%;田地的检测识别上,改进模型的AP值比原版仅高出0.01%,F1-score上两者的得分是一样的,故改进模型在房屋的检测识别效果较优,田地的检测识别效果一般。(2)在语义分割实验的两个模型中,u-net模型的m Io u值(mean Intersection-overunion)为59.4%,改进的u-net模型的m Io u值为60.3%,改进模型总体精度略高于原版模型。其中,房屋的检测分割上,改进模型的Precision上比原版低1%,Recall比原版高3.8%,Io u(Intersection-over-union)比原版高1%;田地的检测分割上,改进模型的Precision比原版低1.2%,Recall比原版高4.2%,Io u仅比原版高0.8%,故改进模型在房屋和田地的分割效果均一般。通过对两种任务中四个模型的识别及分割效果影像和评价指标值对比分析发现,改进的YOLO-v3模型能够满足农村地物有效分类中“快而准”的精度要求,而改进的unet模型能够满足地物精准识别中“精细化作业”的现实需求,综合两个模型能够有效提升农村地物自动化分类的效率。本研究成果可为农村土地合理利用和科学规划提供科技支撑。

关键词：无人机遥感影像农村地物分类深度学习改进的YOLO-v3 改进的u-net

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的鼻部病变辅助诊断方法及应用实现

基于深度学习的鼻部病变辅助诊断方法及应用实现

引用

作者：宗艳宁华东师范大学

学位级别：硕士

受雾霾天气增加等环境因素和遗传因素影响,鼻部相关疾病发病率呈逐年上升趋势。目前鼻内窥镜是检查和手术治疗鼻部疾病的常规方法,常见的鼻部疾病包括鼻息肉、真菌性鼻窦炎和鼻腔肿瘤等。但是由于鼻部病变区域具有难以分辨、隐蔽性强等... 详细信息

受雾霾天气增加等环境因素和遗传因素影响,鼻部相关疾病发病率呈逐年上升趋势。目前鼻内窥镜是检查和手术治疗鼻部疾病的常规方法,常见的鼻部疾病包括鼻息肉、真菌性鼻窦炎和鼻腔肿瘤等。但是由于鼻部病变区域具有难以分辨、隐蔽性强等特点,从而导致较高的误诊率。现在深度学习技术已经在医学图像处理领域得到了广泛应用,如何将深度学习应用到鼻部病变区域辅助诊断尚需深入研究。本文收集了202位患者鼻内窥镜手术视频,接着截取视频帧,从中选取3041张标注病变区域,从而建立了鼻内窥图像数据集,并在该数据集上研究了基于深度学习的鼻部病变区域辅助诊断方法,主要工作包括:为了实现高准确率识别病变区域,针对鼻内窥镜图像下病变区域多尺度剧烈变化下的识别问题,将密集空洞卷积(DAC)和残差多核池化(RMP)模块嵌入到u-net模型中,使用级联的空洞卷积和池化操作,密集提取不同尺寸的图像特征,实现了可接受任意尺寸的病变区域识别。针对病变区域与正常区域颜色相近难以分辨的问题,在u-net模型中引入了注意力机制包括Transformer,通过多次迭代训练,使网络的注意力集中在病变区域。并使用Res2net作为主干特征提取网络,Loss函数取BCE Loss和Dice Loss加权平均。实验结果表明,本论文的方法Art Ce net与Deep Snake、u-net、Att-u-net和CE-net相比,Io u和Dice Score分别提高到87.7%和92.7%。为了实现在鼻内窥镜视频中实时跟踪病变区域,本文研究了基于检测的离线跟踪算法TLD和KCF以及基于深度学习的在线跟踪算法Siam Mask。针对Siam Mask空间信息不足的缺点,提出使用多尺度特征融合模块,在融合不同尺度特征的速度和精确度基础上,给出了Siam Mask-u的最优配置,使其召回率达到了87.37%,速度是32.967fps。最后使用本论文Art Ce net的识别结果初始化Siam Mask-u,实现鼻内窥镜视频病变区域完全智能化识别跟踪诊断。最后将本论文中的识别Art Ce net和跟踪Siam Mask-u算法部署在基于B/S框架上搭建了鼻内窥镜辅助诊断系统。实验表明,系统初步实现了鼻部常见疾病的辅助智能诊断,为远程医疗打下了基础。

关键词：鼻内窥镜图像识别改进的u-net 目标跟踪 Siam Mask 辅助诊断

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度特征融合网络的路面裂缝分割方法研究

引用

时空信息学报 2023年第3期30卷 425-430页

作者：李朝勇张成韦海丹广西防城港核电有限公司防城港538001

针对路面缺陷检测设备采集到的路面影像中裂缝像素数占比较小,而现有深度学习的语义分割网络难以分割图像中小目标的问题,本文提出了一种融合了多尺度特征信息的编解码结构语义分割网络模型。首先,在经典编解码结构分割网络u-net(u-shap... 详细信息

针对路面缺陷检测设备采集到的路面影像中裂缝像素数占比较小,而现有深度学习的语义分割网络难以分割图像中小目标的问题,本文提出了一种融合了多尺度特征信息的编解码结构语义分割网络模型。首先,在经典编解码结构分割网络u-net(u-shaped network)的基础上,将编码结构中不同层级的特征图分别与解码结构中的特征图越级融合;其次,在网络的误差反向传播过程中选择适用于小目标物体分割的损失函数Focal Loss;最后,在CrackForest数据集上对本文方法和常用四种模型进行了对比分析。结果表明,改进的u-net模型在交并比、F1分数两种综合评价指标上的表现均要优于其他模型,且在细小裂缝的分割结果上提升更为明显。这说明本研究能够为路面影像中裂缝分割任务提供技术参考。

关键词：路面裂缝分割改进的u-net 多尺度特征融合 Focal Loss

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：