检索结果-南通市图书馆

齐齐哈尔大学学报（自然科学版） 2020年第2期36卷 21-24,39页

作者：黄寅安徽广播电视大学滁州分校安徽滁州239000

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然... 详细信息

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。

关键词：深度学习网络模型自动训练 Python TensorFlow 工件缺陷

来源：

维普期刊数据库

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

基于深度学习的75种阔叶材微观辨识方法

引用

林业科学 2024年

作者：田智康葛浙东郑焕琪郑志帅周玉成山东建筑大学信息与电气工程学院山东建筑大学建筑城规学院山东省产品质量检验研究院

【目的】对75种南美进口阔叶材提出微观图像辨识模型TimberIDNet75，为海关、进出口检疫检验以及从事木材鉴定研究的人员提供一种准确的多材种辨识方法。【方法】TimberIDNet75模型是包含1个输入层、4个隐含层的34层卷积层的中浅层神经... 详细信息

【目的】对75种南美进口阔叶材提出微观图像辨识模型TimberIDNet75，为海关、进出口检疫检验以及从事木材鉴定研究的人员提供一种准确的多材种辨识方法。【方法】TimberIDNet75模型是包含1个输入层、4个隐含层的34层卷积层的中浅层神经网络。为尽量扩大感受野以提取更多图像特征，输入层采用13×13×256的卷积核，对每张图像提取256类特征，经激活、池化处理后作为输出。第1个隐含层采用2次卷积、激活后再进行残差修正，称作“两卷一修正块”。第1个隐含层包含3个“两卷一修正块”，提取256类特征作为输出。第2个隐含层包含4个“两卷一修正块”，再次提取512类特征作为输出。第3个隐含层包含6个“两卷一修正块”，对上一层的输出进行特征提取，获得1 024个类的特征。第4个隐含层包含3个“两卷一修正块”，对第3层的输出进行特征提取，获得2 048个类的特征，经全局平均池化后输入到全连接层映射出75个树种的分类。【结果】TimberIDNet75模型的准确率达99.4%，损失值为0.044。将TimberIDNet75模型与现阶段较先进的深度学习模型进行比较，ResNet模型的准确率为98.1%、VGGNet模型的准确率为 97.1%、GoogleNet模型的准确率为96.2%、AlexNet模型的准确率为94.7%、ViT模型的准确率为53.2%，TimberIDNet75模型的准确率相比其中准确率最高的ResNet模型提高了1.3%。利用TimberIDNet75模型对随机获取的75种进口阔叶材微观解剖样本进行实际测试，样本全部准确辨识，准确率达100%。【结论】TimberIDNet75模型中的“两卷一修正块”，在节省机器资源的同时，可消除模型梯度下降导致过拟合的问题，同时利用残差法使得模型训练时人工干预降至最低，准确率和效率大幅提升。

关键词：木材微观解剖深度学习网络模型木材材种辨识材种微观特征提取

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Landsat影像（2010-2020年）的黄河郑州段空间形态变化研究

基于Landsat影像（2010-2020年）的黄河郑州段空间形态变化研究

引用

作者：刘畅北京建筑大学

学位级别：硕士

黄河作为我国第二大河流,黄河流域的发展对我国的经济、农业、水利等方面均具有重要影响。黄河的治理、开发、保护、管理等工作对于我国的社会经济和生态保护具有重要的战略意义。黄河中下游地区河流多沙善淤、游荡多变,水沙关系不协调... 详细信息

黄河作为我国第二大河流,黄河流域的发展对我国的经济、农业、水利等方面均具有重要影响。黄河的治理、开发、保护、管理等工作对于我国的社会经济和生态保护具有重要的战略意义。黄河中下游地区河流多沙善淤、游荡多变,水沙关系不协调及河道的不稳定性破坏了下游地区的自然地貌,造成水系紊乱,河湖淤积,阻碍黄河中下游的社会经济发展,对黄河中下游人民生产生活造成巨大威胁。郑州作为黄河中下游的代表性河段,近几十年来空间形态变化频繁。本文通过深入研究黄河郑州段的空间形态变化,可以揭示河流演变的历程,从而为分析影响因素提供依据,为预测未来黄河郑州段的河流形态变化趋势提供重要参考。因此,基于遥感影像研究黄河郑州段的空间形态变化可以为黄河的治理和可持续开发提供支持,对黄河中下游的治理保护工作具有重要的意义。现有的黄河河流变化研究主要针对黄河河道变迁、河型变化和水沙变化三个方向,对于黄河郑州段的空间形态的定量描述方面研究较少,且研究所用的普适性定量指标不能体现黄河郑州段主流多变,摆动频繁、河身宽浅,沙洲棋布和河势散乱,辫状分叉的空间形态特点。近年来随着大量卫星的成功发射,基于卫星遥感的地表探测和研究取得了飞速进展。如何利用卫星遥感影像快速准确地进行河流信息提取,是近年来研究的热门话题。传统水体提取方法是基于影像的光谱特征进行提取,然而在实际的应用中由于河流信息受到周围环境因素的影响,传统的水体提取方法无法满足研究对于河流的精确度要求。本文针对现有水体提取方法难以满足黄河郑州段河流水沙混杂背景下的精确提取要求与针对黄河郑州段特殊空间形态的定量指标缺乏的问题展开研究,提出了面向黄河郑州段水体提取的深度学习网络模型,并在此模型提取的河流信息基础上,总结归纳了黄河郑州段空间形态特点,针对性设计了面对不同特点的空间形态定量指标。研究基于2010-2020年Landsat 7和Landsat 8影像,选取黄河郑州段作为研究区,开展了对2010-2020年黄河郑州段空间形态变化的定量分析研究。本文的主要创新性工作及结论如下:(1)黄河郑州段河流河势散乱、水沙混杂。目前常用的水体提取方法无法满足研究对于河流的精确度要求。针对这一问题,本文以U-Net网络为基准,提出了面向黄河郑州段水体提取的AU-Net网络模型。通过引入ASPP模块,融合图像特征信息时扩大其卷积核感受野,并通过实验验证了该网络模型的可行性与有效性。结果表明,AU-NET模型在黄河中下游水体数据集上具有较高的识别精度(MPA=0.97和MIOU=0.99)。结合预测结果图与网络收敛图,本文方法在鲁棒性和拟合上也存在优势,进一步表现在河流边缘更清晰,改善了U-net网络中出现的水体错分漏分现象,并能更好的区分微小水体,解决黄河中下游河流水体精确提取的问题。(2)根据黄河郑州段空间形态的特征,在本文中研究针对性地设计了六个定量描述指标,主要涵盖河流稳定性、河心沙洲情况、河势情况以及河流水量情况四个方面,并对各指标之间进行了相关性分析。同时,研究还提出了一种快速生成黄河郑州段河流截面并提取所需数据的方法,改进了河流相对稳定性指标(Improved Relative Stability Index of River Regime,RSIRR-G)。该方法使得该指标能够适用于黄河郑州段多变的河流路径,操作方便,计算量较低。本文所设计的定量指标填补了现有研究中对于黄河郑州段空间形态变化从河流稳定性、沙洲特征和河势散乱度等多方面进行定量分析的空白。(3)利用本文设计的定量指标对2010-2020年黄河郑州段河流空间形态变化情况进行分析。主要结论如下:2010-2020年黄河郑州段空间形态发生了显著的变化。稳定河段截面不断增加,不稳定河段截面和过渡河段截面显著缩小;主流摆幅逐渐缩小,逐步完成游荡河流-相对稳定河流-稳定河流的转变;河心沙洲在不断地变化,流沙洲由分散状态变为聚集状态;黄河郑州段岔流呈现增多-减少-稳定的变化情况;河身整体大面积消失,干涸面积和固定面积持续扩大。黄河郑州段河流空间形态变化与国家对黄河中下游调水调沙的各项措施密不可分。水沙条件的优化调控加上河道整治工程的日益完善,能够有效改善黄河郑州段的河流游荡多变的问题,促进黄河郑州段形态向更稳定的趋势迈进。本研究的成果可用于支持黄河中下游的水体提取以及空间形态的定量指标计算,对于长时间黄河中下游的空间形态变化情况能够进行有效分析,进而有助于黄河中下游水资源的保护与治理。

关键词：黄河中下游河流形态变化深度学习网络模型指标计算空间形态表达

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

基于深度学习的汽车梁类件回弹研究

基于深度学习的汽车梁类件回弹研究

引用

作者：谭天湖南大学

学位级别：硕士

梁类零件是车身零件中最重要的结构件之一,其在制造中通常存在严重的回弹问题。通过CAE仿真技术预测梁类零件的回弹存在计算时间长,设置复杂等问题,实现对板料冲压成形回弹的快速预测,成为加快冲压模具研发,降低企业生产成本的重要手段... 详细信息

梁类零件是车身零件中最重要的结构件之一,其在制造中通常存在严重的回弹问题。通过CAE仿真技术预测梁类零件的回弹存在计算时间长,设置复杂等问题,实现对板料冲压成形回弹的快速预测,成为加快冲压模具研发,降低企业生产成本的重要手段。本文以某汽车梁类结构零件作为研究对象,基于回弹二维截面法理论与有限元仿真技术,使用深度学习网络模型与图像识别技术,综合板料材料因素与冲压工艺因素,研究梁类结构零件不同截面处的回弹问题,快速预测汽车梁类零件的回弹。本文的主要研究内容如下:1、三维梁类零件的二维离散及数值转换。基于二维回弹理论,使用二维截面法研究三维回弹问题,将三维梁类零件离散为若干截面,采用双平面投影的方法和图像二值化方法,将梁类零件的截面曲线转换为神经网络模型可识别的双通道图像数据。2、基于拉丁超立方采样研究不同材料参数和工艺参数下的回弹大小。将压边力大小、摩擦系数、模具间隙、材料厚度、材料强化系数、材料硬化指数、初始屈服应变、各向异性系数等8个参数作为冲压工艺参数及板料材料参数变量进行拉丁超立方采样,利用Dynaform软件进行CAE回弹仿真,得到后续人工智能网络的训练样本。3、基于深度学习网络的梁类零件冲压回弹研究,本文提出了将深度学习的图像识别技术应用在汽车梁类零件的回弹预测的方法。首先在LeNet-5深度学习模型、AlexNet深度学习模型、NiN深度学习模型基础上对模型参数优化,将其作为截面图像的识别网络,然后将该网络通过全连接神经网络与板料材料因素与冲压工艺因素耦合,最后得到本文的梁类零件回弹算法模型。4.基于高斯混合聚类的回弹类型分类及算法模型验证。以一汽车梁类结构零件作为研究对象,通过仿真获得回弹样本,按照样本的回弹数值的大小,使用高斯混合分类的方法将回弹样本分为大回弹、中等回弹、大回弹三个类型。将每种类型的回弹样本分别通过LeNet-5深度学习模型、AlexNet深度学习模型、NiN深度学习模型进行训练优化,通过样本验证集对比模型性能。验证结果表明,基于AlexNet深度学习模型准确度最高,同时算法鲁棒性相较于其他两种也更强。

关键词：梁类零件冲压回弹拉丁超立方采样 DynaForm有限元仿真几何提取深度学习网络模型

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

CD161流式细胞术对活动性肺结核诊断效能的评价

引用

国际检验医学杂志 2023年第12期44卷 1421-1424页

作者：张雅曦张明霞杨倩婷孟娟余志勇陈骑深圳市第三人民医院肝病研究所广东深圳518112

目的探讨以淋巴细胞表面分子CD161为标识的流式细胞术对活动性肺结核的诊断价值。方法回顾性研究2020年4—12月在该院住院的活动性肺结核患者268例,其中痰涂片结果为阳性的患者170例作为涂阳组,3次或以上痰涂片结果未见结核分枝杆菌(... 详细信息

目的探讨以淋巴细胞表面分子CD161为标识的流式细胞术对活动性肺结核的诊断价值。方法回顾性研究2020年4—12月在该院住院的活动性肺结核患者268例,其中痰涂片结果为阳性的患者170例作为涂阳组,3次或以上痰涂片结果未见结核分枝杆菌(TB)的患者98例为涂阴组。另选取该院的体检健康者138例为对照组。采用流式细胞术检测各组淋巴细胞、单核细胞和CD161阳性淋巴细胞比例。基于流式细胞术建立深度学习网络模型对活动性肺结核进行诊断,并与GeneXpert、TB-DNA、酶联免疫斑点(Elispot)试验的诊断效能进行比较。结果各组淋巴细胞、单核细胞和CD161阳性淋巴细胞比例及OR比较,差异有统计学意义(P深度学习网络模型在涂阳结核、涂阴结核患者中的检出率分别为77.05%、71.42%;深度学习网络模型鉴别涂阳组和对照组的受试者工作特征曲线下面积(AUC)为0.87(95%CI 0.84~0.91),准确率为0.82,灵敏度为0.77,特异度为0.84,鉴别涂阴组和对照组的AUC为0.79(95%CI 0.73~0.85),准确率为0.71,灵敏度为0.71,特异度为0.84。结论以CD161为标识的流式细胞术结合深度学习网络模型可为辅助诊断活动性肺结核提供新的方向,特别是在涂阴活动性肺结核的诊断中,并对指导临床抗结核治疗用药及预测活动性肺结核复发有参考价值。

关键词：活动性肺结核流式细胞术 CD161 深度学习网络模型

来源：

维普期刊数据库

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

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

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：