检索结果-南通市图书馆

融合裁剪增强策略的RT-DETR模型在绝缘子识别与计数中的应用

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

制造业自动化 2024年第7期46卷 183-189页

作者：张春雪张猛陈萌袁月国网济南供电公司山东济南250000

机器视觉是提升电力物流自动化和智能化水平,实现降本增效的关键技术。针对电力物资绝缘子计数主要依赖人工导致的易出错、效率低和成本高等问题,使用一种基于Transformer的目标检测算法RT-DETR实现绝缘子自动识别和计数。该算法基于实... 详细信息

机器视觉是提升电力物流自动化和智能化水平,实现降本增效的关键技术。针对电力物资绝缘子计数主要依赖人工导致的易出错、效率低和成本高等问题,使用一种基于Transformer的目标检测算法RT-DETR实现绝缘子自动识别和计数。该算法基于实时端到端Transformer检测模型,通过提取绝缘子图像的全局信息,加强信息表征能力,无需针对检测目标人工设计额外的算法模块,可满足电力物流场景下高实时性和高准确性的检测要求。针对深筐中绝缘子相互遮挡问题,通过裁剪增强对绝缘子数据集进行预处理,增加训练数据的多样性,提高模型对不同遮挡情况的泛化性,进一步提高算法在实际工况下的检测精度。实验结果表明,对深筐中的绝缘子进行检测,离线裁剪增强后的RT-DETR平均精确率达到95%,最佳置信度阈值下的计数平均绝对百分比误差仅为0.7%,单张图的平均推理速度为0.03 s,可以满足实际工业场景的检测要求。相比无裁剪增强,离线裁剪增强后的模型可以提高3.7%的平均精确率,有效提升绝缘子检测效率。

关键词：电力物流机器视觉端到端检测裁剪增强绝缘子计数

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

基于深度学习的端到端井下轨道检测方法研究

基于深度学习的端到端井下轨道检测方法研究

作者：乔晓敏合肥工业大学

学位级别：硕士

矿产资源是人类发展和社会进步必不可缺的物质基础,随着科技和社会经济的发展,矿产资源的需求量与开采量也在逐年攀升,与此同时也带来了一系列的矿井机车运输事故。自动驾驶系统的实现可有效减少运输事故的发生,而轨道检测是实现矿井自... 详细信息

矿产资源是人类发展和社会进步必不可缺的物质基础,随着科技和社会经济的发展,矿产资源的需求量与开采量也在逐年攀升,与此同时也带来了一系列的矿井机车运输事故。自动驾驶系统的实现可有效减少运输事故的发生,而轨道检测是实现矿井自动驾驶系统的一个重要内容。传统的轨道检测算法受限于手工设计的低级特征,在检测的精度和速度上无法达到令人满意的程度,且极易受光照、积水、电缆等环境因素的影响而造成检测速率过低和准确率不高等问题。近年来,随着人工智能以及深度学习技术的日新月盛,相关理论研究已经被广泛应用于各个领域,如人脸识别、行人检测等,但是在井下轨道检测领域还未有涉及。本文针对上述问题,立足于深度学习相关理论,开展了基于深度学习的轨道检测研究。在现有卷积神经网络相关算法模型的基础上提出基于深度学习的端到端井下轨道检测算法,不需要手工设计特征,可直接由输入端的数据得到输出端的结果,检测精度和效率都远超传统轨道检测算法。下面是本文的主要研究内容:(1)开展了深度学习、卷积神经网络以及语义分割等方面相关理论的研究,为第三章以及第四章网络模型的改进以及参数优化等工作提供有力的支撑。采集井下轨道视频并进行标注,构建了井下轨道训练数据集。(2)针对井下特殊环境以及轨道形状等特点,本文构建适用于井下轨道检测的空间卷积神经网络,实现了轨道像素级别的实例分割。通过对不同轨道场景下的图像进行测试及相关算法的对比实验,检验了模型在多种环境下的适应能力,证明了基于深度学习检测模型相较于传统手工设计特征方法的有效性,验证了其在光照明显较弱以及严重遮挡等复杂环境下的鲁棒性。本章轨道检测模型可以有效抵御各种复杂外部环境的干扰并且在多种轨道形状检测上均有良好的适应能力,平均轨道检测准确率可达97.29%左右,检测准确率较高,鲁棒性能良好。(3)为了进一步满足轨道检测在高分辨率下的实时应用,我们在双边分割网络的基础上,通过改进原网络中的上下文路径模块、边界细化模块以及特征融合模块,提出了用于获取较大感受野的金字塔注意力模块,以及用于综合空间路径模块和金字塔注意力模块特征的通道注意力融合模块。通过相关实验验证了所提模块的有效性,网络模型可以高效优质地提取出轨道区域,实现了兼具实时性与准确率的轨道检测方案,检测速率可达50FPS,检测精度可达86.79%。

关键词：井下轨道检测端到端检测深度学习卷积神经网络语义分割

基于二维卷积神经网络的滚动轴承变工况故障诊断方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

上海电力大学学报 2022年第1期38卷 29-34页

作者：潘成龙应雨龙上海电力大学能源与机械工程学院上海200090

为了实现滚动轴承变工况运行下仍能进行有效的故障诊断,提出了一种基于二维卷积神经网络的滚动轴承变工况故障诊断方法。该方法将原始信号以及运行载荷这一工况变量作为输入信号,无需人工提取特征向量,减少特征提取过程中的损失,实现端... 详细信息

为了实现滚动轴承变工况运行下仍能进行有效的故障诊断,提出了一种基于二维卷积神经网络的滚动轴承变工况故障诊断方法。该方法将原始信号以及运行载荷这一工况变量作为输入信号,无需人工提取特征向量,减少特征提取过程中的损失,实现端到端检测,并将该方法与传统卷积神经网络模型进行了实验对比。结果表明,相较于传统卷积神经网络,该方法在故障的识别准确率和诊断的实时性上都有很大程度的提升。

关键词：二维卷积神经网络变工况故障诊断端到端检测

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

基于卷积神经网络的驾驶员行为识别和分析

基于卷积神经网络的驾驶员行为识别和分析

作者：陈鹏电子科技大学

学位级别：硕士

随着机动车辆在全世界的逐渐普及,人们在便利生活的同时也伴随着交通安全事故。根据世界卫生组织的统计结果表明,全球每年死于交通安全事故的人数超过一百万人,其中接近五分之一的事故是由驾驶员分心行为所引起。驾驶员安全行为检测是... 详细信息

随着机动车辆在全世界的逐渐普及,人们在便利生活的同时也伴随着交通安全事故。根据世界卫生组织的统计结果表明,全球每年死于交通安全事故的人数超过一百万人,其中接近五分之一的事故是由驾驶员分心行为所引起。驾驶员安全行为检测是对驾驶员在驾驶机动车辆过程中出现的不安全类别行为进行检测预警,如使用手机、抽烟和喝水等不安全动作。在图像检测领域,传统机器学习对待检测图片进行人工特征提取和特征匹配,其次使用支持向量机进行分类检测。然而,随着驾驶过程中出现的背景、光照与识别对象的多样性和不确定性,传统的分类方法未能在不同场景下达到良好的识别准确率。随着深度学习方法在图像识别领域的逐渐流行,图片检测和分类问题相比较于传统方法有了较大提升。从初期的图像识别模型开始,利用卷积神经网络层的不断堆叠可以训练出高表征特性的深度学习模型。然而,深度学习模型层数的不断增加会伴随一系列问题,在计算资源层面,模型参数量的增大需要更大的存储资源,消耗更多的磁盘空间。模型的训练和检测阶段,都会消耗大量的计算资源。相同训练结果下,模型的参数量越大,泛化效果往往不如小参数量模型。本文设计的轻量级模型基于卷积神经网络结构,使用可分离卷积核和批处理标准化技术,使块结构具有更少的参数量,其次使用小卷积核实现降维,实现了端到端的检测。本文通过实验证明了连续三个块结构的模型具有最强的表征能力,在具有高检测准确率的同时,克服了目前模型检测速度慢的缺点。通过大量的实验对比,模型在公开数据集上取得了95.15%的测试准确率,与此同时模型大小仅有2.5M,检测速度更是达到了51帧/秒,该结果优于业内绝大部分模型。基于该结果本文设计了基于web端的驾驶员行为识别应用。该网站通过免费提供图像检测,旨在收集驾驶员相关图像,为后续的科研进展提供更多的数据支撑。该模型在实验室整理的卡车司机监控录像数据集上具有85.31%的检测准确率和51帧/秒的检测速度。本文基于该结果设计了驾驶员安全行为检测系统的算法模块,并辅助该系统进行落地使用。

关键词：驾驶员安全行为检测轻量级模型可分离卷积核端到端检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

ITV用户感知质量检测诊断方法研究与实现

ITV用户感知质量检测诊断方法研究与实现

作者：郭闽年武汉邮电科学研究院

学位级别：硕士

目前ITV端到端的检测诊断系统尚未完善。市场上现有的诊断工具大多都是在服务端对ITV的业务进行被动的检测,而端到端的业务质量主动检测暂未实现。本课题研究的内容主要是针对提高用户侧的感知质量对用户观看视频的感知质量的分析、影... 详细信息

目前ITV端到端的检测诊断系统尚未完善。市场上现有的诊断工具大多都是在服务端对ITV的业务进行被动的检测,而端到端的业务质量主动检测暂未实现。本课题研究的内容主要是针对提高用户侧的感知质量对用户观看视频的感知质量的分析、影响视频质量的指标分析与检测,并设计一套在用户侧可以发起自助诊断的工具实现对端到端的业务质量检测。本论文以如何提升ITV用户侧的感知质量作为研究课题,在用户侧进行ITV端到端的检测与诊断,开发ITV运维平台,向维护人员提供用户侧的诊断能力和远程操作能力,减少用户投诉,开发ITV助手APK集成到机顶盒中,向用户提供自助诊断服务和远程操作能力。主要的研究内容有:（1）通过对ITV端到端质量监测模型研究及分析,构建在用户侧的诊断模式及实现方案,阐述了用户的拓扑结构对用户检测诊断的作用,通过现有的“原子”能力在用户侧发起端到端的ITV质量监测,实现对用户侧ITV故障的预知及提前处理,提高用户侧的质量感知,从而降低投诉率。（2）通过对STUN NAT穿透技术的研究,实现在机顶盒与服务端的主动通信功能,主动向资源树的业务层各端发起ping,traceroute连通性及网络诊断,及时的发现并定位故障,实现从用户测自主检测ITV的故障问题。（3）为了实现用户的自主检测与诊断,设计基于Android的ITV助手置入机顶盒中实现在机顶盒上进行自主的诊断及故障上报等基本修复功能,对自己的机顶盒进行实时的监控,确保ITV的用户侧的质量感知。并对这两项功能进行测试、分析。论文创新点在于:（1）实现了ITV端到端质量监测诊断,可以在用户侧实现自主诊断,并将诊断的结果上报服务端进行分析;（2）设计了一套用户侧的ITV诊断工具,界面友好,测试方便。

关键词：感知质量 NAT穿越端到端检测 ITV助手

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

手机锂电池表面缺陷检测算法研究及应用

手机锂电池表面缺陷检测算法研究及应用

作者：黄罗华厦门大学

学位级别：硕士

随着智能手机的快速发展,手机锂电池的生产需求也与日俱增。为保证手机锂电池生产效率,锂电池的制造过程已基本实现自动化,然而其外观质量检测仍处于人工检测阶段。因此,引入基于机器视觉的外观检测方法已成为工业检测的研究热点。机器... 详细信息

随着智能手机的快速发展,手机锂电池的生产需求也与日俱增。为保证手机锂电池生产效率,锂电池的制造过程已基本实现自动化,然而其外观质量检测仍处于人工检测阶段。因此,引入基于机器视觉的外观检测方法已成为工业检测的研究热点。机器视觉检测过程中,由于受到复杂生产过程、光照条件等因素影响,采集到的锂电池外观图像质量不一,从而导致常用机器视觉自动检测方法精度不高。因此,本文针对手机锂电池表面缺陷检测算法及其应用开展研究,分别提出了一种基于传统图像处理的特征增强算法和基于深度学习的目标检测模型解决锂电池表面缺陷特征提取、分类和定位等问题。此外,本文还设计了一套基于深度学习的工业视觉检测软件并将构建好的检测模型应用于该软件系统中。针对复杂光照条件下缺陷特征提取困难的问题,本文采用两幅不同打光方案的图像作差分运算来解决光照不均的问题,并基于一阶离散高斯微分和显著性算法增强缺陷特征信息。实验结果表明,采用以上传统图像处理算法能够有效地增强锂电池表面缺陷的特征信息,并在进行特征分析后可以获得缺陷类别与位置。但是此方法存在两个问题:特征信息弱的缺陷难以检测,以及整体检测速度较慢。为了进一步提高锂电池表面缺陷检测效果,本文提出了一种基于串联分组卷积块的神经网络模型(ConcateXnet模型)。该模型结构简单、计算量小可以提高检测速度,同时采用串联跨接的方式结合浅层和深层的特征图可以有效地提取不同网络层的缺陷特征,避免特征信息丢失。根据实际的硬件和软件需求,本文设计了一个三光源相机模组和一套基于深度学习的工业视觉检测软件。硬件模组从左、右侧和正侧三个不同方向的光照下采集图像,可以增强缺陷的成像效果。检测软件集成了模型训练和测试以及远程部署和调用模型等功能模块。本文将构建好的轻量网络模型应用于该检测软件中,并对现场采集得到的294张锂电池表面图片进行人工标注缺陷位置和类别后用于模型的训练和测试。实际测试结果表明本文构建的ConcateXnet模型能够实现端到端实时检测,获得26fps的检测速度和92%平均精度值(mAP@0.5 IOU),满足实验环境和工业现场的实际检测速度和精度要求。

关键词：图像差分三光源相机分组卷积串联块端到端检测