检索结果-南通市图书馆

基于深度学习的循环水养殖鳗鲡(Anguilla)计数研究

在线全文

学校读者我要写书评

暂无评论

海洋与湖沼 2022年第3期53卷 664-674页

作者：李凯江兴龙陈尔康陈彭许志扬林茜集美大学水产学院福建厦门361021 鳗鲡现代产业技术教育部工程研究中心福建厦门361021 集美大学海洋与信息工程学院福建厦门361021

鳗鲡(Anguilla)作为我国优质水产养殖种类,精准掌握其数量对高效养殖有重要意义。为实现对循环水养殖鳗鲡的准确计数,提出了一种基于深度学习的改进faster rcnn模型。针对检测目标即鳗鲡头部尺寸小的问题,选择在特征提取网络ResNet50中... 详细信息

鳗鲡(Anguilla)作为我国优质水产养殖种类,精准掌握其数量对高效养殖有重要意义。为实现对循环水养殖鳗鲡的准确计数,提出了一种基于深度学习的改进faster rcnn模型。针对检测目标即鳗鲡头部尺寸小的问题,选择在特征提取网络ResNet50中加入FPN结构来作为模型的骨干网络,以提取并融合多尺度的特征;针对原模型锚框都是基于人工经验设置的,并不适用于鳗鲡数据集的问题,使用k-means聚类算法对训练集中标注的鳗鲡头部检测框进行聚类分析,获得了适合鳗鲡数据集的15种不同尺度的锚框;针对图像中存在鳗鲡头部重叠的问题,选择使用Soft-NMS算法替代原NMS算法对RPN部分生成的候选框进行筛选,以减少模型对鳗鲡重叠部分的漏检情况。试验结果表明:改进后的faster rcnn模型对鳗鲡头部的检测精度(mAP^(0.5))高达96.5%,较原faster rcnn模型(Backbone为ResNet50)显著提升了14%,与SSD300和YOLOV3模型相比分别显著提升了24.9%和15%;在鳗鲡计数上,利用改进后的faster rcnn模型检测结果进行计数,计数准确率达到90%以上,提升了模型对鳗鲡的检测识别能力。

关键词：鳗鲡计数深度学习 faster rcnn模型 FPN结构 k-means聚类算法 Soft-NMS算法

在线全文

学校读者我要写书评

暂无评论

多通道区域建议的多尺度X光安检图像检测

计算机工程与应用 2022年第1期58卷 224-231页

作者：康佳楠张良中国民航大学电子信息与自动化学院天津300300

针对安检X光图像检测中的违禁品尺度差异问题,对faster rcnn网络进行改进,提出一种基于多通道区域建议网络(muiti-channel region proposal network,MCRPN)。考虑到不同层卷积特征在视觉语义上的互补性,进行多层特征提取,融合VGG16高层... 详细信息

针对安检X光图像检测中的违禁品尺度差异问题,对faster rcnn网络进行改进,提出一种基于多通道区域建议网络(muiti-channel region proposal network,MCRPN)。考虑到不同层卷积特征在视觉语义上的互补性,进行多层特征提取,融合VGG16高层较丰富的语义特征和低层较浅的边缘特征;修改多通道RPN中的锚框参数,将生成的多尺度候选目标区域分别映射到对应的特征图上,构建多尺度违禁品检测网络;在多通道上引入膨胀卷积,设计一种多分支膨胀卷积模块(dilated convolutions module,DCM),增大感受野,增强不同尺度的特征。将改进的算法在自制数据集SIXray_OD上进行实验,检测的平均精度达到84.69%,测性能较原网络提高了6.28%。实验结果表明,改进算法的识别精度有一定提高。

关键词：目标检测 faster rcnn模型多尺度多通道膨胀卷积

在线全文

学校读者我要写书评

暂无评论

基于改进深度网络的钢材表面缺陷检测

计算机工程与设计 2022年第9期43卷 2654-2661页

作者：刘琪雷景生上海电力大学计算机科学与技术学院上海201300

为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进faster rcnn的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU... 详细信息

为解决传统的采用人工方法进行钢材表面缺陷检测存在错检、漏检、精度低等问题,提出一种改进faster rcnn的钢材表面缺陷检测算法。使用融合残差网路和密集连接网络的DPN网络进行特征提取,提出改进PANet网络进行多尺度特征融合;使用CIoU损失函数替代原算法中的Smooth L1作为边框回归损失函数;构建用于模型训练的钢材缺陷数据集。通过对比实验进行分析,实验结果表明,提出方法能够快速、准确地识别和定位钢材表面缺陷。

关键词：钢材表面缺陷检测 faster rcnn模型双路径网络路径增强网络交并比损失函数

在线全文

学校读者我要写书评

暂无评论

融合注意力机制的输电部件及缺陷检测模型

计算机工程与设计 2023年第3期44卷 929-936页

作者：高伟董云云刘军张兴忠国网山西省电力公司互联网部山西太原030021 太原理工大学软件学院山西太原030024

针对输电线路的多目标识别和缺陷检测中的错检和漏检等问题,提出SE-faster rcnn模型。在faster rcnn模型的基础上,将SENet模块嵌入到ResNet模型中,提取关键特征;优化候选框的生成方案;提出基于面积的非极大值抑制算法。通过微调U-Net模... 详细信息

针对输电线路的多目标识别和缺陷检测中的错检和漏检等问题,提出SE-faster rcnn模型。在faster rcnn模型的基础上,将SENet模块嵌入到ResNet模型中,提取关键特征;优化候选框的生成方案;提出基于面积的非极大值抑制算法。通过微调U-Net模型的数据增广方法,构建样本量为23327的数据集,达到91.37%的检测mAP。实验结果表明,提出模型满足输电线路多目标识别和故障检测的鲁棒性和准确性要求。

关键词： SENet模块 faster rcnn模型基于面积的非极大值抑制(Aera-NMS)算法无人机巡检数据增广 SE-faster rcnn模型区域生成网络

日光温室大樱桃叶面病虫害识别系统的设计与实现

在线全文

学校读者我要写书评

暂无评论

日光温室大樱桃叶面病虫害识别系统的设计与实现

作者：李聪鸽河北北方学院

学位级别：硕士

河北省张家口市是适合大棚樱桃种植的地区,目前,张家口蔚县以大樱桃的设施栽培作为一项扶贫项目,由于优质的大樱桃种植对生长环境要求比较高,同时大樱桃树生长过程容易出现病虫害,因此,能够实时监测大樱桃生长的温湿度、准确快速的识别... 详细信息

河北省张家口市是适合大棚樱桃种植的地区,目前,张家口蔚县以大樱桃的设施栽培作为一项扶贫项目,由于优质的大樱桃种植对生长环境要求比较高,同时大樱桃树生长过程容易出现病虫害,因此,能够实时监测大樱桃生长的温湿度、准确快速的识别樱桃病虫害,及时采取有效防治措施是非常重要的。本文提出的日光温室大樱桃叶片病虫害识别系统,旨在为樱桃种植的大棚管理者提供完善的功能性服务系统,以及相应的基础服务功能:用户的登录与注册、数据信息的维护。实现对温湿度监测预警、叶片病虫害精确诊治,为大樱桃大棚实现现代化的管理。本系统的核心功能在于对大樱桃温度湿度监控、预警功能,叶片病虫害的识别、并提供相应的诊治意见。本文在设计与实现上对以下两个方面进行了创新:(1)实现了对大樱桃生长温湿度的实时监测,利用温湿度模块对大樱桃生长环境进行实时监测。湿度和温度的大小值的设定,可以通过单片机按键或者手机端手动设定。当监控出现异常即刻发出警告,报警时手机客户端进行预警提示。(2)利用图像处理技术,先对图像进行预处理,将预处理之后的图片上传到云端服务器,将预处理好的图片送入服务器上的检测算法,进行检测,通过主干特征提取网络VGG 16模型提取大樱桃叶片病虫害的图像特征,将生成的特征图送入区域建议网络生成检测框,通过Fast rcnn模块确定它们的位置、大小、种类,得到病虫害识别结果,给出防治建议。本研究开发的系统是对大樱桃大棚的精准化、大樱桃生产信息化、降低生产管理成本的实现,通过改进图片宽和高的比例,对比验证其几何定位和精度anchor尺寸设置,选择最佳的宽高比,来提升检测精度,获得检测框最终的精确位置,提高了大樱桃叶片病虫害识别率并提供有效的防治建议,具有一定的针对性和可靠性。经过在张家口市蔚县暖泉镇千字村河北垣道农业开发有限公司的大樱桃大棚内的实验,日光温室大樱桃叶面病虫害识别系统的研发具有显著的实用性及通用性。

关键词：大棚大樱桃温湿度监测图像识别 faster rcnn模型 VGG16

基于改进faster rcnn在热轧表面缺陷自动判定上的应用

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

冶金自动化 2023年第S1期 141-146页

作者：曾龙华易斌高佳瑞宝钢湛江钢铁有限公司

为实现传统热轧表面缺陷在线自动判定功能的技术突破，通过对其复杂多样的形貌特征进行分析，阐述采用改进faster rcnn模型，通过设定标注规范、优化亮度阈值、细化缺陷分类、增广背景图片、设定适应置信度及带钢封锁逻辑等一系列模型... 详细信息

为实现传统热轧表面缺陷在线自动判定功能的技术突破，通过对其复杂多样的形貌特征进行分析，阐述采用改进faster rcnn模型，通过设定标注规范、优化亮度阈值、细化缺陷分类、增广背景图片、设定适应置信度及带钢封锁逻辑等一系列模型改进研究，提升缺陷识别准确率至95%以上，使表面缺陷自动判定功能在湛钢热轧厂成功稳定投用，防止表面重大缺陷漏检并减少人工负荷50%以上。

关键词： faster rcnn模型缺陷识别自动判定

基于Transformer改进的faster-rcnn仓储箱体检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自动化与仪器仪表 2022年第8期 1-6页

作者：李映松杨爱英刘轩畅宇堃北京理工大学光电学院北京100081 信息光子技术工信部重点实验室(北京理工大学) 北京100081

为解决传统目标检测方法准确性差、效率低,无法满足智能仓储场景需求的问题,提出基于Transformer改进的faster-rcnn仓储箱体检测模型。首先,在faster-rcnn模型的基础上,将卷积神经网络Resnet50改进为Swin Transformer模型,使用Swin Tran... 详细信息

为解决传统目标检测方法准确性差、效率低,无法满足智能仓储场景需求的问题,提出基于Transformer改进的faster-rcnn仓储箱体检测模型。首先,在faster-rcnn模型的基础上,将卷积神经网络Resnet50改进为Swin Transformer模型,使用Swin Transformer进行全局信息提取,解决了使用传统算法特征提取不理想,产生冗余的检测窗口以及误检窗口的问题。其次,引入了特征金字塔结构,使模型适用于多尺度的物体检测。最后,使用ROI Align代替ROI Pooling,消除了ROI Pooling中因浮点数取整从而对后层的检测框回归产生的误差。在自建的仓储数据集训练模型,将数据集图片进行随机旋转、随机剪裁、图片标准化等操作进行数据增强。实验结果表明,改进后的模型用于箱体检测,平均准确率达到90.6%,平均召回率达到93.3%,平均检测速度达到8.9fps,较好地实现了仓储物体的准确检测,满足智能仓储的需求。准确率方面比faster R-CNN、YOLOv3、SSD、FCOS等算法高出6.1%、5%、10.2%、9.7%,召回率高出了5.9%、4%、10.1%、9.4%。

关键词：目标检测仓储场景 faster rcnn模型 Swin Transformer模型

在线全文

学校读者我要写书评

暂无评论

基于深度学习的高分二号遥感影像房屋识别

基于深度学习的高分二号遥感影像房屋识别

作者：阎鑫沈阳建筑大学

学位级别：硕士

利用遥感影像进行房屋的识别是目前遥感图像识别的热点,随着我国高分专项的实施,高分数据源成为我国遥感数据的一个重要数据源。高分二号卫星是我国首颗亚米级分辨率卫星,高分二号遥感影像具有较高的空间分辨率被广泛的应用于地物的识别... 详细信息

利用遥感影像进行房屋的识别是目前遥感图像识别的热点,随着我国高分专项的实施,高分数据源成为我国遥感数据的一个重要数据源。高分二号卫星是我国首颗亚米级分辨率卫星,高分二号遥感影像具有较高的空间分辨率被广泛的应用于地物的识别,如何高效识别高分二号影像中的房屋,获取高分二号影像中的信息具有现实意义。近年来深度学习算法在视频和图像识别领域取得了较大成功,本文利用深度学习模型识别高分二号遥感影像中的房屋并统计房屋的数量。先选取高分二号影像中的房屋做样本,对样本进行处理后,建立高分二号影像房屋数据集;其次利用ZF网络和VGG16网络在faster rcnn模型下对高分二号影像中的房屋进行识别并与传统方法对比;之后对高分二号房屋数据集进行改进,比较数据集改进后采用faster rcnn和Mask rcnn模型识别房屋的精度;最后利用多尺度候选框对Mask rcnn模型中的区域候选网络进行优化,讨论优化后的Mask rcnn模型的精度和召回率。本文主要的研究内容和成果如下:根据不同特征提取网络在相同深度学习模型中识别效果不同的特点,本文在faster rcnn模型下对适用于高分二号房屋识别的特征提取网络进行选取。利用的高分二号房屋数据集进行网络训练,从ZF网络和VGG16网络中选取适用于高分二号影像房屋识别的特征提取网络,并与传统方法进行对比。实验结果表明,faster rcnn（VGG16）模型比faster rcnn（ZF）模型识别房屋的精度高2.75%,且识别效果优于传统方法。针对原高分二号影像房屋数据集不能较好反映房屋实际成像情况的问题,本文提出基于噪声模拟的高分二号影像数据集改进方法。通过随机引入高斯和椒盐噪声丰富了高分二号影像房屋数据集的多样性。并探讨数据集改进后Mask rcnn模型识别高分二号影像房屋的精度,并与faster rcnn（VGG16）模型的识别精度对比。实验结果表明,数据集改进后Mask rcnn模型和faster rcnn（VGG16）模型识别房屋的精度均有提高,且Mask rcnn模型识别房屋的精度较高。针对Mask rcnn模型区域候选网络中候选框尺度单一,对高分二号影像房屋特征提取能力不强的问题,本文基于Mask rcnn模型提出面向高分二号影像房屋的多尺度区域候选网络优化的方法。利用多尺度候选框取代原网络中单一尺度候选框对Mask rcnn模型中区域候选网络进行优化。讨论优化后Mask rcnn模型识别房屋的精度,并与faster rcnn（VGG16）模型和Mask rcnn模型进行对比,其中优化后Mask rcnn模型识别房屋的精度和召回率分别为92.73%和89.14%,实验结果表明,优化后的Mask rcnn模型更适用于高分二号房屋识别。

关键词：高分二号影像深度学习房屋识别 faster rcnn模型 Mask rcnn模型

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

基于深度学习的多尺度X光安检图像检测

基于深度学习的多尺度X光安检图像检测

作者：康佳楠中国民航大学

学位级别：硕士

目前,智能化安检被越来越多的人开发和研究,但是在实际应用场景中,也面临着巨大挑战。如有X光图像中违禁品尺度差异很大,多种违禁品之间出现遮挡等,均会出现误检和漏检现象,为安检工作带来巨大隐患。本文针对违禁品多尺度和遮挡问题,在... 详细信息

目前,智能化安检被越来越多的人开发和研究,但是在实际应用场景中,也面临着巨大挑战。如有X光图像中违禁品尺度差异很大,多种违禁品之间出现遮挡等,均会出现误检和漏检现象,为安检工作带来巨大隐患。本文针对违禁品多尺度和遮挡问题,在基于深度学习的目标识别检测算法的研究基础上提出新一代技术改进算法。(1)针对X光安检图像检测中的违禁品尺度差异问题,对faster rcnn网络进行改进,提出一种多通道区域建议网络(Muiti Channel Region Proposal Network,MCRPN)。首先,考虑到不同卷积层特征在视觉语义上的互补性,进行多层特征提取,融合VGG16高层丰富的语义信息和更接近原始图像数据的低层细节信息;其次,修改多通道RPN中的锚框参数,使尺度不同的目标分别经过独立的RPN网络,然后将生成的多尺度候选目标区域分别映射到对应的特征图上,构建多尺度违禁品检测网络;最后,在多通道上引入膨胀卷积,设计一种多分支膨胀卷积模块(Dilated Convolutions Module,DCM),增大感受野,增强不同尺度的特征。将改进的多尺度网络在自制数据集SIXray＿OD上实验,检测的平均精度为84.69%,性能较原网络提高了6.28%。实验结果表明,改进算法的识别精度有一定提高,改善了多尺度问题。(2)针对X光图像中目标之间的遮挡问题,在改进多尺度网络的基础上,引入软非极大值抑制算法(Soft Non maximum suppression,Soft–NMS)和排斥力损失函数(Repulsion Loss)。首先,将faster rcnn网络中的非极大值抑制算法(Non-Maximum Suppression,NMS)直接替换为Soft–NMS算法,降低相邻框中同类型目标检测框的分数,避免分数直接下降至0而误删相邻框,从而导致漏检情况发生,以此方式解决类内遮挡问题。其次,将第二阶段的位置回归损失函数改进为Repulsion Loss函数,使损失值降为最低,模型达到最佳效果。将改进后的网络在数据集SIXray＿OD上进行实验,检测的平均精度为86.37%,较改进的多尺度网络性能提高了1.68%。实验结果也表明,改进算法在检测精度上有所提升,改善了遮挡问题。最终改进的网络算法较原faster rcnn网络检测精度提高了7.96%,所以实验表明改进算法在改善多尺度和遮挡问题上有明显优势。

关键词：目标检测算法 faster rcnn模型多尺度膨胀卷积 Soft-NMS算法