检索结果-南通市图书馆

基于荧光高光谱成像技术的芒果品质无损检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于荧光高光谱成像技术的芒果品质无损检测研究

作者：耿金平四川农业大学

学位级别：硕士

凯特芒果作为四川省攀枝花市的乡村振兴特色农产品,当地政府正尝试运用大数据,农产品无损检测等智慧农业方法投入到该芒果生产中,增加其经济效益。而在芒果内部成分中,干物质含量与可溶性固形物含量是影响其口感和品质的重要参数,这两... 详细信息

凯特芒果作为四川省攀枝花市的乡村振兴特色农产品,当地政府正尝试运用大数据,农产品无损检测等智慧农业方法投入到该芒果生产中,增加其经济效益。而在芒果内部成分中,干物质含量与可溶性固形物含量是影响其口感和品质的重要参数,这两种参数与芒果的经济价值息息相关,因此本论文特将攀枝花市凯特芒果作为试验对象,把芒果的干物质含量和可溶性固形物含量无损检测以及芒果品质分级作为主要研究内容。本论文将基于荧光高光谱成像技术与机器学习结合无损检测芒果干物质含量与可溶性固形物含量,同时还利用荧光高光谱图像与深度学习结合对芒果品质分级,并基于芒果的内外部品质开发一款芒果品质分级系统,本论文的研究将为农产品快速无损检测领域提供理论和技术支持。本论文的主要研究内容包括:(1)芒果干物质含量的无损检测。本论文选取攀枝花市青熟期和成熟期的凯特芒果作为试验对象,采用蒙特卡洛偏最小二乘-SPXY分集-正交信号校正(MCPLS-SPXY-OSC)算法对光谱进行预处理,实现正交信号校正,同时采用特征组合提取策略,提高预测结果的稳定性,减少共线性。竞争性自适应重加权采样算法-随机森林(CARS-RF)算法是目前最优特征提取组合,可通过对支持向量机回归(SVR)、最小二乘支持向量机(LS-SVM)和随机森林回归(RFR)三种模式的预测结果进行比较得出。最佳模型为竞争性自适应重加权采样算法-随机森林-随机森林回归(CARS-RF-RFR)算法,其训练集均方根误差(RMSEC)为0.2526,决定系数(R)为0.8721,测试集均方根误差(RMSEP)为0.2494,决定系数(R)为0.8775。最后,选择BP＿Adabost算法可视化干物质含量,结果表明,BP＿Adabost模型的训练集决定系数(R)=0.9944,测试集决定系数(R)=0.9425,BP＿Adabost可视化芒果干物质含量是可行的。(2)芒果可溶性固形物含量的无损检测。在芒果可溶性固形物含量定量检测模型中,对比GLCM纹理特征与光谱+GLCM纹理特征融合两种方法。其中光谱+GLCM纹理融合依据的是图谱融合思想,最终提取了33个最优特征波段。比较支持向量回归(SVR)、最小二乘支持向量机(LS-SVM)和随机森林回归(RFR)可溶性固形物定量预测结果,最优模型为光谱+GLCM-RFR,其训练集决定系数(R)及均方根误差(RMSEC)分别为0.9626,0.1455;其测试集决定系数(R)及均方根误差(RMSEP)分别为0.9634,0.1918。|-_((8)|为0.0008,|-|为0.0463。(3)芒果品质分级模型及芒果品质分级系统。首先原始的荧光高光谱图像使用随机翻转、水平镜像、垂直镜像、对比度增强、对比度减弱、椒盐噪声、随机平移以及变形缩放八种数据集扩充方法,将202张图片集扩充成1616张图片集。然后通过SPXY法将样本集划分成1292张图片的训练集与324张图片的测试集。之后本论文使用色彩空间变换技术合成伪彩图并结合googlenet深度学习建模。最后利用t-SNE算法将googlenet的64个学习通道可视化至二维平面,讨论googlenet模型学习过程中的语义歧义问题并调整googlenet的模型参数,使精确度达到了96.89%,损失值仅为3.11%,验证集的混淆矩阵结果为100%。结果表明,googlenet可用于芒果品质分级,具有识别速度快,精度高的优点,可以作为芒果品质分级系统的基础模型,并基于此模型最终成功设计了芒果品质分级系统,该系统不仅对芒果品质(A级、B级、C级)能够做到精准识别,并且图片在系统中检测时间仅为0.2s左右。

关键词：荧光高光谱成像技术图谱融合技术 RFR googlenet 芒果品质分级系统

基于机器视觉与质构检测的冷鲜牛肉新鲜度判别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉与质构检测的冷鲜牛肉新鲜度判别

作者：张茹江南大学

学位级别：硕士

冷鲜肉品的新鲜度检测对解决食品安全问题、保障消费者权益、规范冷鲜肉市场有着至关重要的作用,而目前市场上肉品新鲜度检测方法主要是针对肉品中挥发性盐基氮含量的检测,此方法存在着周期长、成本高、操作复杂等缺陷,难以对流通、售... 详细信息

冷鲜肉品的新鲜度检测对解决食品安全问题、保障消费者权益、规范冷鲜肉市场有着至关重要的作用,而目前市场上肉品新鲜度检测方法主要是针对肉品中挥发性盐基氮含量的检测,此方法存在着周期长、成本高、操作复杂等缺陷,难以对流通、售卖中的冷鲜肉新鲜度进行检测。因此,为适应不同市场检测场景需求,以4℃密封贮藏的冷鲜牛肉为研究对象,提出两种冷鲜牛肉新鲜度检测方法,一种适用于对准确度要求较高的离线检测场景,通过构建图像-质构信息融合模型对冷鲜牛肉新鲜度进行判别,另一种能够实现冷鲜牛肉新鲜度的快速在线检测,使用卷积网络通过图像特征对冷鲜牛肉新鲜度进行判别。首先,对冷鲜牛肉进行新鲜度等级划分以及质地特性采集。对贮藏0-10天、4℃密封贮藏条件下的冷鲜牛肉进行挥发性盐基氮含量检测,依据国家标准规定,将冷鲜牛肉按照挥发性盐基氮含量划分为新鲜、次新鲜、腐败三类。使用质构仪对不同新鲜度的冷鲜牛肉进行质地特性检测并构建质地特性数据集。在质地特性数据集基础上将冷鲜牛肉的每个质地特性与新鲜度进行相关性分析,为后续新鲜度识别提供质地数据集基础以及理论上的可行性。其次,对不同新鲜度的冷鲜牛肉进行图像采集工作。基于任务要求进行工业相机、镜头选型以及照明设置,完成图像采集平台的搭建。以图像采集平台为基础,通过试验采集了660组在4℃环境下贮藏的冷鲜牛肉图像,使用MATLAB-GUI工具箱设计集图像处理与图像特征提取为一体的人机互动操作界面,用于开展图像处理、特征提取等工作,获取冷鲜牛肉图像特征数据并构建图像特征数据集。在图像特征数据集基础上将冷鲜牛肉的每种图像特征属性与新鲜度进行相关性分析,为后续新鲜度识别提供图像数据集基础以及理论上的可行性。然后,构建BP神经网络信息融合模型,提出一种基于图像信息与质构信息融合的离线冷鲜牛肉新鲜度检测方法。主要包括两个步骤:一是确定融合数据集,对所采集15个质地、图像特性进行主成分分析,选取累计贡献率99.84%的属性构成融合数据集;二是使用融合数据集对BP神经网络进行训练,并使用遗传算法对神经网络初始参数进行优化,优化后的模型对冷鲜牛肉新鲜度识别率为97.00%,研究表明,识别准确率相较于单一图像特征或单一质地特性有了较为显著的提高,融合模型具有较高的可靠性。最后,为适应不同的市场应用场景,满足快捷、实时的检测需求,提出了另一种基于机器视觉技术的快速检测方法。该检测方法将所采集的图像通过旋转、翻转、裁剪等操作进行图像数据集的扩大,又将迁移学习的概念引入到神经网络的训练中,试验结果表明图像数据集的扩大以及迁移学习能有效缓解小数据集在复杂网络结构上的过拟合问题,最终网络模型对冷鲜牛肉新鲜度识别率为92.80%,在保障一定准确率的同时,其优点在于能够实现更为快速的在线检测。

关键词：冷鲜牛肉机器视觉质地特性 BP神经网络 googlenet

基于googlenet的智能录播系统中站立人脸的检测与定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

青岛大学学报（自然科学版） 2019年第4期32卷 91-95页

作者：衣柳成魏伟波刘小芳青岛大学计算机科学技术学院

针对目前智能录播系统中学生站立检测的需求,提出一种基于googlenet神经网络的站立人脸的检测与定位算法。该算法首先利用帧差法和肤色检测初步确定学生站立活动区域,然后在该区域使用迁移学习训练的googlenet神经网络检测是否存在人脸... 详细信息

针对目前智能录播系统中学生站立检测的需求,提出一种基于googlenet神经网络的站立人脸的检测与定位算法。该算法首先利用帧差法和肤色检测初步确定学生站立活动区域,然后在该区域使用迁移学习训练的googlenet神经网络检测是否存在人脸,若存在,则记录人脸的位置信息,最后通过人脸在垂直方向和水平方向上的运动距离来判断是否为站立的学生人脸。实验结果表明,本文方法基本可以实现学生站立人脸的检测与定位功能。

关键词： googlenet 卷积神经网络人脸检测智能录播系统

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googlenet的树皮图像识别方法

现代计算机 2021年第22期27卷 128-132页

作者：王月金映谷李阳杨亚宁大连民族大学信息与通信工程学院大连116605 大连民族大学机电工程学院大连116605

针对识别树种时,过程繁琐、识别准确率低等问题,考虑到树皮在树木生命周期中具有相对稳定的特性,本文提出了一种基于Goog Le Net的树皮识别方法。搭建树皮图像识别模型,利用该模型训练识别Trunk12数据集,验证了该模型的高效性和准确性,... 详细信息

针对识别树种时,过程繁琐、识别准确率低等问题,考虑到树皮在树木生命周期中具有相对稳定的特性,本文提出了一种基于Goog Le Net的树皮识别方法。搭建树皮图像识别模型,利用该模型训练识别Trunk12数据集,验证了该模型的高效性和准确性,并在扩增7倍的Trunk12数据集上充分验证了该模型的稳定性。结果表明,该方法对数据集的识别准确率为98.1%,比文献[5]、文献[15]、文献[16]所用方法分别高13.5%、5.2%和35.3%,具有更好的分类性能。

关键词：树皮图像树种识别 googlenet

基于Transformer的条纹图去噪方法研究

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Transformer的条纹图去噪方法研究

作者：张俊杰湖北汽车工业学院

学位级别：硕士

基于条纹图投影的三维测量技术具有非接触、高精度、高效率、低成本等优点,是应用最广泛的无损检测技术之一。在条纹图采集过程中,受到外界环境及设备自身的影响,采集的条纹图存在噪声。噪声会降低条纹图的质量,影响后续相位提取的精度... 详细信息

基于条纹图投影的三维测量技术具有非接触、高精度、高效率、低成本等优点,是应用最广泛的无损检测技术之一。在条纹图采集过程中,受到外界环境及设备自身的影响,采集的条纹图存在噪声。噪声会降低条纹图的质量,影响后续相位提取的精度,最终导致测量结果的准确度降低。近年来,基于深度学习的去噪方法在条纹图质量增强中取得了较好的效果,但是卷积核的平移不变性限制了卷积神经网络的去噪能力,而以自注意力机制为核心的Transformer具有获取全局信息的优势。因此,融合两者优点构建神经网络去噪模型,从而获得更好的去噪效果。本文的主要工作如下:(1)针对大多数的卷积神经网络模型不能很好处理空间变化噪声的问题,提出一种改进FFDNet的条纹图去噪方法。使用Leaky Re LU激活函数解决网络的神经元“死亡”问题,提高模型的正则效果。同时,使用Dense Net提高网络特征图的利用率,降低网络的参数量和计算成本。实验结果表明,相较于FFDNet,改进FFDNet的去噪效果提升了9.8%,而且参数量减少了75%。(2)针对卷积无法对图像信息之间的依赖进行建模的问题,提出一种FPD-Swin TG的条纹图去噪方法。首先,设计了由多个Swin Transformer层和一个Inception网络组成的LRST模块,能够实现图像信息之间的权值建模及上下文信息交互,并且加强网络的局部特征提取能力。然后,利用残差块将浅层特征与深层特征形成残差连接,缓解了网络过深造成的梯度消失问题。实验结果表明,相较于改进的FFDNet算法,Swin TG算法的去噪效果提升了10%,并且能很好地恢复条纹图中的边界信息。(3)针对FPD-Swin TG神经网络模型去噪速率较低的问题,提出一种FPD-SUNet的条纹图去噪方法。在FPD-Swin TG网络的基础上,构建了一个Swin-Incep模块,从而提高网络的计算效率及减少网络权重参数。并且,将Swin-Incep模块作为U-Net的特征提取模块,进一步提高网络的局部及非局部的建模能力。实验结果表明,相比FPD-Swin TG算法,FPD-SUNet算法的网络权重参数量减少了68%,去噪速率提高了50%。

关键词：条纹图去噪 FFDNet Swin Transformer googlenet U-Net

基于卷积神经网络的直线同步电动机故障诊断的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的直线同步电动机故障诊断的研究

作者：王浩楠沈阳工业大学

学位级别：硕士

直线同步电动机是近年来研究的热点之一,在工业生产中普遍应用,如果直线同步电动机发生故障则会造成难以预测的损失,从而对直线同步电动机运行的可靠性、安全需求要求愈来愈高,因此对直线同步电动机的故障诊断具有十分重要的工程价值。... 详细信息

直线同步电动机是近年来研究的热点之一,在工业生产中普遍应用,如果直线同步电动机发生故障则会造成难以预测的损失,从而对直线同步电动机运行的可靠性、安全需求要求愈来愈高,因此对直线同步电动机的故障诊断具有十分重要的工程价值。论文“基于卷积神经网络的直线同步电动机故障诊断的研究”以国家自然科学基金项目:“可控励磁直线同步电动机磁悬浮进给平台运行机理与控制策略研究（项目批准号:51575363）”为背景。本文研究的主要内容如下:（1）直线同步电动机结构与运行机理的研究。由直线同步电动机强耦合、非线性的特征,分析绕组电感和气隙磁势的关系,推导绕组随位置变化的绕组函数,结合直线同步电动机的电枢回路和励磁回路的电压方程以及磁链方程建立数学模型,推导直线同步电动机电感、电阻和电磁推力。（2）建立直线同步电动机正常时及故障时仿真模型,构建电机正常情况以及故障情况的数据集。在直线同步电动机数学模型的基础上,建立基于Matlab/Simulink软件的直线同步电动机正常状况和故障状况的仿真,对比不同种时频域变换方式构建数据集。（3）基于卷积神经网络的直线同步电动机故障诊断。利用卷积层提取深层次特征,选择Re Lu激活函数处理梯度耗散问题,通过比较不同的学习率减少损失函数,利用最大均衡池化层减小计算量并控制过拟合,而后再利用全局最大均衡池化层把输出化为一维,再输入到全连接层,通过平均池化层减少过拟合程度最后输入到Softmax分类器中对电机状态进行识别,最终实现将卷积神经网络中的googlenet网络应用到直线同步电动机的故障诊断。

关键词：直线同步电动机绕组函数理论 googlenet 故障诊断卷积神经网络数据集

基于机器视觉的钢板表面缺陷检测与分类方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的钢板表面缺陷检测与分类方法研究

作者：李林杰辽宁科技大学

学位级别：硕士

钢板在我们的生活中有着非常广泛的应用,在一些汽车工厂、轻工业制造以及铁路运输等工程领域得到了广泛的使用,这就意味着对钢板质量的监督变得非常重要。对于钢铁规模比较小的企业来说,他们对钢板表面缺陷检测的方法还处于相对比较落... 详细信息

钢板在我们的生活中有着非常广泛的应用,在一些汽车工厂、轻工业制造以及铁路运输等工程领域得到了广泛的使用,这就意味着对钢板质量的监督变得非常重要。对于钢铁规模比较小的企业来说,他们对钢板表面缺陷检测的方法还处于相对比较落后的状态,而这些方法会出现在许多的问题,不仅仅是对钢板表面缺陷特征难以提取,而且还会收到外界因素的干扰,造成错检、漏检。针对这些问题,研究了基于机器视觉的钢板表面缺陷处理技术。主要研究的工作与成果如下:(1)引进googlenet网络并对其进行改进。首先在网络中加入空间注意力机制和通道注意力机制CBMA,来提高网络对钢板表面缺陷的识别精度;然后将网络中的Re Lu激活函数替换成Leaky Re Lu激活函数,以此来解决Re Lu激活函数在网络训练过程中出现神经元死亡的现象。改进的googlenet网络在实验中有着不错的识别效果,对钢板表面缺陷识别的平均准确率达到了96.8%,相对于初始的网络模型提高了10.2%。(2)继续研究目标检测网络对钢板表面缺陷检测的效果,并能够准确定位缺陷的位置,以此引进YOLOV5网络并对其进行改进。首先在网络的中加入Ghost模块,来提取钢板表面缺陷的特征信息;其次是在网络的主干中加入CA注意力机制,来提高网络对钢板表面缺陷的识别精度;最后引入特征金字塔网络Bi FPN,利用ADD操作加入到YOLOV5的网络在,来加强钢板表面缺陷特征融合。经实验验证表明,改进的网络对钢板表面缺陷识别的平均准确率达到了98%,比原始网络提高了约8%。针对钢板表面缺陷检测与识别的现状,提出了两种检测的方法,具有识别精度高、不会受到外界因素的干扰,并且检测速度快,在钢板生产过程中有着非常不错的应用前景。

关键词：钢板缺陷检测机器视觉 googlenet YOLOV5

基于深度学习的锂离子动力电池荷电状态及健康状态估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的锂离子动力电池荷电状态及健康状态估计

作者：李杰华南理工大学

学位级别：硕士

随着动力电池能量密度的提高,电动汽车在安全性和经济性方面的问题越来越突出。而对电池状态信息的掌握程度对动力电池能量管理、循环寿命和使用安全等方面有很大的影响。并且在锂电池退役回收的过程中,还需对锂电池的容量寿命等做准确... 详细信息

随着动力电池能量密度的提高,电动汽车在安全性和经济性方面的问题越来越突出。而对电池状态信息的掌握程度对动力电池能量管理、循环寿命和使用安全等方面有很大的影响。并且在锂电池退役回收的过程中,还需对锂电池的容量寿命等做准确的评估。然而,电池内部电化学反应的非线性和时变性、电池状态变量的难以测量以及电动汽车使用中的随机性因素,如工况、环境和电信号测量精度等,给电池状态的实时准确估计带来了很大的挑战。因此,本文针对动力电池荷电状态和寿命状态估计的相关问题,进行了深入探究。本文首先对锂电池的荷电状态(State of Charge,SOC)估计技术和健康状态(State of Health,SOH)估计技术的研究现状进行了介绍。在电池的SOC估计技术方面,对于数据驱动算法中传统的机器学习算法需要人工提取合理的特征,而深度学习通过卷积神经网络和循环神经网络可以实现特征自动提取的功能,但卷积神经网络需要累积卷积层深度来关注到数据之间的联系,循环神经网络则是由于串行算法使得训练速度较慢。对于SOH估计方面,利用部分充放电数据进行在线估计较难且需要人工提取如增量容量曲线等特征,增加估计难度。对于模型的验证数据集,本文使用三元锂电池实验测得其在工况下的放电数据作为SOC估计模型的数据输入。工况下的数据非线性程度更高,更能检验模型的准确性及鲁棒性。本文使用五组,总计十节三元锂电池分别做不同倍率下的循环放电老化实验作为SOH估计模型的数据输入。针对锂电池的SOC估计技术,本文提出一种基于Transformer的锂电池SOC估计方法,该方法选取一定大小的滑动窗口截取锂电池的电压电流特征作为编码器端的输入,同时选取相同大小窗口截取已预测出的SOC数据作为解码器端的输入,从而采取到数据的时序特征,同时由于自注意力机制能够关注到更多数据之间的联系从而代替卷积神经网络。实现了高精度的锂电池SOC在线估计,易于嵌入车载BMS。针对锂电池的SOH估计技术,本文借鉴图片分类技术,提出一种基于双三次插值算法融合Res Net等现代卷积神经网络的SOH估计方法。通过双三次插值算法对数据进行维度统一,同时降低噪声影响。仅选取恒流阶段的充电曲线进行训练实现了高精度的SOH估计方法。在此基础上使用恒流阶段充电曲线的部分区间进行训练,实现了使用部分充电数据进行高精度SOH估计,且易于车载使用并降低了退役电池分选过程中对锂电池SOH估计的成本且提高了效率。

关键词：电池荷电状态电池健康状态 Transformer ResNet AlexNet googlenet

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googlenet的场景识别研究

中国新技术新产品 2020年第8期 37-38页

作者：蔡青青崔志强王睿张尚然承德石油高等专科学校河北承德067000

场景识别技术属于机器视觉的研究内容,是图像理解的常见任务,一直受到广泛关注。随着人工智能专业的发展,卷积神经网络在图像理解与识别领域取得了许多成果。因此,该文基于常用的卷积神经网络模型googlenet和残差网络设计了场景识别模... 详细信息

场景识别技术属于机器视觉的研究内容,是图像理解的常见任务,一直受到广泛关注。随着人工智能专业的发展,卷积神经网络在图像理解与识别领域取得了许多成果。因此,该文基于常用的卷积神经网络模型googlenet和残差网络设计了场景识别模型。通过设计的模型提取场景图像特征,并利用卷积神经网络模型进行场景识别,最终完成对场景的分类识别任务。实验结果证明了卷积神经网络在研究场景识别问题上的有效性。

关键词：场景识别 googlenet 卷积神经网络 TensorFlow