检索结果-南通市图书馆

深度网络自适应优化的Mask R-CNN模型在铸件表面缺陷检测中的应用研究

在线全文

学校读者我要写书评

暂无评论

现代制造工程 2022年第4期 112-118页

作者：马宇超付华良吴鹏陈信华王鼎陈帅曹晨雨常州大学机械与轨道交通学院常州213164 常州纺织服装职业技术学院常州213164 溧阳市新力机械铸造有限公司常州213300

针对传统铸件表面缺陷检测方法不能进行分类检测、检测效率低以及检测精度低等问题,提出了一种深度网络自适应优化的Mask R-CNN模型,将其应用于铸件表面缺陷检测中,实现缺陷的精确识别和分类。选择裂纹、气孔和缩松3种常见缺陷作为研究... 详细信息

针对传统铸件表面缺陷检测方法不能进行分类检测、检测效率低以及检测精度低等问题,提出了一种深度网络自适应优化的Mask R-CNN模型,将其应用于铸件表面缺陷检测中,实现缺陷的精确识别和分类。选择裂纹、气孔和缩松3种常见缺陷作为研究对象,使用Labelme图像标注工具对铸件表面缺陷图像进行了标注,生成数据集。同时,运用PyTorch深度学习框架搭建Mask R-CNN模型,利用深度迁移学习的网络自适应策略优化模型的泛化能力。通过主干特征提取网络对输入的图形数据进行全图特征提取;采用区域建议网络(regional Proposal Network,rPN)生成区域建议框;利用roI Align获取感兴趣区域,通过分类、回归网络分别进行分类、回归,同时进行掩膜生成;在铸件表面缺陷检测平台上进行验证实验,并与其他深度学习检测方法进行对比。实验结果表明,优化后的Mask R-CNN模型整体性能优于原Mask R-CNN模型、Faster r-cnn模型和YOLO v3模型,能准确检测出常见的铸件表面缺陷,平均检测精度mAP达到92%,对铸件表面缺陷检测领域有较好的研究应用价值。

关键词：缺陷检测深度学习 Mask R-CNN模型迁移学习深度网络自适应

基于Mask R-CNN模型的铁路隧道衬砌机制砂混凝土裂缝视觉检测

在线全文

学校读者我要写书评

暂无评论

无损检测 2024年第6期46卷 60-65页

作者：蒋志超贺兆鹏陕西建工集团股份有限公司西安710003

铁路隧道衬砌结构裂缝图像具有复杂的灰度分布和变化特征,局部和全局的多特征信息会干扰跟踪方向和边界跟踪参数,模型可扩展性受限,检测准确率较低。为此,提出基于Mask R-CNN模型的铁路隧道衬砌机制砂混凝土裂缝视觉检测方法。首先输入... 详细信息

铁路隧道衬砌结构裂缝图像具有复杂的灰度分布和变化特征,局部和全局的多特征信息会干扰跟踪方向和边界跟踪参数,模型可扩展性受限,检测准确率较低。为此,提出基于Mask R-CNN模型的铁路隧道衬砌机制砂混凝土裂缝视觉检测方法。首先输入分段线性变换后的砂混凝土裂缝图像,抽取阈值,生成连通域标识,再以像素点为背景点,在Mask R-CNN模型中,同时检测裂缝区域的位置和标记像素级的边缘掩膜,判定裂缝边界起点与裂缝宽度;然后进行累加视觉检测方法设计,按照裂缝的几何特征以及排序结果,求解裂缝长度,获得完整的裂缝轮廓。试验结果表明,所提方法可以较为完整地检测所有关键位置,裂缝参数信息检测准确率较高;迭代次数升高后,检测结果受到的影响较小,可扩展性得到了改善,可适应任务需求,具有较好的应用价值。

关键词： Mask R-CNN模型铁路隧道衬砌机制砂混凝土裂缝视觉检测

基于改进型Mask R-CNN模型的路面裂缝自动化识别方法

在线全文

学校读者我要写书评

暂无评论

基于改进型Mask R-CNN模型的路面裂缝自动化识别方法

作者：肖力炀长安大学

学位级别：硕士

路面裂缝是很常见的一种道路病害,它对公路使用期限以及车辆行车安全均会产生严重的危害,因此,对路面裂缝进行识别具有重要的意义。随着人工智能的发展,采用深度学习对路面裂缝进行智能检测也取得了不错的成就,与传统裂缝检测方法相比,... 详细信息

路面裂缝是很常见的一种道路病害,它对公路使用期限以及车辆行车安全均会产生严重的危害,因此,对路面裂缝进行识别具有重要的意义。随着人工智能的发展,采用深度学习对路面裂缝进行智能检测也取得了不错的成就,与传统裂缝检测方法相比,深度学习技术的检测精度高,泛化能力强,可用于复杂多样的路面情况中。因此,本文提出了一种基于改进型Mask R-CNN模型的路面裂缝识别方法,并对其进行了深入研究。首先,本文针对现有裂缝识别算法中使用场景局限、完成任务单一等问题,采用Mask R-CNN模型用于路面裂缝的识别。它以实例分割的形式来区分不同种类的裂缝以及同一种类下的不同个体裂缝,并且能够同时完成裂缝检测与分割的任务,之后应用到采集的裂缝数据集中,通过对模型的训练和不断优化,实现定位裂缝的同时对检测框内的裂缝像素进行分割。其次,针对Mask R-CNN模型对裂缝边缘部分的检测不精准、模型精度不高等问题,设计了一种改进的C-mask rcnn方法,通过级联多阈值检测器来提高生成裂缝候选框的质量,以此实现高阈值下的精准定位;之后对改进后的模型进行优化对比,在提高模型检测精度与分割精度的同时达到最优的效果。实验结果表明,C-mask rcnn模型检测部分的m AP达到95.4%,与改进前模型相比提升了9.7%,分割部分的m AP达到93.5%,与改进前相比提升了13.0%,识别效果较好。最后,本文在裂缝识别结果的基础上,将裂缝图像划分为0.1m×0.1m的网格,采用基于JTG 5210-2018标准的裂缝自动化评价方法对路面裂缝率进行计算,并结合网格化后的结果来完成裂缝几何参数的计算工作。同时,针对现有裂缝检测中常出现的检测框定位偏差问题,根据不同类别下的裂缝提出了几种相应的检测框调整方法。综上所述,本文提出的C-mask rcnn模型可以较为完整的对裂缝进行定位及提取,识别精度较高;同时,本文裂缝相关参数量化的研究对路面裂缝的自动化识别和道路养护工作也具有重要的参考价值。

关键词：路面裂缝识别深度学习 Mask R-CNN模型级联阈值检测器网格化几何参数量化

基于Mask R-CNN模型的虫害识别方法研究

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

农业装备与车辆工程 2023年第1期61卷 44-47,52页

作者：张耀丽许宁宋裕民康建明张国海孟庆山山东理工大学农业工程与食品科学学院山东省淄博市255000 山东省农业机械科学研究院山东省济南市250131 山东交通学院汽车工程学院山东省济南市252100

为提高果园虫害远程监测自动识别的准确率与稳定性,以梨小食心虫作为研究对象,提出了基于mask r-cnn目标检测模型的虫害识别方法。在Faster r-cnn模型基础上优化添加用以预测分割的mask回归分支,将进行2次量化操作的ro I Pooling层替换... 详细信息

为提高果园虫害远程监测自动识别的准确率与稳定性,以梨小食心虫作为研究对象,提出了基于mask r-cnn目标检测模型的虫害识别方法。在Faster r-cnn模型基础上优化添加用以预测分割的mask回归分支,将进行2次量化操作的ro I Pooling层替换为使用线性插值算法的ro I Align层,另外添加并列的FCN层,使模型具有更强大的泛化能力,可在有效检测目标的同时输出高质量的实例分割mask。采用固定式物联网捕虫装置获取数据样本,并应用数据增广和掩模标注等方法构建数据集,经过深度学习训练,可有效提高果园虫害识别的准确性。实验表明,该方法的目标识别平均准确率达98.87%,能够对梨小食心虫进行精确、稳定、高效的识别,可为精确虫害防治提供参考。

关键词：虫害识别 Mask R-CNN模型样本采集图像预处理梨小食心虫

基于改进mask r-cnn的建筑钢筋尺寸检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2021年第9期47卷 274-281页

作者：闫天冉马晓静饶颖露杜延丽马思乐山东大学海洋研究院

建筑施工现场钢筋图像背景复杂且干扰较多,传统图像检测算法无法有效利用特征信息,难以满足现阶段建筑智能监理行业中钢筋尺寸检测精度的验收要求。提出一种在Mask R-CNN模型基础上加入自下而上路径和注意力机制的改进模型BU-CS mask r-... 详细信息

建筑施工现场钢筋图像背景复杂且干扰较多,传统图像检测算法无法有效利用特征信息,难以满足现阶段建筑智能监理行业中钢筋尺寸检测精度的验收要求。提出一种在Mask R-CNN模型基础上加入自下而上路径和注意力机制的改进模型BU-CS mask r-cnn。在建筑工地现场拍摄图像后,整理自建钢筋数据集,并在此数据集上进行算法验证。实验结果表明,与Mask R-CNN模型相比,BU-CS Mask R-CNN模型的召回率、交并比和像素准确率分别提升了4.9%、6.8%、7.4%,钢筋直径和间距的尺寸检测精度分别提升了14.9%、4.4%,能得到更加准确的钢筋目标检测框和边缘分割掩膜,达到了行业中实际工程验收的精度要求。

关键词：建筑智能监理钢筋尺寸测量 Mask R-CNN模型自下而上路径注意力机制

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mask r-cnn的款式图衣领识别

服装学报 2021年第1期6卷 36-41页

作者：黄振华李涛蒋玉萍杜磊浙江理工大学丝绸文化传承与产品设计数字化技术文化和旅游部重点实验室浙江杭州310018 浙江理工大学浙江省服装工程技术研究中心浙江杭州310018 浙江理工大学服装数字化技术浙江省工程实验室浙江杭州310018

为提升服装款式图领型识别精度,提出一种基于mask r-cnn神经网络的服装款式图领型定位与识别方法。建立共1800张包含无领、立领、翻领与驳领4种领型的款式图样本库,利用迁移学习与mask r-cnn神经网络实现领型定位与识别。结果表明,4种... 详细信息

为提升服装款式图领型识别精度,提出一种基于mask r-cnn神经网络的服装款式图领型定位与识别方法。建立共1800张包含无领、立领、翻领与驳领4种领型的款式图样本库,利用迁移学习与mask r-cnn神经网络实现领型定位与识别。结果表明,4种领型的平均识别精确度高于98%,测试集平均精确度达到99.2%,mAP值达到90%。该识别方法可以减少样板生成中的人工失误,为数字化样板生成提供参考。

关键词： Mask R-CNN模型款式图服装领型识别定位

基于改进mask r-cnn的牛脸目标检测算法

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2023年第24期46卷 133-138页

作者：关忠榜杨颜博李敏超内蒙古科技大学信息工程学院包头014010

针对牛脸检测时,存在的检测精度不高、牛脸较小被漏检或误检等问题,提出一种改进的mask r-cnn+MresNet模型。首先,在resNet101网络的基础上提出一种MresNet网络,通过对resNet101网络的改进,提高了模型检测精度。其次,对模型的rPN网络的... 详细信息

针对牛脸检测时,存在的检测精度不高、牛脸较小被漏检或误检等问题,提出一种改进的mask r-cnn+MresNet模型。首先,在resNet101网络的基础上提出一种MresNet网络,通过对resNet101网络的改进,提高了模型检测精度。其次,对模型的rPN网络的锚框尺寸进行调整,提高了模型对较小目标的牛脸检测能力。实验结果表明,MresNet网络对牛脸检测精度相比较原始的网络模型,提高了12.6%;改进后的模型对于小目标检测能力平均精度较原始模型提高了2.4%。说明该模型能有效的实现小目标牛脸的检测,具有实际应用价值。

关键词：牛脸检测 Mask R-CNN模型 resNet101网络 rPN网络

一种基于改进实例分割模型的路面裂缝检测方法

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2023年第5期48卷 765-776页

作者：肖力炀李伟袁博崔逸群高荣王文庆西安热工研究院有限公司陕西西安710032 长安大学信息工程学院陕西西安710064

为了解决现有裂缝识别算法准确度不高、检测与分割任务不能同时进行等问题,提出了一种基于改进型Mask R-CNN模型的路面裂缝识别方法。首先,建立裂缝数据集并进行标注,然后使用Mask R-CNN模型对裂缝数据集进行训练和测试,并对模型中锚点... 详细信息

为了解决现有裂缝识别算法准确度不高、检测与分割任务不能同时进行等问题,提出了一种基于改进型Mask R-CNN模型的路面裂缝识别方法。首先,建立裂缝数据集并进行标注,然后使用Mask R-CNN模型对裂缝数据集进行训练和测试,并对模型中锚点的长宽比进行调整,实现在裂缝定位的同时对生成的检测框内的裂缝像素进行分割;其次,针对Mask R-CNN模型生成的裂缝检测框不精准的问题,设计了C-mask r-cnn多阈值检测方法,通过结合级联不同阈值的检测器来提高候选框质量,实现高阈值检测下的裂缝精准定位;最后,对改进后的模型进行一系列的优化参数和实验对比,并验证所提模型的有效性。实验结果表明,C-Mask R-CNN模型检测部分的平均准确率均值(mean average precision,mAP)达到0.954,与改进前模型相比提升了9.7%,分割部分的mAP达到0.935,与改进前相比提升了13.0%,识别效果较好。综上所述,C-Mask R-CNN模型可以较为完整地对裂缝进行定位及提取,识别精度较高。

关键词：路面裂缝识别深度学习 Mask R-CNN模型级联阈值检测器道路工程

基于mask r-cnn的电力关键设备运行状态检测

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

电子设计工程 2024年第2期32卷 107-110,115页

作者：吕超杨德宇刘文杰张克胜内蒙古电力科学研究院内蒙古呼和浩特011200

为判断电力关键设备两端负载电压与干路总电压之间的数值关系,提出基于mask r-cnn的电力关键设备运行状态检测方法。在mask r-cnn网络结构中,判断电量信号的时域范围与频域范围。然后根据负荷阻抗特征计算交流参数的取值结果,再联合已... 详细信息

为判断电力关键设备两端负载电压与干路总电压之间的数值关系,提出基于mask r-cnn的电力关键设备运行状态检测方法。在mask r-cnn网络结构中,判断电量信号的时域范围与频域范围。然后根据负荷阻抗特征计算交流参数的取值结果,再联合已获取的电信号参量,求解连续相关函数,从而检测电力关键设备运行状态。实验过程中,设备两端负载电压、内阻消耗电压之和与干路总电压之间的差值未超过1.5 V,说明该方法能够证明电力关键设备两端负载电压、内阻消耗电压之和等于干路总电压数值的猜想成立,可以根据该验证检测电力关键设备运行状态是否正常。

关键词： Mask R-CNN模型电力设备运行状态负荷阻抗交流参数负载电压