检索结果-南通市图书馆

基于无人机和改进maskrcnn的山地烟田面积快速测量技术

在线全文

学校读者我要写书评

暂无评论

云南农业科技 2024年第4期 32-36页

作者：李伟李洪明麻莉娜刘彭轩吕明站林嘉芊詹莜国云南省烟草公司昆明市公司昆明650051 北京航空航天大学云南创新研究院昆明650233

为解决山地烟田面积无法快速测量的问题,建立了一种烟田智能勾画和面积测算的方法。通过对maskrcnn骨干网络ResNet101改进为多个小卷积核,基于无人机搭载可见光相机对烟田航拍,获得高精度空间位置信息的烟田正射影像数据,采用语义分割... 详细信息

为解决山地烟田面积无法快速测量的问题,建立了一种烟田智能勾画和面积测算的方法。通过对maskrcnn骨干网络ResNet101改进为多个小卷积核,基于无人机搭载可见光相机对烟田航拍,获得高精度空间位置信息的烟田正射影像数据,采用语义分割判断烟区位置和面积,并使用地形因子进行面积测算。结果表明,针对昆明市石林县山区烟田数据,采用改进的maskrcnn进行面积测量的平均总体精度为95.31%,有较强的可行性。

关键词：山地烟田无人机 maskrcnn 面积快速测量

基于密集交互式融合Mask RCNN的肺部PET/CT图像实例分割

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第3期41卷 527-534页

作者：周涛赵雅楠陆惠玲王亚星支力佳北方民族大学计算机科学与工程学院银川750021 宁夏医科大学医学信息工程学院银川750004 北方民族大学图像图形智能处理国家民委重点实验室银川750021

正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask R... 详细信息

正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask RCNN)实例分割模型。首先设计具有跨尺度主辅结构的特征提取网络,提取出不同尺度病灶特征;然后设计密集交互式增强辅助网络(DIFEN),通过将最浅层病变特征以密集连接形式与邻近特征、当前特征进行交互融合,增强深层特征图中病灶细节信息;最后构建密集交互式融合金字塔网络(DIF-FPN),在自下而上路径中将浅层信息逐个以密集连接方式补充到深层特征中,进一步加强模型对病变区域的微弱特征感知力。在临床PET/CT肺部图像数据集上进行消融实验和对比实验,结果表明所提模型对于病变区域实例分割的APdet、APseg、APdet_s、APseg_s指标分别为67.16%、68.12%、34.97%、37.68%,与Mask RCNN(ResNet50)相比在APdet和APseg指标上分别提升7.11%、5.14%。DIF-Mask RCNN模型能够有效检测分割肿瘤病变,为肺癌辅助诊断提供重要的参考价值与评估依据。

关键词：正电子发射断层显像/X线计算机体层成像实例分割交互式融合密集连接 maskrcnn

在线全文

学校读者我要写书评

暂无评论

基于计算机视觉的井下输送带跑偏检测方法

煤矿机械 2019年第10期40卷 169-171页

作者：林俊党伟超潘理虎白尚旺太原科技大学计算机科学与技术学院太原030024 中国科学院地理科学与资源研究所北京100101

为了准确监测井下输送带运行状态,防止输送带跑偏,提出了一种基于计算机视觉的井下输送带跑偏检测方法。首先采用基于卷积神经网络的maskrcnn实例分割算法提取输送带图象中的感兴趣区域并进行图像预处理;之后采用改进的Canny算法提取输... 详细信息

为了准确监测井下输送带运行状态,防止输送带跑偏,提出了一种基于计算机视觉的井下输送带跑偏检测方法。首先采用基于卷积神经网络的maskrcnn实例分割算法提取输送带图象中的感兴趣区域并进行图像预处理;之后采用改进的Canny算法提取输送带区域的边缘轮廓信息;最后采用改进的直线段检测(LSD)算法提取输送带边缘直线特征,根据边缘直线的斜率和中心线的相对位置判断输送带是否跑偏。实验结果表明,提出的井下输送带跑偏检测方法能够较准确地检测出输送带边缘直线从而进行跑偏判定,验证了算法的有效性。

关键词：卷积神经网络 maskrcnn 输送带带跑偏 Canny LSD

基于光视觉信息自适应聚合的船舶自主避碰决策

在线全文

学校读者我要写书评

暂无评论

舰船科学技术 2024年第19期46卷 165-169页

作者：张博文阚明交通运输部北海航海保障中心天津航标处天津300456

船舶航行环境复杂多变,多模态视觉相机采集的多源视觉信息融合过程繁杂,特征提取不够精细,为此研究光视觉信息自适应聚合的船舶自主避碰决策方法。利用Kinect相机采集多源图像,通过自适应聚合增强环境感知。结合maskrcnn与ResNet-101,... 详细信息

船舶航行环境复杂多变,多模态视觉相机采集的多源视觉信息融合过程繁杂,特征提取不够精细,为此研究光视觉信息自适应聚合的船舶自主避碰决策方法。利用Kinect相机采集多源图像,通过自适应聚合增强环境感知。结合maskrcnn与ResNet-101,精确提取图像信息中的目标特征,经RPN生成候选区域。特征向量进入FCN与分类回归分支,识别目标并定位,转换坐标后获取运动态势。依据碰撞风险计算和船舶操纵经验,智能输出避碰指令。实验结果表明,该方法在复杂航行环境下展现出良好的避碰决策性能,光视觉信息聚合后,交并比、F1 score分别为92.7%、94.2%。

关键词：光视觉信息避碰决策 maskrcnn 碰撞风险

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加油站设备识别技术研究

基于卷积神经网络的加油站设备识别技术研究

作者：张英泽河北工业大学

学位级别：硕士

目前汽车的人均拥有量逐年增长,对加油站设备的规划建设和运营维护的要求越来越高,而随着人工智能的飞速发展,基于深度学习的目标检测与识别方法逐渐运用到各行业领域中,如何利用有关的理论和技术进行加油站内部设施的自动安全检查,以... 详细信息

目前汽车的人均拥有量逐年增长,对加油站设备的规划建设和运营维护的要求越来越高,而随着人工智能的飞速发展,基于深度学习的目标检测与识别方法逐渐运用到各行业领域中,如何利用有关的理论和技术进行加油站内部设施的自动安全检查,以提高工作效率,节省人力资源和成本也引起了人们的关注。本文主要根据加油站设备安全的相关规范,重点研究了基于深度卷积神经网络的加油站设备识别方法,完成了以下几个方面的工作:1.通过查阅目标检测和识别相关研究领域的文献资料,以及加油站建设和运行过程中对内部设施布局的相关标准,根据设备安全检查工作的具体实际需求,分析了传统识别方法与深度学习神经网络结构的特点,对比了有关方法的性能及其适用性。针对加油站复杂环境下的场景特点,为解决多物体识别的问题,重点探讨了Mask RCNN算法,对Mask RCNN神经网络结构的优势和不足进行了分析,明确了本文的主要研究内容和采用的方法。2.针对Mask RCNN网络中存在分割效果参差不齐的问题,提出了一种多卷积分支处理结构。该结构是以Mask RCNN网络框架为基础,添加Mask Io U模块,通过增加卷积层和全连接层,来提高mask掩膜的分割精度,进而改善整体识别效果。在COCO2017公共数据集上,用改进网络模型进行了实验验证工作。实验结果表明,基于Mask RCNN网络的多卷积分支处理结构在分割精度上大幅提升,分割效果和识别准确率上更加优秀。在此基础上,使得识别准确率上升到了新的层次。3.依据《汽车加油加气站设计与施工规范GB50156-2012》中的条例,进行了加油站场景实验样本集的设计和图像数据的采集。针对加油站内不同设备,在不同环境下进行了现场照片拍摄、整理和增强等。接着进行数据预处理工作,并用VIA插件对采集的数据进行了人工标注,从而完成了数据集的构建。4.基于本文制作的数据集,采用改进的多卷积分支处理结构模型进行了训练和测试,通过特征金字塔网络方法融合上下文特征,可以学习不同尺度下的特征图像,以此为基础,在区域推荐网络中生成候选窗口,同时完成分类与分割处理,实现对加油站实景图像的检测、识别、分类与分割一体化操作。经过对比实验,验证了本文方法的识别性能、学习能力、稳定性以及速度上均有不错的表现。使用实景数据进行测试的结果在准确率和效率上也有较好的表现。

关键词：图像识别深度学习 maskrcnn 实例分割加油站设备检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像处理的罐装瓶喷码缺陷检测

基于图像处理的罐装瓶喷码缺陷检测

作者：赖定敏西华大学

学位级别：硕士

罐装甁防伪标致码与生产日期码作为食品、药品等日常生活用品质量安全的重要组成部分,与人民群众的生产生活安全息息相关。因此,防伪标致与生产日期喷码质量与正确性显得尤为重要。但目前已有的喷码缺陷检测方法普遍存在下列问题:一是... 详细信息

罐装甁防伪标致码与生产日期码作为食品、药品等日常生活用品质量安全的重要组成部分,与人民群众的生产生活安全息息相关。因此,防伪标致与生产日期喷码质量与正确性显得尤为重要。但目前已有的喷码缺陷检测方法普遍存在下列问题:一是当字符存在间距较小有轻微粘连问题,容易导致无法分割或错误分割。二是喷码缺陷识别准确率不高,漏检较多,对喷码区域倾斜与歪曲的情况较难识别。三是使用深度学习方法进行缺陷检测,由于网络较大致使训练模型与缺陷检测耗时较多,且由于正负样本数据集相差悬殊对检测模型的训练有较大影响,此外检测设备的硬件要求较高,不太适用于工业生产场景。针对上述问题,对相关算法进行研究,并改进相关算法,完成喷码字符缺陷检测,具体完成的工作有:（1）搭建了罐装甁喷码字符图像采集装置,实现了高质量的罐装甁喷码字符图像采集。对采集的图像进行图像增强、图像滤波、图像ROI区域获取。对喷码字符进行数学形态学处理、喷码字符倾斜校正、字符区域精确分割。通过上述操作,实现了图像降噪,并对字符进行了增强,便于后面单字符分割处理。（2）针对目前的垂直投影法对字符间间距过小与字符间轻微粘连不能很好处理的情况,提出改进的垂直投影法进行字符分割。计算字符宽度阈值,判断字符是否越过阈值决定是否对字符进行二次分割,并对二次分割点的选取设计了详细的算法,选择一定区间内,投影像素数最少的位置作为二次分割点,并取得了较好的效果。（3）对分割好的字符进行特征提取,结合PSO-ELM分类器对字符进行识别。针对提取的特征冗余问题,提取具有重要语义的字符特征,包括字符面积、字符轮廓周长、字符中心点坐标水平方向字符像素数、字符中心点坐标垂直方向字符像素数等特征。针对分类器效果不佳问题,将提取到的特征送入PSO-ELM进行分类模型训练,实现字符识别。在此过程中对PSO优化ELM参数对分类结果影响进行了相关研究,并选取最优参数对喷码字符进行识别,取得了较好的字符识别结果。最后对罐装甁喷码信息是否正确进行检测。（4）对深度神经网络进行喷码缺陷检测训练、检测耗时严重与正负样本悬殊影响模型检测效果等问题提出一种改进YOLOv3神经网络模型的罐装瓶喷码缺陷检测算法。首先通过工业相机采集罐装瓶正常喷码与异常喷码图像,对图像进行预处理与标注,接着将标注好的数据集送入改进YOLOv3神经网络中对网络进行训练,通过使用GIo U loss结合Focal loss对原YOLOv3损失函数进行改进,减小正负样本失衡对缺陷检测模型训练的影响,并对特征提取网络进行修改,将Darknet-53替换为MobileNet-v3,减小网络复杂度减少训练与检测时间。最后将待检测罐装瓶喷码图像送入训练好的模型中完成喷码缺陷的检测。此外对maskrcnn网络进行了一定研究,将其应用到喷码缺陷检测这一领域。对其网络架构相对Faster R-CNN改进点进行了研究,并通过其实现喷码的缺陷检测与喷码缺陷区域的分割,能得到较好的缺陷检测结果,但其检测耗时相对较多,不适用于实时工业生产领域。实验结果表明,改进的垂直投影法对字符存分割在轻微粘连、字符间距过小等情况取得了较好的效果,分割准确率达到了97.4%。对改进YOLOv3算法在喷码字符缺陷检准确率上均优于基于特征提取分类、基于字符分割、基于模板匹配等缺陷检测算法,其检测准确率达到了98.20%,具有良好的鲁棒性。在检测效率上也优于复杂的深度神经网络,平均检测时间在70ms,检测效率较高。

关键词：喷码缺陷图像预处理改进垂直投影算法 PSO-ELM 数据集失衡 YOLOv3 MobileNet-v3 maskrcnn

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向森林火情监测的图像检测分割方法研究

面向森林火情监测的图像检测分割方法研究

作者：何阳西安理工大学

学位级别：硕士

森林是地球的重要组成部分,人们用肺于人来比喻森林于地球,由此可见森林的重要性。但是森林火灾一直威胁着森林环境,当前森林火情监测其他方法存在成本高、早期火情监测难度大等问题。无人机以其灵活、准确及成本低的优点广泛应用于森... 详细信息

森林是地球的重要组成部分,人们用肺于人来比喻森林于地球,由此可见森林的重要性。但是森林火灾一直威胁着森林环境,当前森林火情监测其他方法存在成本高、早期火情监测难度大等问题。无人机以其灵活、准确及成本低的优点广泛应用于森林火情监测工作。本文以森林火情监测为出发点,以图像检测为方法,开展基于无人机图像的检测和分割方法研究,辅助林业人员识别早期森林火灾并估计森林火灾危害程度,主要内容包括:(1)针对在地面端准确快速的进行火情检测任务,提出了一种基于Re-yolo的森林火情检测方法。该方法利用Yolov3目标检测网络进行优化,在主要框架不变的前提下应用参数重构方法、跨阶段部分结构以及SE权重注意力模块等优化策略,保证模型检测速度的前提下提升模型对于森林火情检测的准确性。Re-yolo方法检测速度为33.8FPS,并且检测精度超过Yolov3模型以及Yolov5-s等其他目标检测方法。(2)针对无人机机载计算机算力有限,一般方法无法在无人机监测火情的过程中达到实时监测的问题。本节研究内容目的是设计一种适用于计算能力不强的机载计算机端的深度学习方法,根据这一目的,本文提出了基于Reyolo-tiny的轻量化方法,实现在低算力条件下对火情的有效监测。为了增强轻量化后模型的检测能力,先对Re-yolo模型进行修改,增强其检测精度。接着通过将增强后Re-yolo模型的主干网络替换为轻量化模型,然后通过滤波器剪枝的模型压缩方法对模型进行处理,得到一种基于Re-yolo的轻量化方法,提出一种轻量化思路,使得模型对森林火情检测达到实时准确检测的要求(3)针对难检测目标检测困难、检测精度不高的问题,提出一种基于查询机制改进的实例分割方法Query-maskrcnn。对于地面端精确的火情监测任务,在maskrcnn的模型框架下引入基于查询的解码器输出头,并在像素解码器中引入特征对齐模块。该方法在保证检测分割实时性的前提下提高检测分割精度,实验结果最优模型的检测速度为17.5FPS,基本实现了实时检测分割,平均像素准确率MPA值达到91.8%,超过maskrcnn等方法。

关键词：森林火情监测图像目标检测图像实例分割轻量化模型 Yolov3 maskrcnn

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月球撞击坑识别研究

基于卷积神经网络的月球撞击坑识别研究

作者：王茗涛河南大学

学位级别：硕士

月球撞击坑作为月球表面最普遍的地貌结构单元,记载了月球数十亿年间的撞击历史,对月球撞击坑的精准判读有助于推动月球的探索进程,构建人类对月球的深层次认知。近年来,随着深空探测技术的加速发展,高精度的月球测量数据为月球撞击坑... 详细信息

月球撞击坑作为月球表面最普遍的地貌结构单元,记载了月球数十亿年间的撞击历史,对月球撞击坑的精准判读有助于推动月球的探索进程,构建人类对月球的深层次认知。近年来,随着深空探测技术的加速发展,高精度的月球测量数据为月球撞击坑的精准识别提供了研究基础。早期的撞击坑识别研究主要使用形态学、统计学等方法,通过人工构造撞击坑的几何特征对其进行识别,但是这些方法计算量大、操作复杂,且识别精度较低,难以适应当前研究需要。卷积神经网络因其强大的数据表征能力在图像识别领域异军突起,应用卷积神经网络对撞击坑进行精准识别已经成为当前该领域的主流研究方向。然而,由于月球撞击坑数量众多,且不同区域、大小、年代的撞击坑特征各异,常规的卷积神经网络难以对其进行有效区分,因此本论文在已有研究的基础上,对撞击坑识别应用的难点问题进行深入分析,一方面通过改进现有卷积神经网络架构以增强其对撞击坑的学习能力,另一方面针对撞击坑的直径特征提出分层策略来提高对训练数据的利用程度。本论文选取了美国NASA实验室提供的高精度月球数字高程模型作为实验数据,依据月球撞击坑专家标记库使用Python软件进行自动标注,分别以语义分割任务和目标检测任务为切入点展开实验,对改进网络和分层策略的有效性进行验证。本论文的主要研究内容如下:(1)在语义分割任务中,选用UNet架构作为撞击坑语义分割实验的基础框架,设计了基于UNet架构的Res UNet、DARUNet和Mobile UNet网络,以特征提取能力更强的Res Net网络和运算更高效的Mobile Net网络替换原始UNet网络的编码层,加强对撞击坑特征的提取能力和运行效率,同时设计了Dense ASPP模块以增强网络的多尺度特征捕获能力,并在Res UNet的基础上提出了DARUNet网络。最后结合各网络的分割结果,设计了后处理模块以改善对撞击坑的整体分割效果。(2)在目标检测任务中,基于深度学习框架MMdetection重新构建实例分割模型Mask RCNN网络,优化模型的训练过程,增加数据增强操作,增强模型泛化性,并根据月球撞击坑的直径范围提出分层策略,保留大型撞击坑特征,生成多尺度月球撞击坑数据集,提高网络对训练数据的利用程度。实验结果显示,本论文构建的Res UNet网络的分数最高达到68.42%,DARUNet网络的分数达到68.73%,Mobile UNet网络的分数达到68.45%,均超过经典方法Deep Moon的实验精度66.40%,经过后处理模块后,分数达到76.23%,有效提高了预测精度;Mask RCNN模型在原始数据集的预测结果中分数达到了83.4%,在使用数据分层策略后,Mask RCNN模型的分数达到84.3%。

关键词：月球撞击坑识别 UNet 分层策略 maskrcnn

基于计算机视觉的矿用输送带异常情况检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于计算机视觉的矿用输送带异常情况检测方法研究

作者：林俊太原科技大学

学位级别：硕士

煤炭是我国经济发展的基础产业,在社会发展和经济建设中占据重要地位。矿用输送带作为煤炭运输的主要设备,一旦发生故障会给企业带来重大的经济损失,严重时还会危及矿工生命安全。矿用输送带异常情况检测已经成为煤炭企业信息化管理和... 详细信息

煤炭是我国经济发展的基础产业,在社会发展和经济建设中占据重要地位。矿用输送带作为煤炭运输的主要设备,一旦发生故障会给企业带来重大的经济损失,严重时还会危及矿工生命安全。矿用输送带异常情况检测已经成为煤炭企业信息化管理和监控的重要内容。基于计算机视觉的检测方法具有检测成本低、复用性好、准确率高等优点,是很多学者研究的首选方向。但是就目前而言,还没有一套相对完整有效的基于计算机视觉的矿用输送带异常情况检测方法。为此,本文提出了一套基于计算机视觉的矿用输送带异常情况检测方法。该方法主要针对输送带撕裂和跑偏进行了全面和深入研究:1.针对小型输送带撕裂检测,现有的检测方法存在缺乏早期预警、检测精度低等问题。为此,本文提出了针对小型输送带撕裂检测的方法。该方法将“一”字型线激光投射于输送带下表面,使用CCD工业相机在线采集图像;采用改进的Canny算法结合斜率差分法提取图像斜率差特征,根据斜率差对输送带撕裂趋势进行早期判断;通过基于YOLO(You Only Look Once)的目标检测算法对已发生撕裂的部位进行检测。实验结果表明,该方法不仅能够对输送带撕裂趋势进行早期预警,还能对撕裂部位进行准确检测,平均检测速度达到35fps,准确率达到94.6%。针对大型输送带撕裂检测,本文将深度学习方法与传统的直线段检测方法相结合。首先采用基于深度学习的YOLO算法对输送带两边托轴进行检测进而确定撕裂检测区域;之后采用改进的LSD算法对输送带两侧边缘直线段进行检测,选取两侧边缘直线段上相同纵坐标的点相连即为带宽长度。当输送带发生撕裂时,输送带带宽会明显的变窄。根据检测到的带宽变化即可判断输送带是否发生了撕裂。实验结果表明,该检测方法可以准确的对输送带带宽进行测量,从而判断输送带是否发生撕裂。2.针对输送带跑偏检测,本文提出了一种基于计算机视觉的矿用输送带跑偏检测方法。该方法首先采用基于卷积神经网络的Mask RCNN实例分割算法提取图像中的输送带区域并进行图像预处理;之后采用改进的Canny算法提取输送带区域的边缘轮廓信息;最后采用改进的LSD直线段检测算法提取输送带边缘直线特征,根据边缘直线的斜率和中心线的相对位置判断输送带是否跑偏。实验结果表明,该方法能够较准确地检测出输送带边缘直线从而进行跑偏判定,验证了该方法的有效性。

关键词：输送带跑偏输送带撕裂卷积神经网络 YOLO maskrcnn Canny LSD