检索结果-南通市图书馆

基于小波降噪与ResNet分类网络的异常电子蜂鸣音识别系统设计

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

计量学报 2022年第11期43卷 1486-1491页

作者：温益凯陈乐富雅琼中国计量大学机电工程学院杭州浙江310018

设计一种蜂鸣音识别系统,以PC端声卡与收音麦克风采集蜂鸣音信号s_(1),利用小波包尺度系数比对法实现对采集的蜂鸣音信号降噪预处理得到信号s_(2),通过信号s_(2)的小波变换得到信号时频特征图p,再利用ResNet18网络模型分析特征图p,得到... 详细信息

设计一种蜂鸣音识别系统,以PC端声卡与收音麦克风采集蜂鸣音信号s_(1),利用小波包尺度系数比对法实现对采集的蜂鸣音信号降噪预处理得到信号s_(2),通过信号s_(2)的小波变换得到信号时频特征图p,再利用ResNet18网络模型分析特征图p,得到蜂鸣音检测结果,识别准确率达97.5%。该系统采用pyqt5设计人机交互界面,主要包含信号特征显示、信号采集参数设置、识别对象选择、数据通讯、数据持久化等功能。实验证明了该系统操作简单、运行稳定、扩展性强等特点。

关键词：计量学电子蜂鸣音检测小波降噪 ResNet pyqt5

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

居伊测量机器人

居伊测量机器人

天津市电子工业协会2023年年会

作者：王亚丽刘佳宇史川诚曹明利天津电子信息职业技术学院天津理工大学中环信息学院

工厂生产后的产品需要进行质量检验,检验合格方可出厂。居伊测量机器人为解决工业实际需求,为工业生产后的产品检验环节提供便利,运用非接触测量技术,对物体(自行车、椅子)的尺寸进行测量。使用Jetson Nano作为上位机,OpenMV作为下位机... 详细信息

工厂生产后的产品需要进行质量检验,检验合格方可出厂。居伊测量机器人为解决工业实际需求,为工业生产后的产品检验环节提供便利,运用非接触测量技术,对物体(自行车、椅子)的尺寸进行测量。使用Jetson Nano作为上位机,OpenMV作为下位机,利用双目相机对物体(自行车、椅子)进行测量,为当下人工检测效率低下、检测工程量庞大、劳动时间过长产生的人眼误差提供了一种有效的解决办法。在降低人力成本的同时降低了测量误差(测量精度可以达到千分之三),提升了测量效率,使工业生产流水线成本大幅度降低。

关键词：机器视觉图像处理双目测量 Jetson Nano OpenMV 颜色巡线 MQTT pyqt5

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于AutoCAD的钻孔智能设计系统

中国安全生产科学技术 2023年第4期19卷 71-77页

作者：郝天轩范国阳赵立桢河南理工大学安全科学与工程学院河南焦作454000 河南省瓦斯地质与瓦斯治理重点实验室—省部共建国家重点实验室培育基地河南焦作454000 煤炭安全生产河南省协同创新中心河南焦作454000

为解决传统钻孔设计过程中存在钻孔设计周期长、设计效率较低、易出现人为失误等问题,采用Python语言对AutoCAD进行二次开发,对钻孔智能设计方法及自动化绘图方法进行研究,以煤层相关参数为输入数据,以钻孔的空间位置参数和钻孔布置图... 详细信息

为解决传统钻孔设计过程中存在钻孔设计周期长、设计效率较低、易出现人为失误等问题,采用Python语言对AutoCAD进行二次开发,对钻孔智能设计方法及自动化绘图方法进行研究,以煤层相关参数为输入数据,以钻孔的空间位置参数和钻孔布置图为输出结果,对钻孔进行智能化设计。研究结果表明:该系统可以显著提高钻孔设计的速度及准确度,系统在鹤煤八矿进行抽采钻孔智能设计的实际应用,验证系统的设计效果;系统可快速并且较准确地进行瓦斯抽采穿层钻孔的智能设计,极大程度减少瓦斯抽采空白带区域的面积,提升煤矿企业瓦斯抽采工程设计效率。

关键词：钻孔设计瓦斯预抽 pyqt5 CAD二次开发穿层钻孔

基于深度学习的列车轮对踏面损伤检测算法研究

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

基于深度学习的列车轮对踏面损伤检测算法研究

作者：孙耀泽青岛大学

学位级别：硕士

随着铁路技术的多元化发展,轨道交通的种类也越来越多,不仅广泛应用于长距离的陆地运输,还在中短距离的城市公共交通中得到了广泛运用。轮对作为轨道交通重要的支撑和走行部件,长期在复杂环境下与轨道发生高速滚动接触,可能出现踏面擦... 详细信息

随着铁路技术的多元化发展,轨道交通的种类也越来越多,不仅广泛应用于长距离的陆地运输,还在中短距离的城市公共交通中得到了广泛运用。轮对作为轨道交通重要的支撑和走行部件,长期在复杂环境下与轨道发生高速滚动接触,可能出现踏面擦伤、硌伤、剥离等损伤,影响运行安全。因此,实现踏面损伤的快速准确检测对于保证机车安全运行尤为重要。传统的列车轮对踏面损伤检测存在精度低、效率慢等问题,针对现有技术的局限性,本文将采用深度学习方法完成列车轮对踏面损伤的检测识别。主要工作包含以下几个方面:(1)轮对踏面损伤检测数据集的建立。为了满足深度学习算法的训练要求,得到更加丰富的踏面损伤图像,本文以包含真实损伤的踏面图像为基础,采用改进的卷积生成对抗网络对踏面损伤数据集进行数据增强。为了使生成的虚拟图像与真实图像具有更相近的特征分布,引入自注意力机制,加强生成器和鉴别器彼此分离区域之间的建模能力;为了改善网络的训练稳定性,采用Wasserstein距离作为新的损失函数。实验结果表明,该生成网络能够生成具有损伤纹理特征的踏面图像。在得到损伤目标图像后,通过将目标的掩码图像转化为布尔值,实现目标图像背景的删除,完成与正常踏面图像的覆盖融合。(2)基于YOLOv7的轮对踏面损伤检测。为了提升各类踏面损伤检测的精度,首先引入Sim AM注意力机制,同时关注每个通道及空间位置特征的重要性,使重要的目标特征在网络处理中占据更大的比重,从而增强网络对目标区域的特征学习能力;然后将边框回归的损失函数改为Focal-EIo U,融合更多边界框信息,提高预测的准确率;最后添加基于注意力机制的目标检测头Dynamic head,以动态方式自适应地调整注意力权重,使得模型在减少参数量的同时更加灵活和准确。实验表明,改进后的YOLOv7在测试集上的平均精度m AP值达到94.6%,检测帧率FPS为43.5。(3)轮对踏面损伤检测系统的设计。为了方便高效的完成车轮踏面损伤的分类与识别,采用pyqt5编写实时检测UI界面。首先对相机采集的图像数据进行踏面区域提取,再将预处理后的图像输入到训练好的网络模型中,完成踏面损伤的检测。

关键词：轮对踏面损伤 DCGAN图像生成 YOLOv7目标检测 pyqt5

基于改进YOLOV5的钢材表面缺陷检测系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进YOLOV5的钢材表面缺陷检测系统研究

作者：肖遥华北理工大学

学位级别：硕士

钢材是制造诸多产品的重要原材料之一。由于工艺水平的限制导致了钢材表面缺陷的产生。因此,提高产品质量的关键是对钢材生产过程中进行表面缺陷检测。针对钢材表面缺陷检测问题,基于YOLOV5展开了深入研究。首先,针对钢材表面缺陷形状... 详细信息

钢材是制造诸多产品的重要原材料之一。由于工艺水平的限制导致了钢材表面缺陷的产生。因此,提高产品质量的关键是对钢材生产过程中进行表面缺陷检测。针对钢材表面缺陷检测问题,基于YOLOV5展开了深入研究。首先,针对钢材表面缺陷形状复杂、实时性需求高的问题,利用YOLOV5对钢材表面进行缺陷检测,并通过实验分析验证了该方法的有效性;其次,针对钢材表面缺陷形状较小,YOLOV5提取特征能力有限,导致在检测过程中精确率低的问题。构建了将注意力机制嵌入到C3模块中的新模块,并在YOLOV5中建立了新的连接;然后,针对YOLOV5在训练钢材表面缺陷过程中损失函数会陷入局部最优解问题,采用热重启的余弦退火算法对YOLOV5的学习率策略进行了优化;最后,针对YOLOV5检测网络规模较大,导致实时性差的问题,将Shuffle Net V2轻量化网络引入到YOLOV5中,使得模型参数和模型大小降低,并且还提高了精确率。通过Jetson nano嵌入式平台作为核心设备对钢材表面缺陷检测模型进行部署。使用IMX219摄像头和Wi Fi完成设备搭建。利用Py Qt5界面开发工具,设计并开发了钢材表面缺陷检测系统的界面端。该系统操作方便,可实现图像、视频或调用摄像头多功能检测。图47幅;表8个;参67篇。

关键词： YOLO系列钢材表面缺陷检测 Jetson nano pyqt5

基于深度学习的PCB缺陷检测系统的设计与实现

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PCB缺陷检测系统的设计与实现

作者：关凯凯陕西科技大学

学位级别：硕士

印刷电路板(Printed Circuit Board,PCB)近年来在技术创新和研发上取得了长足的进展,现在已经成为中国经济转型的重要支柱,且随着前沿科学的飞速发展,PCB产品正在以更加紧凑、精细的方式进行生产,以满足日益增长的市场需求。然而,传统的... 详细信息

印刷电路板(Printed Circuit Board,PCB)近年来在技术创新和研发上取得了长足的进展,现在已经成为中国经济转型的重要支柱,且随着前沿科学的飞速发展,PCB产品正在以更加紧凑、精细的方式进行生产,以满足日益增长的市场需求。然而,传统的PCB缺陷检测技术伴随着检测效率低下、漏检率以及检测成本高等问题,已经不能满足PCB生产厂商日益增长的生产要求,因而PCB缺陷检测的快速性和精准性亟待提升。本文旨在通过研究基于深度学习的PCB表面缺陷检测技术来解决传统PCB缺陷检测算法检测精度低和效率低的问题。论文主要工作总结为如下几个方面。(1)目标检测算法研究与数据集构建本文从传统卷积神经网络的基础结构出发,将基于锚框的单、双阶段目标检测算法与基于无锚框的目标检测算法进行类比;在IPC-A-600标准上选择初始数据集,其中包含孔洞、鼠咬、开路、短路、余铜、毛刺等六类PCB缺陷,然后使用多种数据增强技术将初始数据集的693个样本数量扩充至12890个,并将扩充后的数据集在物体类别分布、中心点位置分布以及物体大小分布上进行可视化分析。(2)基于TBA-YOLO的PCB缺陷检测模型的建立以基于锚框的单阶段目标检测算法YOLOv5s为基准网络,首先使用Transformer编码器来替换C3模块中的Bottleneck结构,进而在特征提取过程中能通过PCB缺陷的大邻域收集特征信息以及关联场景信息来帮助模型学习对象之间的关系;然后在批归一化处理层的开始和结尾处加入了居中和缩放校准来进一步提升模型的特征表达能力,以获得更稳定的特征分布;最后改进边界框损失函数,获得更为精准的边界框回归。实验结果表明,TBA-YOLO模型的平均精度为99.12%,相较于改进前提高了 2.82%,改进后的模型检测速度达到了 43帧每秒。TBA-YOLO相较于其它主流的基于锚框的目标检测算法Faster R-CNN、SSD、YOLOV3、YOLOv4,在平均精度上分别高了 4.71%、25.75%、16.42%、6.8%。(3)基于特征融合的无锚框PCB缺陷检测模型的建立以无锚框目标检测算法CenterNet为基准网络,使用轻量级MobileNet替换原始的特征提取网络,大幅度降低模型参数量;接着采用多个1×1与3 × 3卷积层进行通道调整并结合CBAM注意力机制设计出新的特征融合模块;然后通过特征金字塔结构将模型的浅层特征信息与深层语义信息相融合;最后在检测头部嵌入坐标注意力机制形成CA-Head,使得模型在分类预测过程当中更关注于PCB缺陷位置信息。实验结果表明,使用MobileNetv2作为主干特征提取网络所带来的性能指标最好,通过加入后来的模型修改策略,修改后的CenterNet模型的平均精度为98.21%,相比较改进前提高了2.23%,同时检测速度达到了 55帧每秒,相比较改进前提高了 30帧每秒,改进后的CenterNet模型权重下降了 99.7MB,同时在多种评价指标上,都优于基于锚框的目标检测算法模型。(4)PCB缺陷检测系统的搭建为了使模型的评估和检测更为直观易用,本文搭建了基于深度学习的PCB缺陷检测系统。首先利用pyqt5完成前端界面设计;然后使用Python完成服务端设计并利用开源框架Pytorch以及OpenCV完成算法模型的处理。系统所实现的功能包括系统登录/注册以及主界面,用户在主界面中可直接对模型权重文件以及图片、文件夹、视频、摄像头等数据流进行选择,同时在主界面中还具备检测开始/暂停和存储路径设置功能;最后对本文所提出的两种PCB缺陷检测模型在系统上展开测试,综合分析两种模型的优缺点。综上所述,本文研究了基于深度学习的PCB缺陷检测技术,以目标检测算法对PCB图像上所存在的缺陷进行分类与定位。首先提出基于TBA-YOLO的PCB缺陷检测模型,实现对数据集中各类PCB缺陷的精准检测;然后又针对基于锚框的目标检测算法依赖默认框的设置、存在过多超参数以及正负样本不均衡的问题,以无锚框目标检测算法CenterNet为基准网络,提出基于特征融合的无锚框PCB缺陷检测模型;最后搭建PCB缺陷检测系统,对两种模型进行进一步测试。实验结果表明,两种模型均能满足PCB缺陷检测的精度要求。

关键词：深度学习 PCB缺陷检测 YOLOv5 CenterNet pyqt5

基于集成学习算法获取应力谱与塔机疲劳寿命预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于集成学习算法获取应力谱与塔机疲劳寿命预测

作者：李恒太原科技大学

学位级别：硕士

随着中国市场经济的快速发展,起重机械行业迎来了一个迅速发展的时期,与此同时,起重机械会不可避免的发生安全事故,而这些事故的频发严重影响了人们的生命财产安全。据统计,在全国特种设备安全事故中,起重机械事故发生率为26.36%,死亡率... 详细信息

随着中国市场经济的快速发展,起重机械行业迎来了一个迅速发展的时期,与此同时,起重机械会不可避免的发生安全事故,而这些事故的频发严重影响了人们的生命财产安全。据统计,在全国特种设备安全事故中,起重机械事故发生率为26.36%,死亡率为30.30%,排在第二位。而这些事故的发生多是由于塔机结构发生疲劳破坏,因此,对塔机进行疲劳寿命的分析就显得尤为重要。疲劳寿命分析的基础是塔机载荷谱的获取,目前塔机获取载荷谱主要有现场实测和有限元分析两种方法,现场实测得到的数据更真实,但是会耗费大量的人力物力,有限元分析的方法虽然速度相对较快,但是数据真实性有待提高。本文提出一种“有限元分析+固定样本数据库+集成学习算法+现场实测”快速获取载荷谱的方法,利用有限元分析技术获取塔机的等效应力数据并以优化后的小车起吊载荷步长和位置移动步长建立固定样本数据库,以集成学习算法构建塔机等效应力预测模型,根据现场实测到的工况数据来快速预测塔机危险点的时间-应力曲线,最后搭建寿命预测平台快速获取该塔机的疲劳寿命,具体的研究工作如下:(1)以某在役塔式起重机为研究对象,运用Ansys的二次开发产品Py Ansys建立塔机的有限元模型,并对其进行静力学和动力学分析,确定塔机危险点的位置并获取危险点位置的等效应力数据。(2)对集成学习三种经典算法进行分析比较,选用随机森林作为构建等效应力预测模型的算法。通过建立不同起吊载荷步长和小车位置移动步长的等效应力预测模型,确定起吊载荷步长为0.1 t,小车位置移动步长为100 mm。并以此步长数据建立固定样本数据库。(3)以固定样本数据库中的数据建立塔机所有危险点的等效应力预测模型。针对某一危险点等效应力预测模型的预测精度低于其他危险点的情况,采用增量学习的方式来提高其预测精度。根据现场实测的运行数据,以等效应力预测模型快速获取塔机的时间-应力曲线。(4)由于塔机属于高周疲劳的疲劳类型,采用名义应力法对其进行疲劳寿命估算。使用Py Qt5搭建寿命预测平台,快速获取该塔机的时间-应力曲线和疲劳寿命。

关键词：塔式起重机随机森林增量学习名义应力法 pyqt5

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的岩石矿物检测与识别研究

基于深度学习的岩石矿物检测与识别研究

作者：马亦骥昆明理工大学

学位级别：硕士

岩石矿物作为构成地球系统的基本要素,其在地质科学、矿产资源勘探等方面扮演着重要角色。随着深度学习算法在矿物领域的运用,使得基于卷积神经网络的图像检测和识别方法得到广泛应用,并逐步成为现代矿产资源勘探和矿物鉴定的首选方法... 详细信息

岩石矿物作为构成地球系统的基本要素,其在地质科学、矿产资源勘探等方面扮演着重要角色。随着深度学习算法在矿物领域的运用,使得基于卷积神经网络的图像检测和识别方法得到广泛应用,并逐步成为现代矿产资源勘探和矿物鉴定的首选方法。然而在实际使用过程中,特征信息与样本的关联度和网络模型的大小是影响模型精度和部署应用的重要因素。因此为实现准确高效的矿物智能鉴定,本文对前人的研究进行了拓展,在此基础上提出了新的研究问题和解决方法。主要研究成果如下:(1)针对在终端设备部署网络模型用于矿物种属鉴定时,存在的因网络模型计算复杂度高、参数大导致部署困难的问题,本文提出了一种基于多尺度密集连接网络的矿物智能鉴定方法。首先,以多尺度卷积对经典密集连接网络结构进行改进使其能够获取到多尺度特征信息;然后,以分组卷积策略对网络结构进行优化降低计算成本;最后,以跨层叠加的方式融合深层网络层和浅层网络层的特征信息减少传播过程中信息量的损耗。在自建矿物图像数据集上的实验结果表明,本文方法在保证较低参数量的条件下,对组成成分较为单一矿物的准确识别率超过了88%优于基于经典模型的矿物识别方法,证明了本文方法的高效性。(2)针对使用卷积神经网络进行自然环境下的多矿物鉴定时,由于非关联信息干扰引起的模型误识别问题,本文提出了一种基于级联网络的多矿物图像检测与识别方法。首先,以SRGAN网络对原图像进行超分辨率解析提升样本的表征能力增强矿物类间特征差异度,并以内容损失函数和对抗损失函数对网络进行寻优计算解决其难以训练问题;然后,以融合注意力机制的YOLOv5s对表征后的样本进行定位检测抑制非关联信息对识别过程的干扰。在自建多矿物图像数据集上的实验结果表明,本文方法的m AP超过了85%优于检测领域内的典型工程模型,证明了本文方法的准确性。(3)针对岩石矿物图像数据采集和矿物智能模型的实际使用的问题,本文以中国地质调查局开发的地质云系统为母版,在Windows操作系统中基于Py Qt5框架开发出岩石矿物图像智能检测与识别应用系统。通过将多尺度密集连接模型和级联网络模型部署到应用系统内,构建了适用于不同任务场景以及矿物图像数据统一管理平台。为实际工作中的岩石矿物的鉴定提供更加高效、智能化的工作方案,解决深度学习技术在跨领域过程中,存在的使用不便的问题。

关键词：矿物检测与识别多尺度密集连接 SRGAN 注意力机制级联网络 pyqt5

基于深度神经网络YOLO的水下目标检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度神经网络YOLO的水下目标检测算法研究

作者：王立成桂林电子科技大学

学位级别：硕士

近年来,随着人口不断增长和和国际形势的不断发展,海洋成为国家的战略发展重心。海洋涉及的相关领域研究对于国防安全、海底化石能源开发、海洋环境检测、海产品捕捞等都具有重要意义。目标检测是计算机视觉领域的重要分支,被广泛应用... 详细信息

近年来,随着人口不断增长和和国际形势的不断发展,海洋成为国家的战略发展重心。海洋涉及的相关领域研究对于国防安全、海底化石能源开发、海洋环境检测、海产品捕捞等都具有重要意义。目标检测是计算机视觉领域的重要分支,被广泛应用于自动驾驶、工业检测、实时监控等项目中,通过目标检测算法可显著节省成本,提高生产效率。水下目标检测在军事和民用上都有着举足轻重的意义,随着人类对海洋的不断探索,水下目标检测技术逐渐成为水下探测领域的研究重点。当前水下目标检测模型对图像的特征提取不充分,并且大多数目标为小目标,目前的一些经典目标检测算法对大目标检测效果较好,对于小目标检测效果较差,不适用于检测水下目标。针对以上问题,提出了改进FPN网络和融合注意力机制的水下目标检测模型。论文的主要工作内容如下:(1)针对主干网络无法充分提取目标特征的问题,在主干网络中引入了全局注意力机制。首先对比多个注意力机制,选择全局注意力机制嵌入YOLOv5s主干网络,丰富特征图的表达能力,增强关键特征提取,忽略冗余特征,从而提高目标检测的精度。(2)针对小目标检测精度低的问题,在YOLOv5s中分别引入了双向特征融合算法和自适应空间特征融合算法。在本文的水下数据集中待检测对象为小目标物体,图像的底层感受野较大,包含着较多的小目标特征信息,随着神经网络的深度不断加深,得到的特征信息愈加抽象,忽略了图像的底层信息,造成了对小目标物体的漏检、错检。双向特征融合算法和自适应空间特征融合算法将图像底层的低级信息和高层的抽象语义信息融合,提升了水下数据集中小目标检测的精度。(3)针对模型部署的困难,设计了用于目标检测的系统。在设备部署目标检测模型时,常常出现由于模型权重文件大,占用设备大量的计算空间,导致的识别速度慢的问题。本文设计的基于Windows系统的电脑端水下目标检测系统,可以根据自身需求选择不同模型,使用便携式个人笔记本电脑,快速进行目标识别。通过Py Qt5设计主功能界面,添加图像载入、权重加载、图片检测等模块,完成水下目标的检测。实验结果表明:提出的基于YOLOv5s改进的水下目标检测算法,提高了对水下图像数据集的检测精度,基于Windows系统设计的水下目标检测系统,简化了用户的操作,提高了进行目标检测的效率。

关键词：目标检测全局注意力机制自适应空间特征融合 YOLOv5s pyqt5