检索结果-南通市图书馆

基于小波时频图和resnet18的焊接状态监测方法研究

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第8期47卷 165-170页

作者：张亚文吴立斌周建平新疆大学智能制造现代产业学院(机械工程学院) 新疆乌鲁木齐830000 四川石油天然气建设股份有限公司四川成都610213

针对焊接过程中因外部干扰因素或焊接参数选择不当而导致的气孔和未熔合缺陷的问题,提出一种小波时频图和深度残差网络(resnet18)相结合的焊接质量检测方法。首先,搭建管道全位置自动焊接试验平台,利用拾音器记录熔合良好、未熔合和气... 详细信息

针对焊接过程中因外部干扰因素或焊接参数选择不当而导致的气孔和未熔合缺陷的问题,提出一种小波时频图和深度残差网络(resnet18)相结合的焊接质量检测方法。首先,搭建管道全位置自动焊接试验平台,利用拾音器记录熔合良好、未熔合和气孔焊接状态下的声音信号,将采集到的声音信号进行小波阈值降噪处理并且计算信号的信噪比,从而得到合适的信号降噪方法。其次,使用连续小波变换得到小波时频图,对时频图进行压缩和预处理,将时频图的大小设置为224×224,并剔除时频图上的标题、坐标和能量等。最后,将处理好的小波时频图作为输入,以未熔合、熔合良好和气孔三种状态作为输出,利用resnet18网络进行训练。结果表明,该模型对三种焊接状态下的声音信号具有良好的监测效果,其准确率为90.78%。

关键词：焊接过程焊接质量检测 resnet18 深度残差网络声音信号小波阈值降噪小波时频图

在线全文

学校读者我要写书评

暂无评论

基于改进resnet18的干香菇等级识别

国外电子测量技术 2024年第1期43卷 117-125页

作者：王莉董鹏豪王瞧牛群峰河南工业大学电气工程学院郑州450000 河南工业大学粮食信息处理与控制重点实验室郑州455000

为解决干香菇等级识别技术复杂及识别精度不高的问题,提出了一种基于残差神经网络resnet18的干香菇等级识别方法。首先将传统的resnet18中Stem的7×7卷积层替换为3个3×3卷积层串联,保证在感受野保持不变的情况下进一步减小计算量;其次... 详细信息

为解决干香菇等级识别技术复杂及识别精度不高的问题,提出了一种基于残差神经网络resnet18的干香菇等级识别方法。首先将传统的resnet18中Stem的7×7卷积层替换为3个3×3卷积层串联,保证在感受野保持不变的情况下进一步减小计算量;其次针对残差块中线性变换和非线性变换不足的问题,引入融合非对称卷积和h-swish激活函数,增加了模型的复杂性,使其能够进行更深层次的特征学习;最后在resnet18骨干网络中引入高效通道注意力机制,加强模型提取特征的能力。实验结果表明,改进后的resnet18网络模型准确度达97.04%,相比resnet18网络模型方法提升了4.81%,且性能优于VGG16、MobileNetV2、DenseNet121、resnet34等网络模型方法,可提高干香菇等级的识别精度,单幅图像的检测时间为5.91 ms,对干香菇智能分拣过程中的等级识别具有借鉴意义。

关键词：干香菇分级机器视觉 resnet18 高效通道注意力机制

基于改进的resnet18模型识别番茄叶片多种病害

在线全文

学校读者我要写书评

暂无评论

现代计算机 2024年第9期 30-34页

作者：杨进进张文慧王哲华北水利水电大学信息工程学院

针对传统番茄叶片病害识别方法效率低、准确性差等问题，提出了一种改进的resnet18番茄叶片病害识别算法。首先将resnet18中输入部分的7×7大卷积核替换为3×3小卷积核，减少网络参数数量，增加网络的非线性表达能力。然后在改进的ResNe... 详细信息

针对传统番茄叶片病害识别方法效率低、准确性差等问题，提出了一种改进的resnet18番茄叶片病害识别算法。首先将resnet18中输入部分的7×7大卷积核替换为3×3小卷积核，减少网络参数数量，增加网络的非线性表达能力。然后在改进的resnet18网络中加入轻量级卷积块注意力模块（CBAM），增强网络对病害细节特征的提取能力，提高识别精度；并使用单周期余弦退火算法调整学习率，进一步优化网络结构，加快模型收敛效果，提高训练速度。实验以早疫病、棒孢病等9种常见的番茄叶片病害为主要研究对象，在改进模型上的平均识别准确率达到99.60%。结果表明，构建的resnet18-Ck3x3-CBAM模型可用于番茄叶片病害识别且具有良好的识别效果。

关键词：番茄叶片病害识别 resnet18 CBAM注意力机制余弦退火学习率

Prediction of Intrinsically Disordered Proteins Based on Deep Neural Network-resnet18

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Computer Modeling in Engineering & Sciences 2022年第5期131卷 905-917页

作者： Jie Zhang Jiaxiang Zhao Pengchang Xu School of Electronic Information and Optical Engineering Nankai UniversityTianjin Key Laboratory of Optoelectronic Sensor and Sensing Network TechnologyTianjin300350China

Accurately,reliably and rapidly identifying intrinsically disordered(IDPs)proteins is essential as they often play important roles in various human diseases;moreover,they are related to numerous important biological activities.However,current computational methods have yet to develop a network that is sufficiently deep tomake predictions about IDPs and demonstrate an improvement in performance.During this study,we constructed a deep neural network that consisted of five identical variant models,resnet18,combined with an MLP network,for ***18 was applied for the first time as a deep model for predicting IDPs,which allowed the extraction of information fromIDP residues in greater detail and depth,and this information was then passed through the MLP network for the final identification process.Two well-known datasets,MXD494 and R80,were used as the blind independent datasets to compare their performance with that of our method.The simulation results showed that Matthew’s correlation coefficient obtained using our deep network model was 0.517 on the blind R80 dataset and 0.450 on the MXD494 dataset;thus,our method outperformed existing methods.

关键词： resnet18 MLP intrinsically disordered protein

面向存算一体智能芯片的目标检测原型系统设计

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

面向存算一体智能芯片的目标检测原型系统设计

作者：卢北辰北方工业大学

学位级别：硕士

随着新一轮科技革命与产业升级的不断推进,人工智能与深度学习的广泛应用,智能物联网终端得到了更高层次的发展。然而,为搭载数据计算密集型分布的神经网络,边缘端设备面临呈指数增长的数据处理压力,如何有效解决算力问题迫在眉睫。同时... 详细信息

随着新一轮科技革命与产业升级的不断推进,人工智能与深度学习的广泛应用,智能物联网终端得到了更高层次的发展。然而,为搭载数据计算密集型分布的神经网络,边缘端设备面临呈指数增长的数据处理压力,如何有效解决算力问题迫在眉睫。同时,传统的冯·诺依曼架构在进行海量数据处理时,“功耗墙”与“存储墙”问题日益尖锐,亟待一种全新的计算存储体系来解决这些难题。本文为在资源极度受限的边缘端设备实现智能感知任务,以面向存算一体智能芯片的目标检测原型系统为重点进行了研究。本文的主要研究工作如下:1.在保证准确率的前提下,针对Yolo V3-tiny目标检测算法和Res Net18神经网络进行了优化,替换、剔除硬件电路不易实现的组成部分,精简网络结构。采用训练中量化的方法,合并参数训练,压缩数据位宽,减少参数量,基于人车两类数据集下达到64.05%的m AP(mean Average Precision)。2.提出了一种基于SRAM的可实现乘累加运算的存内计算单元,实现存储器与计算器的合二为一。使用Verilog建模进行对其的逻辑实现,避免模拟电路误差大、数模混合电路仿真耗时长的问题,便于之后原型验证时能够与Python算法建模的准确率相匹配。3.为进一步降低功耗,在进行神经网络加速器设计时,根据每个神经网络卷积层中特征图的尺寸需要,设置最小单元并采用按需开启模块的数据计算模式。采用了多个存算阵列交替使用的方式,一次性将全部卷积核存储到这些存算阵列内,避免频繁的数据刷新,提高了神经网络加速器的运算速率。4.基于FPGA验证平台,将所设计的神经网络加速器连接到MCU上,通过预先编写的指令,操控神经网络加速器完成神经网络的前向推理,并将结果反馈回MCU继续完成全部目标检测算法,得到被检测目标的锚框坐标,实现对面向存算一体智能芯片的目标检测原型系统的全部验证,得到0.035秒/帧的运算速度和46.3GOPs/W的能效比。为传统冯·诺依曼架构在处理智能感知任务时所遇到的“存储墙”与“功耗墙”问题提供了更佳能效比的解决方案。

关键词：存内计算数字集成电路设计目标检测卷积神经网络 resnet18

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

基于深度学习技术的轨道巡检机器人

基于深度学习技术的轨道巡检机器人

作者：陈享天津职业技术师范大学

学位级别：硕士

随着我国铁路交通事业的蓬勃发展,列车运行次数日益增多、运载量不断增大、运行时速越来越快,然而在这种高强度、高速度、高密集的列车运行的背景下,轨道表面不可避免地会受到更多的伤损,如果长时间不加以维护,这些表面缺陷会逐渐增大... 详细信息

随着我国铁路交通事业的蓬勃发展,列车运行次数日益增多、运载量不断增大、运行时速越来越快,然而在这种高强度、高速度、高密集的列车运行的背景下,轨道表面不可避免地会受到更多的伤损,如果长时间不加以维护,这些表面缺陷会逐渐增大甚至延伸到达轨道内部,最终可能导致轨道断裂,给列车的安全带来严重的安全隐患。传统轨道巡检设备或人工巡检方式存在一些问题,如劳动强度大、工作效率低,检测精度不够以及检修工人无法远程智能检测等不足问题。本文针对以上问题进行设计,研发和实现了一套基于深度学习技术的轨道巡检机器人设备。具体研究内容如下:(1)对轨道巡检机器人结构进行设计,包括曲柄摇杆机构的设计实现侧板的夹紧和松开的动作、齿轮齿条传送机构的设计实现对不同尺寸铁轨的适应和皮带轮皮带传送机构的设计给巡检机器人提供动力。(2)对智能轨道巡检机器人的视觉端、主控系统部分和人机交互界面进行设计,在视觉端,采用基于深度学习模型部署的海思hi3516来进行视觉识别和分类。在主控系统硬件部分,以STM32核心板电路设计为主控,搭配电机、GPS定位模块、4G模块和前方摄像头来实现运动控制、定位和通信功能。在用户人机交互界面方面包括手机端监控界面显示和PC端界面显示,以实现用户对轨道巡检机器人实时监控需求,通过这些界面,用户可以第一时间了解被测轨道缺陷的经纬度位置信息,大大减少人工巡检的风险和工作量。(3)对轨道缺陷进行研究,采用垂直投影法来提取轨道表面缺陷区域,为了增强轨面缺陷图像的质量,使用MSRCP算法进行图像增强,并使用NLM滤波器对图像进行去噪处理。在研究中,对四类不同分类模型的准确率研究对比选出Res Net18作为轨道缺陷分类模型。并在实验中提出了基于Res Net18模型的推理改进方法,实验中使用NNIE算法对模型进行加速推理。为了进一步减少模型的大小和提高推理速度,使用Ruyi Studio软件对模型进行量化处理,将算法模型数据和参数从float 32量化为int 8或者int 16,模型大小减少为原来的四分之一或二分之一。最后,将经过量化处理的模型部署到海思hi3516视觉端,并进行多种轨道表面缺陷识别检测验证,通过验证实验,证明了该系统设计在实际应用中具有很高的准确率和鲁棒性。

关键词：轨面缺陷轨道巡检机器人海思hi3516 resnet18 人机交互界面

基于改进resnet18的苹果叶部病害多分类算法研究

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

农业机械学报 2023年第4期54卷 295-303页

作者：姜红花杨祥海丁睿柔王东伟毛文华乔永亮山东农业大学信息科学与工程学院泰安271018 青岛农业大学机电工程学院青岛266109 中国农业机械化科学研究院集团有限公司北京100083 悉尼大学工学院悉尼2006

针对传统苹果叶部病害分类方法精准性差、效率低等问题,提出了一种基于改进resnet18的苹果叶部病害多分类算法。通过在原始resnet18网络的基础上增加通道与空间注意力机制分支,强化网络对叶部病害区域的特征提取能力,提高病害的识别精... 详细信息

针对传统苹果叶部病害分类方法精准性差、效率低等问题,提出了一种基于改进resnet18的苹果叶部病害多分类算法。通过在原始resnet18网络的基础上增加通道与空间注意力机制分支,强化网络对叶部病害区域的特征提取能力,提高病害的识别精度和实时性。为更好地引导网络学习到零散分布的病害斑点的特征,引入特征图随机裁剪分支,不仅实现有限样本空间的扩充,还进一步优化网络结构,提高训练速度。试验以苹果5类常见的叶部病害(黑星病、黑腐病、雪松锈病、灰斑病、白粉病)为主要研究对象,并与主流分类算法模型进行对比。试验结果表明,所提resnet18 CBAM RC1模型病害分类准确率可达98.25%,高于resnet18(93.19%)和VGG16(96.13%),能够有效提取叶片病害特征,增强对多类病害的识别,提高识别准确率。此外,模型内存占用量仅为37.44 MB,单幅图像推理时间为9.11 ms,可满足嵌入式设备上果园病害识别的实时性要求。

关键词：苹果叶部病害 resnet18 注意力机制随机裁剪深度学习

基于resnet18特征编码器的水稻病虫害图像描述生成

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第12期38卷 197-206页

作者：谢州益冯亚枝胡彦蓉刘洪久浙江农林大学数学与计算机科学学院杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 林业感知技术与智能装备国家林业与草原局重点实验室杭州311300

针对图像描述算法缺乏在农业领域中的应用,传统模型参数庞大的问题,该研究提出一种基于resnet18特征编码器的图像描述算法,对作物患病类型进行识别并生成描述。首先,建立水稻病虫害图像描述数据集。其次,使用浅层resnet18作为编码器,在... 详细信息

针对图像描述算法缺乏在农业领域中的应用,传统模型参数庞大的问题,该研究提出一种基于resnet18特征编码器的图像描述算法,对作物患病类型进行识别并生成描述。首先,建立水稻病虫害图像描述数据集。其次,使用浅层resnet18作为编码器,在保证特征提取能力的同时缩减网络模型大小,解码器使用融合了注意力机制的长短期记忆网络(Long Short Term Memory,LSTM)来生成图像描述。试验结果表明,改进后模型尺寸大小为原来的1/3,经过6000次迭代后模型基本收敛,准确率达到98.48%。在水稻病虫害图像描述数据集上,改进编码器-解码器结构后的双语评估替换值(Bilingual Evaluation Understudy,BLEU)和METEOR(Metric for Evaluation of Translation with Explicit ORdering)分别达到0.752和0.404,其余指标结果也明显优于其他模型,具有描述细致准确、鲁棒性强等优点,能够更好地适用于小规模数据集上的训练,可为农作物相似病害特征的自动化描述提供有益参考。

关键词：农业算法图像描述水稻病虫害编码器-解码器框架 resnet18 注意力机制

基于自适应调整VGG16模型的乳腺癌风险预测

在线全文

学校读者我要写书评

暂无评论

信息技术 2024年第5期48卷 138-143页

作者：岳洋张维苗耀锋西安外事学院工学院西安710077

乳腺癌的早期诊断可增加癌症治愈的几率,因此提升早期诊断的正确性非常重要。文中结合深度学习框架Pytorch,提出基于深度学习自适应调整VGG16模型(Ad-VGG16)应用于乳腺癌良性恶性分类预测方法。通过利用学习率自适应调整和正负例样本均... 详细信息

乳腺癌的早期诊断可增加癌症治愈的几率,因此提升早期诊断的正确性非常重要。文中结合深度学习框架Pytorch,提出基于深度学习自适应调整VGG16模型(Ad-VGG16)应用于乳腺癌良性恶性分类预测方法。通过利用学习率自适应调整和正负例样本均衡化来优化过拟合和局部最小值问题,采用交叉验证来提高网络的泛化能力,结合修改VGG16网络第一个全连接层以适应任意大小的输入样本。采用VGG16、resnet18和Ad-VGG16三个模型对DDSM数据集进行正常、良性、恶性分类预测。实验数据表明,与VGG16和resnet18网络相比,Ad-VGG16网络具有更好的分类准确度,最终的测试分类准确度为94.3%。

关键词：深度学习乳腺癌 VGG16 resnet18 DDSM数据集