检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种基于特征重用金字塔的舰船检测算法

电子测量技术 2022年第16期45卷 109-115页

作者：卢鑫凯王肖霞杨风暴刘哲中北大学信息与通信工程学院太原030051

针对现有算法在SAR图像舰船目标检测场景中难以提取模糊目标特征的问题,提出一种基于特征重用金字塔的舰船目标检测算法。所提算法以yolov4-tiny为主体,首先将线性因子引入到K-means算法中整合初始锚框,加强网络对多尺度目标的适应性;... 详细信息

针对现有算法在SAR图像舰船目标检测场景中难以提取模糊目标特征的问题,提出一种基于特征重用金字塔的舰船目标检测算法。所提算法以yolov4-tiny为主体,首先将线性因子引入到K-means算法中整合初始锚框,加强网络对多尺度目标的适应性;其次在主干CSPDarknet53-tiny中添加注意力机制来抑制干扰信息,减弱复杂背景的影响;最后利用特征重用机制强化特征金字塔,提升网络对模糊目标特征的提取能力。实验结果表明,相较于yolov4-tiny网络,改进后的算法在SSDD数据集上的平均检测精度提升11.79%,证明了改进后算法在舰船检测中的有效性。

关键词：舰船目标 SAR图像 K-means 注意力机制特征重用 yolov4-tiny

电动汽车充电站火灾多目标实时检测与预警方法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2023年第28期23卷 12136-12144页

作者：张世玉高德欣青岛科技大学自动化与电子工程学院青岛266061

电动汽车在充电过程中易发生火灾事故,为了提高电动汽车充电站火灾检测实时性,提出一种基于yolov4-tiny-CBAM的电动汽车充电站火焰烟雾多目标实时检测与预警算法:为在低算力平台实现实时检测选用yolov4-tiny轻量级网络模型;引入K-means... 详细信息

电动汽车在充电过程中易发生火灾事故,为了提高电动汽车充电站火灾检测实时性,提出一种基于yolov4-tiny-CBAM的电动汽车充电站火焰烟雾多目标实时检测与预警算法:为在低算力平台实现实时检测选用yolov4-tiny轻量级网络模型;引入K-means-GA算法重新计算锚框值;引入卷积注意力机制模块(convolutional block attention module,CBAM)以加强网络对火焰烟雾特征提取能力以提升检测精度;将电动汽车充电站监控视频作为模型检测输入源,实现就地端实时检测。实验结果表明:该改进算法模型参数量为6.143 M,视频检测每秒传输帧数(frames per second,FPS)值为43,均值平均精度(mean average precision,mAP)值为86.76%,具有较好的目标连续跟踪能力,满足实时检测的需求,对无人化电动汽车充电站安全运行以及火灾应急处置具有重要意义。

关键词：电动汽车充电站火焰烟雾检测 yolov4-tiny K-means-GA聚类算法卷积注意力机制(CBAM)

基于混合注意力机制和云数据平台的蝗虫识别系统研究

在线全文

学校读者我要写书评

暂无评论

山东农业科学 2023年第8期55卷 148-157页

作者：李军马行穆春阳王梦雪刘宝成李亚东北方民族大学电气信息工程学院宁夏银川750021 北方民族大学宁夏智能信息与大数据处理重点实验室宁夏银川750021 北方民族大学机电工程学院宁夏银川750021

为帮助农林业解决自然条件下蝗虫目标小、识别精度低、虫情数据掌握不及时的问题,减少农林业生产损失,现以深度学习为基础,提出一种改进的yolov4-tiny蝗虫目标识别模型。首先针对蝗虫目标小的特点,为提升模型在复杂背景下的细节特征提... 详细信息

为帮助农林业解决自然条件下蝗虫目标小、识别精度低、虫情数据掌握不及时的问题,减少农林业生产损失,现以深度学习为基础,提出一种改进的yolov4-tiny蝗虫目标识别模型。首先针对蝗虫目标小的特点,为提升模型在复杂背景下的细节特征提取能力和小目标识别能力,分别在加强特征提取网络的输入位置和第一次卷积结果输出位置添加混合注意力机制CBAM(convolutional block attention module);然后针对以往虫情识别无实时数据传输的问题,通过对模型的YOLO Head预测模块修改,嵌入云数据平台,实现模型对蝗虫虫情即时云端数据存储与解析功能;最后将改进后的模型移植到Jetson Xavier NX嵌入式设备,使用TensorRT加速神经网络的推理,设计了一套便携式蝗虫识别系统。试验结果表明,在自制数据集下,改进后的模型平均精度达到94.69%,在嵌入式设备上的实时检测速度达到28FPS,模型大小仅为23.6 MB。该系统的研发可为农林业蝗虫虫情识别提供新思路。

关键词：蝗虫识别 yolov4-tiny CBAM 云数据平台 Jetson Xavier NX

在线全文

学校读者我要写书评

暂无评论

基于双目视觉的载煤火车厢动态识别与定位

Journal of Measurement Science and Instrumentation 2023年第2期14卷 148-155页

作者：同志学陈佳杰康智强屈东东西安建筑科技大学机电工程学院陕西西安710055

载煤火车厢定位是煤炭采样机器人实现自主采样的关键技术之一。针对载煤火车厢的动态识别与定位问题,本文提出了一种双目立体视觉与改进yolov4-tiny结合的快速定位方法。该方法将双目相机左视图RGB图像作为改进yolov4-tiny的输入,得到... 详细信息

载煤火车厢定位是煤炭采样机器人实现自主采样的关键技术之一。针对载煤火车厢的动态识别与定位问题,本文提出了一种双目立体视觉与改进yolov4-tiny结合的快速定位方法。该方法将双目相机左视图RGB图像作为改进yolov4-tiny的输入,得到载煤车厢在图像中的位置信息,再结合双目定位原理计算出其空间位置。改进后的算法主要对yolov4-tiny进行轻量化设计,采用了新的激活函数,并利用K-mans聚类算法重新生成样本先验锚框。与原网络相比,模型大小减少了62.5%,准确率提高了0.92%,召回率提高了0.89%,检测速度提高了20%。载煤火车厢在10 m以内的平均定位误差为4.1%,最大误差为8.3%。改进后的模型具有鲁棒性强、识别速度快、轻量化等优点,能够实现载煤火车厢的动态识别及定位,为煤炭采样机器人的自主采样提供了保证。

关键词：载煤火车厢定位深度学习双目视觉目标检测 yolov4-tiny

在线全文

学校读者我要写书评

暂无评论

基于关联系数网络的电表异构信息提取方法

科学技术与工程 2023年第2期23卷 665-673页

作者：廖家威周勇方夏王玫罗彬豪朱高义四川大学机械工程学院成都610065

针对拆回电表厂家和型号众多,人工分筛的数据录入效率低、准确率难以保证的问题,提出一种基于改进关联系数神经网络的电表异构信息提取方法。首先,利用连接文本提议网络(connectionist text proposal network,CTPN)定位型号文本,并利用... 详细信息

针对拆回电表厂家和型号众多,人工分筛的数据录入效率低、准确率难以保证的问题,提出一种基于改进关联系数神经网络的电表异构信息提取方法。首先,利用连接文本提议网络(connectionist text proposal network,CTPN)定位型号文本,并利用密集连接卷积网络(DenseNet)和连接时序分类(connectionist temporal classification,CTC)识别,获取型号初步识别结果;其次,利用轻量化的实时快速目标检测(yolov4-tiny)网络检测电表商标,获取厂家初步识别结果;再次,在验证集进行测试,获取合适的自适应关联系数;最后,基于厂家和型号的信息关联和二者初步识别结果,进行关联识别,提取电表异构信息。实验结果表明:文中提出的改进关联系数神经网络可有效提取拆回电表型号和厂家这两种不同结构的信息,准确率达到98.71%,提取单张电表信息平均耗时0.406 s。与主流文本识别和目标检测算法相比,所提算法提高了拆回电表信息提取精度,有助于实现拆回电表信息的自动录入与建档。

关键词：文本识别目标检测拆回电表关联识别 yolov4-tiny CTPN-DenseNet-CTC

在线全文

学校读者我要写书评

暂无评论

基于机器学习的无序零件智能分拣方法研究

基于机器学习的无序零件智能分拣方法研究

作者：殷宇翔盐城工学院

学位级别：硕士

随着智能制造产业的快速发展,在流水线上使用机器人代替人工分拣得到广泛应用。流水线上会出现种类不同且无序放置的零件,目前工业机器人对无序零件分拣的研究大多停留在传统的机器视觉方法上,经常会出现漏检、误检等问题。近年来,深度... 详细信息

随着智能制造产业的快速发展,在流水线上使用机器人代替人工分拣得到广泛应用。流水线上会出现种类不同且无序放置的零件,目前工业机器人对无序零件分拣的研究大多停留在传统的机器视觉方法上,经常会出现漏检、误检等问题。近年来,深度学习与机器人结合已经成为当下的研究热点,卷积神经网络对不同种类零件识别效果较好且速度快,但对无序零件定位不够精准。本文提出一种基于改进yolov4-tiny的零件检测方法并结合图像处理的技术,来实现无序零件种类识别与精准定位,通过标定相机内外参数与手眼标定的方法得到像素坐标系与机器人基坐标系之间的转换关系,并对机器人正逆运动学建模完成分拣任务。主要工作内容如下:(1)根据无序零件快速识别的需求,分析了目前主流检测算法的优缺点,基于yolov4-tiny零件检测算法并进行改进,将CBAM注意力机制引入到yolov4-tiny的加强特征提取网络部分,使特征提取网络关注重要特征区域。针对自建的零件数据集数据量较少的情况,通过数据增强来进行数据扩充,并采用K-means算法对数据集进行聚类,实验表明采用改进算法具有较好的综合检测能力。(2)搭建相机模型并制作标定板,使用棋盘格标定法求解相机模型内外参数以及畸变系数,获得像素坐标系与相机坐标系的转换关系,并通过MATLAB软件仿真得出结果,利用眼在手外的方法获得相机坐标系与机器人基坐标系之间的转换关系,将无序零件像素坐标转换到机器人基坐标系。(3)针对无序零件定位精度不高的问题,在改进yolov4-tiny所得零件预测位置的基础上进一步定位,通过结合Graham算法,设置最佳阈值面积后求得零件轮廓的最小外接矩形,将矩形框的旋转角以及长边的中心点作为机械臂执行末端的抓取位姿。(4)结合目标检测模块、视觉模块与机器人抓取模块搭建智能分拣平台。建立机器人正逆运动学模型,在机器人在已知目标零件抓取位姿信息时,使机械臂执行末端可以对抓取位姿做出自适应调整。在上述研究基础上进行了多次分拣实验,实验结果表明,本文提出的智能分拣方法具有较高的可行性,提高了机器人面对复杂场景下的分拣能力。

关键词： yolov4-tiny 无序零件机器视觉机器人抓取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电缆桥架内电缆表面破损检测算法研究与应用

电缆桥架内电缆表面破损检测算法研究与应用

作者：李长勇黑龙江大学

学位级别：硕士

在发电厂内部,为了给设备供电和控制设备运行,需要布设很多电缆。由于发电厂室内空间有限,把电缆布放在电缆桥架中,将电缆桥架以多层叠放的形式架设在室内。在日常维护中,需要检查电缆是否存在破损。由于电缆桥架上下间距较小,且架设的... 详细信息

在发电厂内部,为了给设备供电和控制设备运行,需要布设很多电缆。由于发电厂室内空间有限,把电缆布放在电缆桥架中,将电缆桥架以多层叠放的形式架设在室内。在日常维护中,需要检查电缆是否存在破损。由于电缆桥架上下间距较小,且架设的位置较高,不利于人工巡检。因此需要移动机器人对桥架内电缆进行自动检测。本文研究了基于深度学习技术的电缆图像去模糊算法和电缆表面破损检测算法。针对移动机器人在采集图像时抖动引起图像模糊问题,本文引入对抗生成网络对采集的图像进行去模糊处理。为了保证算法去模糊效果更好,并且适合运行在嵌入式设备上,本文在Deblur GAN＿V2算法基础上进行优化。将Deblur GAN＿V2的主干网络从Mobile Net＿V2替换成Mobile Net＿V3,由于Mobile Net＿V3优化了输出层结构,使优化后的Deblur GAN＿V2相比于优化前Deblur GAN＿V2参数下降了14%。为了保留图像更多的细节,降低图像的失真,使用Leaky Relu函数替换算法中原有的Relu函数作为激活函数,提高了恢复图像的质量,使模糊的电缆表面破损图像的被检测率和检测正确率得到提高。本文主要针对电缆表面毛刺和裂痕两种破损的检测进行研究。使用yolov4-tiny算法实现对电缆表面破损的检测。yolov4-tiny算法是基于锚框的目标检测算法,为了使锚框的尺寸更适合电缆表面破损检测任务,利用间隔统计(Gap Statistic)和聚类算法(K-means++)两种算法组合的方式重新计算锚框的尺寸,提高了算法的检测准确率。为了提高算法对多尺寸目标场景的检测准确率,在原有结构上加入了特征增强模块和特征融合模块,提高了算法检测电缆表面破损的准确率。为了实现算法的应用,本文中还介绍了电缆桥架巡检机器人系统。系统由电缆巡检机器人和控制终端组成,根据现场的工作环境,对硬件进行设计,根据功能的需要,对系统进行了软件设计,并将算法搭载在系统上。通过电缆桥架巡检机器人系统的实际运行,验证了所提出的电缆表面破损检测算法的正确性和有效性。

关键词：电缆表面破损检测去模糊 Deblur GAN＿V2 yolov4-tiny

基于深度学习的鱼类个体识别系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的鱼类个体识别系统的设计与实现

作者：张桓郡大连海洋大学

学位级别：硕士

伴随深度学习技术的高速发展,深度学习中基于卷积神经网络的目标检测与生物识别技术被广泛地应用于鱼类识别工作中。对水产养殖企业来说,对养殖水域的鱼类进行精准的个体识别,可以帮助企业更好的掌握养殖鱼类的生长情况。一方面,可以更... 详细信息

伴随深度学习技术的高速发展,深度学习中基于卷积神经网络的目标检测与生物识别技术被广泛地应用于鱼类识别工作中。对水产养殖企业来说,对养殖水域的鱼类进行精准的个体识别,可以帮助企业更好的掌握养殖鱼类的生长情况。一方面,可以更好的掌握鱼类个体的健康情况,当鱼类生病时可以对生病的鱼类进行及时的治疗。另一方面,可以根据鱼类个体的生长情况制定出更合理的饵料投喂计划,实现对养殖鱼类的精准投喂,避免饵料浪费为企业节约成本。但是在真实的水下复杂环境中存在的,由于光线强度较弱或水中存在水草和其他漂浮物而导致收集到的鱼类个体图像模糊、由于鱼类个体尺寸变化较大或鱼类个体间的身体遮挡进而影响识别准确率的问题并没有得到有效的解决。为了解决以上问题,本文提出了两种具有递进关系的鱼类个体识别方法,分别通过对模型的检测算法和识别算法两个方面进行改进,来增强鱼类个体识别模型的整体性能。本文研究内容如下:1.在真实的水下环境中通常存在光线强度较弱和存在水草或其他漂浮物而导致图像模糊的问题。针对此问题本文提出一种融合改进的yolov4和FaceNet的水下鱼类个体识别方法。在模型改进过程中,为了提升网络对重要特征的学习能力,将卷积注意力模型与yolov4算法进行结合。使得以上真实水下环境中存在的问题得以解决,在增强模型整体性能的同时进一步提升准确性。2.在以上工作基础上,针对在真实水下环境中存在鱼类尺寸变化较大以及鱼类个体间存在身体遮挡的问题,本文提出一种对yolov4-tiny和ArcFace进行改进与融合的鱼类个体识别方法。通过对yolov4-tiny与ArcFace算法的网络结构进行改进和优化的方式提升特征在网络中的传播能力,以此增强深层网络的特征提取能力。在增强识别模型整体性能的同时,使得模型在进行鱼类个体识别任务时,对于以上存在的问题可以得到更加准确的识别结果。3.基于以上工作,本文设计并实现了一种基于深度学习的鱼类个体识别系统,系统分为鱼类个体检测模块和鱼类个体识别模块。首先构建符合模型输入要求的鱼类数据集,之后将数据集输入到鱼类个体检测模块中,通过鱼类个体检测模型生成待检测鱼类个体的预测框和坐标值信息。下一步将预测框和坐标值信息输入到鱼类个体识别模块中,对鱼类个体进行精准识别并输出识别结果。

关键词：深度学习目标检测生物识别 yolov4 yolov4-tiny FaceNet ArcFace

面向安全帽检测识别的边缘计算系统设计与应用实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向安全帽检测识别的边缘计算系统设计与应用实现

作者：占礼彬南昌工程学院

学位级别：硕士

佩戴安全帽对于保障建筑、电力等行业的施工人员安全有着至关重要的作用。但是,每年因未佩戴安全帽而造成的生产事故数量问题依然严峻,建立一套可靠的安全帽检测系统对提升生产安全具有重要意义。然而,传统的安全帽检测主要依靠安全员... 详细信息

佩戴安全帽对于保障建筑、电力等行业的施工人员安全有着至关重要的作用。但是,每年因未佩戴安全帽而造成的生产事故数量问题依然严峻,建立一套可靠的安全帽检测系统对提升生产安全具有重要意义。然而,传统的安全帽检测主要依靠安全员的巡查记录,该方法既费时又难以同时检测大量员工。此外,现有的基于深度学习的安全帽检测算法实现需要高性能的硬件设备且大多部署在云服务器上,产生的数据流量大、易受到网络拥塞等因素的影响,实时性无法得到保证。为此,设计了一种面向安全帽检测识别的边缘计算系统,可以快速准确的实现安全帽佩戴检测并及时预警。本论文具体研究工作及成果如下:(1)针对传统安全帽检测方法效率低、成本高的问题,设计开发了一套基于Jetson nano核心板的低功率、低成本的边缘硬件系统样机。该硬件系统由HDMI、USB、Wi Fi、多个以太网接口、电源等模块组成,可以在一个边缘端同时连接多个IP监控摄像头,扩大了检测范围,进而提高了检测效率。(2)针对目前深度学习检测模型部署在云服务器上可能存在的高延迟、数据流量大等问题,提出基于yolov4-tiny的面向安全帽目标识别算法。该算法基于收集的安全帽数据集,通过数据集优化训练得到了安全帽检测模型。为了提高算法部署在边缘端的推理速度,通过模型网络层间融合和模型精度量化的方式优化网络模型。此外,在边缘端开发了可以实时检测安全帽佩戴情况和截图保存上报的软件系统,实现了安全帽检测的低延迟,减少了数据流量的产生。(3)为了提高系统的可用性,更方便安全管理员的使用与监管,设计并实现了Boa网页配置和Web可视化。边缘设备可以通过Boa网页对检测系统进行参数配置,简化了系统的使用流程,降低了使用难度。系统不仅会在边缘端实时展示检测画面,还会将未佩戴安全帽的施工人员截图上传至Web可视化界面预警展示。最后,通过对面向安全帽检测识别的边缘计算系统的实例测试表明,设计开发的系统能有效实现对安全帽的精准识别检测、异常截图上报和Web可视化预警展示。

关键词：安全帽边缘计算 yolov4-tiny 目标检测视频监控