检索结果-南通市图书馆

温度和光照对动车组用矿物型变压器油荧光特性的影响

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第8期44卷 2233-2239页

作者：赵恩波史泽林刘云鹏李晨曦中国科学院光电信息处理重点实验室辽宁沈阳110016 中国科学院沈阳自动化研究所辽宁沈阳110016 中国科学院大学北京100049

牵引变压器渗漏油检测是动车组运行故障检测的重要部分。动车组运行故障图像检测系统采集的近红外底板图像中渗漏变压器油痕迹与水迹的特征相似,致使列检员与图像识别算法均无法有效识别渗漏油痕迹,进而导致渗漏油故障的误报率高,影响... 详细信息

牵引变压器渗漏油检测是动车组运行故障检测的重要部分。动车组运行故障图像检测系统采集的近红外底板图像中渗漏变压器油痕迹与水迹的特征相似,致使列检员与图像识别算法均无法有效识别渗漏油痕迹,进而导致渗漏油故障的误报率高,影响列车的正常运行和检修效率。由于水不具有荧光特性,而矿物型变压器油具有紫外荧光特性,故可通过荧光成像将两者区分。另外,由于动车组运行季节、地域、时间段不同,致使渗漏的变压器油处于不同的环境条件中,进而影响渗漏油的荧光特性。而渗漏油的荧光特性决定荧光成像系统激发光源波长和成像波段的选取。因此,为了明确动车组用矿物型变压器油的荧光特性,以及两个主要环境因素温度、光照对荧光特性的影响,首先制备了不同温度、不同光照条件下的变压器油样本;而后,利用荧光光谱仪采集样本的三维荧光光谱,进而分析样本的荧光特性、温度和光照对荧光特征峰位置和强度的影响。结果表明,动车组用矿物型变压器油具有两个较强的荧光激发/发射峰,分别位于350/382 nm和350/402 nm;温度的升高引起荧光强度下降,但未改变荧光波峰位置;光照强度的增加与光照时间的延长都引起荧光强度下降,但未显著改变荧光波峰的位置;在动车组运行监测时间间隔内,温度和光照未显著改变油品的荧光特性。实验结果为荧光成像检测动车组用矿物型变压器油的渗漏故障提供了实验依据和数据支持。

关键词：变压器油渗漏油检测温度光照荧光特性动车组

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv3的车辆检测算法

控制与决策 2024年第4期39卷 1151-1159页

作者：陈文玉赵怀慈刘鹏飞房建孙晖中国科学院光电信息处理重点实验室沈阳110016 中国科学院沈阳自动化研究所沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110169 中国科学院大学北京100049

交通场景下的车辆检测问题存在小目标多、目标遮挡严重等情况,鉴于此,提出一种基于改进YOLOv3的车辆检测算法.由于小目标仅包含较少的像素,特征不明显,算法在空间金字塔结构中融入软池化操作,搭建Soft-SPP结构将多重感受野融合,通过软... 详细信息

交通场景下的车辆检测问题存在小目标多、目标遮挡严重等情况,鉴于此,提出一种基于改进YOLOv3的车辆检测算法.由于小目标仅包含较少的像素,特征不明显,算法在空间金字塔结构中融入软池化操作,搭建Soft-SPP结构将多重感受野融合,通过软池化操作最大程度地保留细节,有效提取小目标特征;引入坐标注意力机制,在调整每个通道特征分配权重的同时能够捕捉具有精确位置信息的远程依赖关系;提出一种新的损失函数KIoU Loss作为边界框损失函数,同时考虑边界框的关键点与长宽比使之回归更加准确.实验结果表明,改进后的算法在自动驾驶KITTI数据集上平均精度达到94.69%,相比原始YOLOv3算法精度提升4.13%,且检测速度仅下降3.16 frame·s^(-1),在保持检测速度的情况下能够明显提升检测精度.

关键词：车辆检测深度学习 YOLOv3 坐标注意力 Soft-SPP KIoU Loss

在线全文

学校读者我要写书评

暂无评论

面向纺织印染的新一代数字制造系统

纺织学报 2024年第6期45卷 173-185页

作者：袁沐坤于广平刘坚李健王志广苑明哲郭清达中国科学院沈阳自动化研究所辽宁沈阳110016 广州工业智能研究院广东广州511458 中国科学院大学北京100049

针对纺织印染业数据感知、信息融合、知识推理、业务交互、人机协同等网络化、智能化产业升级需求,提出纺织印染新一代数字制造系统框架,结合业务生产全流程建立数据中台实现跨系统融合的综合智能决策;面向全生产决策领域构建决策支持... 详细信息

针对纺织印染业数据感知、信息融合、知识推理、业务交互、人机协同等网络化、智能化产业升级需求,提出纺织印染新一代数字制造系统框架,结合业务生产全流程建立数据中台实现跨系统融合的综合智能决策;面向全生产决策领域构建决策支持组件池,推进业务系统与控制系统的融合;基于全业务生产流程数据的感知融合,搭建经营驾驶舱、订单数字化管控系统、设备数字化管控系统、能源数字化管控系统与环保安防数字化管控系统等,形成决策-执行闭环反馈的模式,实现业务和生产全流程信息管控。广东某纺织染整有限公司基于该纺织印染新一代数字制造系统框架对染色车间进行数字制造技术升级,与2019年度相比,该企业2021年度智能染色和定形示范车间人均产值提升145.0%和129.9%,良品率提升9.1%和2.6%,能源利用率提升31.9%和34.9%,在生产效率、产品质量、能源利用方面获得显著提升。

关键词：纺织印染产业升级数字制造数据感知融合人机协同

面向遮挡行人检测的自适应收缩非极大值抑制方法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第7期39卷 2177-2185页

作者：李翔何淼罗海波中国科学院沈阳自动化研究所光电信息处理重点实验室沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110169 中国科学院大学北京100049

基于视觉的行人检测是目标检测中的重要研究方向.如今主流的基于锚框的行人检测器输出的结果是大量冗余的,在结果输出之前需要对冗余预测进行非极大值抑制,因而非极大值抑制的效果将直接影响检测器的性能.行人检测任务中最大的挑战在于... 详细信息

基于视觉的行人检测是目标检测中的重要研究方向.如今主流的基于锚框的行人检测器输出的结果是大量冗余的,在结果输出之前需要对冗余预测进行非极大值抑制,因而非极大值抑制的效果将直接影响检测器的性能.行人检测任务中最大的挑战在于目标之间互相遮挡的现象,而严重重叠的目标使得传统的基于固定阈值的非极大值抑制方法难以在高召回率与低虚警率之间取得平衡.针对以上问题,提出一种根据重叠度自适应收缩预测框的非极大值抑制方法.根据对应目标的重叠度将预测框进行自适应的收缩,以降低预测框之间的重叠度.对收缩后的预测框进行非极大值抑制,可避免高重叠预测框对处理结果的影响.此外,指向性不明确的预测框将影响本算法的性能,为此提出一种中心点排斥损失函数,通过在重叠框的中心点之间施加排斥力来减少介于两目标之间的指向性不明确的模糊预测框数量,增强自适应收缩非极大值抑制算法的效果.仿真实验结果表明,所提算法可以有效提升基于锚框的检测器对重叠行人目标的检测性能.

关键词：非极大值抑制遮挡行人检测目标检测深度学习计算机视觉机器学习

基于李雅普诺夫优化和深度强化学习的多任务端边迁移

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第7期39卷 2457-2464页

作者：许驰唐紫萱金曦夏长清中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016 中国科学院网络化控制系统重点实验室沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110169 中国科学院大学北京100049

针对多终端、多边缘服务器场景下异构工业任务的端边协同处理问题,提出一种基于李雅普诺夫优化和深度强化学习的多任务端边迁移算法.首先,以联合优化任务迁移决策、迁移比例和传输功率为目标,充分考虑计算频率、传输功率、长期能耗和任... 详细信息

针对多终端、多边缘服务器场景下异构工业任务的端边协同处理问题,提出一种基于李雅普诺夫优化和深度强化学习的多任务端边迁移算法.首先,以联合优化任务迁移决策、迁移比例和传输功率为目标,充分考虑计算频率、传输功率、长期能耗和任务截止期等约束,构建系统长期平均开销最小化问题;由于问题中长期目标及约束中变量在不同时隙相互耦合,难以求解,基于李雅普诺夫优化理论,将长期平均开销最小化问题解耦为独立时隙的策略优化问题;通过马尔可夫决策过程建模,并采用双层竞争深度神经网络架构,提出基于深度强化学习的多任务迁移算法.实验结果表明,所提算法能够稳定收敛,并在长期能耗约束和任务截止期要求下有效降低系统长期平均开销.

关键词：异构工业任务任务迁移李雅普诺夫优化马尔可夫决策过程深度强化学习

深度学习图像识别辅助原子力显微镜单细胞力学特性精准高效探测

在线全文

学校读者我要写书评

暂无评论

生物化学与生物物理进展 2024年第2期51卷 468-480页

作者：吕晓龙李密中国科学院沈阳自动化研究所机器人学国家重点实验室沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110169 沈阳工业大学人工智能学院沈阳110870

目的原子力显微镜(AFM)的出现为生命科学研究提供了强大工具,特别是AFM压痕实验技术已成为细胞力学特性探测的重要方法,从单细胞尺度为生理病理活动过程带来了大量新的认识,是对传统生化集群平均研究方法的有力补充。然而现有AFM压痕实... 详细信息

目的原子力显微镜(AFM)的出现为生命科学研究提供了强大工具,特别是AFM压痕实验技术已成为细胞力学特性探测的重要方法,从单细胞尺度为生理病理活动过程带来了大量新的认识,是对传统生化集群平均研究方法的有力补充。然而现有AFM压痕实验技术存在着依赖人工、效率低下等不足,严重制约了其在生命科学领域的实际应用。本文通过将光学显微成像自动目标识别技术与AFM压痕技术结合,建立了单个游离态细胞及聚团生长细胞的力学特性精准高效测量方法。方法利用YOLO深度学习算法识别出光学图像中细胞的中心部位,并通过嵌入视觉转换器(ViT)模块的双UNet神经网络模型对细胞边缘部位进行精确分割,同时采用模板匹配算法对光学图像中AFM微球探针进行定位,在此基础上自动确定AFM探针上的微球针尖与细胞不同部位之间的空间位置关系,进而对细胞中心部位和边缘部位的力学特性进行快速测量。选取HEK 293(人胚胎肾细胞)和HGC-27(人未分化胃癌细胞)两种细胞进行验证实验,并利用Hertz模型对获取的力曲线进行分析以得到细胞杨氏模量。结果在深度学习光学图像自动识别导引下可将AFM探针准确移动至细胞不同部位(中心和边缘)进行力学特性测量,同时实验结果表明,本文提出的方法不仅可对单个游离态细胞进行可靠测量,也适用于聚团生长的细胞。结论深度学习图像识别在辅助AFM单细胞力学特性精准高效探测方面具有巨大潜力,将深度学习图像识别与AFM结合有助于发展面向生物医学应用的高通量单细胞力学特性测量方法。

关键词：原子力显微镜细胞力学特性光学图像深度学习杨氏模量微球探针

面向智能制造的工业互联网:过去、现在与未来（英文）

在线全文

学校读者我要写书评

暂无评论

Frontiers of Information Technology & Electronic Engineering 2024年第9期25卷 1173-1193页

作者：许驰于海斌金曦夏长清李栋曾鹏中国科学院沈阳自动化研究所机器人学国家重点实验室中国科学院网络化控制系统重点实验室中国科学院机器人与智能制造创新研究院中国科学院大学

新一代信息通信技术与先进制造技术深度融合所催生的工业互联网，通过“人、机、物”全要素互联，将全方位打通生产链、价值链和产业链，推动构建全新的制造和服务体系。其中，进行个性化定制生产，实现差异化服务是未来制造的典型范式... 详细信息

新一代信息通信技术与先进制造技术深度融合所催生的工业互联网，通过“人、机、物”全要素互联，将全方位打通生产链、价值链和产业链，推动构建全新的制造和服务体系。其中，进行个性化定制生产，实现差异化服务是未来制造的典型范式，亟需突破现有分层异构工业网络所塑造的“烟囱式”服务架构，打造扁平化的网络新体系，构建制造与服务的透明通道。本文从流程制造和离散制造的基本概念出发，首先充分挖掘了典型制造任务的基本要求；然后，通过对工业互联网发展历程的概述，系统介绍并比较了工业互联网的网络能力现状，进一步分析了工业互联网的现存问题。在此基础上，提出建立“感知-通信-计算-控制”一体化的工业互联网“细腰”新架构。进一步地，深入分析讨论了所面临的核心挑战及未来研究方向，包括工业互联网的业务-资源多维协同感知、异构融合网络端到端确定性通信、虚拟计算与运行控制。

关键词：智能制造工业互联网细腰透明服务制造即服务

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合边缘与灰度特征的形变工件精准定位方法

中国图象图形学报 2024年第1期29卷 192-204页

作者：李思聪朱枫吴清潇中国科学院光电信息处理重点实验室沈阳110016 中国科学院沈阳自动化研究所沈阳110016 中国科学院机器人与智能制造创新研究院沈阳110169 中国科学院大学北京100049

目的工业机器人视觉领域经常需要对一些由拼装、冲压或贴合等工艺造成的形变工件进行精准定位,工件的大部分特征表现出一定程度的非刚性,其他具备良好一致性的部分通常特征简单,导致一些常用的目标检测算法精度不足或鲁棒性不强,难以满... 详细信息

目的工业机器人视觉领域经常需要对一些由拼装、冲压或贴合等工艺造成的形变工件进行精准定位,工件的大部分特征表现出一定程度的非刚性,其他具备良好一致性的部分通常特征简单,导致一些常用的目标检测算法精度不足或鲁棒性不强,难以满足实际需求。针对这一问题,提出融合边缘与灰度特征的形变工件精准定位方法。方法第1阶段提出多归一化互相关的模板匹配MNCC(multi normalized cross correlation)方法检测形变目标,利用余弦距离下的灰度聚类获得均值模板,通过滑动窗口的方式,结合金字塔跟踪,自顶向下地优先搜索类均值模板,得到类匹配候选,然后进行类内细搜索获得最佳位置匹配。第2阶段提出一种改进的形状匹配方法T-SBM(truncated shape-based matching),通过改变原始SBM(shape-based matching)的梯度方向内积的计算方式,对负梯度极性方向截断,削弱目标背景不稳定导致局部梯度方向反转时对整体评分的负贡献,改善边缘稀疏或特征简单导致检测鲁棒性低的问题。最后提出二维高斯条件密度评价,将灰度特征、形状特征和形变量进行综合加权,获得理想目标评价,实现序贯检测。结果实验部分分别与SBM、归一化互相关匹配算法(normalized cross correlation,NCC)、LINE2D(linearizing the memory 2D)算法和YOLOv5s(you only look once version 5 small)算法在5种类型工件的472幅真实工业图像上进行了对比测试,在检出分值大于0.8(实际常用的阈值区间)时,提出算法的召回率优于其他几种测试算法;在IoU(intersection over union)阈值0.9时的平均检测准确率为81.7%,F1-Score为95%,两组指标相比其他测试算法分别至少提升了10.8%和8.3%。在平均定位精度方面,提出算法的定位偏差在IoU阈值0.9时达到了2.44像素,在5种测试算法中的表现也为最佳。结论提出了一种两阶段的定位方法,该方法适用于检测工业场景中由拼装、冲压和贴合等工艺制成的形变工件并能够进行精准定位,尤其适用于工业机器人视觉引导定位应用场景,并在实际项目中得到了应用。

关键词：机器视觉目标定位二阶段检测归一化互相关匹配形状匹配(SBM)

基于空间非一致模糊核标定的红外图像超分辨率重建方法

在线全文

学校读者我要写书评

暂无评论

红外与激光工程 2024年第2期53卷 217-226页

作者：曹军峰丁庆海罗海波中国科学院光电信息处理重点实验室辽宁沈阳110016 中国科学院沈阳自动化研究所辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110169 中国科学院大学北京100049 航天恒星科技有限公司北京100086

近年来,红外成像系统在工业、安防、遥感等领域获得了广泛的应用,但由于制造工艺及成本制约,红外系统的分辨率仍然较低。基于深度神经网络的单帧图像超分辨率重建技术是提高红外图像分辨率的有效方法,获得了广泛研究,并在仿真图像上取... 详细信息

近年来,红外成像系统在工业、安防、遥感等领域获得了广泛的应用,但由于制造工艺及成本制约,红外系统的分辨率仍然较低。基于深度神经网络的单帧图像超分辨率重建技术是提高红外图像分辨率的有效方法,获得了广泛研究,并在仿真图像上取得了显著进展,但应用于实际场景图像时容易出现伪影或图像模糊等现象。造成这种性能差异的主要原因是目前方法大多假定造成图像退化的模糊核是空间一致的,然而实际红外光学系统不可避免地存在像差、热离焦等,由此造成的图像模糊的模糊核并非空间一致的。针对这一问题,提出了一种非盲模糊核估计方法,通过采集特定的靶标图像,并设计模糊核估计网络,求解空间非一致模糊核;设计基于图像分块的超分辨率重建方法,将图像块和对应区域的模糊核一起输入非盲超分辨率重建网络进行子块图像重建,再通过子块合并和重叠区域图像融合,得到最终的高分辨率图像。实验结果表明,光学系统自身引起了模糊核随空间位置缓慢变化,在实验室条件下标定模糊核并基于图像分块进行超分辨率重建的方法可显著提高红外图像超分辨率重建的效果。

关键词：超分辨率重建空间非一致模糊模糊核估计红外图像