检索结果-维普期刊中文期刊服务平台

增强特征表示的绝缘子缺陷检测方法: 1; 作者李丽芬王明 +1 位作者曹旺斌梅华威《计算机工程与设计》北大核心 2025年第8期2373-2379,共7页; 针对绝缘子缺陷目标区域较小、部分缺陷特征相似,从而导致检测精度较低的问题,提出了一种特征表示增强模型(FLDM-YOLO)。该模型基于FasterNet重构特征提取网络并且结合大核可分离注意力(LSKA)设计了SPPF-LSKA模块,增强了对目标的特征提... 展开更多; 关键词目标检测绝缘子部分卷积主干特征提取网络大核可分离注意力重参数化边界框损失函数; 在线阅读下载PDF 职称材料

砂样图像岩屑自动分割提取方法被引量：2: 2; 作者夏文鹤唐印东 +4 位作者李皋韩玉娇林永学吴雄军石祥超《岩石矿物学杂志》 CAS CSCD 北大核心 2023年第6期894-906,共13页; 通过将砂样图像进行单颗粒分割,识别砂样成分,可显著提高砂样岩性分析的准确性和效率。现有的砂样图像分割方法主要以传统分水岭算法和卷积神经网络为主,但由于对单颗粒岩屑轮廓细节提取不足,误分割率高。本文提出一种以图像融合算法为... 展开更多; 关键词砂样图像单颗粒分割主干特征提取网络图像融合分水岭算法单颗粒提取; 在线阅读下载PDF 职称材料

改进YOLOX的绝缘子故障实时检测方法被引量：1: 3; 作者邓伟王洪亮《现代电子技术》 2023年第21期166-171,共6页; 绝缘子作为输电线路中的重要组成部分,对输电线路的正常运行起到关键作用。针对传统检测算法参数多,无法满足绝缘子缺陷检测实时性的问题,提出一种基于改进YOLOX的绝缘子故障实时检测方法。首先将深度可分离卷积与主干特征提取网络相结... 展开更多; 关键词绝缘子故障 YOLOX 实时检测深度可分离卷积主干特征提取网络网络复杂度; 在线阅读下载PDF 职称材料

基于改进YOLOv3的骑车人识别研究: 4; 作者马佳峰陈凌珊《农业装备与车辆工程》 2022年第4期56-60,共5页; 针对智能网联汽车大发展环境下骑车人在公路上为易受伤群体的问题,将目标识别作为无人驾驶技术中的关键一环,提出使用YOLOv3算法对骑车人识别算法进行研究。YOLOv3的主干特征提取网络为Darknet-53,此种网络结构针对于多种类目标检测适... 展开更多; 关键词骑车人识别深度学习 YOLOv3 主干特征提取网络损失函数; 在线阅读下载PDF 职称材料

题名增强特征表示的绝缘子缺陷检测方法: 1; 作者李丽芬王明曹旺斌梅华威; 机构华北电力大学计算机系华北电力大学复杂能源系统智能计算教育部工程研究中心华北电力大学河北省电力物联网技术重点实验室; 出处《计算机工程与设计》北大核心 2025年第8期2373-2379,共7页; 基金河北省省级科技计划基金项目(SZX2020034) 中央高校基本科研业务费专项基金项目(2024MS112)。; 文摘针对绝缘子缺陷目标区域较小、部分缺陷特征相似,从而导致检测精度较低的问题,提出了一种特征表示增强模型(FLDM-YOLO)。该模型基于FasterNet重构特征提取网络并且结合大核可分离注意力(LSKA)设计了SPPF-LSKA模块,增强了对目标的特征提取能力;以重参数化技术为基础,提出了C2f-DBB模块,处理目标缺陷特征相似的问题;在边界框回归阶段使用MPDIoU作为损失函数,使得模型更加关注高质量锚框。实验结果表明,FLDM-YOLO模型在保证一定检测速度的前提下,mAP为91.3%,较YOLOv8模型提高了4.2%,可有效应用于实际的巡检工作。; 关键词目标检测绝缘子部分卷积主干特征提取网络大核可分离注意力重参数化边界框损失函数; Keywords object detection insulator partial convolution backbone network large kernel separable attention reparameterization bounding box loss function; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名砂样图像岩屑自动分割提取方法被引量：2: 2; 作者夏文鹤唐印东李皋韩玉娇林永学吴雄军石祥超; 机构西南石油大学电气信息学院西南石油大学石油与天然气工程学院中国石化石油工程技术研究院; 出处《岩石矿物学杂志》 CAS CSCD 北大核心 2023年第6期894-906,共13页; 基金国家重点研发计划(2019YFA0708303) 中国石油-西南石油大学创新联合体项目(2020CX040103)。; 文摘通过将砂样图像进行单颗粒分割,识别砂样成分,可显著提高砂样岩性分析的准确性和效率。现有的砂样图像分割方法主要以传统分水岭算法和卷积神经网络为主,但由于对单颗粒岩屑轮廓细节提取不足,误分割率高。本文提出一种以图像融合算法为桥梁,将卷积神经网络和分水岭算法相结合的单颗粒图像分割提取方法。首先利用改进的Mask R-CNN网络快速分割砂样原图,获得其初分割图像;然后,将初分割图像与砂样原图进行融合,再使用改进的分水岭算法对融合结果进行分割;最后,利用砂样原图坐标点匹配方法,将分水岭分割得到的结果图像进行修正,完成单颗粒岩屑图像提取。实验结果表明,本文的单颗粒自动分割提取方法准确率高达96.77%,且模型更轻量和精准,为岩屑图像分割提供了一种可行且有效的方法,可满足有效测算油藏层构造变化、查找潜在沉积物源及储层动态变化的需求。; 关键词砂样图像单颗粒分割主干特征提取网络图像融合分水岭算法单颗粒提取; Keywords sandstone sample image single particle segmentation backbone feature extraction network image fusion watershed algorithm single grain extraction; 分类号 TE19 [石油与天然气工程—油气勘探] P588.21 [天文地球—岩石学]; 在线阅读下载PDF 职称材料

题名改进YOLOX的绝缘子故障实时检测方法被引量：1: 3; 作者邓伟王洪亮; 机构昆明理工大学信息工程与自动化学院昆明理工大学民航与航空学院; 出处《现代电子技术》 2023年第21期166-171,共6页; 基金国家自然科学基金资助项目(62163021)。; 文摘绝缘子作为输电线路中的重要组成部分,对输电线路的正常运行起到关键作用。针对传统检测算法参数多,无法满足绝缘子缺陷检测实时性的问题,提出一种基于改进YOLOX的绝缘子故障实时检测方法。首先将深度可分离卷积与主干特征提取网络相结合,减少网络计算量,以提升检测速度;其次引入简化BiFPN,减少图片输入时计算所产生的特征图冗余和模型参数量,以降低网络复杂度;最后针对缺乏缺陷绝缘子类数据的问题,提出随机处理图片的数据增强方法。采用实验拍摄高清图片与缺陷绝缘子数据集结合,对改进的网络进行验证。结果表明,改进后的算法比原始的YOLOX算法检测速度提升13.8%,并且具有较高的平均检测精度(mAP=99.64%)。; 关键词绝缘子故障 YOLOX 实时检测深度可分离卷积主干特征提取网络网络复杂度; Keywords insulator failure YOLOX real⁃time detection depthwise separable convolution backbone feature extraction network network complexity; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv3的骑车人识别研究: 4; 作者马佳峰陈凌珊; 机构上海工程技术大学机械与汽车工程学院; 出处《农业装备与车辆工程》 2022年第4期56-60,共5页; 文摘针对智能网联汽车大发展环境下骑车人在公路上为易受伤群体的问题,将目标识别作为无人驾驶技术中的关键一环,提出使用YOLOv3算法对骑车人识别算法进行研究。YOLOv3的主干特征提取网络为Darknet-53,此种网络结构针对于多种类目标检测适用性强,然而公路骑车人作为单种类目标,Darknet-53网络结构显得冗繁。基于此,提出一种在YOLOv3算法基础上记性改进的算法,通过替换主干特征提取网络为Dark-19简化网络结构,降低网络复杂度,之后优化损失函数,将原来的IoU替换成CIoU,以提高识别精度。通过在TDCB上进行仿真实验,结果表明,改进后的YOLOv3算法平均检测精度和检测速度都有所提高,精度上提高了约3%,检测速度上约提高了0.013 s,此种改进后的算法有助于提高公路骑车人的安全性,对骑车人识别研究有着重要意义。; 关键词骑车人识别深度学习 YOLOv3 主干特征提取网络损失函数; Keywords cyclist identification deep learning YOLOv3 backbone feature extraction network loss function; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	增强特征表示的绝缘子缺陷检测方法	李丽芬王明曹旺斌梅华威	《计算机工程与设计》北大核心	2025	0	在线阅读下载PDF 职称材料
2	砂样图像岩屑自动分割提取方法	夏文鹤唐印东李皋韩玉娇林永学吴雄军石祥超	《岩石矿物学杂志》 CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
3	改进YOLOX的绝缘子故障实时检测方法	邓伟王洪亮	《现代电子技术》	2023	1	在线阅读下载PDF 职称材料
4	基于改进YOLOv3的骑车人识别研究	马佳峰陈凌珊	《农业装备与车辆工程》	2022	0	在线阅读下载PDF 职称材料