检索结果-维普期刊中文期刊服务平台

基于上采样金字塔结构的卷积神经网络的非侵入负荷辨识算法被引量：5: 1; 作者杜宇严萌武昕《计算机应用》 CSCD 北大核心 2022年第10期3300-3306,共7页; 非侵入式负荷监测(NILM)技术为需求侧管理提供了技术支撑,而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集,得到的负荷数据还存在缺乏时序性的问题;同时,卷积神经网络(CNN)存在对低级信... 展开更多; 关键词非侵入负荷辨识需求侧管理数据上采样双向金字塔结构卷积神经网络自动特征提取; 在线阅读下载PDF 职称材料

基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别: 2; 作者毛清华苏毅楠 +3 位作者贺高峰翟姣王荣泉尚新芒《工矿自动化》北大核心 2025年第1期11-20,103,共11页; 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 展开更多; 关键词煤矿带式输送机人员入侵危险区域 YOLOv8模型遮挡目标检测小目标检测多尺度融合 C2fER模块特征强化加权双向特征金字塔网络结构; 在线阅读下载PDF 职称材料

基于混合注意力模型的阴影检测方法被引量：3: 3; 作者谭道强曾诚 +1 位作者乔金霞张俊《计算机应用》 CSCD 北大核心 2021年第7期2076-2081,共6页; 图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算... 展开更多; 关键词阴影检测卷积神经网络空间注意力通道注意力信息补偿机制双向金字塔结构; 在线阅读下载PDF 职称材料

基于无人机航拍的绝缘子掉串实时检测研究被引量：9: 4; 作者李登攀任晓明颜楠楠《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第8期994-1003,共10页; 由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络... 展开更多; 关键词无人机绝缘子掉串双向特征金字塔网络结构 γ系数剪枝微调 DIoU损失函数图像增强; 在线阅读下载PDF 职称材料

题名基于上采样金字塔结构的卷积神经网络的非侵入负荷辨识算法被引量：5: 1; 作者杜宇严萌武昕; 机构华北电力大学电气与电子工程学院; 出处《计算机应用》 CSCD 北大核心 2022年第10期3300-3306,共7页; 基金中央高校基本科研业务费专项资金资助项目(2020MS002)。; 文摘非侵入式负荷监测(NILM)技术为需求侧管理提供了技术支撑,而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集,得到的负荷数据还存在缺乏时序性的问题;同时,卷积神经网络(CNN)存在对低级信号特征表现不足的缺陷。针对以上两个问题,提出了一种基于上采样金字塔结构的CNN非侵入负荷辨识算法。所提算法直接面向采集到的负荷电流信号,利用上采样网络扩展数据在时间维度上的相关信息弥补数据的时序性,并通过双向金字塔一维卷积提取负荷信号的高级与低级特征,以对负荷特征进行全面利用,从而实现对未知负荷信号进行识别的目的。实验结果表明,基于上采样金字塔结构的CNN非侵入负荷辨识算法的识别准确率能够达到95.21%,且具有良好的泛化能力,可有效实现负荷辨识。; 关键词非侵入负荷辨识需求侧管理数据上采样双向金字塔结构卷积神经网络自动特征提取; Keywords non-intrusive load identification demand side management data upsampling bidirectional pyramid structure Convolution Neural Network(CNN) automatic feature extraction; 分类号 TM933 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别: 2; 作者毛清华苏毅楠贺高峰翟姣王荣泉尚新芒; 机构西安科技大学机械工程学院陕西省矿山机电装备智能检测与控制重点实验室陕西小保当矿业有限公司西安重装韩城煤矿机械有限公司; 出处《工矿自动化》北大核心 2025年第1期11-20,103,共11页; 基金陕西省教育厅青年创新团队科研计划项目(23JP094) 陕西省秦创原“科学家+工程师”队伍建设项目(2023KXJ-238) 陕西省科技厅重点研发计划项目(2024CY2-GJHX-25)。; 文摘针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。; 关键词煤矿带式输送机人员入侵危险区域 YOLOv8模型遮挡目标检测小目标检测多尺度融合 C2fER模块特征强化加权双向特征金字塔网络结构; Keywords coal mine belt conveyor personnel intrusion into hazardous areas YOLOv8 model occluded target detection small target detection multi-scale fusion C2fER module Feature Enhancement Weighted Bi-Directional Feature Pyramid Network(FE-BiFPN); 分类号 TD528 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于混合注意力模型的阴影检测方法被引量：3: 3; 作者谭道强曾诚乔金霞张俊; 机构湖北大学计算机与信息工程学院湖北省软件工程工程技术研究中心(湖北大学) 智慧政务与人工智能应用湖北省工程研究中心(湖北大学); 出处《计算机应用》 CSCD 北大核心 2021年第7期2076-2081,共6页; 基金国家自然科学基金面上项目(61977021) 国家自然科学基金青年科学基金项目资助项目(61902114) 湖北省2019年技术创新专项(2019ACA144)。; 文摘图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算法,但它们只关注了局部的阴影,忽略了阴影之间的联系。针对该问题,为提升阴影检测的准确率和鲁棒性,提出了基于混合注意力模型的阴影检测方法。首先将预训练后的深层网络ResNext101作为前端特征提取网络,提取图像的基本特征;其次采用双向金字塔结构由浅入深、由深到浅的方式进行特征融合,并提出信息补偿机制减少深层语义信息丢失;然后结合空间注意力和通道注意力提出混合注意力模型进行特征融合,捕捉阴影区域和非阴影区域的差异;最后融合两个方向的预测结果从而得到最终的阴影检测结果。在公开数据集SBU、UCF上对所提方法进行可行性对比实验,结果表明,相较于DSC算法,所提方法的平衡误差率(BER)分别降低了30%和11%,说明它能够较好地抑制阴影错误检测并增强阴影细节。; 关键词阴影检测卷积神经网络空间注意力通道注意力信息补偿机制双向金字塔结构; Keywords shadow detection Convolutional Neural Network(CNN) spatial attention channel attention information compensation mechanism bidirectional pyramid structure; 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

题名基于无人机航拍的绝缘子掉串实时检测研究被引量：9: 4; 作者李登攀任晓明颜楠楠; 机构上海电机学院电气学院国网华东电力试验研究院有限公司复旦大学类脑智能科学与技术研究院; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第8期994-1003,共10页; 基金上海市科技重大专项(2018SHZDZX01)。; 文摘由无人机代替人工进行电力绝缘子巡检具有重要意义,针对无人机的上位机算力和存储资源有限的问题,提出一种适用于绝缘子掉串故障检测的实时目标检测改进算法.以YOLOv5s检测网络为基础,将颈部结构中路径聚合网络替换为双向特征金字塔网络,以提升特征融合能力;使用DIoU优化损失函数,对模型进行γ系数的通道剪枝和微调,总体上提升检测网络的精度、速度和部署能力;在网络输出处进行图像增强以提升算法可用性.在特殊扩增的绝缘子故障数据集下测试,相较于原始的YOLOv5s算法,改进算法在精度平均值上提升了3.91%,速度提升了25.6%,模型体积下降了59.1%.; 关键词无人机绝缘子掉串双向特征金字塔网络结构 γ系数剪枝微调 DIoU损失函数图像增强; Keywords unmanned aerial vehicle(UAV) insulator drop string bi-directional feature pyramid network(BiFPN) γcoefficient pruning fine adjustment DIoU loss function image enhancement; 分类号 TM855 [电气工程—高电压与绝缘技术]; 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	基于上采样金字塔结构的卷积神经网络的非侵入负荷辨识算法	杜宇严萌武昕	《计算机应用》 CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
2	基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别	毛清华苏毅楠贺高峰翟姣王荣泉尚新芒	《工矿自动化》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于混合注意力模型的阴影检测方法	谭道强曾诚乔金霞张俊	《计算机应用》 CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
4	基于无人机航拍的绝缘子掉串实时检测研究	李登攀任晓明颜楠楠	《上海交通大学学报》 EI CAS CSCD 北大核心	2022	9	在线阅读下载PDF 职称材料