-
题名基于原型自适应对齐网络的小样本玉米病虫害检测
- 1
-
-
作者
郝惠惠
王林
汪金龙
-
机构
郑州工商学院信息工程学院
西安理工大学自动化与信息工程学院
-
出处
《江苏农业科学》
北大核心
2024年第20期228-236,共9页
-
基金
河南省高等学校重点科研项目(编号:22B520039)
河南省本科高校研究性教学改革研究与实践项目(编号:2022SYJXLX134)
河南省本科高等学校智慧教学专项研究项目(编号:83)。
-
文摘
针对图像背景噪声干扰大、有限标注信息利用不充分所导致的对玉米叶片病虫害目标检测效果不佳的问题,利用支持分支和查询分支的双分支网络构建了一种基于原型自适应对齐网络的小样本玉米病虫害检测方法。该方法首先对传统的VGG-16网络进行改进,并在玉米病虫害检测数据集上进行微调,增强模型对特定任务的泛化性能;其次,利用交叉注意力机制建立双分支间信息的交互,挖掘分支间的共有语义;再次,借助支持图片的真实掩码将交互特征细粒度的分离为支持前景和背景,并在前景和背景特征上生成前景指导原型和背景辅助原型;最后,通过计算查询混合特征和每一原型的相似度值,并根据相似度值给出预测结果。在自建的玉米病虫害检测数据集上进行测试,所提出方法的精准率、召回率、F 1和交并比(IoU)分别达到96.49%、96.03%、96.50%和83.19%,此外前景和背景的二分类评价指标前景背景交并比(FB-IoU)也达到93.62%,结果验证了本研究方法的优越性。
-
关键词
玉米
病虫害
小样本
自适应对齐
原型
交互特征
双分支网络
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
S126
[农业科学—农业基础科学]
-
-
题名基于自适应时序对齐的智能下肢假肢运动意图识别
- 2
-
-
作者
苏本跃
刘文瑶
宗文杰
王保乾
盛敏
-
机构
铜陵学院数学与计算机学院
安庆师范大学计算机与信息学院
安徽省铜基材料数字化智能制造工程研究中心
安庆师范大学数理学院
-
出处
《中国康复理论与实践》
北大核心
2025年第9期1101-1115,共15页
-
基金
安徽省高校优秀科研创新团队项目(No.2023AH010056)
铜陵学院联合培养硕士研究生创新基金项目(No.24tlcb01)。
-
文摘
目的 针对智能下肢假肢运动意图识别中因个体步态差异和固定时间窗提取数据导致的运动误分类问题,提出一种基于自适应时序对齐的运动意图识别方法。方法 在下肢运动中,对于连续两个步态周期数据,基于不同稳态模式下的类间差异性,通过跨周期帧间差分检测步态模式一致性。针对检测为单一稳态模式的样本,引入动态时间规整算法将相邻周期运动序列进行对齐,以减小个体差异。提取Haar小波4层分解低频系数构建特征向量,最后通过支持向量机实现分类。试验方案设计为:利用3个惯性测量单元采集测试对象在13种运动模式中下肢的加速度和角速度信息,测试对象为10例健康受试者和1例经胫骨截肢受试者,13种运动模式包括5种稳态模式(平地行走、上楼、下楼、上坡和下坡)和8种转换模式(平地行走与上楼、下楼、上坡、下坡的相互转换)。结果 经过对10例健康人的模拟测试和1例截肢者的测试,5种稳态模式的识别准确率分别为99.24%和100%,13种运动模式的识别准确率分别为98.51%和89.11%。结论 本研究提出了一种自适应时序对齐的运动意图识别方法,该方法有效减小个体步态差异对特征表征的干扰,增强了步态特征的一致性与判别性,最终实现了识别性能的提升。
-
关键词
运动意图识别
智能下肢假肢
惯性测量单元
动态时间规整
自适应时序对齐
帧间差分
单一步态模式
-
Keywords
motion intention recognition
intelligent lower-limb prostheses
inertial measurement unit
dynamic time warping
adaptive temporal alignment
inter-frame difference
single gait mode
-
分类号
R496
[医药卫生—康复医学]
-
-
题名基于自适应流形嵌入动态分布对齐的轴承故障诊断
被引量：4
- 3
-
-
作者
沈长青
雷飘
冯毅雄
黄伟国
江星星
朱忠奎
-
机构
苏州大学轨道交通学院
浙江大学流体动力与机电系统国家重点实验室
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2021年第2期33-40,共8页
-
基金
国家自然科学基金(51875375,51875376)
流体动力与机电系统国家重点实验室开放基金(GZKF-202022)项目资助。
-
文摘
智能故障诊断技术能有效保障机械设备安全运行,传统的轴承故障诊断通常假设标记的源域和未标记的目标域数据服从同一分布。然而,在实际的诊断场景中,轴承数据的条件分布和边缘分布往往不满足同分布假设。此外,在原始欧氏空间执行自适应分布对齐时,特征扭曲难以消除,从而影响故障诊断性能。通过提出一种具有流形特征学习和动态分布对齐的自适应轴承故障诊断模型,来解决上述问题。首先,在格拉斯曼流形中构造测地线流式核,提取与轴承故障信息相关的固有流形特征表示,以避免数据特征扭曲;其次,通过A-distance定义一个跨域自适应因子来动态评估流形特征的条件分布和边缘分布;最后,基于结构风险最小化原则迭代求解一个跨域分类器,进而预测目标域样本标签。通过多个指标的实验分析,表明该模型能够有效避免特征扭曲,并利用动态权值调整跨域数据条件分布和边缘分布的相对重要性,验证了所提方法的有效性。
-
关键词
故障诊断
迁移学习
自适应分布对齐
流形学习
-
Keywords
fault diagnosis
transfer learning
adaptive distribution alignment
manifold learning
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TN06
[电子电信—物理电子学]
-
-
题名基于多激光传感器装配的自由曲面法线找正方法研究
被引量：8
- 4
-
-
作者
张赢
丁红昌
赵长福
周义根
曹国华
-
机构
长春理工大学机电工程学院
长春理工大学重庆研究院
-
出处
《中国光学》
EI
CAS
CSCD
北大核心
2021年第2期344-352,共9页
-
基金
国家重点研发计划重大科学仪器开发项目(No.2017YFF0105304)
吉林省省级产业创新专项资金项目(No.2018C038-4)
吉林省科技研发计划项目(No.20200401117GX)。
-
文摘
在国产化、技术自主化的大型飞机项目上,对孔位精度的标准正逐步升高,钻头的垂直度又是这一标准中最受关注的条件。机器人自动钻铆系统工作时,所产生的装配误差、磕碰、偏移等状况,不仅降低了制造及检测的准确度,还影响了整个结构件的疲劳性能。针对这一问题,提出了基于多激光传感器装配的自适应自由曲面法线检测技术,搭建了以该方法进行姿态找正的数学模型,并研究了检测装置的标定方法及流程。同时,着重讨论了在自适应方法检测时,利用电子经纬仪等装置进行误差补偿的相关技术。该方法的验证实验结果显示,多组实验数据均达到了法向精度<±0.5°的关键技术指标要求,找正后的法线平均偏差值为0.0667°。该方法能有效补偿在制孔工作中所产生的相关误差,进一步提高机器人的定位精度及法线方向检测精度。
-
关键词
自动钻铆
飞机制造自动化
自适应对齐
检测法线方向
多激光传感器
-
Keywords
automatic drilling and riveting
automatic aircraft manufacturing
adaptive alignment
detecting the normal-direction
multiple laser sensors
-
分类号
TH16
[机械工程—机械制造及自动化]
-
