检索结果-维普期刊中文期刊服务平台

自适应可变形卷积与焦点感知的接触网异物检测: 1; 作者陈永周建宇 +1 位作者安卓奥博陈超亚《铁道科学与工程学报》北大核心 2025年第7期3314-3327,共14页; 高速铁路接触网是为列车提供牵引供电的关键基础设施,若异物侵入接触网,易引发受电弓故障及电流异常,进而中断供电,严重威胁高速铁路列车的运行安全。针对现有接触网异物检测方法在异物检测时存在特征提取能力不足、易受复杂背景干扰以... 展开更多; 关键词高铁接触网异物检测自适应稀疏动态可变形卷积焦点感知位置查询语义分割; 在线阅读下载PDF 职称材料

稀疏可变形卷积与高分辨率融合的接触网螺栓病害检测: 2; 作者陈永安卓奥博张娇娇《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第7期2989-3000,共12页; 列车长期运行产生的震动易导致接触网螺栓处于松动、脱落等不良状态,接触网取流异常会严重影响行车安全。针对高速铁路接触网螺栓病害检测时,易受复杂背景干扰及螺栓松动病害难以检测等问题,提出一种稀疏可变形卷积与高分辨率融合的接... 展开更多; 关键词高铁接触网螺栓病害检测稀疏动态可变形卷积 Mask R-CNN 高分辨率融合; 在线阅读下载PDF 职称材料

基于动态自适应的电梯钢带典型故障检测算法: 3; 作者周泽丞李琛 +2 位作者徐峰张才黄堪飞《现代电子技术》北大核心 2025年第16期161-166,共6页; 针对传统电梯钢带典型故障检测实时性差、精度低和流程复杂的问题,提出一种基于动态自适应的电梯钢带典型故障检测算法DSMA-YOLO。首先,采用可变形卷积DCNv2替换传统卷积层,更好地适应故障的形状和结构变化;其次,构造多尺度大核分离(ML... 展开更多; 关键词电梯钢带故障检测动态自适应 YOLOv8n 可变形卷积双通道注意力机制特征共享; 在线阅读下载PDF 职称材料

改进YOLOv8的SAR影像船舰目标检测模型: 4; 作者杨明秋陈国坤 +1 位作者左小清董燕《测绘通报》 CSCD 北大核心 2024年第12期18-23,共6页; 在SAR影像船舰目标检测任务中,受近海岸区域背景复杂和船舰目标多尺度等因素影响,船舰目标在检测过程中出现检测精度不高、漏检的问题。针对上述问题,本文提出了一种基于YOLOv8s改进的SAR影像船舰目标检测模型,并在SSDD和HRSID数据集上... 展开更多; 关键词船舰目标检测 SAR影像残差增强可变形卷积动态稀疏注意力; 在线阅读下载PDF 职称材料

题名自适应可变形卷积与焦点感知的接触网异物检测: 1; 作者陈永周建宇安卓奥博陈超亚; 机构兰州交通大学电子与信息工程学院兰州交通大学人工智能与图形图像处理工程研究中心; 出处《铁道科学与工程学报》北大核心 2025年第7期3314-3327,共14页; 基金国家自然科学基金资助项目(62462043) 兰州交通大学重点研发资助项目(ZDYF2304)。; 文摘高速铁路接触网是为列车提供牵引供电的关键基础设施,若异物侵入接触网,易引发受电弓故障及电流异常,进而中断供电,严重威胁高速铁路列车的运行安全。针对现有接触网异物检测方法在异物检测时存在特征提取能力不足、易受复杂背景干扰以及检测精度不高的问题,提出一种自适应可变形卷积与焦点感知的接触网异物检测模型。首先,设计自适应稀疏可变形卷积和结构感知前馈网络构建特征提取网络,动态调整具有无界权重的卷积核来充分适应不同异物的特征,并采用双分支结构设计的结构感知前馈网络进一步增强局部特征和全局特征,提高了对接触网异物特征提取能力;然后,提出动态焦点感知位置查询Transformer解码器,根据解码器块的交叉注意力分数和对应特征位置编码来动态生成位置查询,以便提供更准确的异物位置信息和细节信息,降低了复杂背景对异物检测的影响;最后,设计边界细化网络,对Transformer解码器输出的粗分割结果进一步细化,通过迭代变形粗分割结果的轮廓,使其精准输出最终异物检测分割结果。高速铁路接触网异物检测实验表明,所提方法在主客观评价方面均优于对比方法,平均准确率AP相较于Mask R-CNN、Swin-Transformer、Mask2Former和MP-Former分别提高了8.49%、7.26%、4.19%和3.06%。研究结果表明,该方法具有更好的高速铁路接触网异物检测性能。; 关键词高铁接触网异物检测自适应稀疏动态可变形卷积焦点感知位置查询语义分割; Keywords high-speed railway catenary foreign object detection adaptive sparse deformable convolution focus-aware positional queries semantic segmentation; 分类号 U225.4 [交通运输工程—道路与铁道工程] TP391 [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

题名稀疏可变形卷积与高分辨率融合的接触网螺栓病害检测: 2; 作者陈永安卓奥博张娇娇; 机构兰州交通大学电子与信息工程学院兰州交通大学人工智能与图形图像处理工程研究中心; 出处《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第7期2989-3000,共12页; 基金国家自然科学基金资助项目(61963023,61841303) 兰州交通大学重点研发资助项目(ZDYF2304)。; 文摘列车长期运行产生的震动易导致接触网螺栓处于松动、脱落等不良状态,接触网取流异常会严重影响行车安全。针对高速铁路接触网螺栓病害检测时,易受复杂背景干扰及螺栓松动病害难以检测等问题,提出一种稀疏可变形卷积与高分辨率融合的接触网螺栓病害检测方法。首先,构建稀疏动态可变形卷积构成的特征提取网络,通过增大感受野范围,来捕捉不同尺度下螺栓的形状特征,加强模型对螺栓小尺寸对象特征的提取能力。然后,设计高分辨率特征金字塔融合模块,将螺栓深层特征和浅层特征的高分辨率特征图进行充分融合,提高多尺度特征图的利用率。其次,提出基于连通域统计的螺栓松动判别方法,通过统计被截断螺栓的连通域个数,完成螺栓松动病害状态检测。最后,由高速铁路接触网螺栓检测试验得出:所提方法可以准确检测螺栓的缺失和松动病害,且具有较高的检测精度,相比改进前Mask R-CNN检测方法准确率增加了41.4个百分点、召回率增加了27.3个百分点、像素精确度提升28.11个百分点、F1-score达83.4%。同时,对接触网螺栓网络模型的检测效率进行试验,较Mask R-CNN的浮点计算效率提升了36.23%。对不同场景下接触网螺栓检测对比试验表明,所提方法具有良好的适应性和精确度,对于螺栓松动和缺失病害检测提供了更为准确的方法,对后期接触网智能化检测具有一定的参考意义。; 关键词高铁接触网螺栓病害检测稀疏动态可变形卷积 Mask R-CNN 高分辨率融合; Keywords high-speed rail catenary bolt disease detection sparse dynamic deformable convolution Mask R-CNN high-resolution fusion; 分类号 U225.4 [交通运输工程—道路与铁道工程] TP391 [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

题名基于动态自适应的电梯钢带典型故障检测算法: 3; 作者周泽丞李琛徐峰张才黄堪飞; 机构中国计量大学能源环境与安全工程学院浙江省特种设备科学研究院温州市特种设备检测科学研究院; 出处《现代电子技术》北大核心 2025年第16期161-166,共6页; 基金国家市场监督管理总局科技计划项目:基于深度学习的电梯风险预警及智慧监管关键技术研究应用(2021MK140) 浙江省市场监督管理局“雏鹰计划”培育项目(CY2023212) 浙江省市场监管局科技计划项目(ZC2025025)。; 文摘针对传统电梯钢带典型故障检测实时性差、精度低和流程复杂的问题,提出一种基于动态自适应的电梯钢带典型故障检测算法DSMA-YOLO。首先,采用可变形卷积DCNv2替换传统卷积层,更好地适应故障的形状和结构变化;其次,构造多尺度大核分离(MLKS)模块,增强模型对不同特征尺度和空间变化的自适应能力;然后,提出一种双通道注意力(DPCA)机制,强化模型在通道维度上的特征感知、提取和融合能力;最后,设计动态共享对齐(DSA)检测头,优化定位和分类任务中的特征独立性、特征无关性及特征间冲突问题。实验结果表明,在电梯钢带典型故障数据集上,DSMA-YOLO的mAP@0.5和mAP@0.5~0.95比基准算法YOLOv8n提升了4.4%和10.1%,优于其他对比目标检测算法,并满足电梯钢带典型故障检测的实时性要求,可为电梯故障诊断方法及应用提供参考。; 关键词电梯钢带故障检测动态自适应 YOLOv8n 可变形卷积双通道注意力机制特征共享; Keywords elevator steel belt fault detection dynamic self-adaption YOLOv8n deformable convolution dual-channel attention mechanism feature sharing; 分类号 TN919-34 [电子电信—通信与信息系统] TP391 [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

题名改进YOLOv8的SAR影像船舰目标检测模型: 4; 作者杨明秋陈国坤左小清董燕; 机构昆明理工大学国土资源工程学院; 出处《测绘通报》 CSCD 北大核心 2024年第12期18-23,共6页; 基金国家自然科学基金(42161067) 云南省重大科技专项计划(202202AD080010)。; 文摘在SAR影像船舰目标检测任务中,受近海岸区域背景复杂和船舰目标多尺度等因素影响,船舰目标在检测过程中出现检测精度不高、漏检的问题。针对上述问题,本文提出了一种基于YOLOv8s改进的SAR影像船舰目标检测模型,并在SSDD和HRSID数据集上进行试验验证,效果优于其他经典算法。; 关键词船舰目标检测 SAR影像残差增强可变形卷积动态稀疏注意力; Keywords ship target detection SAR imaging residual enhancement deformable convolution dynamic sparse attention; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	操作
1	自适应可变形卷积与焦点感知的接触网异物检测	陈永周建宇安卓奥博陈超亚	《铁道科学与工程学报》北大核心	2025	在线阅读下载PDF 职称材料
2	稀疏可变形卷积与高分辨率融合的接触网螺栓病害检测	陈永安卓奥博张娇娇	《铁道科学与工程学报》 EI CAS CSCD 北大核心	2024	在线阅读下载PDF 职称材料
3	基于动态自适应的电梯钢带典型故障检测算法	周泽丞李琛徐峰张才黄堪飞	《现代电子技术》北大核心	2025	在线阅读下载PDF 职称材料
4	改进YOLOv8的SAR影像船舰目标检测模型	杨明秋陈国坤左小清董燕	《测绘通报》 CSCD 北大核心	2024	在线阅读下载PDF 职称材料