期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用DETR与先验知识融合的输电线路螺栓缺陷检测方法
被引量：
8
1
作者
李刚
张运涛
+1 位作者
汪文凯
张东阳
《图学学报》
CSCD
北大核心
2023年第3期438-447,共10页
为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并...
为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并实现了一种采用DETR与先验知识融合的改进DETR模型。首先,利用视觉-知识注意力模块将螺栓图像的视觉特征与螺栓先验知识有机融合,获得螺栓对应的增强视觉特征;然后,将增强视觉特征送入基于Transformer编码-解码结构的DETR模型框架中对螺栓目标进行识别与分类;最后,针对螺栓危急缺陷样本少及样本不平衡的问题,引入类增量学习损失函数(CILLF)来增强模型的鉴别能力,缓解螺栓缺陷样本间长尾分布问题。仿真实验结果表明:改进DETR模型在输电线路螺栓缺陷样本上的mAP相较于基线模型DETR提升了2.8个百分点;相较于主流Faster R-CNN,YOLOv5l模型,改进DETR模型在长尾分布下螺栓缺陷样本少的类别图像上的检测效果提升尤为显著。
展开更多
关键词
螺栓缺陷检测
TRANSFORMER
DETR
先验知识
增强视觉特征
类增量学习损失函数
在线阅读
下载PDF
职称材料
基于多任务级联的动车裙板螺栓缺陷检测算法
被引量：
4
2
作者
徐文辉
钟胜
+1 位作者
邹旭
何顶新
《实验技术与管理》
CAS
北大核心
2023年第10期63-69,共7页
为了提高动车检修效率和准确性,设计了一种基于多任务级联的动车裙板螺栓缺陷检测算法。首先结合螺栓缺陷特征的先验知识,在YOLOv3的基础上引入注意力机制,采用通道级拼接方式引入螺栓的边缘特征图,引导检测网络学习鲁棒的螺栓缺陷特征...
为了提高动车检修效率和准确性,设计了一种基于多任务级联的动车裙板螺栓缺陷检测算法。首先结合螺栓缺陷特征的先验知识,在YOLOv3的基础上引入注意力机制,采用通道级拼接方式引入螺栓的边缘特征图,引导检测网络学习鲁棒的螺栓缺陷特征,检测螺栓是否缺失;然后对螺栓局部区域进行语义分割,获得防松标记线信息,并基于这些信息判断是否存在螺栓松动和标记线缺失等缺陷。实验结果表明,该检测算法显著提升了动车裙板螺栓缺陷的检测性能,与YOLOv3相比,平均准确率提升11.3%,平均召回率提升13.6%。
展开更多
关键词
动车检修
螺栓缺陷检测
多任务级联
注意力引导
YOLO
在线阅读
下载PDF
职称材料
基于改进YOLOv8与语义知识融合的金具缺陷检测方法研究
被引量：
3
3
作者
李刚
蔡泽浩
+1 位作者
孙华勋
赵振兵
《图学学报》
CSCD
北大核心
2024年第5期979-986,共8页
针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题,提出基于改进YOLOv8和语义知识融合的输电线路螺栓缺陷检测方法。首先,通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之间...
针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题,提出基于改进YOLOv8和语义知识融合的输电线路螺栓缺陷检测方法。首先,通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之间的关系,完成语义关联构建工作;之后,在YOLOv8模型Neck部分引入BiFusion和RepBlock模块,增强模型的特征提取能力;其次,使用改进的融合语义知识校正权重的Loss函数,进一步提高训练模型的准确性,减少误检的发生;最后,分别完成基线选取实验、消融实验、超参数调整实验以及对比实验。实验结果表明,相较于Baseline模型,改进YOLOv8方法在平均精确率(mAP)上提升了4.0%,在关键少样本类精确率上提升了24.6%,可有效提高输电线路螺栓金具缺陷检测的效果,该语义关联构建及语义知识融合方法具有一定的泛用性,为输电线路无人机智能巡检领域提供了新的方法支持。
展开更多
关键词
无人机巡检
输电线路金具
螺栓缺陷检测
语义信息融合
YOLOv8
在线阅读
下载PDF
职称材料
题名
采用DETR与先验知识融合的输电线路螺栓缺陷检测方法
被引量：
8
1
作者
李刚
张运涛
汪文凯
张东阳
机构
华北电力大学计算机系
复杂能源系统智能计算教育部工程研究中心
出处
《图学学报》
CSCD
北大核心
2023年第3期438-447,共10页
基金
国家自然科学基金项目(51407076)
中央高校基本科研业务费专项资金项目(2020MS119)。
文摘
为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并实现了一种采用DETR与先验知识融合的改进DETR模型。首先,利用视觉-知识注意力模块将螺栓图像的视觉特征与螺栓先验知识有机融合,获得螺栓对应的增强视觉特征;然后,将增强视觉特征送入基于Transformer编码-解码结构的DETR模型框架中对螺栓目标进行识别与分类;最后,针对螺栓危急缺陷样本少及样本不平衡的问题,引入类增量学习损失函数(CILLF)来增强模型的鉴别能力,缓解螺栓缺陷样本间长尾分布问题。仿真实验结果表明:改进DETR模型在输电线路螺栓缺陷样本上的mAP相较于基线模型DETR提升了2.8个百分点;相较于主流Faster R-CNN,YOLOv5l模型,改进DETR模型在长尾分布下螺栓缺陷样本少的类别图像上的检测效果提升尤为显著。
关键词
螺栓缺陷检测
TRANSFORMER
DETR
先验知识
增强视觉特征
类增量学习损失函数
Keywords
bolt defect detection
Transformer
DETR
prior knowledge
augmented visual features
incremental learning-like loss function
分类号
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
基于多任务级联的动车裙板螺栓缺陷检测算法
被引量：
4
2
作者
徐文辉
钟胜
邹旭
何顶新
机构
华中科技大学人工智能与自动化学院
华中科技大学多谱信息智能处理技术全国重点实验室
出处
《实验技术与管理》
CAS
北大核心
2023年第10期63-69,共7页
基金
国家自然科学基金项目(62176100)。
文摘
为了提高动车检修效率和准确性,设计了一种基于多任务级联的动车裙板螺栓缺陷检测算法。首先结合螺栓缺陷特征的先验知识,在YOLOv3的基础上引入注意力机制,采用通道级拼接方式引入螺栓的边缘特征图,引导检测网络学习鲁棒的螺栓缺陷特征,检测螺栓是否缺失;然后对螺栓局部区域进行语义分割,获得防松标记线信息,并基于这些信息判断是否存在螺栓松动和标记线缺失等缺陷。实验结果表明,该检测算法显著提升了动车裙板螺栓缺陷的检测性能,与YOLOv3相比,平均准确率提升11.3%,平均召回率提升13.6%。
关键词
动车检修
螺栓缺陷检测
多任务级联
注意力引导
YOLO
Keywords
EMU inspection and repairment
bolts defect detection
multi-task cascading
attention guidance
YOLO
分类号
TP274.5 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8与语义知识融合的金具缺陷检测方法研究
被引量：
3
3
作者
李刚
蔡泽浩
孙华勋
赵振兵
机构
华北电力大学计算机系
复杂能源系统智能计算教育部工程研究中心
中国华电集团有限公司
出处
《图学学报》
CSCD
北大核心
2024年第5期979-986,共8页
基金
国家自然科学基金项目(61871182,U21A20486)。
文摘
针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题,提出基于改进YOLOv8和语义知识融合的输电线路螺栓缺陷检测方法。首先,通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之间的关系,完成语义关联构建工作;之后,在YOLOv8模型Neck部分引入BiFusion和RepBlock模块,增强模型的特征提取能力;其次,使用改进的融合语义知识校正权重的Loss函数,进一步提高训练模型的准确性,减少误检的发生;最后,分别完成基线选取实验、消融实验、超参数调整实验以及对比实验。实验结果表明,相较于Baseline模型,改进YOLOv8方法在平均精确率(mAP)上提升了4.0%,在关键少样本类精确率上提升了24.6%,可有效提高输电线路螺栓金具缺陷检测的效果,该语义关联构建及语义知识融合方法具有一定的泛用性,为输电线路无人机智能巡检领域提供了新的方法支持。
关键词
无人机巡检
输电线路金具
螺栓缺陷检测
语义信息融合
YOLOv8
Keywords
UAV inspection
transmission line fittings
bolt defect detection
semantic information fusion
YOLOv8
分类号
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
作者
出处
发文年
被引量
操作
1
采用DETR与先验知识融合的输电线路螺栓缺陷检测方法
李刚
张运涛
汪文凯
张东阳
《图学学报》
CSCD
北大核心
2023
8
在线阅读
下载PDF
职称材料
2
基于多任务级联的动车裙板螺栓缺陷检测算法
徐文辉
钟胜
邹旭
何顶新
《实验技术与管理》
CAS
北大核心
2023
4
在线阅读
下载PDF
职称材料
3
基于改进YOLOv8与语义知识融合的金具缺陷检测方法研究
李刚
蔡泽浩
孙华勋
赵振兵
《图学学报》
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
