基于卷积神经网络的三聚氰胺太赫兹光谱定量分析 被引量：1

1

作者 刘洋硕 燕芳 +1 位作者 李文文 郭以恒 《食品与机械》 CSCD 北大核心 2024年第11期41-46,共6页

[目的]结合卷积神经网络与太赫兹时域光谱技术针对奶粉中的非法添加剂三聚氰胺进行定量分析。[方法]使用透射式太赫兹时域光谱系统测得三聚氰胺与奶粉单质及混合物的太赫兹吸收谱,分别采用S-G平滑、高斯平滑、滑动平均和R-Loess平滑等... [目的]结合卷积神经网络与太赫兹时域光谱技术针对奶粉中的非法添加剂三聚氰胺进行定量分析。[方法]使用透射式太赫兹时域光谱系统测得三聚氰胺与奶粉单质及混合物的太赫兹吸收谱,分别采用S-G平滑、高斯平滑、滑动平均和R-Loess平滑等方法对原始光谱数据进行校正,并建立偏最小二乘(PLS)回归模型,通过对比模型评价标准以确定最佳的太赫兹光谱校正预处理方法;选择S-G平滑校正处理后的PLS模型作为混合样片的定量分析模型;分别建立了基于偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)、反向传播神经网络(BPNN)及卷积神经网络(CNN)的定量回归模型,并对混合样片中的三聚氰胺含量进行了预测。[结果]PLS、LS-SVM、BPNN、CNN 4种模型的预测集相关系数分别为0.9971,0.9977,0.9981,0.9987,预测集均方根误差分别为0.551%,0.494%,0.437%,0.374%。[结论]与其他3种模型相比,CNN回归模型的预测精度最高,更适用于准确检测奶粉中三聚氰胺的含量。 展开更多

关键词 太赫兹时域光谱 定量分析 光谱校正 卷积神经网络

在线阅读 下载PDF 职称材料

基于卷积神经网络和校正网络相结合的遥感图像配准方法研究 被引量：8

2

作者 岳国华 邢晓利 《计算机应用与软件》 北大核心 2021年第11期185-190,共6页

使用仿射变换网络对遥感图像进行空间变换,批量生成训练图像,将特征提取和匹配放在卷积神经网络的端到端架构中,直接预测仿射变换参数;通过采用校正网络对卷积神经网络的结果进行改进,实现遥感图像更加精确的配准。通过与SIFT算法、SUR... 使用仿射变换网络对遥感图像进行空间变换,批量生成训练图像,将特征提取和匹配放在卷积神经网络的端到端架构中,直接预测仿射变换参数;通过采用校正网络对卷积神经网络的结果进行改进,实现遥感图像更加精确的配准。通过与SIFT算法、SURF算法和其他深度学习方法相比,该方法对遥感图像配准的速度和精度均有显著提升。 展开更多

关键词 遥感图像 图像配准 仿射变换网络 卷积神经网络 校正网络

在线阅读 下载PDF 职称材料

卷积神经网络的被动测向通道相位校正方法 被引量：1

3

作者 蒋伊琳 张伟 +1 位作者 陈涛 张玉欣 《实验室研究与探索》 CAS 北大核心 2023年第7期54-57,共4页

为提高被动测向的准确度,学者们提出多种相位补偿方法,并将其应用于各种接收机中,提出一种更实用的通道失配模型和一种基于卷积神经网络的被动测向通道相位校正方法(PDFCPC-CNN)。它可充分利用先验信息,实现射频信号通道的全相位和频率... 为提高被动测向的准确度,学者们提出多种相位补偿方法,并将其应用于各种接收机中,提出一种更实用的通道失配模型和一种基于卷积神经网络的被动测向通道相位校正方法(PDFCPC-CNN)。它可充分利用先验信息,实现射频信号通道的全相位和频率校正。为提高实际应用,使用通用软件无线电外设(USRP)接收的实验数据进行进一步验证。仿真结果表明,该方法可很好地应用于实践中。 展开更多

关键词 卷积神经网络 相位误差 通道校正 通道失配 无线电外设

在线阅读 下载PDF 职称材料

流场测速中基于深度卷积神经网络的光学畸变校正技术 被引量：10

4

作者 高泽宇 李新阳 叶红卫 《红外与激光工程》 EI CSCD 北大核心 2020年第10期1-10,共10页

基于光学成像的流场测量技术,如粒子图像测速技术(PIV),易受到因流体中折射率的不均匀性或晃动的介质边界引起的光学畸变而带来的影响。这些畸变会使得示踪粒子在图像上的位置分布产生误差且严重影响图像清晰度,从而增大流场速度测量的... 基于光学成像的流场测量技术,如粒子图像测速技术(PIV),易受到因流体中折射率的不均匀性或晃动的介质边界引起的光学畸变而带来的影响。这些畸变会使得示踪粒子在图像上的位置分布产生误差且严重影响图像清晰度,从而增大流场速度测量的误差。为了提高光学流场速度测量的测量精度,自适应光学系统可以应用于其中去校正光学畸变。基于图像流场测量中的光学像差具有频率高,动态范围大,空间分辨率高等特点,对于这一应用场景,基于波前校正器件的自适应光学系统受到了器件本身性能的影响。基于深度学习的自适应光学技术在流场测量中的应用,建立了一种基于深度神经网络的无波前校正器件自适应光学校正技术,以深度神经网络代替传统的波前校正器件,用于粒子图像测速技术中的光学畸变校正。为了生成神经网络所需要的训练和测试数据集,搭建了可以实现波前测量的粒子图像测速实验平台,分析并建立了光学畸变在粒子图像上的图像退化模型。最后,以校正后PIV图像的校正效果和流场速度测量结果作为评价标准,对所建立神经网络的畸变校正性能进行了分析。 展开更多

关键词 自适应光学 卷积神经网络 粒子图像测速 像差校正

在线阅读 下载PDF 职称材料

基于稠密卷积神经网络的遥感图像自动色彩校正 被引量：6

5

作者 朱思捷 雷斌 吴一戎 《中国科学院大学学报（中英文）》 CSCD 北大核心 2019年第1期93-100,共8页

对于单幅遥感光学图像,目前已经有很多有效的色彩校正算法,但是这些算法需要人工经验或对场景的先验知识,无法满足对快速增长的海量遥感图像进行自动化处理的需求。针对这一问题,提出一种基于稠密卷积神经网络的遥感图像自动色彩校正方... 对于单幅遥感光学图像,目前已经有很多有效的色彩校正算法,但是这些算法需要人工经验或对场景的先验知识,无法满足对快速增长的海量遥感图像进行自动化处理的需求。针对这一问题,提出一种基于稠密卷积神经网络的遥感图像自动色彩校正方法DCN(dense convolutional networks)。该模型可以预测遥感图像的RGB通道的颜色校正系数K,从而对原始图像进行自动色彩校正。DCN使用稠密模块代替部分卷积层,用更少的层数实现更多的连接。DCN模型由3 000幅GF-2号遥感图像在Tensorflow框架上训练得到,损失函数为颜色校正系数向量与真值向量之间的色偏角θ。经过测试验证,校正后的图像与原图像仅有很小的色偏角,且与真实地物颜色吻合。与传统方法相比,该方法在训练后,可直接使用生成的模型对训练集中未出现的图像进行颜色校正,无需对场景的先验知识和人工经验,也无需参考图像,可实现对海量遥感光学图像的自动化色彩校正。与传统的卷积神经网络CNN(convolutional neural networks)相比,基于DCN的模型拥有更少的参数和更好的泛化能力,而且不受输入图像大小的限制,在测试集上有更好的结果。 展开更多

关键词 遥感光学图像 卷积神经网络 色彩校正 自动化

在线阅读 下载PDF 职称材料

结合卷积神经网络和超像素聚类的细胞图像分割方法 被引量：12

6

作者 杨金鑫 杨辉华 +3 位作者 李灵巧 潘细朋 刘振丙 周洁茜 《计算机应用研究》 CSCD 北大核心 2018年第5期1569-1572,1577,共5页

针对细胞图像尺寸大、细胞形状各异,导致从图像中分割出精准的细胞十分困难的问题,以卷积神经网络为基础,结合染色校正方法和简单线性迭代的超像素聚类算法,提出了一种新的结构来进行细胞图像分割。利用染色校正方法对细胞图像进行预处... 针对细胞图像尺寸大、细胞形状各异,导致从图像中分割出精准的细胞十分困难的问题,以卷积神经网络为基础,结合染色校正方法和简单线性迭代的超像素聚类算法,提出了一种新的结构来进行细胞图像分割。利用染色校正方法对细胞图像进行预处理,提高图像的颜色对比度;利用卷积神经网络获得初步分割结果;将简单线性迭代聚类获得的超像素边界信息反馈到初分割图像上进行改进提升。提出的算法可以有效地减少图像局部信息的冗余,更准确地获得目标区域的边界位置。实验表明,提出的算法细胞分割准确率达到了92.72%,与经典卷积神经网络、阈值分割等其他细胞分割算法相比,具有更好的分割效果。 展开更多

关键词 细胞分割 卷积神经网络 超像素聚类 染色校正 乳腺细胞图像

在线阅读 下载PDF 职称材料

基于卷积神经网络的光谱预处理方法 被引量：9

7

作者 焦青亮 刘明 +5 位作者 于坤 刘子龙 孔令琴 惠梅 董立泉 赵跃进 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第1期292-297,共6页

光谱的预处理在光谱分析中占有非常重要的地位。针对现有光谱去噪算法对弱峰保存能力差、基线校正算法对光谱能量过扣除、光谱特征峰定位不准确以及各种预处理算法串行处理造成的误差累计等问题,设计了一个端到端的卷积神经网络。该网... 光谱的预处理在光谱分析中占有非常重要的地位。针对现有光谱去噪算法对弱峰保存能力差、基线校正算法对光谱能量过扣除、光谱特征峰定位不准确以及各种预处理算法串行处理造成的误差累计等问题,设计了一个端到端的卷积神经网络。该网络由两个模块组成:基线校正和去噪模块和特征峰定位模块。这两个模块相互连接又独立输出。理想条件下,可以依据光谱的线型函数和特征峰的位置拟合出无噪声无基线的光谱,所以在基线校正和光谱去噪模块中连接特征峰定位模块的输出可以有效的提高去噪和基线校正的精度;而高质量的光谱有助于更加精确的估计光谱峰的位置,因此这两个模块相互连接可以有效提高重建光谱的质量。光谱基线校正和去噪模块是一个前馈网络,该模块由多个卷积层、激活函数和批归一化层构成,每一层均连接了特征峰定位模块的输出。特征峰定位模块是一个多尺度特征融合网络,该模块使用不同尺寸的卷积核将光谱分为不同的尺度,融合大小不同尺度的特征估计光谱特征峰的具体位置。在网络训练时,使用不同温度、湿度和不同预热时间的光谱仪获得光谱作为输入样本,使用中国计量院的标准仪器获得光谱数据作为输出样本。在实验中,首先对合成的光谱分别添加不同信噪比的噪声和不同峰值的高斯基线,分别评价该网络在噪声抑制、基线校正、光谱特征峰校正的能力;然后将添加噪声和基线后的玉米的近红外光谱作为样本,用最先进的算法对它们进行预处理,然后用偏最小二乘法估计玉米中的水和油的浓度。估计的浓度与用标准仪器测量的真实浓度进行比较,以证明所提出的CNN的优势。实验证明,所设计的网络在单任务和多任务处理中均能取得良好的结果。而且经过该网络处理的光谱在定量分析中可以得到更准确的结果,具有较强的实用价值。 展开更多

关键词 光谱学 卷积神经网络 光谱去噪 基线校正 特征峰定位

在线阅读 下载PDF 职称材料

基于卷积神经网络的地震波形智能识别研究 被引量：6

8

作者 郑周 林彬华 +3 位作者 金星 韦永祥 丁炳火 陈辉 《世界地震工程》 北大核心 2023年第2期148-157,共10页

随着世界上多个国家和地区的地震预警系统投入运行,误报和漏报等问题逐渐突显,特别是将标定以及强干扰波形误识别为大震事件,快速、精确地区分地震与其他波形是一个难题。针对于此,该研究提出了基于卷积神经网络地震波形智能识别方法。... 随着世界上多个国家和地区的地震预警系统投入运行,误报和漏报等问题逐渐突显,特别是将标定以及强干扰波形误识别为大震事件,快速、精确地区分地震与其他波形是一个难题。针对于此,该研究提出了基于卷积神经网络地震波形智能识别方法。首先收集并处理了2012—2017年中国境内福建以及周边邻省共683个地震和478个爆破事件,并对这些样本筛选、截取和基线校正等预处理,共得到了27500条三通道波形。在此基础上,构建了3 s波形输入的卷积神经网络模型(SW-CNN)。结果表明:模型对地震、噪声、爆破和异常波形的识别率分别为97.9、99、99.2和99.3%。相比于人工手动分类识别,该模型更省时和更稳定,为地震预警目前所面临的问题提供了一个新的解决方法。 展开更多

关键词 地震预警 卷积神经网络 波形分类 异常波形 基线校正

在线阅读 下载PDF 职称材料

基于卷积神经网络的渐进式指针表自动读数方法 被引量：7

9

作者 孙晓朋 侯立群 渠怀胜 《传感技术学报》 CAS CSCD 北大核心 2021年第10期1326-1333,共8页

为了提高指针表自动读数方法的准确度和便捷性,提出了一种基于卷积神经网络的渐进式指针表自动读数方法。首先利用Faster-RCNN(Faster-Region Convolutional Neural Networks)模型检测当前视野下指针表目标的包围框位置,得到目标图像,... 为了提高指针表自动读数方法的准确度和便捷性,提出了一种基于卷积神经网络的渐进式指针表自动读数方法。首先利用Faster-RCNN(Faster-Region Convolutional Neural Networks)模型检测当前视野下指针表目标的包围框位置,得到目标图像,简化读数前设备安装与标定过程;然后利用SIFT(Scale-Invariant Feature Transform)、RANSAC(Random Sample Consensus)算法和透视变换得到无倾斜、无旋转的图像,克服指针表倾斜或旋转对自动读数的影响;再利用八邻域法检测指针表表盘,大津算法(Otsu算法)提取分割阈值,区域生长法提取指针;最后利用卷积神经网络识别指针表的大刻度示值得到指针表的粗读数,利用角度法得到指针表的细读数,完成高精度自动读数。实验结果表明,文中所提出的方法具有较好的准确性与抗干扰能力,读数最大误差低于0.7%。 展开更多

关键词 卷积神经网络 指针式仪表 目标检测 倾斜校正 自动读数

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的多飞行器构型保持研究

10

作者 槐泽鹏 王洪波 龚旻 《兵器装备工程学报》 CAS CSCD 北大核心 2021年第2期15-22,共8页

基于深度卷积神经网络设计了“智能-校正”算法以快速生成制导指令;深度学习模型是由卷积层、全连接层、批量归一化层和残差网络(ResNet)组合成的一个19层深度神经网络,飞行器状态变量转化为类似于图像像素矩阵的二维矩阵,通过sgd优化... 基于深度卷积神经网络设计了“智能-校正”算法以快速生成制导指令;深度学习模型是由卷积层、全连接层、批量归一化层和残差网络(ResNet)组合成的一个19层深度神经网络,飞行器状态变量转化为类似于图像像素矩阵的二维矩阵,通过sgd优化和权重衰减正则项将神经网络的训练误差降低至约0.025°;之后针对飞行器运动存在制导指令泛化误差累积的问题又设计了校正环节;最后经多组仿真证明了“智能-校正”算法兼顾了速度和精度,不仅成功实现了构型保持,而且将解算速度提升了约6倍,同时解决了泛化误差累积带来的影响。 展开更多

关键词 深度卷积神经网络 多飞行器协同 构型保持 智能-校正

在线阅读 下载PDF 职称材料

基于联动扩展神经网络的水下自由活蟹检测器研究 被引量：7

11

作者 赵德安 曹硕 +2 位作者 孙月平 戚浩 阮承治 《农业机械学报》 EI CAS CSCD 北大核心 2020年第9期163-174,共12页

利用机器视觉技术检测池塘水下自由活蟹的形态位置和数量分布信息,是实现自动投饵船精准变量投喂的关键。本文设计了一种基于联动扩展卷积神经网络的实时轻量型水下活蟹检测器。首先,针对水下图像模糊和色彩不均的特点,以及稀疏分解后... 利用机器视觉技术检测池塘水下自由活蟹的形态位置和数量分布信息,是实现自动投饵船精准变量投喂的关键。本文设计了一种基于联动扩展卷积神经网络的实时轻量型水下活蟹检测器。首先,针对水下图像模糊和色彩不均的特点,以及稀疏分解后不同频率图像的信息组成特点,分别进行K-SVD降噪和Retinex色彩校正;然后,采用联动扩展网络宽度、深度和分辨率方式来协调精度和效率的轻量级EfficientNet作为主干网络;引入复合缩放因子,对堆叠两层加权双向特征金字塔结构的高效融合特征网络和堆叠三层卷积模块的类别/边界框预测网络进行全局联动扩展,以构建适用于有限资源的小型活蟹检测器;最后,在类别/边界框预测网络中利用正交Softmax层替代完全连接的分类层,确保检测器可从小样本数据中学习更多的区分特征,有效缓解小样本检测的过拟合问题。采用自建的20625幅数据样本对检测模型进行训练和测试,实验表明,降噪、校正后的图像颜色均衡,且清晰度高,检测的平均交并比Iou提高近8个百分点。检测模型EfficientNet-Det0存储内存仅需15 MB,便可实现查准率96.21%和查全率94.86%,单幅图像检测延迟分别为10.6 ms(GPU)和35.0 ms(CPU)。浮点运算次数FLOPs减少至YOLOv3算法的1/15,CPU运行速度是其3倍,而准确性与YOLOv3算法相当,甚至略优。EfficientNet-Det0搭载在资源受限的自动投饵船上能够快速精准检测水下河蟹,并能实现对池塘自由活蟹分布的统计,为建立科学的投喂机制提供可靠的决策信息。 展开更多

关键词 自由活蟹检测 水下图像 颜色校正 卷积神经网络 联动扩展

在线阅读 下载PDF 职称材料

基于级联卷积网络的人脸特征点检测 被引量：4

12

作者 张衡 马明栋 王得玉 《南京邮电大学学报（自然科学版）》 北大核心 2019年第3期104-110,共7页

人脸特征点检测是人脸识别和分析领域的关键步骤,同时也是人脸表情识别、头部姿态估计、人脸身份鉴定等相关技术的基础。由于脸部姿势和表情的不断变化以及遮挡问题的存在,人脸特征点检测依旧是一个具有挑战性的难题。文中提出用由粗到... 人脸特征点检测是人脸识别和分析领域的关键步骤,同时也是人脸表情识别、头部姿态估计、人脸身份鉴定等相关技术的基础。由于脸部姿势和表情的不断变化以及遮挡问题的存在,人脸特征点检测依旧是一个具有挑战性的难题。文中提出用由粗到精的多任务级联神经网络模型来提升人脸检测和特征点定位的精度,使模型具有更好的鲁棒性。整个网络框架采用三阶段级联网络,由粗到精的检测人脸和定位特征点位置。首先采用脸部校正方法预处理人脸图片,主要是校正人脸偏转角度;然后使用两个小型网络来预测人脸框及定位人脸特征点;最后根据网络预测的特征点位置,对局部区域进行裁剪,然后再对局部区域预测单个特征点,使得特征点的定位更加准确。为了更好地评估文中提出的方法,在AFW、AFLW等数据集上做了对照实验,相比较TCNN网络模型,文中方法在AFW中错误率降低了1.19%,在AFLW中错误率降低了0.8%。 展开更多

关键词 级联卷积神经网络 人脸检测 人脸校正 深度学习

在线阅读 下载PDF 职称材料

基于深度强化学习的测井曲线自动深度校正方法 被引量：7

13

作者 熊文君 肖立志 +1 位作者 袁江如 岳文正 《石油勘探与开发》 EI CAS CSCD 北大核心 2024年第3期553-564,共12页

针对传统测井曲线深度校正需要手动调整曲线,而对于多口井的深度校正工作量巨大,需要大量人工参与,且工作效率较低的问题,提出一种多智能体深度强化学习方法(MARL)来实现多条测井曲线自动深度匹配。该方法基于卷积神经网络(CNN)定义多... 针对传统测井曲线深度校正需要手动调整曲线,而对于多口井的深度校正工作量巨大,需要大量人工参与,且工作效率较低的问题,提出一种多智能体深度强化学习方法(MARL)来实现多条测井曲线自动深度匹配。该方法基于卷积神经网络(CNN)定义多个自上而下的双滑动窗口捕捉测井曲线上相似的特征序列,并设计一个智能体与环境的互动机制来控制深度匹配过程。通过双深度Q学习网络(DDQN)选取一个动作来平移或缩放测井特征序列,并利用反馈的奖励信号来评估每个动作的好坏,以学习到最优的控制策略达到提升深度校正精度的目的。研究表明,MARL方法可以自动完成多口井、不同测井曲线的深度校正任务,减少人工干预。在油田实例应用中,对比分析了动态时间规整(DTW)、深度Q学习网络(DQN)和DDQN等方法的测试结果,DDQN算法采用双网络评估机制有效改进了算法的性能,能够识别和对齐测井曲线特征序列上更多的细节,具有较高的深度匹配精度。 展开更多

关键词 人工智能 机器学习 深度校正 测井曲线 多智能体深度强化学习 卷积神经网络 双深度Q学习网络

在线阅读 下载PDF 职称材料

动校正域CNN法压制自由表面多次波 被引量：1

14

作者 黄柱富 刘剑锋 +1 位作者 方文倩 付丽华 《煤田地质与勘探》 EI CAS CSCD 北大核心 2024年第11期160-170,共11页

【目的】自由表面多次波的存在影响了地震资料的解释精度,有效压制多次波是地震处理的重要环节。多次波是具有与有效信号相似特征的相干噪声,传统的卷积神经网络(convolution neural network, CNN)方法难以从全波场数据中分辨出多次波... 【目的】自由表面多次波的存在影响了地震资料的解释精度,有效压制多次波是地震处理的重要环节。多次波是具有与有效信号相似特征的相干噪声,传统的卷积神经网络(convolution neural network, CNN)方法难以从全波场数据中分辨出多次波信号。此外,不同工区的自由表面多次波差异较大,导致CNN方法在迁移时面临更严重的问题。【方法】为此,引入物理先验,提出一种基于动校正(normal moveout correction,NMO)域的CNN方法。利用NMO域上一次波与多次波呈现出的曲率特征差异训练CNN,以实现对多次波的有效识别和压制。通过仿真和真实数据测试了方法的性能。【结果和结论】实验结果表明:动校正域上训练的CNN能够有效识别并压制多次波信号,同时保护一次波反射信号。与传统Radon算法相比,提出的方法减少了人为调整参数并降低了计算复杂度,且有效信号泄漏更少;与直接端到端基于CNN的自由表面多次波压制方法相比,新方法面向新数据的适应能力更好。研究成果可为提高地震资料解释精度和降低计算成本方面提供新思路。 展开更多

关键词 自由表面多次波 卷积神经网络 动校正 相干噪声 多次波压制

在线阅读 下载PDF 职称材料

融合匹配特征的立体图像颜色校正方法 被引量：2

15

作者 朱文婧 范媛媛 陈羽中 《小型微型计算机系统》 CSCD 北大核心 2024年第1期230-240,共11页

立体图像颜色校正方法的目标在于消除立体图像左右视图之间的颜色差异.现有的立体图像颜色校正方法存在校正效果和时间效率不平衡的问题.为了解决这一问题,本文提出一种融合匹配特征的立体图像颜色校正方法.首先,通过视差注意力颜色校... 立体图像颜色校正方法的目标在于消除立体图像左右视图之间的颜色差异.现有的立体图像颜色校正方法存在校正效果和时间效率不平衡的问题.为了解决这一问题,本文提出一种融合匹配特征的立体图像颜色校正方法.首先,通过视差注意力颜色校正网络得到待校正目标图像的初始校正图.然后,将初始校正图和参考图像输入基于光流的图像匹配网络得到光流匹配目标图.最后,由图像融合网络融合初始校正图、光流匹配目标图、参考图像和目标图像的特征并进行图像重建,得到最终的校正结果.实验结果表明,本文的方法具有先进的性能,能够在保持高时间效率的同时实现高质量的立体图像颜色校正效果. 展开更多

关键词 颜色校正 立体图像 卷积神经网络 图像融合

在线阅读 下载PDF 职称材料

小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法

16

作者 雷春丽 焦孟萱 +2 位作者 薛林林 张护强 史佳硕 《计算机集成制造系统》 北大核心 2025年第1期278-289,共12页

针对滚动轴承在不同工况条件下样本分布不同以及故障样本数量不足导致故障诊断精度低、泛化性能差的问题,提出一种小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法。首先,运用马尔科夫转移场(MTF)将一维振动信号转化为具有... 针对滚动轴承在不同工况条件下样本分布不同以及故障样本数量不足导致故障诊断精度低、泛化性能差的问题,提出一种小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法。首先,运用马尔科夫转移场(MTF)将一维振动信号转化为具有时间相关性的二维特征图。其次,提出条纹自校正注意力机制(SSCAM),它不仅可以加强模型在长距离方向上的特征提取能力,还能建立通道间依赖关系,可以对全局有效信息进行捕捉。然后,将SSCAM引入到多尺度神经网络(MSCNN)中,构建出SSCAM-MSCNN模型。最后,将MTF二维特征图输入到所提模型中进行训练,采用优化后的网络模型进行测试并输出分类结果。通过美国凯斯西储大学以及本实验室MFS滚动轴承数据集对所提方法进行验证,同时对后者进行加噪处理,与其他故障诊断模型进行对比。试验结果表明,所提方法在小样本、变工况条件下具有更高的识别精度、更强的泛化性能与抗噪性能。 展开更多

关键词 滚动轴承 马尔科夫转移场 卷积神经网络 条纹自校正注意力机制 小样本 故障诊断

在线阅读 下载PDF 职称材料

双网络模型下的智能医疗票据识别方法 被引量：3

17

作者 郑祖兵 盛冠群 +3 位作者 谢凯 唐新功 文畅 李长晟 《计算机工程与应用》 CSCD 北大核心 2020年第12期141-148,共8页

为了满足医疗行业大量针式票据录入工作的需求,解决传统人工录入方式效率低、精度低的问题,构建了双网络模型下的针式打印字体医疗票据识别方法。传统目标检测网络的参数同时描述了目标的位置与类别信息,其用于大规模定位识别任务时由... 为了满足医疗行业大量针式票据录入工作的需求,解决传统人工录入方式效率低、精度低的问题,构建了双网络模型下的针式打印字体医疗票据识别方法。传统目标检测网络的参数同时描述了目标的位置与类别信息,其用于大规模定位识别任务时由于参数量庞大导致网络极难以训练,为解决以上问题,提出了双网络模型方法以联合Faster RCNN与深度卷积神经网络实现票据中字符的定位与识别,双网络将定位与识别分步进行以降低任务的复杂度。实验采用自建票据数据集与字库数据集进行网络训练,利用现场采集的票据验证了算法的有效性,通过测试不同参数下模型的性能来选定最佳参数,并对比分析了该方法与传统方法的识别效果。实际测试表明,识别准确率达95.4%,召回率达92.7%,速度达0.76 s/张。 展开更多

关键词 深度学习 卷积神经网络 票据识别 票据校正 字符识别 文本定位

在线阅读 下载PDF 职称材料

基于深度学习的指针式仪表倾斜校正方法 被引量：21

18

作者 周登科 杨颖 +1 位作者 朱杰 王库 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第12期1976-1984,共9页

针对仪表图像自动识别中倾斜仪表产生的读数误差,提出一种基于深度学习的圆形指针式仪表快速倾斜校正方法,可以实现仪表图像的倾斜校正和旋转校正.该方法利用卷积神经网络提取以表盘刻度数字为中心的关键点,并采用最小二乘法对关键点进... 针对仪表图像自动识别中倾斜仪表产生的读数误差,提出一种基于深度学习的圆形指针式仪表快速倾斜校正方法,可以实现仪表图像的倾斜校正和旋转校正.该方法利用卷积神经网络提取以表盘刻度数字为中心的关键点,并采用最小二乘法对关键点进行椭圆拟合,结合椭圆变换理论使用透视变换对仪表图像进行第1次倾斜校正,再根据一对关于仪表竖直中轴线对称的关键点计算仪表相对于水平方向的旋转角度,以拟合椭圆的几何中心为旋转中心,旋转仪表图像实现第2次校正.在变电站真实环境下采集图像数据,验证方法性能.实验结果表明,该方法相对于传统方法鲁棒性更好,校正有效率达到100%,平均校正时间为0.45 s,满足实时校正需求,识别校正后的仪表图像读数的平均相对误差降低到3.99%,平均参考误差降低到0.91%,充分显示该校正方法的有效性. 展开更多

关键词 仪表倾斜校正 卷积神经网络 最小二乘法 椭圆拟合 透视变换

在线阅读 下载PDF 职称材料

视差注意力的立体图像颜色校正方法 被引量：6

19

作者 郑愈明 范媛媛 牛玉贞 《小型微型计算机系统》 CSCD 北大核心 2022年第3期611-620,共10页

立体图像左右视图间的差异影响了视觉任务对深度信息的重建.现有立体图像颜色校正方法在进行颜色校正时,颜色校正效果与整体时间效率不平衡.为了解决这个问题,本文提出一种端到端的基于视差注意力的立体图像颜色校正方法.该方法在一个... 立体图像左右视图间的差异影响了视觉任务对深度信息的重建.现有立体图像颜色校正方法在进行颜色校正时,颜色校正效果与整体时间效率不平衡.为了解决这个问题,本文提出一种端到端的基于视差注意力的立体图像颜色校正方法.该方法在一个卷积神经网络内同时进行立体图像对应关系获取和目标图像颜色校正.先采用共享参数的多尺度特征提取模块分别提取参考图像和待校正失真图像的特征,再通过视差注意力模块的双向匹配策略进行特征之间的对应关系匹配与融合,获取图像对应匹配关系,最后重建融合特征得到校正目标图像.视差注意力机制仅在图像水平视差方向进行搜索匹配像素,能够实现左右视图信息的高效融合.实验结果表明,与现有方法相比本文模型更有效,能够在保持高时间效率的同时获得更高质量的颜色校正结果. 展开更多

关键词 颜色校正 立体图像 卷积神经网络 视差注意力机制

在线阅读 下载PDF 职称材料

线阵相机拍摄路面图像的灰度校正及应用 被引量：4

20

作者 孟祥成 于斌 《计算机应用研究》 CSCD 北大核心 2020年第S01期355-357,共3页

路面图像处理的效果通常受到不均匀光照带来的灰度不均匀背景的影响,对于线阵相机,这种不均匀特性仅存在于横向。提出一种针对此不均匀背景问题的方法,分析了线阵相机拍摄路面图像在横向的分布特性,通过对各列分别平均的方法提取路面的... 路面图像处理的效果通常受到不均匀光照带来的灰度不均匀背景的影响,对于线阵相机,这种不均匀特性仅存在于横向。提出一种针对此不均匀背景问题的方法,分析了线阵相机拍摄路面图像在横向的分布特性,通过对各列分别平均的方法提取路面的精确掩模,进行掩模校正和图像拉伸后获得了较理想的效果。与常用的方法相比,提出的方法可以消除灰度突变,并保留图像的细节信息,因此对采用线扫相机的路面病害检测系统具有适用性。将提出的方法应用于路面图像处理,并通过卷积神经网络进行多标签分类的裂缝识别,子块识别精度达到95%以上,各标签查准率为(0.955,0.936,0.926,0.905)、查全率为(0.895,0.912,0.934,0.952)、F-Macro为0.926、F-Micro为0.927。 展开更多

关键词 道路与铁道工程 路面病害检测 线扫相机 图像处理 灰度校正 卷积神经网络

在线阅读 下载PDF 职称材料