基于ResNet34模型的大菱鲆鱼苗识别计数方法 被引量：7

1

作者 涂雪滢 钱程 +2 位作者 刘世晶 刘晃 李国栋 《渔业现代化》 CSCD 北大核心 2024年第1期90-97,共8页

鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于ResNet34的大菱鲆鱼苗识别计数方法。首先,设计... 鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于ResNet34的大菱鲆鱼苗识别计数方法。首先,设计了一套适用于微小目标计数需要的图像采样装置,采用图像预处理方法实现鱼苗前景分割和初步定位。为了有效统一样本空间和待识别目标空间,利用最小外接矩规则化初步定位前景图像,构建图像样本集。大菱鲆鱼苗识别阶段,利用相同预处理方法获取待识别目标区域,并引入ResNet34模型作为识别模型实现待识别目标区域苗种识别;最后,通过统计所有待识别目标识别数量结果实现大菱鲆苗种计数。结果显示:本方法在微小鱼苗识别计数方面取得了较好的精度,利用ResNet34模型的大菱鲆鱼苗的识别平均准确率达到94.27%,比基于SVM方法(识别精度85.8%)和AlexNet(识别精度87.04%)方法识别精度分别提高7.4个百分点和8.64个百分点,优于ResNet18(识别精度93.21%)和ResNet50(识别精度93.83%)等相似结构的识别效果。本模型鱼苗计数的平均准确率达到96.28%。研究表明,提出的样本集构建和识别方法能够满足微小目标计数需求,可为鱼类苗种计数提供了技术借鉴。 展开更多

关键词 鱼苗计数 图像识别 大菱鲆 resnet34模型

在线阅读 下载PDF 职称材料

基于改进Resnet18网络的火灾图像识别 被引量：3

2

作者 陈跨越 王保云 《河南师范大学学报（自然科学版）》 CAS 北大核心 2024年第4期101-110,I0013,I0014,共12页

针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,ST... 针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别. 展开更多

关键词 火灾检测 卷积神经网络 空间变换网络 resnet18 HSI色彩模型 迁移学习

在线阅读 下载PDF 职称材料

一种基于改进ResNet18神经网络的苹果叶片病害识别方法

3

作者 陈诗瑶 孔淳 +2 位作者 冯峰 孙博 王志军 《山东农业科学》 北大核心 2024年第10期174-180,共7页

为有效提升苹果叶片病害识别的精度和效率,实现病害的及时防治进而提高苹果产量,本研究提出一种基于改进ResNet18神经网络的苹果叶片病害识别方法,可在提升模型识别性能的同时减少参数量和模型尺寸。首先,改进ResNet模型的残差结构,以... 为有效提升苹果叶片病害识别的精度和效率,实现病害的及时防治进而提高苹果产量,本研究提出一种基于改进ResNet18神经网络的苹果叶片病害识别方法,可在提升模型识别性能的同时减少参数量和模型尺寸。首先,改进ResNet模型的残差结构,以减少参数量,实现模型轻量化;其次,引入坐标注意力(CA)机制并进行迁移学习,进一步提升模型的泛化性能。将改进ResNet18模型与原始ResNet18神经网络进行对比实验,结果发现,改进模型的准确率提升了1.53个百分点,但模型参数量减少为原始模型的50.84%。表明本研究提出的改进ResNet18模型可有效识别苹果叶片病害,且方便移动端搭载。 展开更多

关键词 苹果叶片病害识别 卷积神经网络 resnet18模型 残差结构 坐标注意力机制 迁移学习

在线阅读 下载PDF 职称材料

基于ResNet模型的聚乙烯燃气管道接头缺陷识别算法 被引量：6

4

作者 凌晓 程凌宇 +2 位作者 郭凯 杨凯 孙宝财 《压力容器》 北大核心 2023年第7期73-80,共8页

接头是聚乙烯燃气管道容易出现危害性缺陷的薄弱环节,需对此薄弱区域进行定期检测,以确保聚乙烯燃气管道的安全运行。为提高聚乙烯燃气管道接头缺陷图像识别能力,提出了一种基于ResNet网络模型的改进型卷积神经网络识别算法。首先运用La... 接头是聚乙烯燃气管道容易出现危害性缺陷的薄弱环节,需对此薄弱区域进行定期检测,以确保聚乙烯燃气管道的安全运行。为提高聚乙烯燃气管道接头缺陷图像识别能力,提出了一种基于ResNet网络模型的改进型卷积神经网络识别算法。首先运用Laplacian算子、中值滤波等方式实现对PE燃气管道接头缺陷图像的预处理;然后,将dropout层和ELU函数加入在ResNet34网络模型中完成图像识别模型的构建;最后,采用改进的ResNet34网络模型通过试验对包含6种热熔缺陷类型的数据集进行训练和测试。试验结果表明,改进后的ResNet34网络模型对缺陷图像的训练正确率可达到97.3%,且拥有比原始的ResNet34网络模型和DenseNet网络模型更高的正确率,验证了此模型对于热熔接头缺陷图像识别的有效性。 展开更多

关键词 聚乙烯燃气管道 缺陷检测 图像识别 卷积神经网络 resnet34模型

在线阅读 下载PDF 职称材料

基于ResNet50改进模型的图像分类研究 被引量：12

5

作者 辜瑞帆 李祥 任维民 《现代电子技术》 2023年第4期107-112,共6页

针对深度学习中残差网络ResNet50存在的信息丢失、特征提取不充分、网络过拟合和训练困难等问题,文中提出一种基于改进ResNet50的图像分类算法。针对残差网络ResNet50在提取特征时存在丢失输入特征映射情况,造成信息丢失的问题,对主干... 针对深度学习中残差网络ResNet50存在的信息丢失、特征提取不充分、网络过拟合和训练困难等问题,文中提出一种基于改进ResNet50的图像分类算法。针对残差网络ResNet50在提取特征时存在丢失输入特征映射情况,造成信息丢失的问题,对主干网络中Stage4的下采样块添加平均池化层,进一步提高网络特征提取能力;针对ResNet50训练过程中存在网络过拟合以及泛化能力差的问题,使用标签平滑方法对交叉熵损失函数进行修改,有效缓解网络损失值震荡幅度;针对ResNet50计算量大、训练困难的问题,使用混合精度和余弦退火衰减方法对模型进行训练,在加快网络收敛速度的同时提高模型的分类精度。实验结果表明,与原ResNet50网络相比,文中算法在ImageNet-1k数据集上Top1和Top5的精度分别提升3.2%和1.6%,能够更好地应用于图像分类任务。 展开更多

关键词 图像分类 改进resnet50 分类训练 网络特征提取 函数修改 模型训练

在线阅读 下载PDF 职称材料

基于RAdam算法优化ResNet50模型膏体图像识别方法研究 被引量：11

6

作者 杨莹 吴爱祥 +1 位作者 王先成 王国立 《中国矿业》 2023年第7期79-86,共8页

膏体图像识别是监测膏体质量的一种有效方法,据此提出了一种基于RAdam算法优化ResNet50模型膏体图像识别方法,可实现膏体状态的高精度识别。通过收集尾砂悬液在浆体、膏体、滤饼等3种状态下的图像,经过图像预处理和数据集划分,结合迁移... 膏体图像识别是监测膏体质量的一种有效方法,据此提出了一种基于RAdam算法优化ResNet50模型膏体图像识别方法,可实现膏体状态的高精度识别。通过收集尾砂悬液在浆体、膏体、滤饼等3种状态下的图像,经过图像预处理和数据集划分,结合迁移学习的方法,对卷积神经网络的AlexNet模型、VGG16模型、VGG19模型和ResNet50模型进行预训练,对比4种模型的识别准确率和损失值,确定最佳模型;采用Adam算法和RAdam算法对模型进行优化,对比两种优化器的识别结果;利用优化模型对矿山现场图像进行识别,验证模型精度。研究结果表明:4种经典卷积神经网络模型在膏体图像识别中均有较好表现,ResNet50模型性能最佳。基于RAdam算法优化ResNet50模型收敛速度更快,识别精度更高。基于RAdam算法优化ResNet50模型膏体图像识别精度可达99.24%,可实现膏体图像的高精度识别。 展开更多

关键词 卷积神经网络 图像识别 RAdam算法 resnet50模型 膏体

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的汽车图像分类算法与加速研究 被引量：4

7

作者 黄佳美 张伟彬 熊官送 《现代电子技术》 北大核心 2024年第7期140-144,共5页

在非法占用公交车道违规车辆等领域的边缘计算与识别中,针对基于深度卷积神经网络的图像物体分类算法模型算力需求大与边缘设备部署后有限资源的突出矛盾,如何设计边缘计算设备的加速单元以保证分类算法的精度与实时性具有重要意义。针... 在非法占用公交车道违规车辆等领域的边缘计算与识别中,针对基于深度卷积神经网络的图像物体分类算法模型算力需求大与边缘设备部署后有限资源的突出矛盾,如何设计边缘计算设备的加速单元以保证分类算法的精度与实时性具有重要意义。针对上述问题,提出一种基于深度卷积神经网络的公交分类算法,该方法在现场可编程逻辑门阵列上实现了公交车图像分类算法的加速。通过基于迁移学习方法对ResNet50预训练模型进行微调,采用嵌入式端的推理加速实现对模型的推理,并对FPGA加速方案进行推理部署实现。结果表明,该算法具有硬件配置灵活、信息处理加速快的优点,这为实现神经网络在嵌入式平台的高效、高速应用提供了有效解决方案。 展开更多

关键词 图像分类 边缘计算 卷积神经网络 迁移学习 resnet50模型 加速推理

在线阅读 下载PDF 职称材料

基于仿真数据和子领域自适应的轴承故障网络诊断框架

8

作者 韩洁 苏小平 康正阳 《机电工程》 北大核心 2024年第1期115-122,共8页

在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用。基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,... 在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用。基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,提升了模型对真实信号的诊断精度。首先,采用数学建模和基于LS-DYNA的有限元仿真两种方式建立了轴承故障仿真模型,以获取与实际场景相同工况下的轴承故障仿真加速度信号;其次,针对仿真数据和真实数据存在差异的问题,利用子领域自适应方法得到了对齐仿真数据和实际数据的全局特征分布以及相关子领域的特征分布;最后,采用原始一维振动信号作为输入,在残差神经网络(ResNet)模型架构上完成了端到端的轴承故障分类工作;将德国帕德博恩大学采集到的轴承故障信号作为实验数据,对上述模型的有效性进行了验证。研究结果表明:相较于有限元仿真,数学建模生成的仿真信号能够较轻易地迁移到实际信号,在无标签数据场景下具有99.73%的轴承故障识别精度,体现了数学建模在无监督轴承故障诊断领域的广阔应用前景,是在真实工业系统和人工智能之间架起桥梁的关键技术。 展开更多

关键词 轴承故障数据 数学建模 LS-DYNA有限元仿真 子领域自适应 残差神经网络(resnet)模型 迁移学习能力

在线阅读 下载PDF 职称材料

基于RAdam卷积神经网络的水稻生育期图像识别 被引量：35

9

作者 徐建鹏 王杰 +1 位作者 徐祥 琚书存 《农业工程学报》 EI CAS CSCD 北大核心 2021年第8期143-150,共8页

为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特... 为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特征进行持续自动拍摄,对采集的水稻图像进行预处理,得到水稻各发育期分类图像数据集;采用ExG因子和大津法(Otsu)算法相结合的方法对水稻图像分割,减小稻田背景干扰;对比分析了VGG16、VGG19、ResNet50和Inception v3四种模型下水稻生育期图像分级识别的性能,选取性能较优网络模型并进行了网络参数调优;对比试验了不同优化器下模型准确率和损失值的变化,选取了RAdam优化器。结果表明,采取基于RAdam优化器卷积神经网络构建的模型,在真实场景下分类识别准确率达到97.33%,网络稳定性高、收敛速度快,为水稻生育期自动化观测提供了有效方法。 展开更多

关键词 图像识别 神经网络 模型 水稻 RAdam resnet50 生育期

在线阅读 下载PDF 职称材料

基于YOLO模型的宫颈细胞簇团智能识别方法 被引量：18

10

作者 郑欣 田博 李晶晶 《液晶与显示》 CAS CSCD 北大核心 2018年第11期965-971,共7页

针对宫颈细胞簇团自动识别问题,本文提出了一种基于YOLO v2模型的智能识别方法。首先,针对宫颈细胞簇团识别任务的特点,采用resnet 50模型作为YOLO v2网络的基础特征提取模块。同时,提出了相应的数据扩增方法与YOLO v2网络的训练方案。... 针对宫颈细胞簇团自动识别问题,本文提出了一种基于YOLO v2模型的智能识别方法。首先,针对宫颈细胞簇团识别任务的特点,采用resnet 50模型作为YOLO v2网络的基础特征提取模块。同时,提出了相应的数据扩增方法与YOLO v2网络的训练方案。同时,我们收集宫颈细胞液基涂片扫描图像,建立了宫颈细胞簇团图像数据集,并由细胞病理专家对其中的细胞簇团进行了标注。实验表明,本文方法能够有效完成宫颈细胞病变簇团的自动识别,在测试图像集中,针对细胞簇团识别的准确率为75.9%,召回率为86.3%;针对宫颈细胞图像识别的准确率为87.0%,召回率为86.7%。本文将深度学习技术引入到宫颈细胞辅助筛查领域,对于促进宫颈癌早期自动筛查系统的研究,具有重要意义。 展开更多

关键词 宫颈细胞簇团 数据增强 resnet50模型 YOLO v2网络

在线阅读 下载PDF 职称材料

基于深度残差网络与迁移学习的水稻虫害图像识别 被引量：4

11

作者 汪健 梁兴建 雷刚 《中国农机化学报》 北大核心 2023年第9期198-204,共7页

提出一个针对大多数类型的水稻害虫的图像识别方法。对ResNet34网络进行改进,提高网络的识别能,以实现基于给定的图像自动地识别分类出主要害虫。此外,基于迁移学习方法有效避免由于数据量缺乏而使得训练不足的问题。通过ImageNet数据... 提出一个针对大多数类型的水稻害虫的图像识别方法。对ResNet34网络进行改进,提高网络的识别能,以实现基于给定的图像自动地识别分类出主要害虫。此外,基于迁移学习方法有效避免由于数据量缺乏而使得训练不足的问题。通过ImageNet数据库开展网络参数预训练能够进一步提升网络的提取性能,通过IDADP数据库可以开展参数微调工作以及训练工作。将提出的改进ResNet34模型与其他模型的性能进行对比评估。结果显示,改进ResNet34模型的识别准确度最高,F 1-score达到0.98,证明所提模型对水稻病虫害图像具有较好的识别效果。 展开更多

关键词 水稻害虫 深度残差网络 迁移学习 改进resnet34模型 卷积神经网络

在线阅读 下载PDF 职称材料

基于深度学习和光学相干层析成像技术的珍珠光泽度分级技术研究 被引量：1

12

作者 曹凯 周扬 蔡成岗 《现代电子技术》 北大核心 2025年第11期69-76,共8页

珍珠的光泽度是对珍珠评价和分类的一个重要标准。目前对珍珠光泽度分类的方法包括人工分类和传统图像处理分类,前者分类速度慢、效率低,后者分类过程易受环境干扰且准确率低。针对以上问题,文中提出一种基于深度学习和光学相干层析成... 珍珠的光泽度是对珍珠评价和分类的一个重要标准。目前对珍珠光泽度分类的方法包括人工分类和传统图像处理分类,前者分类速度慢、效率低,后者分类过程易受环境干扰且准确率低。针对以上问题,文中提出一种基于深度学习和光学相干层析成像技术(OCT)结合的珍珠光泽度分级方法。在完成OCT珍珠图像采集后,利用卷积神经网络模型(CNN)对采集到的珍珠OCT图像数据集进行训练,并使用训练完毕的网络实施预测。所提方法在训练时不需要对图像做过多的预处理,提高了珍珠分级过程中的时间效率。通过对多个网络的对比实验表明:采用ResNet50模型对珍珠光泽度分类的方法准确率较高,分类的平均准确率达到96.9%;对比VggNet16、AlexNet和ResNet18三个经典的卷积神经网络具有显著优势,实现了珍珠光泽度的快速分级,具有实际应用价值。 展开更多

关键词 光学相干层析成像技术 深度卷积神经网络 珍珠光泽度分类 resnet50模型 光学特征融合 BatchNorm

在线阅读 下载PDF 职称材料

卷积神经网络的贴片电阻识别应用 被引量：1

13

作者 谌贵辉 何龙 +2 位作者 李忠兵 亢宇欣 江枭宇 《智能系统学报》 CSCD 北大核心 2019年第2期263-272,共10页

贴片电阻由于其体积微小、性能稳定等独特的性质,在当今智能化的电子设备中被广泛使用。为保证贴片电阻的出厂质量,需要对其进行缺陷识别、极性方向识别、正反面识别和种类识别,目前很大程度上依靠人工肉眼进行识别检测,效率低、容易误... 贴片电阻由于其体积微小、性能稳定等独特的性质,在当今智能化的电子设备中被广泛使用。为保证贴片电阻的出厂质量,需要对其进行缺陷识别、极性方向识别、正反面识别和种类识别,目前很大程度上依靠人工肉眼进行识别检测,效率低、容易误检、成本高。本文针对传统图像识别方法的局限性,结合近年来卷积神经网络在图像识别方面所取得的巨大成就,基于AlexNet模型、GoogLeNet模型、ResNet模型思想设计了3种深度适宜、可训练参数约4×10~6(百万)的卷积神经网络,克服了当前主流卷积神经网络模型由于可训练参数过多、模型层数太深导致在贴片电阻识别应用中识别速度不能满足实时性要求、泛化识别准确率低的问题。实验表明,3种模型的识别准确率均超过90%,最高识别准确率达到95%,识别速度达到0.203 s/张(256像素×256像素,CORE I5)。因此,本文设计的3种卷积神经网络可根据具体实际需求进行选用,在实践中具有极强的可行性和可推广性,同时也在提升企业生产效率和产品质量方面具有重要意义。 展开更多

关键词 贴片电阻识别 卷积神经网络 AlexNet模型 GoogLeNet模型 resnet模型

在线阅读 下载PDF 职称材料

基于卷积网络的沙漠腹地绿洲植物群落自动分类方法 被引量：16

14

作者 尼加提.卡斯木 师庆东 +2 位作者 刘素红 比拉力.依明 李浩 《农业机械学报》 EI CAS CSCD 北大核心 2019年第1期217-225,共9页

为解决沙漠腹地绿洲遥感图像植物群落背景较易混淆,仅用传统的基于像元光谱信息的图像处理方法未能充分利用其图像特征信息,使得提取效果不佳的问题,针对地物类内特征复杂、类间边界模糊的特点,以连续分布的区域为研究对象,提出了一种... 为解决沙漠腹地绿洲遥感图像植物群落背景较易混淆,仅用传统的基于像元光谱信息的图像处理方法未能充分利用其图像特征信息,使得提取效果不佳的问题,针对地物类内特征复杂、类间边界模糊的特点,以连续分布的区域为研究对象,提出了一种基于深度卷积神经网络(Convolutional neural network,CNN)的高分辨率遥感影像植物群落自动分类方法。切分无人机影像获得规则块图像,利用基于CNN的VGGNet和Res Net模型分别对块图像的特征进行抽象与学习,以自动获取更加深层抽象、更具代表性的图像块深层特征,从而实现对植物群落分布区域的提取,以原图像与结果图像叠加的形式输出植物群落自动分类结果。采用了不同梯度的样本数量作为训练样本,利用文中提出的方法分析了不同梯度的训练样本数量对自动分类结果的影响。实验结果表明,训练样本数量对分类精度具有明显的影响;提高其泛化能力后,Res Net50模型与VGG19模型的建模精度从86. 00%、83. 33%分别提升到92. 56%、90. 29%; Res Net50模型分类精度为83. 53%～91. 83%,而VGG19模型分类精度为80. 97%～89. 56%,与传统的监督分类方法比较,深度卷积网络明显提高了分类精度。分类结果表明,训练样本数量不低于200时,基于CNN的Res Net50模型表现出最佳的分类结果。 展开更多

关键词 沙漠腹地 植物群落 自动分类 CNN深度卷积网络 VGGNet模型 resnet模型

在线阅读 下载PDF 职称材料

基于双注意力模型和迁移学习的Apex帧微表情识别 被引量：4

15

作者 徐玮 郑豪 杨种学 《智能系统学报》 CSCD 北大核心 2021年第6期1015-1020,共6页

微表情具有持续时间短、强度低的特点,其识别准确率普遍不高。针对该问题提出了一种改进的深度学习识别方法,该方法取微表情视频序列中的Apex帧,采用集成空间、通道双注意力模块的ResNet18网络,引入Focal Loss函数解决微表情数据样本不... 微表情具有持续时间短、强度低的特点,其识别准确率普遍不高。针对该问题提出了一种改进的深度学习识别方法,该方法取微表情视频序列中的Apex帧,采用集成空间、通道双注意力模块的ResNet18网络,引入Focal Loss函数解决微表情数据样本不平衡的问题,并将宏表情识别领域的先验知识迁移到微表情识别领域,以提高识别效果。在CASME II微表情数据集上使用"留一交叉验证法"进行实验,结果表明本文方法相比一些现有的方法识别准确率及F_(1)值更高。 展开更多

关键词 微表情识别 深度学习 Apex帧 双注意力模型 resnet18网络 Focal Loss函数 宏表情 迁移学习

在线阅读 下载PDF 职称材料

基于DSG-ResNet34的聚乙烯燃气管道电熔焊接缺陷检测

16

作者 凌晓 刘露 +2 位作者 孙宝财 张正棠 徐晓刚 《仪器仪表学报》 2025年第6期228-240,共13页

PE燃气管道的连接质量能直接影响中低压燃气的正常输送,在电熔焊接时产生的结构畸变、冷焊等缺陷会显著削弱管道的力学性能,威胁燃气管网的稳定运行。因此,基于实地采集的PE燃气管道电熔焊接缺陷DR图像数据集,提出了基于DSG-ResNet34模... PE燃气管道的连接质量能直接影响中低压燃气的正常输送,在电熔焊接时产生的结构畸变、冷焊等缺陷会显著削弱管道的力学性能,威胁燃气管网的稳定运行。因此,基于实地采集的PE燃气管道电熔焊接缺陷DR图像数据集,提出了基于DSG-ResNet34模型的缺陷检测方法,以实现对电熔焊接缺陷进行快速精准地检测。该网络模型由主干网络CBAM-ResNet34模块、动态稀疏门控金字塔DSG-FPN、多尺度检测头3个部分组成,首先通过主干网络CBAM-ResNet34结构从通道和空间两个维度提升网络模型对缺陷特征的关注度,然后通过动态稀疏门控金字塔DSG-FPN结构的动态稀疏门控模块、Inception模块、稀疏连接动态融合多尺度缺陷特征,有效保留小目标特征、抑制背景噪声,最后通过多尺度检测头结构将提取到的丰富特征转化为具体的检测结果。DSG-ResNet34模型的缺陷检测准确率最高可达95.5%、P2层精确率最高可达82.7%、小目标召回率最低为85.6%、检测速度可达68 fps、参数量为22.3×10^(6),该模型能快速定位识别孔洞、熔融面夹杂、结构畸变、冷焊这4类典型电熔焊接缺陷,检测性能与速度优于其他网络模型。为PE管道焊接质量智能化检测提供了高精度解决方案,对保障燃气管网安全运行具有重要意义。 展开更多

关键词 聚乙烯燃气管道 缺陷检测 电熔焊接 resnet34模型 特征金字塔

在线阅读 下载PDF 职称材料

基于元迁移学习的压燃式活塞发动机气门故障诊断研究 被引量：1

17

作者 何鹏飞 万洪平 黄国勇 《现代电子技术》 北大核心 2024年第18期29-34,共6页

针对压燃式活塞发动机气门间隙故障振动信号样本少以及跨工况故障诊断困难的问题,提出一种基于元学习和迁移学习的压燃式活塞发动机气门间隙异常故障诊断方法。元学习采用MAML作为学习器,对目标域的支撑集进行数据扩展,提升其泛化能力;... 针对压燃式活塞发动机气门间隙故障振动信号样本少以及跨工况故障诊断困难的问题,提出一种基于元学习和迁移学习的压燃式活塞发动机气门间隙异常故障诊断方法。元学习采用MAML作为学习器,对目标域的支撑集进行数据扩展,提升其泛化能力;迁移学习采用ResNet34作为特征提取网络,并通过SSL替代SL损失函数,压缩源域特征向量之间的距离,为目标域任务提供更多的特征嵌入空间,提升其跨域诊断能力。将预训练和微调后的元学习和迁移学习模型进行决策融合后作为诊断结果输出,并使用发动机台架进行实验数据验证。结果表明,所提方法能在小样本情况下有效识别跨工况气门间隙故障,且效果明显优于单独使用元学习或迁移学习的诊断方法。 展开更多

关键词 压燃式活塞发动机 气门机构 故障诊断 MTL模型 迁移学习 resnet34网络 跨域诊断

在线阅读 下载PDF 职称材料

聚乙烯燃气管道热熔接头缺陷检测系统设计及实现 被引量：7

18

作者 郭凯 杨凯 +3 位作者 凌晓 程凌宇 尤学升 刘晓雅 《压力容器》 北大核心 2023年第10期83-90,共8页

为甄别片源真伪及提高热熔接头缺陷识别效率和精度,基于改进的ResNet34网络模型设计出聚乙烯燃气管道热熔接头缺陷检测系统。通过加入Droupt层和修改激活函数对ResNet34网络模型进行改进,并在此基础上对采集的数据集进行学习训练;再以... 为甄别片源真伪及提高热熔接头缺陷识别效率和精度,基于改进的ResNet34网络模型设计出聚乙烯燃气管道热熔接头缺陷检测系统。通过加入Droupt层和修改激活函数对ResNet34网络模型进行改进,并在此基础上对采集的数据集进行学习训练;再以训练模型为支撑设计系统总框架和功能模块;最后,基于Python语言完成聚乙烯燃气管道热熔接头缺陷检测系统的开发。测试结果显示:该系统对热熔接头缺陷的平均识别准确率为92.7%,且平均每张缺陷图像识别的时间不超过0.6 s。该系统具有较高的识别效率和准确率,可以实现聚乙烯燃气管道热熔接头缺陷的快速识别。 展开更多

关键词 聚乙烯燃气管道 resnet34网络模型 检测系统 缺陷识别 热熔接头

在线阅读 下载PDF 职称材料

基于FPN Res-Unet的高分辨率遥感影像建筑物变化检测 被引量：36

19

作者 王明常 朱春宇 +4 位作者 陈学业 王凤艳 李婷婷 张海明 韩有文 《吉林大学学报（地球科学版）》 EI CAS CSCD 北大核心 2021年第1期296-306,共11页

针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题,本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法,将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络... 针对城市土地资源变化检测工作繁杂、工作量大、自动化程度低等问题,本文提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法,将语义分割的思想引入到遥感变化检测。基于残差结构特征较卷积层提取性能更优和特征金字塔网络多尺度预测的特点,将残差结构和特征金字塔网络融合到Unet模型中,建立FPN Res-Unet模型。该模型以Unet为基础,引入ResNet18的残差结构作为编码路径特征提取层,在每次卷积后使用边界填充,使得输入图像和输出图像尺寸一致;在解码路径每级上采样过程中,拓展支路径将特征金字塔网络融合到模型的网络主干中,将残差结构、Unet及特征金字塔网络的优点相互融合,增强了Unet的特征提取,弥补了语义分割网络对小目标检测的欠缺;在获取深层语义信息的同时关注细节信息,提高建筑物变化检测精度。实验表明,该方法在所用数据集,准确率、召回率、F1 3种指标均达到90%以上。 展开更多

关键词 遥感影像 变化检测 resnet18 Unet 特征金字塔网络 FPN Res-Unet模型

在线阅读 下载PDF 职称材料

基于深度学习的桥梁裂缝检测与裂缝测量分析技术研究 被引量：9

20

作者 王占飞 李明阳 +2 位作者 李保险 李峥 王乐群 《沈阳建筑大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第3期486-495,共10页

目的为解决在混凝土桥梁人工巡检中耗时费力、安全性不高的问题,提出基于Resnet网络的桥梁裂缝检测技术,并对裂缝进行定量测量。方法创建裂缝数据集与背景数据集,并提出双边滤波-灰度化-对比度增强法(Bilateral-Graying-Contrast enhanc... 目的为解决在混凝土桥梁人工巡检中耗时费力、安全性不高的问题,提出基于Resnet网络的桥梁裂缝检测技术,并对裂缝进行定量测量。方法创建裂缝数据集与背景数据集,并提出双边滤波-灰度化-对比度增强法(Bilateral-Graying-Contrast enhancement,BGC)对图像进行预处理,用预处理前后的数据分别对Resnet网络和传统VGG网络进行训练和测试,建立四组试验并对比试验结果;开发桥梁裂缝测量系统,逐步提取裂缝轮廓,对裂缝进行无接触测量,并用实例验证系统在不同拍摄高度及其30°偏角下的测量精度。结果在Resnet网络和VGG网络中,BGC预处理后使识别准确率分别提高2.29%和4.99%;Resnet网络对比VGG网络,裂缝识别的准确率大幅提高31.3%,准确率提升至97.44%;在裂缝测量系统中,测量的平均精度在90.14%以上,最高可达96.9%。结论图像进行BGC预处理后,网络识别准确率更高;Resnet网络独有的残差单元可以减少冗余特征的学习,大幅提高识别准确率;裂缝测量系统在设置的不同试验拍摄条件下,测量精度均较高,可满足实际工程需求。 展开更多

关键词 桥梁裂缝 图像处理 裂缝检测 resnet卷积网络模型 裂缝测量

在线阅读 下载PDF 职称材料