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
共找到132篇文章
< 1 2 … 7 >
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：
基于反向瓶颈和LCBAM设计的X光违禁品检测 被引量：8
1
作者 董乙杉 郭靖圆 +2 位作者 李明泽 孙嘉傲 卢树华 《计算机科学与探索》 CSCD 北大核心 2024年第5期1259-1270,共12页
针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进... 针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进网络应对检测目标大角度变化问题;采用轻量化卷积块注意力机制抑制复杂背景干扰,降低模型参数量;此外,采用高斯误差线性单元激活函数和改进的置信度损失函数增强模型的非线性表达能力,加大对置信度预测的惩罚力度,优化网络对困难样本的检测性能。所提模型在三个大型公开数据集OPIXray、SIXray、HiXray上进行训练和测试,mAP分别达到了91.9%、93.4%和82.2%。结果表明,所提模型能够有效解决基线模型应对X光违禁品角度变化问题,具有较高的检测准确性和稳健性。 展开更多
关键词 X光图像 违禁品检测 反向瓶颈 轻量化卷积块注意力模块(lcbam)
在线阅读 下载PDF
基于I_CBAM-DenseNet模型的小麦发育期识别研究
2
作者 付景枝 马悦 +4 位作者 宏观 刘云平 吴文宇 丁明明 尹泽凡 《南京信息工程大学学报》 北大核心 2025年第1期42-52,共11页
针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通... 针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM(I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型. 展开更多
关键词 小麦 发育期 DenseNet 卷积块注意模块(CBAM)
在线阅读 下载PDF
噪声背景下梅尔频率倒谱系数与多注意力网络在电机故障诊断中的应用
3
作者 宋恩哲 朱仁杰 +2 位作者 靖海国 姚崇 柯赟 《哈尔滨工程大学学报》 北大核心 2025年第3期475-485,共11页
针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模... 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题,本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息,并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性,然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响,因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明:在信噪比-10 dB噪声背景下,梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法仍保持90%以上的诊断精度。 展开更多
关键词 电机 故障诊断 噪声环境 梅尔频率倒谱系数 卷积神经网络 多尺度 卷积注意力模块 特征融合
在线阅读 下载PDF
基于CBAM-CNN的CPS负荷重分配攻击检测定位方法设计
4
作者 陆玲霞 马朝祥 +1 位作者 闫旻睿 于淼 《实验技术与管理》 北大核心 2025年第6期78-89,共12页
负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷... 负荷重分配攻击是一种特殊的虚假信息注入攻击。对于电力信息物理系统,基于模型的方法难以检测定位多类型负荷重分配攻击,且针对多类型负荷重分配攻击的数据驱动检测定位方法研究较少。为此,设计了一种以双层规划模型为基础的,基于带卷积注意力模块神经网络的负荷重分配攻击定位检测方法。首先对电力信息物理系统中的信息系统进行建模,总结得到三种信息侧负荷重分配攻击行为。随后建立考虑攻击者和调度中心管理者博弈关系的双层规划模型,针对不同攻击场景生成负荷重分配攻击数据集。为了检测定位不同类型的攻击,将所研究问题转化为多标签分类问题,利用卷积神经网络的卷积结构特性挖掘并学习具有稀疏标签数据的邻域信息,引入卷积注意力模块,从通道信息和空间信息两个角度增强网络对于重点信息的学习能力,改善了网络漏判率较高的问题,提高了网络检测定位性能。在38节点电力信息物理系统算例上进行仿真实验,验证了所提方法的有效性。与对比方法相比,所提方法对于三种攻击类型都有较低的误判率和漏判率,检测定位性能更加出色。 展开更多
关键词 电力信息物理系统 负荷重分配攻击 双层规划模型 数据驱动 卷积注意力模块 卷积神经网络
在线阅读 下载PDF
融合注意力机制与贝叶斯优化卷积网络的机场无人机检测
5
作者 张伟 常本强 +2 位作者 杨旭 杨雪 张添龙 《安全与环境学报》 北大核心 2025年第7期2633-2642,共10页
声学探测技术可用于机场“黑飞”无人机监测,但易受复杂环境中的噪声影响。为解决这一问题,提出了一种融合卷积块注意力机制及贝叶斯优化卷积神经网络(Convolutional Block Attention Module-Bayesian Optimization-Convolutional Neura... 声学探测技术可用于机场“黑飞”无人机监测,但易受复杂环境中的噪声影响。为解决这一问题,提出了一种融合卷积块注意力机制及贝叶斯优化卷积神经网络(Convolutional Block Attention Module-Bayesian Optimization-Convolutional Neural Network, CBAM-BO-CNN)的机场无人机声学信号检测模型。该模型通过引入CBAM模块,对输入的数据从通道和空间两个独立的维度依次提取特征以增强网络对无人机梅尔频谱图的特征提取能力,并采用贝叶斯优化算法搜寻网络模型的最优超参数组合。经数据集验证,该模型实现了98.8%的识别准确率,且在低信噪比条件下仍能保持高于94%的准确率。后通过自主搭建简易的16阵元麦克风阵列,采集了60个不同方位的无人机音频数据用以验证模型的实用性。试验结果表明,应用CBAM-BO-CNN检测模型的声学监测设备在100 m范围内对无人机信号的识别准确率达94%。所提出的无人机声学信号检测模型可应对机场日益严重的无人机入侵问题,为机场安全运营提供强有力的技术支持。 展开更多
关键词 安全工程 无人机检测 声学探测 卷积块注意力机制 贝叶斯优化
在线阅读 下载PDF
基于改进域对抗网络的齿轮箱跨工况故障诊断
6
作者 贾宝惠 苏家成 高源 《电子测量技术》 北大核心 2025年第3期83-91,共9页
针对不同工况下采集的齿轮箱振动数据特征分布不一致和噪声成分影响迁移效果的问题,本文提出了一种结合注意力机制的域对抗迁移网络的深度迁移学习故障诊断方法。首先,将带标签的振动信号和未带标签的振动信号通过固定长度的数据分割方... 针对不同工况下采集的齿轮箱振动数据特征分布不一致和噪声成分影响迁移效果的问题,本文提出了一种结合注意力机制的域对抗迁移网络的深度迁移学习故障诊断方法。首先,将带标签的振动信号和未带标签的振动信号通过固定长度的数据分割方法构建成数据集;其次,为减少噪声样本带来的负迁移影响,采用卷积注意力模块(CBAM)以及判别损失项辅助特征提取器提取具有区分度的特征,加强分类决策边界;最后,为解决数据特征分布不一致的问题,采用多核最大均值差异(MK-MMD)对齐源域和目标域的全局分布,并利用对抗机制对齐两域的子领域分布。在公开的变工况齿轮箱故障数据集上进行试验验证,结果表明,所提方法的平均识别准确率达到96.25%以上,并通过与其他诊断方法的对比分析,验证了所提方法的有效性和优越性。 展开更多
关键词 判别损失项 卷积注意力模块 域对抗迁移网络 迁移学习 故障诊断
在线阅读 下载PDF
考虑新能源的暂态功角与电压稳定一体化评估 被引量：1
7
作者 步雨洛 吴俊勇 +1 位作者 史法顺 季佳伸 《中国电力》 北大核心 2025年第6期122-136,共15页
暂态功角失稳与暂态电压失稳大多共同发生且相互影响,增加了稳定评估与紧急控制的难度。为实现稳定评估对紧急控制的全面指导性,提出了失稳模式识别方法。该方法以故障极限切除时间描述故障严重程度,通过功角失稳与电压失稳发生的先后... 暂态功角失稳与暂态电压失稳大多共同发生且相互影响,增加了稳定评估与紧急控制的难度。为实现稳定评估对紧急控制的全面指导性,提出了失稳模式识别方法。该方法以故障极限切除时间描述故障严重程度,通过功角失稳与电压失稳发生的先后标志主导性,以二者时间差描述耦合程度,构建了失稳模式识别四象限图。为实现在线的一体化评估,构建了基于融合卷积注意力机制模块(convolutional block attention module,CBAM)的改进卷积神经网络(convolutional neural networks,CNN)模型,提出了基于该模型的两阶段一体化稳定评估方案。最后,以新英格兰10机39节点系统为例进行仿真验证,结果表明该方法兼顾全面性、有效性及准确性;以含新能源的改进后10机39节点系统为例,说明所提方法在含新能源系统的适用性。 展开更多
关键词 暂态功角稳定 暂态电压稳定 卷积块注意力模块 失稳模式 卷积神经网络
在线阅读 下载PDF
融合CBAM的违法犯罪类安卓恶意软件检测与分类模型研究 被引量：1
8
作者 刘红玉 高见 《计算机工程与应用》 北大核心 2025年第6期317-327,共11页
针对公安工作领域移动终端APP违法犯罪日益频发的情况,为解决Android恶意违法犯罪软件检测领域中相关数据集数量少、分类不清晰,识别Android恶违法软件可行性方法匮乏等情况,提出了一种基于安卓违法犯罪APP数据集,融合CBAM注意力机制的... 针对公安工作领域移动终端APP违法犯罪日益频发的情况,为解决Android恶意违法犯罪软件检测领域中相关数据集数量少、分类不清晰,识别Android恶违法软件可行性方法匮乏等情况,提出了一种基于安卓违法犯罪APP数据集,融合CBAM注意力机制的深度学习模型。收集6181个违法犯罪类APP并整理划分为4个家族;对违法APP软件进行灰度图、RGB以及RGBA三种图像可视化处理;利用融合CBAM注意力机制的深度模型进行家族检测分类。在违法犯罪APP数据集上的实验表明,融合CBAM机制的Resnet18模型在RGBA图像上与未引入该机制的灰度图图像相比,准确度提升了4.04%,达到93.52%。融合CBAM机制的模型在公开Drebin数据集上进行了验证,引入CBAM深度学习模型VGG16在RGBA图像上取得了96.35%的准确率。 展开更多
关键词 违法犯罪 安卓恶意软件 RGBA图像 可视化处理 卷积块注意力模块(CBAM) 深度学习
在线阅读 下载PDF
基于CBAM-STCN的齿轮箱故障智能诊断方法
9
作者 万志国 王治国 +1 位作者 赵伟 窦益华 《科学技术与工程》 北大核心 2025年第9期3760-3768,共9页
针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse t... 针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse temporal convolutional network with soft thresholding,CBAM-STCN)齿轮箱故障诊断模型识别分类方法。首先,利用希尔伯特变换将齿轮故障振动信号转换为包络谱信号;然后,将其输入CBAM-STCN故障诊断模型中;该模型嵌入的混合注意力机制模块(convolutional block attention module,CBAM),能够自适应学习通道和空间注意力的权重,提取与故障特征相关的敏感信息;嵌入的软阈值函数能够最小化模型输出和原输入之间的差异;最后,利用所提出的方法对两种工况、不同类型的齿轮故障进行识别分类。结果表明:CBAM-STCN故障诊断模型对齿轮故障智能诊断的平均准确率为98.95%。该方法对于齿轮箱故障的智能诊断具有一定的参考价值。 展开更多
关键词 齿轮箱 故障智能诊断 混合注意力机制 软阈值化 时间卷积神经网络
在线阅读 下载PDF
基于CNN和CBAM的钢材表面缺陷检测研究
10
作者 徐吉高 陈江义 +1 位作者 秦东晨 沈鹏 《机械设计与制造》 北大核心 2025年第2期149-152,共4页
为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征... 为了针对钢材表面缺陷尺度小、有用的特征信息少,提出了在卷积神经网络(CNN)的基础架构上添加卷积注意力模块(CBAM),改进后的网络模型对于数据集进行更层次的特征提取,更加关注特征信息的位置以及意义,使提取到的特征更加精炼,加强特征重复利用,提升模型的表现力。实验结果表明:在数据集特征信息少、分类对象较为单一的情况下,本文所提出方法相较于更深层次的网络模型对于分类任务取得更好的效果,缺陷检测分类准确率可达99%,平均检测速度8.21ms,满足实时检测需求。 展开更多
关键词 钢材表面缺陷检测 卷积神经网络 卷积注意力模块
在线阅读 下载PDF
多源信息融合的电机小样本故障诊断
11
作者 贾晗 尚前明 金华标 《机械科学与技术》 北大核心 2025年第5期847-856,共10页
在实际的工程应用中,电机故障发生的频率极低,电机的故障数据通常较少,正常数据与故障数据存在严重的比例失衡,这对基于数据驱动的电机故障诊断方法提出了挑战。针对这一问题,该文提出一种多源信息融合的电机故障诊断方法。首先,采用快... 在实际的工程应用中,电机故障发生的频率极低,电机的故障数据通常较少,正常数据与故障数据存在严重的比例失衡,这对基于数据驱动的电机故障诊断方法提出了挑战。针对这一问题,该文提出一种多源信息融合的电机故障诊断方法。首先,采用快速谱峭度的特征提取方法将电机定子电流信号和振动加速度信号转化为谱峭度特征图像;其次,搭建一种双通道残差网络模型融合振动信号和电流信号的故障特征并完成故障分类;最后,利用实验台架所采集的5种故障电机数据对多源信息融合的故障诊断方法进行了验证。研究结果表明:在故障数据严重缺失的情况下,故障诊断准确度可以达到95%以上,远高于传统的基于数据驱动的故障诊断方法,同时该方法还可以同样应用于旋转机械设备的故障诊断,具备良好的泛化性。 展开更多
关键词 故障诊断 信息融合 快速谱峭度法 残差神经网络 卷积注意力模块
在线阅读 下载PDF
基于深度可分离卷积与注意力机制的单导联心房颤动轻量级分类网络
12
作者 洪永 张鑫 +2 位作者 林铭俊 吴秋岑 陈超敏 《南方医科大学学报》 北大核心 2025年第3期650-660,共11页
目的设计一个深度学习模型,实现模型复杂度和模型性能的平衡,以便于集成到可穿戴心电监护设备上,实现本地的房颤自动诊断。方法从公开数据集LTAFDB、AFDB和NSRDB上分别收集了84例、25例房颤患者和18例无明显心律失常受试者的数据进行实... 目的设计一个深度学习模型,实现模型复杂度和模型性能的平衡,以便于集成到可穿戴心电监护设备上,实现本地的房颤自动诊断。方法从公开数据集LTAFDB、AFDB和NSRDB上分别收集了84例、25例房颤患者和18例无明显心律失常受试者的数据进行实验和测试。提出了一个基于深度可分离卷积并融合通道空间信息的轻量级注意网络—DSC-AttNet,引入深度可分离卷积代替标准卷积,降低模型参数量和计算量,实现模型的高效和轻量化;并嵌入多层混合注意力机制以在不同尺度上计算通道信息和空间信息的注意权重,提高模型的特征表达能力。在LTAFDB上进行十折交叉验证,并在AFDB和NSRDB上进行外部独立测试。结果DSC-AttNet在测试集上的十折平均准确率达到97.33%,精确率达到97.30%,均优于其他4个对比模型以及3个经典模型。模型在外部测试集上的准确率分别达到92.78%和99.97%,优于3个经典模型。且DSC-AttNet的参数量为1.01M,计算量为27.19 G,小于3个经典模型。结论该房颤分类方法具有较小的复杂度,达到了更好的分类性能,并且泛化能力较好,具有良好的临床应用前景和推广能力。 展开更多
关键词 心电图 心房颤动 卷积块注意模块 MobileNet 轻量级卷积神经网络
在线阅读 下载PDF
基于改进YOLOv10的盒装食品生产线包装缺陷检测方法
13
作者 王静蕾 赵英杰 +1 位作者 李峰 王春雨 《食品与机械》 北大核心 2025年第4期236-241,共6页
[目的]解决传统食品生产中包装缺陷检测方法存在的检测精度低和实时性差等问题。[方法]在分析食品自动化生产线的基础上,应用改进的YOLOv10模型作为盒装食品生产线包装缺陷检测方法。在骨干层和颈部层的C2f模块后引入注意力机制CBAM,以... [目的]解决传统食品生产中包装缺陷检测方法存在的检测精度低和实时性差等问题。[方法]在分析食品自动化生产线的基础上,应用改进的YOLOv10模型作为盒装食品生产线包装缺陷检测方法。在骨干层和颈部层的C2f模块后引入注意力机制CBAM,以增强模型在复杂背景中的特征目标定位能力。在骨干层和颈部层引入全维动态卷积,以减少计算冗余,提高检测精度。在头部层引入P2并去除P5,以提高小目标检测性能。在头部层优化损失函数,以提高模型收敛性能。[结果]试验方法有效提高了盒装食品包装缺陷的检验精度,满足实时性要求,检测准确率>98.00%,检测平均时间<0.02 s。[结论]深入学习与机器视觉相结合可以实现盒装食品包装缺陷的快速准确检测。 展开更多
关键词 食品生产 包装缺陷 YOLOv10模型 注意力机制CBAM 全维动态卷积
在线阅读 下载PDF
基于样本优化与深度特征提取的滑坡易发性评价
14
作者 徐金鸿 李清泉 +1 位作者 韦春桃 赵芹 《水土保持通报》 北大核心 2025年第2期190-200,210,共12页
[目的]探究滑坡易发性评价中准确的非滑坡样本采样方法和特征提取优异的评价模型,为区域滑坡防控工作提供理论支持和科学指导。[方法]在缓冲区采样策略的基础上提出了一种基于卷积自编码器(convolutional auto-encoder,CAE)的非滑坡样... [目的]探究滑坡易发性评价中准确的非滑坡样本采样方法和特征提取优异的评价模型,为区域滑坡防控工作提供理论支持和科学指导。[方法]在缓冲区采样策略的基础上提出了一种基于卷积自编码器(convolutional auto-encoder,CAE)的非滑坡样本优化方法。该方法通过学习滑坡样本的特征,利用重构误差筛选和优化非滑坡样本。在评价模型方面,引入卷积注意力模块(convolutional block attention module,CBAM)到残差网络(ResNet)中,构建ResNet-CBAM滑坡易发性评价模型,以捕捉更深层次、更复杂且更具代表性的特征。试验以三峡库区重庆市万州区为研究区域,选取高程等12个影响因子,采用SVM,DNN,CNN和ResNet-CBAM 4种模型,对缓冲区采样和基于CAE优化采样的评价精度和结果进行对比分析。[结果]在相同评价模型下,基于CAE优化的非滑坡样本采样策略具有更高的可靠性与准确性;在相同采样策略下,ResNet-CBAM模型在准确率、精确率、召回率、F_(1)分数和AUC等指标上均优于其他模型;各模型的评价结果具有相似性,高易发区和极高易发区主要分布在长江沿岸等植被覆盖度低、人类活动频繁的区域,使用了基于CAE优化采样的ResNet-CBAM模型表现出更优的预测效果,更适宜于该区域的滑坡易发性评价研究。[结论]万州区滑坡易发性指数较高,区域内存在大量潜在滑坡风险区。基于CAE优化的非滑坡样本采样策略和ResNet-CBAM评价模型能有效提高滑坡易发性评价的精度。 展开更多
关键词 滑坡易发性评价 非滑坡样本 卷积自编码器 残差网络 卷积注意力模块
在线阅读 下载PDF
结合ResNet和CBAM的静态图像行为识别方法
15
作者 高晗 万方杰 马明旭 《郑州大学学报(理学版)》 北大核心 2025年第3期65-71,共7页
针对静态图像行为识别缺乏大规模训练数据集和无法利用时空特征所导致的识别效果不佳问题,提出一种结合残差神经网络(residual neural network,ResNet)和卷积注意力模块(convolutional block attention module,CBAM)的静态图像行为识别... 针对静态图像行为识别缺乏大规模训练数据集和无法利用时空特征所导致的识别效果不佳问题,提出一种结合残差神经网络(residual neural network,ResNet)和卷积注意力模块(convolutional block attention module,CBAM)的静态图像行为识别方法。使用特定数据增强技术对数据集进行扩充,采用迁移学习方法对模型初始化,并进行微调训练提升对静态图像行为识别的特征表达能力。通过将CBAM嵌入ResNet的第1个卷积层后来调整模型注意力,利用Grad-CAM方法提取模型识别图像时关注区域并进行可视化,对精度提升进行了解释。在PPMI数据集上,所提方法在演奏乐器类、持有乐器类和总类的平均识别精度分别达到88.30%、81.94%和77.93%,验证了方法的有效性。 展开更多
关键词 残差网络 行为识别 卷积注意力模块 静态图像 迁移学习
在线阅读 下载PDF
基于GRM-IConvNeXt模型的滚动轴承故障诊断方法
16
作者 罗亨发 于天壮 周世华 《东北大学学报(自然科学版)》 北大核心 2025年第5期62-70,共9页
针对复杂的轴承运行工况以及传统深度学习故障诊断方法泛化能力弱、模型识别准确率不高等问题,提出了一种基于GRM-IConvNeXt模型的滚动轴承故障诊断方法 .首先,提出了一种全局关系矩阵(global relationship matrix, GRM)的编码方法,利... 针对复杂的轴承运行工况以及传统深度学习故障诊断方法泛化能力弱、模型识别准确率不高等问题,提出了一种基于GRM-IConvNeXt模型的滚动轴承故障诊断方法 .首先,提出了一种全局关系矩阵(global relationship matrix, GRM)的编码方法,利用其保留原始信号特征的优点将一维振动信号转换为二维图像.然后,构造了一个针对轴承故障诊断小样本分类的改进ConvNeXt(improved ConvNeXt, IConvNeXt)模型,并选用大小为5×5的卷积核和多个BN层与Hardswish激活函数以强化特征提取性能,同时通过CBAM机制根据GRM图像特征自适应地生成权重.实验结果表明,GRM-IConvNeXt模型在变工况和小样本的情况下都具有良好的特征提取能力和泛化性. 展开更多
关键词 滚动轴承 全局关系矩阵 IConvNeXt模型 CBAM 故障诊断
在线阅读 下载PDF
绿色数字技术赋能电网基建质量检测的实现方法
17
作者 陈然 柯方超 +4 位作者 赵爽 贺兰菲 许琪林 许小薇 张佳恒 《高压电器》 北大核心 2025年第5期111-120,共10页
高质量发展背景下,包含人工智能技术在内的绿色数字技术对于促进电网基建质量检测发展起着重要作用。当前电网基建过程中已能够实现质量检测安全化和智能化。然而,其中难免存在误检、漏检、检测效率不高等问题。为此,文中提出了一种基于... 高质量发展背景下,包含人工智能技术在内的绿色数字技术对于促进电网基建质量检测发展起着重要作用。当前电网基建过程中已能够实现质量检测安全化和智能化。然而,其中难免存在误检、漏检、检测效率不高等问题。为此,文中提出了一种基于CBAM-ASFF-YOLOv4的电网基建质量智能检测方法。首先,该方法在YOLOv4算法的颈部网络结构中引入自适应空间特征融合(adaptively spatial feature fusion,ASFF)改进原有PANet,通过优化特征融合来解决目标尺度多变的问题。其次,通过在各个特征层后添加卷积块注意力模块(convolutional block attention module,CBAM)有效增强了主干网络对电网基建质量检测小目标的特征提取能力。最后,采用动态权值确定方法以减少准确检测结果的损失占比。算例仿真结果表明,文中所提质量智能检测方法的检测平均精度和检测速度分别达到92.81%和41.16 fps,相比SSD、Faster-RCNN以及YOLOv4缩短了检测时间,提高了算法的收敛速度和检测精度,能够在实现隐患图像缺陷自动识别的同时输出相应的告警数据与报告。 展开更多
关键词 电网基建 智能检测 特征融合 卷积块注意力模块 YOLOv4
在线阅读 下载PDF
基于改进YOLOv8s模型的隧道火灾检测
18
作者 王春源 刘权捷 《中国安全科学学报》 北大核心 2025年第3期69-76,共8页
为准确高效地检测复杂环境隧道火灾,提出一种基于改进YOLOv8s的隧道火灾检测算法。首先,引入跨阶段部分变换器模块(CSP-PTB)重构主干网络结构,在降低计算复杂度的同时保持特征提取能力;其次,融入卷积注意力(CBAM)增强模型对关键区域的... 为准确高效地检测复杂环境隧道火灾,提出一种基于改进YOLOv8s的隧道火灾检测算法。首先,引入跨阶段部分变换器模块(CSP-PTB)重构主干网络结构,在降低计算复杂度的同时保持特征提取能力;其次,融入卷积注意力(CBAM)增强模型对关键区域的感知能力,提升特征表征的判别性;最后,采用归一化高斯瓦瑟斯坦距离(NWD)损失函数优化训练过程,有效解决小目标检测精度不足的问题。检测试验结果表明:改进后的YOLOv8s模型平均精度均值(mAP)为0.848,比原版YOLOv8s模型提升2%;召回率为0.812,较原模型大幅提升9.3%;同时模型计算量(GFLOPS)减少6.7%,实现性能提升与效率优化的双重目标。与主流目标检测模型比,改进模型的mAP较快速区域卷积神经网络(Faster R-CNN)、单发多框检测(SSD)和YOLOv5s分别提升7.3%、10.1%和4.2%。 展开更多
关键词 YOLOv8模型 隧道火灾检测 卷积神经网络(CNN) 卷积注意力(CBAM) 损失函数
在线阅读 下载PDF
基于改进RetinaNet模型速冻水饺表面缺陷检测
19
作者 费致根 郭兴 +2 位作者 宋晓晓 鲁豪 赵鑫昌 《食品工业科技》 北大核心 2025年第6期9-19,共11页
目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeX... 目的:提升速冻水饺表面缺陷检测的精度。方法:制作了包含五种冻饺形态(正常、露馅、半饺、破肚、粘连)的数据集,提出了用于速冻水饺表面缺陷检测与定位的网络模型GX-RetinaNet。该模型基于RetinaNet网络改进,主干特征提取网络采用ResNeXt-50模型,增强网络特征提取能力,引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)与Swish激活函数有效抑制背景噪声,通过在特征金字塔模块(Feature Pyramid Networks,FPN)后增加PAN结构(Path Aggregation Network)组成双向特征融合模块,可以提升对目标多尺度特征信息的融合能力。结果:GX-RetinaNet网络对工业现场条件下速冻水饺表面缺陷的在线检测精度优于主流的几种目标检测网络,其平均精度均值(mAP)为94.8%,召回率(Recall)为77.0%,F1分数(F1-score)为84.9%。与RetinaNet网络相比,mAP、Recall和F1-score分别提高了2.6%、2.6%、2.4%。结论:GX-RetinaNet网络模型可以满足冻饺表面缺陷检测精度的要求,本研究为深度学习理论在速冻水饺表面缺陷检测方面的应用提供了一种可行的方法。 展开更多
关键词 速冻水饺表面缺陷检测 RetinaNet ResNeXt-50 卷积块注意力模块 双向特征融合模块
在线阅读 下载PDF
基于逐次变分模态分解和CBAM-ResNet的滚动轴承故障诊断方法
20
作者 陈志刚 陶子纯 +1 位作者 王衍学 史梦瑶 《振动与冲击》 北大核心 2025年第4期298-304,312,共8页
针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBA... 针对噪声背景下滚动轴承信号故障特征提取与智能诊断问题,提出基于逐次变分模态分解(successive variational mode decomposition,SVMD)以及注意力机制-残差神经网络(convolutional block attention module-residual neural network,CBAM-ResNet)的轴承故障诊断方法。首先对轴承振动信号进行SVMD分解成一系列本征模态分量,根据包络熵和峭度融合评价指标选择含故障特征明显的模态分量并重构;将重构信号进行短时傅里叶变换得到时频图像。之后利用CBAM能够自适应捕捉图形特征的特点,把重构信号的时频图像输入CBAM-ResNet模型进行特征提取和故障模式识别。在CBAM-ResNet模型训练过程中,使用迁移学习的方法初始化ResNet模型的参数来提高模型的泛化性。与其他传统模型相比,该研究的分类准确率高达96.68%,具有更强的故障特征提取能力。试验结果表明,CBAM-ResNet模型在变工况环境下也具有较高的识别精度。 展开更多
关键词 故障诊断 滚动轴承 逐次变分模态分解 卷积注意力模块 残差神经网络
在线阅读 下载PDF
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 2 … 7 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部