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
YoloGT:基于ViT的钢板表面轻量级瑕疵检测算法
1
作者
李宁
刘青
+2 位作者
熊俊
尚英强
时晨杰
《计算机应用与软件》
北大核心
2025年第3期319-325,340,共8页
目前基于传统方法设计的瑕疵检测算法速度较慢、检测精度低,而基于深度学习的瑕疵检测技术,也因其庞大的计算量和模型体积,导致无法在有限的设备上进行部署使用。针对以上问题,引入Vision Transformer(ViT)结构至特征提取部分,并利用一...
目前基于传统方法设计的瑕疵检测算法速度较慢、检测精度低,而基于深度学习的瑕疵检测技术,也因其庞大的计算量和模型体积,导致无法在有限的设备上进行部署使用。针对以上问题,引入Vision Transformer(ViT)结构至特征提取部分,并利用一种改变卷积结构的算法(GhostNet),实现瑕疵检测网络结构的轻量化,得到网络模型Yolov5s-Ghost-ViT(YoloGT)。与原模型相比,YoloGT模型体积、计算量和参数量分别减小了42.4%、47.9%、38.8%,mAP值在VOC和NEU数据集上分别提升1.65百分点和2.9百分点。相比原算法,更适用于工业场景中钢板表面瑕疵的嵌入式实时检测系统。
展开更多
关键词
瑕疵检测
YOLOv5
机器视觉
深度学习
在线阅读
下载PDF
职称材料
基于动态受阻硫脲键的自修复硅橡胶的绝缘性能
2
作者
丁一铭
焦宇阳
+2 位作者
翟涵君
吕泽鹏
马宪伟
《电工技术学报》
CSCD
北大核心
2024年第S1期150-158,共9页
含有动态受阻硫脲键的有机硅是一种新型智能绝缘材料,可用于电力设备和电子器件。目前关于自修复材料的研究多集中于机械性能的修复效率,较少关注其绝缘性能。为研究自修复材料在电气领域应用的可行性,该文以聚二甲基硅氧烷(PDMS)为基体...
含有动态受阻硫脲键的有机硅是一种新型智能绝缘材料,可用于电力设备和电子器件。目前关于自修复材料的研究多集中于机械性能的修复效率,较少关注其绝缘性能。为研究自修复材料在电气领域应用的可行性,该文以聚二甲基硅氧烷(PDMS)为基体,通过对苯二异硫氰酸酯和氨丙基双封端聚二甲基硅氧烷合成动态硫脲键,利用无水哌嗪提供空间位阻结构,同时采用三(2-氨乙基)胺调整分子链结构,研制了一种具有修复效果和良好绝缘性能的材料。基于拉伸试验、击穿和电导试验、宽带介电谱测试及热修复试验,对比样品修复前后的机械性能、绝缘性能和介电性能,发现动态键的加入使材料具备自修复能力,且相对介电常数增加。随着交联密度的提高,样品直流击穿强度和体积电阻率上升。该文可为开发同时具有修复性和绝缘性能的材料提供一条有效的途径。
展开更多
关键词
自修复材料
硫脲
聚二甲基硅氧烷(PDMS)
绝缘性能
空间电荷
在线阅读
下载PDF
职称材料
基于Transformer的实时语义分割网络及应用
3
作者
刘青
李宁
+2 位作者
熊俊
郑天宇
丁一铭
《激光与红外》
CAS
CSCD
北大核心
2023年第8期1288-1296,共9页
为提升机器人对电缆隧道场景的环境感知能力,提出了一种适用于电缆隧道场景的实时语义分割网络。使用Transformer结构提取图像全局语义信息,同时使用卷积神经网络捕获图像局部细节信息,将二者结合增强图像分割精度。同时,针对机器人以...
为提升机器人对电缆隧道场景的环境感知能力,提出了一种适用于电缆隧道场景的实时语义分割网络。使用Transformer结构提取图像全局语义信息,同时使用卷积神经网络捕获图像局部细节信息,将二者结合增强图像分割精度。同时,针对机器人以及隧道特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明,所提出的网络在公共数据集Cityscapes、CamVid上平均交叉联合度量分别为77.2%、76.8%,相比BiSeNet分别提高了8.8%、8.1%,并能较好地适应于实际电缆隧道环境中,提供有效的场景感知信息,实现自主避障。
展开更多
关键词
机器人
环境感知
深度学习
语义分割
在线阅读
下载PDF
职称材料
题名
YoloGT:基于ViT的钢板表面轻量级瑕疵检测算法
1
作者
李宁
刘青
熊俊
尚英强
时晨杰
机构
北京卓越电力建设有限公司
国网
北京
电缆
公司
出处
《计算机应用与软件》
北大核心
2025年第3期319-325,340,共8页
文摘
目前基于传统方法设计的瑕疵检测算法速度较慢、检测精度低,而基于深度学习的瑕疵检测技术,也因其庞大的计算量和模型体积,导致无法在有限的设备上进行部署使用。针对以上问题,引入Vision Transformer(ViT)结构至特征提取部分,并利用一种改变卷积结构的算法(GhostNet),实现瑕疵检测网络结构的轻量化,得到网络模型Yolov5s-Ghost-ViT(YoloGT)。与原模型相比,YoloGT模型体积、计算量和参数量分别减小了42.4%、47.9%、38.8%,mAP值在VOC和NEU数据集上分别提升1.65百分点和2.9百分点。相比原算法,更适用于工业场景中钢板表面瑕疵的嵌入式实时检测系统。
关键词
瑕疵检测
YOLOv5
机器视觉
深度学习
Keywords
Defect detection
YOLOv5
Machine vision
Deep learning
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
基于动态受阻硫脲键的自修复硅橡胶的绝缘性能
2
作者
丁一铭
焦宇阳
翟涵君
吕泽鹏
马宪伟
机构
国网
北京
市
电力
公司
电工材料电气绝缘全国重点实验室(西安交通大学)
北京卓越电力建设有限公司
出处
《电工技术学报》
CSCD
北大核心
2024年第S1期150-158,共9页
基金
国网北京市电力公司资助项目(ZYKCJS[2023]010)。
文摘
含有动态受阻硫脲键的有机硅是一种新型智能绝缘材料,可用于电力设备和电子器件。目前关于自修复材料的研究多集中于机械性能的修复效率,较少关注其绝缘性能。为研究自修复材料在电气领域应用的可行性,该文以聚二甲基硅氧烷(PDMS)为基体,通过对苯二异硫氰酸酯和氨丙基双封端聚二甲基硅氧烷合成动态硫脲键,利用无水哌嗪提供空间位阻结构,同时采用三(2-氨乙基)胺调整分子链结构,研制了一种具有修复效果和良好绝缘性能的材料。基于拉伸试验、击穿和电导试验、宽带介电谱测试及热修复试验,对比样品修复前后的机械性能、绝缘性能和介电性能,发现动态键的加入使材料具备自修复能力,且相对介电常数增加。随着交联密度的提高,样品直流击穿强度和体积电阻率上升。该文可为开发同时具有修复性和绝缘性能的材料提供一条有效的途径。
关键词
自修复材料
硫脲
聚二甲基硅氧烷(PDMS)
绝缘性能
空间电荷
Keywords
Self-healing material
thiourea
polydimethylsiloxane(PDMS)
insulating property
space charge
分类号
TM215.2 [一般工业技术—材料科学与工程]
在线阅读
下载PDF
职称材料
题名
基于Transformer的实时语义分割网络及应用
3
作者
刘青
李宁
熊俊
郑天宇
丁一铭
机构
北京卓越电力建设有限公司
出处
《激光与红外》
CAS
CSCD
北大核心
2023年第8期1288-1296,共9页
文摘
为提升机器人对电缆隧道场景的环境感知能力,提出了一种适用于电缆隧道场景的实时语义分割网络。使用Transformer结构提取图像全局语义信息,同时使用卷积神经网络捕获图像局部细节信息,将二者结合增强图像分割精度。同时,针对机器人以及隧道特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障。实验结果表明,所提出的网络在公共数据集Cityscapes、CamVid上平均交叉联合度量分别为77.2%、76.8%,相比BiSeNet分别提高了8.8%、8.1%,并能较好地适应于实际电缆隧道环境中,提供有效的场景感知信息,实现自主避障。
关键词
机器人
环境感知
深度学习
语义分割
Keywords
robot
environmental sensing
deep learning
semantic segmentation
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
TM93 [电气工程—电力电子与电力传动]
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
YoloGT:基于ViT的钢板表面轻量级瑕疵检测算法
李宁
刘青
熊俊
尚英强
时晨杰
《计算机应用与软件》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于动态受阻硫脲键的自修复硅橡胶的绝缘性能
丁一铭
焦宇阳
翟涵君
吕泽鹏
马宪伟
《电工技术学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于Transformer的实时语义分割网络及应用
刘青
李宁
熊俊
郑天宇
丁一铭
《激光与红外》
CAS
CSCD
北大核心
2023
0
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