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
2
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
基于再生骨料方位的模型再生混凝土损伤演化分析
被引量：
8
1
作者
刘琼
肖建庄
+1 位作者
郅晓
王肇嘉
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第10期1417-1424,共8页
制作了正方形模型骨料以及不同放置方位情况下模型再生混凝土,试验研究其受压破坏过程中裂缝发生、发展规律,并利用数字图像相关技术和有限元模拟相结合的方法分析应变分布与发展情况,总结归纳再生骨料方位对再生混凝土损伤演化规律的...
制作了正方形模型骨料以及不同放置方位情况下模型再生混凝土,试验研究其受压破坏过程中裂缝发生、发展规律,并利用数字图像相关技术和有限元模拟相结合的方法分析应变分布与发展情况,总结归纳再生骨料方位对再生混凝土损伤演化规律的影响。研究结果显示,骨料水平方向放置时应变集中现象首先出现在骨料两侧的界面区;当骨料放置为22.5°时,试件强度和割线模量均高于其他两种情况,应变集中首先在骨料上下两顶点处孕育并向骨料两侧界面区发展成裂缝;当骨料放置为45°时,骨料上下两顶点处应变集中程度最高。在荷载达到80%峰值荷载之前,模型再生混凝土的应变集中程度相对模型普通混凝土要小,对于3种骨料放置方位,分别小15%、32%和39%,这是因为老砂浆的弹性模量介于天然骨料和新砂浆之间,所以削弱了应变集中程度。根据再生骨料放置方位对其损伤演化规律影响的研究,证明可采用去除骨料尖端和减少针片状骨料含量的方法对再生骨料进行优化改性。
展开更多
关键词
模型再生混凝土
模型普通混凝土
模型骨料
力学性能
损伤演化
在线阅读
下载PDF
职称材料
基于Lite-YOLOv5s模型的刨花板表面缺陷检测方法
被引量：
3
2
作者
王文财
党亚光
+3 位作者
朱翔
关淯尹
沈彤
苍志智
《木材科学与技术》
北大核心
2023年第3期58-67,共10页
针对目前刨花板表面缺陷检测两阶段方法计算量大、机器学习识别方法鲁棒性低等问题,提出一种基于改进YOLOv5s的轻量化检测模型,即Lite-YOLOv5s。首先,在主干网络和颈部网络中引入Ghost Bottleneck模块以减少模型参数量,降低模型计算成...
针对目前刨花板表面缺陷检测两阶段方法计算量大、机器学习识别方法鲁棒性低等问题,提出一种基于改进YOLOv5s的轻量化检测模型,即Lite-YOLOv5s。首先,在主干网络和颈部网络中引入Ghost Bottleneck模块以减少模型参数量,降低模型计算成本。其次,在主干网络中增加坐标注意力机制(coordinate attention,CA),并将空间金字塔池化模块(spatial pyramid pooling-fast,SPPF)替换为简化空间金字塔池化模块(simplify spatial pyramid pooling-fast,SimSPPF),保证模型在降低计算量的同时仍具有较好的检测效果。最后,在替换颈部网络中使用深度卷积模块(depth wise convolution,DWConv),进一步优化模型运行成本。应用Lite-YOLOv5s模型对某工厂刨花板四种表面缺陷数据集进行模型训练和验证,并将训练的模型用于刨花板图像的缺陷检测,结果表明:Lite-YOLOv5s模型针对刨花、胶斑、油污及粉尘斑四种缺陷的平均检测精度(mean average precious,mAP)可达90%以上,针对样本数量较少的漏芯缺陷mAP为75%以上;与原YOLOv5s模型相比,模型训练时间减少约3.58%,模型参数量下降约63.5%,模型权重文件大小下降约60.54%,模型浮点计算量下降约65.2%,在保证检测精度的前提下有效降低了模型运行成本,使其更容易部署在资源有限的边缘侧设备中。
展开更多
关键词
刨花板
表面缺陷检测
图像
Lite-YOLOv5s
轻量化
深度学习
在线阅读
下载PDF
职称材料
题名
基于再生骨料方位的模型再生混凝土损伤演化分析
被引量：
8
1
作者
刘琼
肖建庄
郅晓
王肇嘉
机构
同济大学土木工程学院
同济大学工程结构服役性能演化与控制教育部重点实验室
中国建材
集团
有限公司
北京金隅集团股份有限公司
出处
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第10期1417-1424,共8页
基金
国家自然科学基金(51325802,52078358)
中国博士后科学基金面上项目(2018M642079)
中央高校基本科研业务费专项资金(22120200063)。
文摘
制作了正方形模型骨料以及不同放置方位情况下模型再生混凝土,试验研究其受压破坏过程中裂缝发生、发展规律,并利用数字图像相关技术和有限元模拟相结合的方法分析应变分布与发展情况,总结归纳再生骨料方位对再生混凝土损伤演化规律的影响。研究结果显示,骨料水平方向放置时应变集中现象首先出现在骨料两侧的界面区;当骨料放置为22.5°时,试件强度和割线模量均高于其他两种情况,应变集中首先在骨料上下两顶点处孕育并向骨料两侧界面区发展成裂缝;当骨料放置为45°时,骨料上下两顶点处应变集中程度最高。在荷载达到80%峰值荷载之前,模型再生混凝土的应变集中程度相对模型普通混凝土要小,对于3种骨料放置方位,分别小15%、32%和39%,这是因为老砂浆的弹性模量介于天然骨料和新砂浆之间,所以削弱了应变集中程度。根据再生骨料放置方位对其损伤演化规律影响的研究,证明可采用去除骨料尖端和减少针片状骨料含量的方法对再生骨料进行优化改性。
关键词
模型再生混凝土
模型普通混凝土
模型骨料
力学性能
损伤演化
Keywords
modeled recycled concrete
modeled normal concrete
modeled aggregate
mechanical properties
damage evolution
分类号
TU528.09 [建筑科学—建筑技术科学]
在线阅读
下载PDF
职称材料
题名
基于Lite-YOLOv5s模型的刨花板表面缺陷检测方法
被引量：
3
2
作者
王文财
党亚光
朱翔
关淯尹
沈彤
苍志智
机构
北京
建筑材料科学研究总院
有限公司
北京金隅集团股份有限公司
出处
《木材科学与技术》
北大核心
2023年第3期58-67,共10页
文摘
针对目前刨花板表面缺陷检测两阶段方法计算量大、机器学习识别方法鲁棒性低等问题,提出一种基于改进YOLOv5s的轻量化检测模型,即Lite-YOLOv5s。首先,在主干网络和颈部网络中引入Ghost Bottleneck模块以减少模型参数量,降低模型计算成本。其次,在主干网络中增加坐标注意力机制(coordinate attention,CA),并将空间金字塔池化模块(spatial pyramid pooling-fast,SPPF)替换为简化空间金字塔池化模块(simplify spatial pyramid pooling-fast,SimSPPF),保证模型在降低计算量的同时仍具有较好的检测效果。最后,在替换颈部网络中使用深度卷积模块(depth wise convolution,DWConv),进一步优化模型运行成本。应用Lite-YOLOv5s模型对某工厂刨花板四种表面缺陷数据集进行模型训练和验证,并将训练的模型用于刨花板图像的缺陷检测,结果表明:Lite-YOLOv5s模型针对刨花、胶斑、油污及粉尘斑四种缺陷的平均检测精度(mean average precious,mAP)可达90%以上,针对样本数量较少的漏芯缺陷mAP为75%以上;与原YOLOv5s模型相比,模型训练时间减少约3.58%,模型参数量下降约63.5%,模型权重文件大小下降约60.54%,模型浮点计算量下降约65.2%,在保证检测精度的前提下有效降低了模型运行成本,使其更容易部署在资源有限的边缘侧设备中。
关键词
刨花板
表面缺陷检测
图像
Lite-YOLOv5s
轻量化
深度学习
Keywords
particleboard
surface defect detection
image
Lite-YOLOv5s
lightweight
deep learning
分类号
S781 [农业科学—木材科学与技术]
TP391.41 [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
基于再生骨料方位的模型再生混凝土损伤演化分析
刘琼
肖建庄
郅晓
王肇嘉
《同济大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020
8
在线阅读
下载PDF
职称材料
2
基于Lite-YOLOv5s模型的刨花板表面缺陷检测方法
王文财
党亚光
朱翔
关淯尹
沈彤
苍志智
《木材科学与技术》
北大核心
2023
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
