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
基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究
被引量：
7
1
作者
张睿
高美蓉
+3 位作者
傅留虎
张鹏云
白晓露
赵娜
《振动与冲击》
EI
CSCD
北大核心
2023年第17期294-305,313,共13页
针对焊缝缺陷检测信号信息丰富度低、深度网络架构人工依赖性强等问题,开展基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究。构建时域数据集并衍生至实数域与复数域中,丰富检测信号的特征表达;设计多域信息融合模型,充分融合特征...
针对焊缝缺陷检测信号信息丰富度低、深度网络架构人工依赖性强等问题,开展基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究。构建时域数据集并衍生至实数域与复数域中,丰富检测信号的特征表达;设计多域信息融合模型,充分融合特征域信息;提出面向卷积神经网络多维超参数自寻优的模型优化策略,提高模型的效率和性能。试验表明,所提方法对五类焊缝缺陷识别准确率为96.54%,能够在提升识别准确率同时保持较少的参数量和计算消耗,具有较强的实用性和泛化性。
展开更多
关键词
焊缝缺陷
超声检测
多域多尺度特征融合
卷积神经网络(CNN)模型优化策略
模型自优化
在线阅读
下载PDF
职称材料
多级多尺神经网络自搜索的焊缝缺陷语义分割
被引量：
1
2
作者
张睿
李吉
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2024年第11期1750-1760,共11页
为进一步提高焊缝缺陷X-ray底片低质影像语义分割精度,降低人工设计网络主观影响及耗时等问题,提出一种多级多尺神经网络自搜索的焊缝缺陷语义分割方法.通过对多尺度轻量化候选操作、通道注意力机制和多层级动态神经网络架构的设计,从...
为进一步提高焊缝缺陷X-ray底片低质影像语义分割精度,降低人工设计网络主观影响及耗时等问题,提出一种多级多尺神经网络自搜索的焊缝缺陷语义分割方法.通过对多尺度轻量化候选操作、通道注意力机制和多层级动态神经网络架构的设计,从不同维度提升网络对低质影像缺陷特征提取的表达能力;同时对网络训练早期与最终识别性能之间的潜在关联探索,提出使用固定采样逐步确定最优候选操作的渐进式快速神经架构搜索方法.在架构搜索阶段使用自行采集、标注的483幅X-ray焊缝缺陷图像,经过随机裁剪、旋转、平移等数据增强操作进行架构寻优,最终以较低的搜索成本自动构建出焊缝缺陷语义分割网络.实验表明,所提方法对X-ray焊缝缺陷进行语义分割最终mIoU指数达到了49.23%,高于人工设计网络的45.41%和直接使用模型迁移的28.86%,网络自搜索速度和分割效果提升明显.
展开更多
关键词
语义分割
多分辨率多尺度特征融合
神经架构搜索
焊缝缺陷
无损检测
在线阅读
下载PDF
职称材料
基于改进YOLOv5的移动端螺栓缺失检测方法
被引量：
4
3
作者
陈欣瑞
周洋
+1 位作者
赵屹涛
闫宪峰
《现代制造工程》
CSCD
北大核心
2022年第11期108-114,143,共8页
大型结构件中螺栓缺失往往会产生重大的安全隐患,而目前通过深度学习进行目标检测的设备通常部署繁琐、困难,为了保证检测的高效率并且足够轻量化的性能,提出一种通过改进YOLOv5进行模型训练,并将模型轻量化移植到移动端的方法,以实现...
大型结构件中螺栓缺失往往会产生重大的安全隐患,而目前通过深度学习进行目标检测的设备通常部署繁琐、困难,为了保证检测的高效率并且足够轻量化的性能,提出一种通过改进YOLOv5进行模型训练,并将模型轻量化移植到移动端的方法,以实现螺栓的快速识别与个数缺失统计与报警。首先利用LabelImg软件对现有的螺栓数据进行标注,标注完成后对该数据集进行训练,再将得到的模型文件转化并降低位宽,转化为TensorFlow Lite(TFLite)模型文件,进而在安卓端进行部署。结果表明,将模型部署在小米MI 9 SE手机上,进行单目标检测时准确率可以达到98%,多目标检测时准确率可以达到97%,推理时间在40 ms左右,且报警功能可以正常使用,为螺栓缺失的检测提供了一种新的轻量化方法。
展开更多
关键词
目标检测
深度学习
改进YOLOv5
轻量化
螺栓连接
在线阅读
下载PDF
职称材料
题名
基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究
被引量：
7
1
作者
张睿
高美蓉
傅留虎
张鹏云
白晓露
赵娜
机构
太原科技大学计算机科学与技术学院
山西省机电设计研究院有限公司
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第17期294-305,313,共13页
基金
山西省基础研究计划项目(20210302123216)
山西省研究生教育改革研究课题项目(2021YJJG244)
+3 种基金
山西省研究生教育创新项目(2021Y699)
山西省机械产品质量司法鉴定中心企业委托项目(2021168)
太原科技大学研究生联合培养示范基地项目(JD2022004)
太原科技大学研究生教育创新项目(SY2022064)。
文摘
针对焊缝缺陷检测信号信息丰富度低、深度网络架构人工依赖性强等问题,开展基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究。构建时域数据集并衍生至实数域与复数域中,丰富检测信号的特征表达;设计多域信息融合模型,充分融合特征域信息;提出面向卷积神经网络多维超参数自寻优的模型优化策略,提高模型的效率和性能。试验表明,所提方法对五类焊缝缺陷识别准确率为96.54%,能够在提升识别准确率同时保持较少的参数量和计算消耗,具有较强的实用性和泛化性。
关键词
焊缝缺陷
超声检测
多域多尺度特征融合
卷积神经网络(CNN)模型优化策略
模型自优化
Keywords
weld defect
ultrasonic detection
multi-domain and multi-scale feature fusion
convolutional neural network(CNN)model optimization strategy
model self-optimization
分类号
TP391.4 [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
多级多尺神经网络自搜索的焊缝缺陷语义分割
被引量：
1
2
作者
张睿
李吉
机构
太原科技大学计算机科学与技术学院
山西省机电设计研究院有限公司
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2024年第11期1750-1760,共11页
基金
山西省基础研究计划(20210302123216)
山西省机械产品质量司法鉴定中心企业委托项目(2021168)
+1 种基金
山西省研究生教育改革研究课题(2021YJJG244)
太原科技大学研究生联合培养示范基地项目(JD2022004),太原科技大学研究生教育创新项目(SY2022064)。
文摘
为进一步提高焊缝缺陷X-ray底片低质影像语义分割精度,降低人工设计网络主观影响及耗时等问题,提出一种多级多尺神经网络自搜索的焊缝缺陷语义分割方法.通过对多尺度轻量化候选操作、通道注意力机制和多层级动态神经网络架构的设计,从不同维度提升网络对低质影像缺陷特征提取的表达能力;同时对网络训练早期与最终识别性能之间的潜在关联探索,提出使用固定采样逐步确定最优候选操作的渐进式快速神经架构搜索方法.在架构搜索阶段使用自行采集、标注的483幅X-ray焊缝缺陷图像,经过随机裁剪、旋转、平移等数据增强操作进行架构寻优,最终以较低的搜索成本自动构建出焊缝缺陷语义分割网络.实验表明,所提方法对X-ray焊缝缺陷进行语义分割最终mIoU指数达到了49.23%,高于人工设计网络的45.41%和直接使用模型迁移的28.86%,网络自搜索速度和分割效果提升明显.
关键词
语义分割
多分辨率多尺度特征融合
神经架构搜索
焊缝缺陷
无损检测
Keywords
semantic segmentation
multi resolution and multi-scale feature fusion
neural architecture weld defects
non-destructive testing
分类号
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
基于改进YOLOv5的移动端螺栓缺失检测方法
被引量：
4
3
作者
陈欣瑞
周洋
赵屹涛
闫宪峰
机构
郑州大学机械与动力工程学院
山西省机电设计研究院有限公司
出处
《现代制造工程》
CSCD
北大核心
2022年第11期108-114,143,共8页
基金
河南省自然科学基金项目(202300410431)。
文摘
大型结构件中螺栓缺失往往会产生重大的安全隐患,而目前通过深度学习进行目标检测的设备通常部署繁琐、困难,为了保证检测的高效率并且足够轻量化的性能,提出一种通过改进YOLOv5进行模型训练,并将模型轻量化移植到移动端的方法,以实现螺栓的快速识别与个数缺失统计与报警。首先利用LabelImg软件对现有的螺栓数据进行标注,标注完成后对该数据集进行训练,再将得到的模型文件转化并降低位宽,转化为TensorFlow Lite(TFLite)模型文件,进而在安卓端进行部署。结果表明,将模型部署在小米MI 9 SE手机上,进行单目标检测时准确率可以达到98%,多目标检测时准确率可以达到97%,推理时间在40 ms左右,且报警功能可以正常使用,为螺栓缺失的检测提供了一种新的轻量化方法。
关键词
目标检测
深度学习
改进YOLOv5
轻量化
螺栓连接
Keywords
target detection
deep learning
improved YOLOv5
light weight
bolted joint
分类号
TB551 [理学—声学]
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
基于多域多尺度深度特征自适应融合的焊缝缺陷检测研究
张睿
高美蓉
傅留虎
张鹏云
白晓露
赵娜
《振动与冲击》
EI
CSCD
北大核心
2023
7
在线阅读
下载PDF
职称材料
2
多级多尺神经网络自搜索的焊缝缺陷语义分割
张睿
李吉
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于改进YOLOv5的移动端螺栓缺失检测方法
陈欣瑞
周洋
赵屹涛
闫宪峰
《现代制造工程》
CSCD
北大核心
2022
4
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
