检索结果-维普期刊中文期刊服务平台

基于改进的Faster RCNN的仪表自动识别方法被引量：4: 1; 作者王欣然张斌 +1 位作者湛敏赵成龙《机电工程》 CAS 北大核心 2024年第3期532-539,共8页; 在环境复杂的工业场景中,仪表盘存在类别多、相似性高等问题,导致检测的识别效果较差、准确率不高。针对这一问题,提出了一种基于改进的更快速的区域卷积神经网络(Faster RCNN)的仪表自动识别方法。首先,采用残差网络(Resnet)101代替视... 展开更多; 关键词仪表识别更快速的区域卷积神经网络递归特征金字塔网络注意力机制非极大值抑制算法 Mosaic数据增强技术; 在线阅读下载PDF 职称材料

基于深度学习的指针式压力表读数方法研究被引量：2: 2; 作者林鸿正张斌 +2 位作者赵成龙戴杰湛敏《现代电子技术》北大核心 2024年第7期165-169,共5页; 为了降低指针式压力表的误读率,减轻人工读数压力,提高仪表读数的精度,设计了一种基于深度学习的指针式压力表读数方法。通过在DBNet网络结构基础上增加主干网络ResNet-18各个卷积层的通道数来提高模型的鲁棒性,重新设计了更适应指针式... 展开更多; 关键词深度学习指针式压力表极坐标展开自动读数卷积循环神经网络读数识别; 在线阅读下载PDF 职称材料

激光雷达IMU紧耦合的室内大范围SLAM方法被引量：6: 3; 作者林子祥张斌 +1 位作者王嘉盛湛敏《现代电子技术》 2023年第20期135-141,共7页; 针对激光雷达SLAM算法在室内大范围场景中建图与定位精确度低、鲁棒性差的问题,提出一种激光雷达IMU紧耦合的SLAM方法。该方法基于LeGO-LOAM算法,在点云去畸变环节引入惯性测量单元(IMU)数据,将IMU预积分的结果作为初始位姿,消除点云畸... 展开更多; 关键词激光雷达 SLAM算法惯性测量单元(IMU) 紧耦合 LeGO-LOAM算法点云去畸变点云配准因子图; 在线阅读下载PDF 职称材料

基于改进YOLOX-S算法的焊缝特征点提取方法研究: 4; 作者王嘉盛张斌 +1 位作者湛敏林子祥《现代电子技术》 2023年第17期95-101,共7页; 在使用机器人进行焊接的过程中,常常会出现一些问题,例如面对加工误差、热变形等引起的复杂环境状况,必须采用焊缝跟踪技术来辅助机器人进行焊接工作。传统的数字图像处理技术目前广泛应用于焊缝跟踪,不过在工业领域中,常常出现的特征... 展开更多; 关键词自动焊接特征点提取深度学习 YOLOX-S 焊缝特征提取注意力机制; 在线阅读下载PDF 职称材料

题名基于改进的Faster RCNN的仪表自动识别方法被引量：4: 1; 作者王欣然张斌湛敏赵成龙; 机构中国计量大学计量测试工程学院杭州莱霆科技有限公司; 出处《机电工程》 CAS 北大核心 2024年第3期532-539,共8页; 基金浙江省自然科学基金资助项目(LY17E050015)。; 文摘在环境复杂的工业场景中,仪表盘存在类别多、相似性高等问题,导致检测的识别效果较差、准确率不高。针对这一问题,提出了一种基于改进的更快速的区域卷积神经网络(Faster RCNN)的仪表自动识别方法。首先,采用残差网络(Resnet)101代替视觉几何群网络(VGG)16,进行了网络结构简化;然后,引入了特征金字塔网络(FPN),并将其改进为递归特征金字塔网络后进行了迭代融合,输出了特征图;接着,引入了注意力机制模块,根据特征的重要程度,完成了对输出通道权值的重新分配,增强了Faster RCNN对目标的运算能力;提出了改进非极大值抑制算法(Softer-NMS),通过降低置信度来确定准确的目标候选框;最后,采用Mosaic数据增强技术对可视对象类(VOC)2007数据集进行了扩充,对改进后的Faster RCNN模型进行了仪表自动识别的实验。研究结果表明:在相同工业环境下,与传统的Faster RCNN算法模型相比,改进后的Faster RCNN模型准确率为93.5%,较原模型提高了3.8%,mAP值为92.6%,较原模型提高了3.7%,可见该方法在实际生产中具有较强的鲁棒性与泛化能力,可满足工业上对智能检测的要求。; 关键词仪表识别更快速的区域卷积神经网络递归特征金字塔网络注意力机制非极大值抑制算法 Mosaic数据增强技术; Keywords instrument identification faster regional convolutional neural network(Faster RCNN) recursive feature pyramid network attention mechanism softer non-maximum suppression(softer-NMS) Mosaic data enhancement technology; 分类号 TH86 [机械工程—精密仪器及机械] 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

题名基于深度学习的指针式压力表读数方法研究被引量：2: 2; 作者林鸿正张斌赵成龙戴杰湛敏; 机构中国计量大学计量测试工程学院杭州莱霆科技有限公司; 出处《现代电子技术》北大核心 2024年第7期165-169,共5页; 文摘为了降低指针式压力表的误读率,减轻人工读数压力,提高仪表读数的精度,设计了一种基于深度学习的指针式压力表读数方法。通过在DBNet网络结构基础上增加主干网络ResNet-18各个卷积层的通道数来提高模型的鲁棒性,重新设计了更适应指针式压力表刻度值检测的损失函数,在刻度值精准检测识别的基础上设计了极坐标展开的方法,将弧形的刻度值展开成一条直线,提高了读数的准确率。实验结果表明,最大误差仅1.05%,平均误差仅0.725%。相较于常用的Hough直线检测与ORB结合或DBNet+CRNN检测的方法,读数识别的平均误差大幅降低,为指针式压力表的自动读数提供了新的思路。; 关键词深度学习指针式压力表极坐标展开自动读数卷积循环神经网络读数识别; Keywords deep learning pointer pressure gauge polar coordinate expansion automatic reading convolutional recurrent neural network reading recognition; 分类号 TN606-34 [电子电信—电路与系统] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名激光雷达IMU紧耦合的室内大范围SLAM方法被引量：6: 3; 作者林子祥张斌王嘉盛湛敏; 机构中国计量大学计量测试工程学院杭州莱霆科技有限公司; 出处《现代电子技术》 2023年第20期135-141,共7页; 文摘针对激光雷达SLAM算法在室内大范围场景中建图与定位精确度低、鲁棒性差的问题,提出一种激光雷达IMU紧耦合的SLAM方法。该方法基于LeGO-LOAM算法,在点云去畸变环节引入惯性测量单元(IMU)数据,将IMU预积分的结果作为初始位姿,消除点云畸变;在点云配准环节,将IMU预积分的结果作为迭代优化时的初始位姿,提升点云配准精度,从而提高机器人位姿估计的准确性;在后端优化环节,通过构建因子图的方式引入激光里程计因子、IMU预积分因子及回环因子,得到全局最优解,进一步提升建图与定位的精度。为验证所提方法的可行性,设计不同场景下LeGO-LOAM算法与改进SLAM算法的对比实验。实验结果表明,在室内大范围场景下,改进的SLAM算法能够减少轨迹波动,提升建图效果及轨迹精度,增强算法的鲁棒性。; 关键词激光雷达 SLAM算法惯性测量单元(IMU) 紧耦合 LeGO-LOAM算法点云去畸变点云配准因子图; Keywords lidar SLAM algorithm IMU tight coupling Lego⁃LOAM algorithm point cloud distortion point cloud registration factor graph; 分类号 TN958.98-34 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于改进YOLOX-S算法的焊缝特征点提取方法研究: 4; 作者王嘉盛张斌湛敏林子祥; 机构中国计量大学计量测试工程学院杭州莱霆科技有限公司; 出处《现代电子技术》 2023年第17期95-101,共7页; 基金浙江省自然科学基金项目(LY17E050015)。; 文摘在使用机器人进行焊接的过程中,常常会出现一些问题,例如面对加工误差、热变形等引起的复杂环境状况,必须采用焊缝跟踪技术来辅助机器人进行焊接工作。传统的数字图像处理技术目前广泛应用于焊缝跟踪,不过在工业领域中,常常出现的特征变化和电弧噪声等问题对焊缝特征提取算法提出了更高的要求。为了解决焊缝特征提取的抗干扰和自适应性问题,文中将基于深度学习的目标提取方法应用于焊缝检测,提出了一种基于改进YOLOX-S的焊缝特征点提取方法。在YOLOX-S算法的特征金字塔中每个上采样和下采样之后使用注意力机制,使模型更多关注焊缝特征点特征信息,从而减少检测误差。该方法能克服强弧光的干扰,满足复杂焊接过程对精度和实时性的要求。将YOLOX-S算法中卷积层之后的批标准化改为群组归一化,可以解决批量较小引起的误差增加的问题。实验结果表明了该算法的可行性。; 关键词自动焊接特征点提取深度学习 YOLOX-S 焊缝特征提取注意力机制; Keywords automatic welding feature point extraction deep learning YOLOX⁃S weld seam feature extraction attention mechanism; 分类号 TN911.73-34 [电子电信—通信与信息系统]; 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	基于改进的Faster RCNN的仪表自动识别方法	王欣然张斌湛敏赵成龙	《机电工程》 CAS 北大核心	2024	4	在线阅读下载PDF 职称材料
2	基于深度学习的指针式压力表读数方法研究	林鸿正张斌赵成龙戴杰湛敏	《现代电子技术》北大核心	2024	2	在线阅读下载PDF 职称材料
3	激光雷达IMU紧耦合的室内大范围SLAM方法	林子祥张斌王嘉盛湛敏	《现代电子技术》	2023	6	在线阅读下载PDF 职称材料
4	基于改进YOLOX-S算法的焊缝特征点提取方法研究	王嘉盛张斌湛敏林子祥	《现代电子技术》	2023	0	在线阅读下载PDF 职称材料