检索结果-维普期刊中文期刊服务平台

改进基于YOLOv8n的轻量化钢材表面缺陷检测算法被引量：2: 1; 作者刚帅刘培胜郭希旺《电子测量技术》北大核心 2025年第3期74-82,共9页; 为了解决钢材表面缺陷检测模型参数量大、计算复杂度高以及对运算平台资源要求高的问题,提出了一种轻量化的改进算法。首先,使用ShuffleNetV2作为改进后的主干层,在降低模型复杂性和计算量上具有显著效果;其次,在SPPF模块后加入足够灵... 展开更多; 关键词 YOLOv8n 钢材缺陷轻量化缺陷检测注意力机制; 在线阅读下载PDF 职称材料

非完美SIC D2D-NOMA系统吞吐量最大化功率分配: 2; 作者张东方叶成荫《电子测量技术》北大核心 2025年第8期80-87,共8页; 针对D2D-NOMA系统在非完美串行干扰消除条件下的吞吐量最大化问题,提出了一种基于非完美SIC的D2D-NOMA系统吞吐量最大化算法。首先在蜂窝用户和D2D用户的服务质量、最大发射功率下,考虑非完美SIC条件,建立一个以D2D-NOMA系统的吞吐量最... 展开更多; 关键词非完美SIC D2D-NOMA系统吞吐量最大化 TD3算法; 在线阅读下载PDF 职称材料

基于数据增强和RFE-PCA-BP的少样本芘浓度分类方法被引量：2: 3; 作者马晨宇黄越洋 +1 位作者石元博孔宪明《化学研究与应用》 CAS 北大核心 2024年第2期292-298,共7页; 该文提出了一种基于数据增强的特征选择拉曼光谱浓度分类方法(Recursive Feature Elimination-Princi-pal Component Analysis-Back Propagation Neural Network,RFE-PCA-BP)。实验将购买于超市的食用油与不同浓度的嵌二萘溶液滴在硅藻... 展开更多; 关键词拉曼光谱浓度分类数据增强神经网络特征选择芘; 在线阅读下载PDF 职称材料

改进YOLOv5的无人机航拍图像密集小目标检测算法被引量：12: 4; 作者陈佳慧王晓虹《计算机工程与应用》 CSCD 北大核心 2024年第3期100-108,共9页; 无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更... 展开更多; 关键词小目标检测层残差结构解耦软化非极大值抑制 YOLOv5; 在线阅读下载PDF 职称材料

基于ML-PCA-BP模型的多环芳烃拉曼光谱定量分析被引量：4: 5; 作者尹雄翼石元博 +2 位作者王胜君焦仙鹤孔宪明《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第3期861-866,共6页; 芘作为多环芳烃(PAHs)类物质广泛存在于自然环境中,亲脂性强,对人体有致癌影响。因此,食用油中芘的含量的判定对品质的把控具有深远的意义。采用拉曼光谱与人工智能算法相结合进行多环芳烃的定量分析是当前的一个研究热点。将一毫升食... 展开更多; 关键词芘表面增强拉曼散射薄层色谱高斯拟合神经网络主元分析预测; 在线阅读下载PDF 职称材料

TLC-SERS对鸡肉中的氧氟沙星快检研究被引量：4: 6; 作者路晓琦焦仙鹤 +1 位作者石元博孔宪明《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第S01期179-180,共2页; 采用薄层色谱法与表面增强拉曼光谱联用技术(TLC-SERS)分离和检测鸡肉中的氧氟沙星(OFX)。薄层色谱法(TLC)可以将目标分析物从混合物中快速分离出来,解决了SERS无法准确识别目标分析物的问题,且SERS具有灵敏无损的特点。采用商用硅胶60 ... 展开更多; 关键词表面增强拉曼光谱薄层色谱法氧氟沙星快速检测鸡肉; 在线阅读下载PDF 职称材料

改进YOLOv5的小目标检测算法被引量：12: 7; 作者俞军贾银山《计算机工程与应用》 CSCD 北大核心 2023年第12期201-207,共7页; 虽然现在的深度学习技术在大中目标检测领域取得了惊人的进步,但是由于小目标的尺寸有限以及卷积网络的局限性,导致小目标检测仍然是一个具有挑战性的问题。通过改进YOLOv5算法,提出了一种针对小目标的YOLO-S模型。在原来三层输出层的... 展开更多; 关键词 YOLOv5 小目标检测级联网络上下文信息特征细化; 在线阅读下载PDF 职称材料

题名改进基于YOLOv8n的轻量化钢材表面缺陷检测算法被引量：2: 1; 作者刚帅刘培胜郭希旺; 机构辽宁石油化工大学人工智能与软件学院; 出处《电子测量技术》北大核心 2025年第3期74-82,共9页; 基金辽宁省教育厅高校基本科研项目(LJ212410148034) 辽宁省教育厅兴辽英才计划项目(XLYC1907166) 辽宁省教育厅科学研究基金(L2019027)项目资助。; 文摘为了解决钢材表面缺陷检测模型参数量大、计算复杂度高以及对运算平台资源要求高的问题,提出了一种轻量化的改进算法。首先,使用ShuffleNetV2作为改进后的主干层,在降低模型复杂性和计算量上具有显著效果;其次,在SPPF模块后加入足够灵活和轻量的通道注意力机制(CA),同时使用双向特征金字塔网络(BiFPN)改善特征融合,提高了特征信息流动效率;最后,使用轻量级双卷积核(DualConv)替换C2f中的卷积层,通过分组卷积策略实现参数量的减少。实验结果表明,改进后的模型相比于原始的YOLOv8n,在保持检测精度的前提下,实现了轻量化。参数量为原来的56.2%,体积和计算量分别降至3.6 MB和4.8 GFLOPs,相比原模型分别降低了42.86%和41.47%,模型的轻量化降低了部署成本,适合实际部署和应用。; 关键词 YOLOv8n 钢材缺陷轻量化缺陷检测注意力机制; Keywords YOLOv8n steel defect detection lightweight defect detection attention mechanism; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术] TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名非完美SIC D2D-NOMA系统吞吐量最大化功率分配: 2; 作者张东方叶成荫; 机构辽宁石油化工大学人工智能与软件学院辽宁石油化工大学信息与控制工程学院; 出处《电子测量技术》北大核心 2025年第8期80-87,共8页; 基金国家自然科学基金(62203202)项目资助。; 文摘针对D2D-NOMA系统在非完美串行干扰消除条件下的吞吐量最大化问题,提出了一种基于非完美SIC的D2D-NOMA系统吞吐量最大化算法。首先在蜂窝用户和D2D用户的服务质量、最大发射功率下,考虑非完美SIC条件,建立一个以D2D-NOMA系统的吞吐量最大化为目标的优化模型。然后将模型转换为以吞吐量为奖励的马尔可夫决策过程。利用TD3算法设计了一个功率分配算法,实现了系统吞吐量最大化。经仿真验证,所提出的算法与DDPG算法、遗传算法和随机功率分配算法相比,非完美SIC下D2D-NOMA系统的吞吐量分别提高了约14%、25%和40%,也展现出更优的收敛性和公平性。; 关键词非完美SIC D2D-NOMA系统吞吐量最大化 TD3算法; Keywords imperfect SIC D2D-NOMA system throughput maximization TD3 algorithm; 分类号 TN929.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于数据增强和RFE-PCA-BP的少样本芘浓度分类方法被引量：2: 3; 作者马晨宇黄越洋石元博孔宪明; 机构辽宁石油化工大学信息与控制工程学院辽宁石油化工大学人工智能与软件学院辽宁石油化工大学石油化工学院; 出处《化学研究与应用》 CAS 北大核心 2024年第2期292-298,共7页; 基金辽宁省教育厅科研项目(LJKMZ20220737)资助。; 文摘该文提出了一种基于数据增强的特征选择拉曼光谱浓度分类方法(Recursive Feature Elimination-Princi-pal Component Analysis-Back Propagation Neural Network,RFE-PCA-BP)。实验将购买于超市的食用油与不同浓度的嵌二萘溶液滴在硅藻土板上,采集九种不同浓度芘(Pyrene)的拉曼光谱数据,通过数据增强,将每种浓度数据通过添加不同信噪比(SNR)来扩充样本数量;RFE-PCA-BP浓度分类模型将拉曼光谱数据的特征消除、数据预处理、浓度分类合而为一。通过实验证明,RFE-PCA-BP算法的准确率高达99.42%远高于BP神经网络算法(Back Propagation Neural Network,BPNN)的86.67%。; 关键词拉曼光谱浓度分类数据增强神经网络特征选择芘; Keywords raman spectroscopy concentration classification data augmentation neural network feature selection pyrene; 分类号 O657 [理学—分析化学]; 在线阅读下载PDF 职称材料

题名改进YOLOv5的无人机航拍图像密集小目标检测算法被引量：12: 4; 作者陈佳慧王晓虹; 机构辽宁石油化工大学人工智能与软件学院辽宁石油化工大学信息与控制工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2024年第3期100-108,共9页; 基金辽宁省教育厅面上项目(LJKZ0009)。; 文摘无人机航拍图像中小目标实例多、尺寸变化剧烈且存在密集遮挡等问题,为解决现有目标检测算法难以检测到航拍图像中的小目标物体,提出了一种针对密集小目标的RDS-YOLOv5检测算法。在YOLOv5的三个检测层上新增一个小目标检测层,以保留更丰富的特征信息,增强网络对小目标特征的提取能力,并改善误检漏检情况;为了提高网络的多尺度特征表征能力以及抑制冲突的产生,设计了具有等级制的残差结构的多尺度特征提取模块C3Res2Block;使用解耦检测头Decoupled Head避免不同任务之间的差异所带来的预测偏差,提升了模型的定位精度和检测精度;采用软化非极大值抑制Soft NMS算法对候选框的置信度进行优化,提高模型对密集小目标的检测精度。通过VisDrone数据集的实验结果表明,与基准模型YOLOv5相比,RDS-YOLOv5在mAP0.5上提升了12.9个百分点,mAP0.5:0.95上提升了10.6个百分点,与目前主流的目标检测算法相比也取得更优的检测精度,能够有效完成无人机航拍图像的密集小目标检测任务。; 关键词小目标检测层残差结构解耦软化非极大值抑制 YOLOv5; Keywords small object detection layer residual structure decoupled soft non-maximum suppression(NMS) YOLOv5; 分类号 TP391 [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ML-PCA-BP模型的多环芳烃拉曼光谱定量分析被引量：4: 5; 作者尹雄翼石元博王胜君焦仙鹤孔宪明; 机构辽宁石油化工大学人工智能与软件学院辽宁石油化工大学石油化工学院; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第3期861-866,共6页; 基金辽宁石油化工大学纵向科研项目(L2019011)资助。; 文摘芘作为多环芳烃(PAHs)类物质广泛存在于自然环境中,亲脂性强,对人体有致癌影响。因此,食用油中芘的含量的判定对品质的把控具有深远的意义。采用拉曼光谱与人工智能算法相结合进行多环芳烃的定量分析是当前的一个研究热点。将一毫升食用油与不同固定浓度的芘液体混合制作样本,然后制作薄层色谱板与金粒子,采用薄层色谱和表面增强拉曼散射(SERS)光谱相结合的方法进行实验获得光谱数据,选取自适应迭代加权惩罚最小二乘算法进行预处理,再采用Multi parameter-Principal Component Analysis-Back Propagation Neural Network模型方法进行定量分析。该模型首先在预处理后的光谱中选取两个特征峰进行分峰拟合获取特征峰的高度、半高宽、面积等参数。将两个特征峰的拉曼数据与通过拟合获取的参数进行归一化再采用主成分分析获取关键参数,将获取的关键参数作为输入层输入基于L2正则化的BP神经网络中,输出预测浓度。实验分别采用不同的算法进行浓度预测,实验结果表明,通过偏最小二乘算法预测的芘浓度,其测试集决定系数R^(2)为0.58,均方根误差(RMSEC)为1.85;采用线性回归拟合特征峰面积与浓度的规律最终预测的芘浓度,其测试集决定系数R^(2)为0.26,均方根误差(RMSEC)为2.28;采用Multi parameter-Principal Component Analysis-Back Propagation Neural Network模型预测芘浓度,其测试集决定系数R^(2)为0.99,均方根误差(RMSEC)为0.31,Multi parameter-Principal Component Analysis-Back Propagation Neural Network模型预测精准度更高,误差更小。模型是针对光谱数据信息与样本浓度之间非线性、高维度的关系,而建立的预测精度及建模效率均高于同类对比的算法模型。模型拟合特征峰获取关键变量,将关键变量与特征峰的拉曼位移都作为特征向量,因此特征向量较为充分,模型利用PCA提取拉曼光谱非线性特征并且采用基于L2正则化BP神经网络泛化力强的优点,防止过拟合,因此可以更加精准快捷地预测出芘的浓度。; 关键词芘表面增强拉曼散射薄层色谱高斯拟合神经网络主元分析预测; Keywords Pyrene Surface-enhanced-Raman-scattering Thin-layer-chromatography Gaussian-fitting Neural-network Principal-component-analysis Forecast; 分类号 O657.37 [理学—分析化学]; 在线阅读下载PDF 职称材料

题名TLC-SERS对鸡肉中的氧氟沙星快检研究被引量：4: 6; 作者路晓琦焦仙鹤石元博孔宪明; 机构辽宁石油化工大学人工智能与软件学院辽宁石油化工大学石油化工学院; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第S01期179-180,共2页; 基金辽宁省教育厅基金项目(L2019011)资助; 文摘采用薄层色谱法与表面增强拉曼光谱联用技术(TLC-SERS)分离和检测鸡肉中的氧氟沙星(OFX)。薄层色谱法(TLC)可以将目标分析物从混合物中快速分离出来,解决了SERS无法准确识别目标分析物的问题,且SERS具有灵敏无损的特点。采用商用硅胶60 F254荧光板作为固定相,无需对样品进行预处理,将含有OFX的鸡肉组织液混合液滴在商用硅胶板上即可实现TLC分离。鸡肉混合样品采用TLC分离后,在OFX对应位置滴加银纳米粒子,采用银纳米粒子作为增强基底,进行SERS检测。TLC-SERS联用技术实现了快速分离检测鸡肉的氧氟沙星,其检出限可达到0.01 ppm。; 关键词表面增强拉曼光谱薄层色谱法氧氟沙星快速检测鸡肉; Keywords SERS TLC Ofloxacin Instant detection Chicken; 分类号 O657.37 [理学—分析化学] TS251.55 [轻工技术与工程—农产品加工及贮藏工程]; 在线阅读下载PDF 职称材料

题名改进YOLOv5的小目标检测算法被引量：12: 7; 作者俞军贾银山; 机构辽宁石油化工大学人工智能与软件学院; 出处《计算机工程与应用》 CSCD 北大核心 2023年第12期201-207,共7页; 基金国家自然科学基金(61702247)。; 文摘虽然现在的深度学习技术在大中目标检测领域取得了惊人的进步,但是由于小目标的尺寸有限以及卷积网络的局限性,导致小目标检测仍然是一个具有挑战性的问题。通过改进YOLOv5算法,提出了一种针对小目标的YOLO-S模型。在原来三层输出层的基础上,利用级联网络,添加一个专门针对于小目标检测的输出层。为了补充上下文信息以及抑制多尺度特征融合冲突,设计了一种新的上下文信息提取模块CFM(Context Feature Module)以及基于通道和空间特征细化的模块FSM(feature specify module)。上采样方式由原来的最邻近插值替换为新设计的Transpose模块,可以将信息最大化恢复。数据集采用专门针对于小目标的VisDrone2019来验证算法的有效性。实验结果表明,YOLO-S比YOLOv5的mAP@0.5提高了6.9个百分点。; 关键词 YOLOv5 小目标检测级联网络上下文信息特征细化; Keywords You Only Look Once version 5(YOLOv5) small object cascade network context information feature refinement; 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	作者	出处	发文年	被引量	操作
1	改进基于YOLOv8n的轻量化钢材表面缺陷检测算法	刚帅刘培胜郭希旺	《电子测量技术》北大核心	2025	2	在线阅读下载PDF 职称材料
2	非完美SIC D2D-NOMA系统吞吐量最大化功率分配	张东方叶成荫	《电子测量技术》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于数据增强和RFE-PCA-BP的少样本芘浓度分类方法	马晨宇黄越洋石元博孔宪明	《化学研究与应用》 CAS 北大核心	2024	2	在线阅读下载PDF 职称材料
4	改进YOLOv5的无人机航拍图像密集小目标检测算法	陈佳慧王晓虹	《计算机工程与应用》 CSCD 北大核心	2024	12	在线阅读下载PDF 职称材料
5	基于ML-PCA-BP模型的多环芳烃拉曼光谱定量分析	尹雄翼石元博王胜君焦仙鹤孔宪明	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
6	TLC-SERS对鸡肉中的氧氟沙星快检研究	路晓琦焦仙鹤石元博孔宪明	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
7	改进YOLOv5的小目标检测算法	俞军贾银山	《计算机工程与应用》 CSCD 北大核心	2023	12	在线阅读下载PDF 职称材料