检索结果-内蒙古大学图书馆

动力工程学报 2025年第4期45卷 571-581页

作者：章力邓艾东王敏卞文彬张宇剑东南大学大型发电装备安全运行与智能测控国家工程研究中心江苏南京210096 东南大学能源与环境学院江苏南京210096

针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特... 详细信息

针对传统多尺度卷积神经网络模型存在的特征定位不精确、训练时间长、抗噪性能差等问题,提出了一种基于通道注意力机制与多尺度减法轻量化网络的滚动轴承故障诊断模型。首先,将滚动轴承的一维振动信号转换为二维灰度图作为输入,丰富特征信息;同时,构建多尺度减法神经网络模型,关注层级差异;其次,引入轻量化模块,减少内存访问;然后,结合通道注意力机制,调整特征权重;最后,将故障样本输入到网络模型中,实现精确分类。利用风电机组传动系统模拟实验台采集的样本数据进行诊断任务。结果表明:该故障诊断模型能够有效克服传统多尺度卷积神经网络模型网络层数多、参数量大所带来的弊端,能够充分关注各层级之间的差异信息,减少冗余信息的提取,精确定位故障特征,缩短模型训练时间,在恒定工况、变工况和强噪声工况下都具有较高的诊断精度.

关键词：滚动轴承故障诊断多尺度减法神经网络轻量化模块通道注意力机制变工况

来源：评论

学校读者我要写书评

暂无评论

改进的YOLO-V7钢材表面缺陷检测算法研究

引用

机械科学与技术 2023年

作者：李伟姚小敏张鹏超杨雯雯李一飞陕西理工大学机械工程学院陕西省工业自动化重点实验室

钢材作为使用最多的材料之一，在工业中对钢材缺陷检测具有重要的意义。为了提高钢材表面缺陷检测的准确度和速度，提出一种基于改进的YOLO-V7的钢材缺陷检测算法。该算法使用轻量化模块(GhostConv)减少训练过程的参数冗余，在池化卷积... 详细信息

钢材作为使用最多的材料之一，在工业中对钢材缺陷检测具有重要的意义。为了提高钢材表面缺陷检测的准确度和速度，提出一种基于改进的YOLO-V7的钢材缺陷检测算法。该算法使用轻量化模块(GhostConv)减少训练过程的参数冗余，在池化卷积模块中融入无参注意力机制(SimAM)，使模型生成三维关注权重，加强网络对特征的学习能力。并且在池化卷积模块中融入全局注意力机制(GAM)，使网络在训练时关注更多的信息。最后数据集使用K-means++进行聚类，得到新的锚框，提高算法模型的准确度和鲁棒性。实验结果表明，本文的算法相较于YOLO-V7算法，mAP值提高了5.8%，FPS值为59.7。改进后的算法有效地提高了对钢材缺陷检测的准确度，能更好的适应工业检测环境。

关键词：缺陷检测轻量化模块无参注意力机制全局注意力机制聚类 mAP

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的轻量级矿井钢丝绳断丝检测算法研究

引用

中国煤炭 2024年第8期50卷 152-164页

作者：方旭东于正杨发展周攀搏袁广振焦作煤业(集团)新乡能源有限公司河南省新乡市453600 中国矿业大学江苏省徐州市221116 华洋通信科技股份有限公司江苏省徐州市221116

立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进Y... 详细信息

立井提升系统作为煤矿生产中的主要运输设备,其核心构件钢丝绳常因工作负荷大、受到腐蚀、磨损等原因而产生断丝引发事故。传统的立井提升机钢丝绳检测算法存在效率低、劳动强度大、智能化程度差和准确率低等问题。基于此,提出一种改进YOLOv5s模型,并基于改进的模型进行矿井钢丝绳断丝检测。首先,设计Swiener滤波算法进行钢丝绳图像运动模糊修复,抑制噪声干扰;其次,在特征提取阶段,引入RFC3轻量化模块降低模型可训练参数,提升钢丝绳检测速度;第三,提出CBAM R注意力机制,增强模型对小断口断丝的检测能力;最后,引入Focal EIoU损失函数,提高模型对小断口断丝的检测精度并加速模型收敛。研究结果表明:所提出的基于注意力机制矿用钢丝绳断丝检测算法(CTR YOLO)可以更好地满足实际应用需求,减少了误检、漏检导致的人力成本浪费及安全事故的发生。

关键词：钢丝绳检测 YOLOv5s模型 Swiener滤波算法 CBAM R注意力机制轻量化模块

来源：评论

学校读者我要写书评

暂无评论

基于轻量型卷积神经网络的海面红外显著性目标检测方法

引用

山东大学学报（工学版） 2022年第2期52卷 41-49页

作者：张学思张婷刘兆英江天鹏北京工业大学信息学部北京100124

为提高红外舰船图像显著性检测精度,同时降低参数量,提出一种轻量型红外舰船显著性检测模型。该模型针对红外图像缺乏颜色、纹理等细节特征的特点,从以下三个方面进行轻量化设计:在骨干网络设计方面,将视觉几何组网络(visual geometry g... 详细信息

为提高红外舰船图像显著性检测精度,同时降低参数量,提出一种轻量型红外舰船显著性检测模型。该模型针对红外图像缺乏颜色、纹理等细节特征的特点,从以下三个方面进行轻量化设计:在骨干网络设计方面,将视觉几何组网络(visual geometry group, VGG)各层的通道数减少一半作为骨干网络,以减少冗余的特征;为了进一步减少模型参数量,在前两个低层卷积模块中引入一种轻量型的线性瓶颈模块(linear bottleneck, LB)替换传统卷积模块;提出一种新的提取全局特征能力更强的轻量型的高层线性瓶颈模块(high-level linear bottleneck, HLLB)替换后3个高层传统卷积模块,并且使用自适应平均池化提取高层特征作为全局特征以得到更丰富的上下文信息。针对红外数据集缺少的问题,构建一个红外舰船数据集IRShip,包括1002幅图像。试验结果表明:该算法能够有效实现红外舰船目标的显著性检测,并且通过与其他7种常用的显著性检测模型对比,本研究提出的模型可以在大幅减少参数量的情况下有效提升红外舰船显著性目标检测的性能。

关键词：卷积神经网络红外舰船显著性检测轻量化模块全局特征提取

来源：评论

学校读者我要写书评

暂无评论

面向嵌入式平台的轻量级SAR图像舰船检测

引用

上海航天(中英文) 2024年第S1期41卷 261-268页

作者：顾约翰陆陈鑫冯书谊李秀伟朱乐坤冯利鹏上海卫星工程研究所上海201109 上海航天电子技术研究所上海201109 上海航天技术研究院上海201109

星载合成孔径雷达(SAR)图像舰船检测会出现检测率低,虚警密度高等问题。针对上述问题,基于YOLOv7-Tiny算法,本文提出一种面向嵌入式平台的轻量级SAR舰船检测算法——LSD-YOLO。首先,在主干网络中使用MobileNetV3Block模块,同时引入ULSA... 详细信息

星载合成孔径雷达(SAR)图像舰船检测会出现检测率低,虚警密度高等问题。针对上述问题,基于YOLOv7-Tiny算法,本文提出一种面向嵌入式平台的轻量级SAR舰船检测算法——LSD-YOLO。首先,在主干网络中使用MobileNetV3Block模块,同时引入ULSAM注意力模块,提升算法在复杂场景下对舰船重要特征的捕捉能力。其次,在特征增强网络中使用SPPFCSPC模块,将部分标准卷积替换为GsConv,降低计算量的同时显著提升算法检测性能,在SSDD数据上平均检测精度是97.7%,并显著优于其他对比算法。最后,将算法部署在寒武纪思元220上,检测速度达到153帧/秒,能够实现对SAR图像中舰船目标的准确、实时检测。

关键词： SAR图像舰船检测嵌入式平台轻量化模块注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于视频的自动扶梯行人摔倒实时检测算法

基于视频的自动扶梯行人摔倒实时检测算法

引用

作者：梁博山西大学

学位级别：硕士

自动扶梯作为常见的运输工具,当行人乘坐不规范时存在摔倒风险,若不能及时发现并停止自动扶梯运行将会导致二次伤害,错过最佳救助时间,因此对于自动扶梯行人摔倒检测是十分必要的。近年来,随着人工智能和嵌入式技术的快速发展,通过目标... 详细信息

自动扶梯作为常见的运输工具,当行人乘坐不规范时存在摔倒风险,若不能及时发现并停止自动扶梯运行将会导致二次伤害,错过最佳救助时间,因此对于自动扶梯行人摔倒检测是十分必要的。近年来,随着人工智能和嵌入式技术的快速发展,通过目标检测方法实现对乘坐自动扶梯时的行人进行实时检测,发生行人摔倒现象时可以快速停止自动扶梯运行并且及时报警是十分必要的。本文以YOLOv5算法为基础,对行人摔倒检测数据集少,背景信息冗余、算法计算量大,对计算机硬件要求过高等问题进行改进。针对数据预处理时产生黑边多,提出改进马赛克方法通过对九张图片的随机拼接减少黑边产生,增加了数据丰富度。针对复杂背景信息干扰,在YOLOv5的Neck层加入注意力机制模块,加强对行人信息特征的关注,减小对其他背景信息特征的关注,和原始YOLOv5算法进行比较,YOLOv5-CBAM-WBF算法的精确率、召回率以及平均精度分别提升了3.2%、2%和3.9%。为了满足自动扶梯场景中的实时性检测要求,通过使用跳帧的阈值检测算法,充分利用像素灰度值信息来判断是否有行人出现来控制算法的执行,通过将特征提取模块改为轻量化Shuffle Netv2模块,在特征融合阶段将普通卷积模块换为轻量化Ghost Net模块来减小模型计算量,减小对计算机硬件的要求,实现自动扶梯实时检测。轻量化YOLOv5n仅仅牺牲1.4%的精确度但是检测速度提升了42.3FPS,表明该改进算法对于自动扶梯行人实时检测效果有了显著提升。

关键词： YOLOv5算法实时检测 CBAM注意力机制轻量化模块

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的汽车安全带检测

基于深度学习的汽车安全带检测

引用

作者：王甄延西北师范大学

学位级别：硕士

随着汽车自动驾驶技术的普及程度越来越高,安全带的佩戴在汽车安全驾驶中起到了越来越重要的作用。自动识别驾驶员是否佩戴安全带已经成为智能交通和自动驾驶系统研究中必不可少的重要课题,该技术的实现可以在一定程度上对安全意识淡薄... 详细信息

随着汽车自动驾驶技术的普及程度越来越高,安全带的佩戴在汽车安全驾驶中起到了越来越重要的作用。自动识别驾驶员是否佩戴安全带已经成为智能交通和自动驾驶系统研究中必不可少的重要课题,该技术的实现可以在一定程度上对安全意识淡薄和无视交通规则的驾驶人员起到一定的监督和警告作用,从而增强驾驶人员遵守交通规则的意识,大幅度降低交通事故的发生率和交通事故的死伤率。本文回顾了深度学习和卷积神经网络系统的发展过程和研究现状,并在此基础上开展基于YOLO v3的目标检测和安全带检测方法研究,主要的研究工作如下:(1)在对深度学习和卷积神经网络的理论与技术进行了深入分析的基础上,提出一种改进的YOLO v3的车辆检测算法、基于轻量化模型的前挡风玻璃定位算法和基于深度学习的安全带检测算法,实现了对车内乘车人员与车内驾驶人员位置、驾驶员及乘员是否佩戴安全带的检测。(2)在车辆检测算法中,对已有的YOLO v3算法预测框选择方法进行了改进,先用GIOU测量预测框与真实框之间的距离,优化IOU得分值,并用改进的损失函数进行计算,提高了车辆检测的准确率。本文所提出算法的实验结果表明,当图像分辨率与特征提取模型相匹配时,改进YOLO v3算法的平均精度同原YOLO v3算法相比在PASCAL2007和PASCAL2012公开数据集上由79.6%提升至81.3%。(3)在车辆前挡风玻璃检测中,通过轻量化特征提取的方法,在点卷积进行通道重排后再将未进行通道重排的深度可分离卷积与之进行张量拼接,再将原始输入特征与卷积后的特征图进行张量相加,获得大量的特征信息,实现了车辆前挡风玻璃位置的检测。在自制的前挡风玻璃检测数据集中,前挡风玻璃检测在平均精度为99.96%时速度可达71FPS。(4)在对安全带检测研究中,在检测出的前挡风玻璃区域中应用网络模型对驾驶人员与乘员是否正确佩戴安全带进行判定。与已有安全带检测算法进行了对比试验,并分析各自优缺点。并且本文安全带检测算法可以达到94.83%的准确率。

关键词：智能交通 YOLO v3 轻量化模块安全带检测

来源：评论

学校读者我要写书评

暂无评论

面向果园环境的树上果实检测模型轻量化方法研究

面向果园环境的树上果实检测模型轻量化方法研究

引用

作者：涂智荣广西师范大学

学位级别：硕士

在果园中,进行准确且快速的水果检测是水果产量预测和自动化采摘等农业智能化应用的关键任务之一。然而,在自然生长条件下,果实可能会存在相互遮挡或被枝叶遮挡的情况。此外,不同种类的水果在大小、形状和颜色上有很大差异,这为检测工... 详细信息

在果园中,进行准确且快速的水果检测是水果产量预测和自动化采摘等农业智能化应用的关键任务之一。然而,在自然生长条件下,果实可能会存在相互遮挡或被枝叶遮挡的情况。此外,不同种类的水果在大小、形状和颜色上有很大差异,这为检测工作带来了巨大的挑战。传统基于图像处理技术的水果检测方法往往依赖于手工设计的特征,泛化能力和鲁棒性相对较差,在复杂或者自然环境下可能会因为光照、遮挡、水果品种多样性等因素而导致性能下降。近年来,基于深度学习的目标检测方法广泛应用于水果检测领域,检测性能相比传统检测方法有很大提升。然而,目前大多数水果检测算法都是针对单一品种水果进行研究,且模型设计相对复杂,参数量和计算量较多,难以应用于资源受限的移动端或嵌入式设备。因此,针对上述问题,本文基于YOLOv7-Tiny算法进行了面向果园环境的树上果实检测模型轻量化研究,主要工作如下: 1、提出了融合动态卷积和轻量化模块的树上果实检测方法。针对基于深度学习水果检测方法的检测精度和速度提升问题,本文提出融合动态卷积和轻量化模块的目标检测方法。首先,使用ODConv动态卷积对YOLOv7-Tiny算法的主干网络进行改进,以提高模型对果实特征的提取能力。其次,为了降低模型的复杂度并提高模型的检测速度,本文在Ghost模块的基础上,结合过参数化和重参数化技术设计出GMConv轻量化模块,并使用GMConv模块对模型的颈部网络进行改进,以在优化特征融合的同时提高模型的检测精度。在百香果、柑橘、ACFR数据集上的实验结果表明,相比原始的YOLOv7-Tiny,改进后的YOLOv7-Tiny的检测精度分别提高了2.6%、4.1%、2%,参数量和计算量分别下降了约32%和25%,检测速度提高了59帧。与YOLOv8s相比,改进后的YOLOv7-Tiny的检测精度分别提高了2.2%、1.1%、1.1%,参数量和计算量约为YOLOv8s的37%和34%,FPS提高了167帧。 2、提出了结合剪枝和知识蒸馏的树上果实检测方法。首先,使用Faster Net重建YOLOv7-Tiny的主干网络,以在降低模型参数量和计算量的同时提高模型的检测精度。其次,为了提高模型对不同种类水果的特征表征能力,使用DBB模块对颈部网络进行改进。为了进一步降低模型的复杂度,对改进后的模型进行结构化LAMP剪枝。最后,对剪枝后的模型进行知识蒸馏实验,以恢复由于剪枝损失的检测精度。在百香果、柑橘、ACFR数据集上的实验结果表明,相比原始的YOLOv7-Tiny,最终模型的参数量和计算量分别下降了约87%和84%,FPS提高了约30%。经过知识蒸馏(教师模型为Improved-YOLOv7)后的学生模型检测精度分别提高了0.5%、0.3%、0.7%。与YOLOv8s相比,学生模型的FPS提高了176帧,参数量和计算量约为YOLOv8s的7%和7.4%,而检测精度几乎与YOLOv8s持平。

关键词：水果检测剪枝知识蒸馏轻量化模块 YOLOv7-Tiny

来源：评论

学校读者我要写书评

暂无评论

平灾两用社区应急防疫设施设计研究

平灾两用社区应急防疫设施设计研究

引用

作者：陈静北京工业大学

学位级别：硕士

近百年来各类疫情的爆发严重影响了人类的生活和生产秩序。社区是疫情爆发时的第一应急防疫组织，因此社区应急防疫设施的建设是国家防疫工作的重中之重。　　本研究首先通过文献分析法和案例分析法对可移动应急医疗空间的国内外理论、... 详细信息

近百年来各类疫情的爆发严重影响了人类的生活和生产秩序。社区是疫情爆发时的第一应急防疫组织，因此社区应急防疫设施的建设是国家防疫工作的重中之重。　　本研究首先通过文献分析法和案例分析法对可移动应急医疗空间的国内外理论、实践现状和现有技术进行梳理总结，将现有空间按照移动方式进行分类，总结出可移动应急医疗空间的两种类型，分别为“整体移动式”和“变形移动式”。由于“变形移动式”方便运输、方便储藏等特性，其更适于社区民用，但目前现有的“变形移动式”可移动医疗空间的搭建需要借助大型工具，在民用化上仍存在很多不足。并且发现现有的可移动应急医疗空间的医疗专业性已经很高，可以满足大部分的医疗救治需求，所以本文从被隔离者的隔离生活质量角度切入，探索可以提升其生活质量的空间设计策略。然后本研究根据社区防疫的特点，通过KANO模型对社区防疫工作者及社区居民对于隔离空间的需求进行筛选排序，制定空间设计策略。由于社区应急医疗空间的搭建只能借助人力完成，故本研究运用TRIZ方法确定相应的工程矛盾，并运用矛盾矩阵确定空间结构设计方案，采用轻量化模块的方式，使空间可以仅借助人力完成组装。最后本研究根据KANO需求筛选的空间设计策略和TRIZ创新方法得出的空间结构设计方案，对空间功能、产品外观、消毒杀菌方式等进行设计。　　与现有的其他应急医疗设施相比，本研究得出的模块化应急防疫隔离设施更适用于社区防疫，模块化的应急防疫空间仅需人力便可完成搭建，能通过海陆空运输工具、实现轻体化、节约空间运输，损坏便于维修，提高社区机构在疫情爆发时的防疫响应速度;根据居民对于防疫隔离的需求，空间设置的功能更人性化，设施在传统的排风系统基础上，新增了MOF过滤膜，使墙体模块可进行通风，避免了传统密闭空间给人造成的心理压力，提升了居民在隔离过程中的舒适性;平时，本研究得出的模块化空间还可以作为社区养老服务设施等。

关键词：城市社区应急防疫设施轻量化模块规划设计

来源：评论

学校读者我要写书评

暂无评论

基于多尺度融合和改进YOLOv8n的光伏缺陷检测方法

引用

综合智慧能源 2024年第11期46卷 29-37页

作者：张文强李加树宣洋李辰钱杭张啸宇安徽大学人工智能学院合肥230601 自主无人系统技术教育部工程研究中心合肥230601

光伏发电在新型能源系统中扮演着重要的角色,其稳定运行对于保障能源供应至关重要。然而,光伏板在实际应用中面临着复杂的外部环境,如紫外线辐射、腐蚀、受潮等,可能会导致光伏板组件出现裂纹、断栅等问题,进而影响其功能。针对目前光... 详细信息

光伏发电在新型能源系统中扮演着重要的角色,其稳定运行对于保障能源供应至关重要。然而,光伏板在实际应用中面临着复杂的外部环境,如紫外线辐射、腐蚀、受潮等,可能会导致光伏板组件出现裂纹、断栅等问题,进而影响其功能。针对目前光伏板缺陷检测算法存在的模型复杂度较高、小目标缺陷检测的精度不高等问题,提出了一种基于改进YOLOv8n的光伏缺陷检测算法。重新设计了一种新的主干网络,减少模型的参数量,提出C2f高效局部注意力(C2f-Efficient Local Attention,C2f-ELA)模块,提高模型对细微特征的定位能力,提出加权双向特征金字塔网络(Weight-Bidirectional Feature Pyramid Network,W-BiFPN)更换原有的网络结构并融合P2小目标检测层,有效提高了模型捕获多尺度特征的能力,同时利用浅层网络的信息来加强局部特征感知,对小目标的识别精度得到显著提升。试验结果表明:该方法相较于基础YOLOv8算法,参数量下降了16.7%,平均精度提升了3.1百分点,验证了改进算法在检测性能上的提升。

关键词：缺陷检测深度学习 YOLOv8n 轻量化模块高效局部注意力加权双向特征金字塔网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：