检索结果-内蒙古大学图书馆

煤炭学报 2024年

作者：袁永秦正寒夏永琪武让李立宝李勇中国矿业大学矿业工程学院中国矿业大学深部煤炭资源开采教育部重点实验室中煤天津设计工程有限责任公司

煤矸识别技术是综放工作面实现智能化的关键技术之一，同时也是该领域的面临的一个重要挑战。针对目前煤矸图像数据集整体质量差、数据规模小，煤矸图像分割模型检测速度慢、识别精度低等问题，参考实际综放工作面搭建了大尺寸等比例综... 详细信息

煤矸识别技术是综放工作面实现智能化的关键技术之一，同时也是该领域的面临的一个重要挑战。针对目前煤矸图像数据集整体质量差、数据规模小，煤矸图像分割模型检测速度慢、识别精度低等问题，参考实际综放工作面搭建了大尺寸等比例综放开采相似模拟平台，基于该平台建立了煤矸图像采集系统采集构建了高清仿真综放面煤矸图像数据集；提出一种基于特征金字塔网络（FPN）和空洞空间金字塔池化（ASPP）的改进u-net煤矸分割模型，提高了煤矸图像的分割精度。通过在u-net模型的跳跃连接中添加FPN模块，同时在解码器部分引入ASPP模块，建立了FPN-ASPP-u-net煤矸分割模型。消融实验验证了FPN模块和ASPP模块对u-net模型性能的提升，实验结果表明：FPN-ASPP-u-net模型分割效果最好，均准确率（mAcc）为97.29%，均F1得分（mF1-Score）为97.44%，均交并比（mIou）为95.65%，模型参数量（Param）为29.64 M，浮点运算量（FLOPs）为341.29G，每秒帧数（FPS）为41.1f/s，与u-net模型相比，mIou、mF1-score和mAcc分别提升了2.64%、1.06%和1.15%，模型参数量仅仅增加了0.33 M，改进后的模型在图像分割速度上有少量提升。设计了FPN-ASPP-u-net模型与PSPnet、SegFormer、DeepLabV3+、PSAnet语义分割模型的图像分割效果对比实验，结果表明：FPN-ASPP-u-net模型对煤矸图像分割的性能最好，同时模型整体计算参数量最小，在分割精度和分割速度之间有着较好的平衡。对于粉尘影响下的不清晰图像，采用暗通道与高斯加权相结合的方法对图像数据集进行去雾增强，轻度粉尘、中度粉尘、重度粉尘去雾前后的模型对煤的分割精度提高了14.81%、17.79%、23.62%，对矸的分割精度提高了11.73%、14.50%、14.86%。基于研究结论提出了FPN-ASPP-u-net模型的煤矸图像混矸率计算方法，开展了煤矸图像分割控制放煤试验，以混矸率20%作为放煤口关闭的阈值，单次放煤口开关期间真实混矸率与模型预测混矸率平均误差率为4.71%，验证了基于煤矸图像混矸率对放煤控制的可行性。最后，封装模型代码研发了煤矸图像智能识别软件，设计了煤矸分割现场应用方案，在榆树田煤矿110501综放面进行了图像控制放煤试验，验证了该方法能够对煤矸图像进行精准分割，对放煤口开关进行合理控制，提高了综放面的智能化水平，为推动煤矿进一步智能化建设提供了有效的技术手段与参考价值。

关键词：放顶煤煤矸识别图像分割混矸率 u-net模型

来源：评论

学校读者我要写书评

暂无评论

融合级联CRFs和u-net深度学习模型的遥感影像建筑物自动提取

引用

华南师范大学学报（自然科学版） 2022年第1期54卷 70-78页

作者：陈嘉浩邢汉发陈相龙广东晟腾地信科技有限公司佛山528200 华南师范大学地理科学学院广州510631 华南师大(清远)科技创新研究院有限公司清远511517 广东师大维智信息科技有限公司清远511517

针对深度学习模型进行建筑物提取时存在的建筑物边缘模糊问题,将级联CRFs(全连接条件随机场)引入到u-net深度模型中,提出了一种改进的u-net模型(u-net+级联CRFs),以用于遥感影像建筑物自动提取:构建级联CRFs并将其引入到u-net模型的解... 详细信息

针对深度学习模型进行建筑物提取时存在的建筑物边缘模糊问题,将级联CRFs(全连接条件随机场)引入到u-net深度模型中,提出了一种改进的u-net模型(u-net+级联CRFs),以用于遥感影像建筑物自动提取:构建级联CRFs并将其引入到u-net模型的解码层中,从多层结构中学习边界信息,增强模型对建筑物边界的分割能力。并以广东省佛山市为研究区,利用u-net+级联CRFs、u-net+CRFs、u-net、SVM模型进行建筑物提取实验。结果表明u-net+级联CRFs模型可以有效识别建筑物边界信息,提高建筑物提取的精度:u-net+级联CRFs模型在准确度、召回率、F1值和交并比4个指标上的均值分别达到了93.1%、87.5%、91.4%和85.1%,均优于u-net+CRFs、u-net、SVM模型。

关键词：深度学习建筑物提取 u-net模型全连接条件随机场

来源：评论

学校读者我要写书评

暂无评论

大型城市苫盖绿网监测工作体系构建与应用

引用

风景园林 2025年第3期32卷 82-89页

作者：孙扬高大伟姜浩野杜万光北京市测绘设计研究院北京市园林绿化局

【目的】北京市政府于2021年率先开展“揭网见绿”专项工作,而关于苫盖绿网(简称苫盖)监测工作如何开展,国内外尚未有相关研究,亟须建立一套全面的苫盖绿网监测工作体系。【方法】以北京市“揭网见绿”专项工作为例,采用遥感影像与深度... 详细信息

【目的】北京市政府于2021年率先开展“揭网见绿”专项工作,而关于苫盖绿网(简称苫盖)监测工作如何开展,国内外尚未有相关研究,亟须建立一套全面的苫盖绿网监测工作体系。【方法】以北京市“揭网见绿”专项工作为例,采用遥感影像与深度学习等技术方法,利用u-net模型训练苫盖样本,再通过人机交互模式进行苫盖绿网和管理地块的摸排与监测。【结果】建立了“建—施—核—监”苫盖绿网监测工作体系,完成了全市2020—2024年共8期的苫盖监测,初步建立了类型丰富的苫盖样本库。【结论】该工作体系在超大城市的揭网见绿工作中能够切实开展,苫盖样本库的建立为苫盖自动提取提供更丰富的数据基础,为今后此类工作的推进和研究提供了有效的参考和建议。

关键词：风景园林揭网见绿空间大数据分析深度学习 u-net模型北京

来源：评论

学校读者我要写书评

暂无评论

基于u-net深度网络改进模型的红外弱小目标检测方法研究

基于U-Net深度网络改进模型的红外弱小目标检测方法研究

引用

作者：朱林华中科技大学

学位级别：硕士

红外弱小目标检测是从红外图像中快速准确地提取感兴趣的弱小目标的过程,在军事侦察、灾害搜救等军用和民用领域具有广泛应用。近年来,基于深度学习的通用目标检测方法发展迅速,性能超越传统方法。但是,直接用于红外弱小目标检测性能有... 详细信息

红外弱小目标检测是从红外图像中快速准确地提取感兴趣的弱小目标的过程,在军事侦察、灾害搜救等军用和民用领域具有广泛应用。近年来,基于深度学习的通用目标检测方法发展迅速,性能超越传统方法。但是,直接用于红外弱小目标检测性能有限。究其原因,红外弱小目标面积小、特征少,难以直接通过大数据学习到目标特征。本文针对天基空间目标监视应用,基于全卷积神经网络u-net框架开展红外弱小目标检测深度学习算法研究,具体内容如下:首先,针对数据集缺乏的问题,结合目标-背景红外特性,使用星载中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)数据仿真构建红外弱小目标数据集。选取第20波段(3.660～3.840μm)数据作为背景,随机叠加多种尺寸(1×1、3×3、5×5、7×7)和中心强度(120～240)的目标,仿真遍历得到涵盖宽范围目标-背景信杂比的红外弱小目标图像数据集,为深度学习奠定了数据基础。其次,针对弱小目标特征难以直接学习的困难,采用深度学习估计背景、在抑制背景后检测目标的思路,以语义分割领域的u-net网络模型为基础,针对卷积边界信息丢失和感受野有限的问题,提出下采样优化、残差块、空洞卷积三种改进方案,形成红外弱小目标检测Iu-net(Improved u-net)网络模型。实验结果表明,Iu-net模型目标检测性能优于IPI(2013 TIP)和RIPT(2016 JSTAEORS)算法。最后,针对Iu-net模型在小尺寸(1×1和3×3)目标区域背景估计不准的问题,提出目标区域隶属度加权的均方误差(MSE)损失函数,提高目标区域背景估计准确性;进一步,构建深度可分离卷积和精简网络降低参数量和计算量,优化空洞卷积空洞率以规避栅格效应,采用Mish激活函数替换RELu激活函数加快梯度下降,采用Nadam优化器替换Adam优化器加强不同类别数据适应性,形成红外弱小目标检测Iu-net+模型。实验结果表明,Iu-net+模型的目标检测性能优于IPI、RIPT和PSTNN(2019 RS)算法,具备较强的泛化能力。

关键词：天基红外监视弱小目标检测深度学习 u-net模型背景估计

来源：评论

学校读者我要写书评

暂无评论

基于u-net优化模型的水中目标识别方法

引用

云南民族大学学报(自然科学版) 2024年

作者：王巧霞李晨妤李娣娜延安大学西安创新学院西安文理学院

水中目标识别是水声领域的研究重点，也是水声信号处理中的技术难点，其中最具挑战性的问题之一是数量有限的水声样本普遍存在的数据不匹配现象。针对以上问题，本文提出一种基于u-net结构生成对抗网络，通过生成对抗网络的博弈思想优化... 详细信息

水中目标识别是水声领域的研究重点，也是水声信号处理中的技术难点，其中最具挑战性的问题之一是数量有限的水声样本普遍存在的数据不匹配现象。针对以上问题，本文提出一种基于u-net结构生成对抗网络，通过生成对抗网络的博弈思想优化u-net网络的分类能力，该网络可以提取目标的有效分类特征并且避免单一的u-net网络在数据不匹配时出现的识别能力迅速下降问题。实验结果表明，在相同信噪比的情况下，u-net优化模型的识别精度优于深度置信网络和降噪自编码网络，所以优化的u-net可以在样本数量有限的情况下学习到更有效的特征信息，从而提高了水中目标的识别率。

关键词：目标识别生成对抗网络 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于u-net的结直肠息肉诊断方法的探索与发现

引用

科学与信息化 2025年第4期 160-162页

作者：陆万里陈欣张琴重庆工程学院重庆 400056

旨在提高早期结直肠癌的诊断准确性,采用的技术路线清晰划分为数据获取、清洗、建模和测试4个关键步骤;创新性地应用了数据增强和图像分割技术,结合迁移学习模型u-net,显著提升了检测模型的性能.测试结果表明,模型训练达到了极低的损失... 详细信息

旨在提高早期结直肠癌的诊断准确性,采用的技术路线清晰划分为数据获取、清洗、建模和测试4个关键步骤;创新性地应用了数据增强和图像分割技术,结合迁移学习模型u-net,显著提升了检测模型的性能.测试结果表明,模型训练达到了极低的损失值(趋近于0.045)和高准确度(0.9990).此外,还有效解决了数据标签不一致、数据集不平衡和模型选择等关键问题,最终实现了对CT影像中息肉的精确识别和定位.

关键词：结直肠息肉检测图像分割算法 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的金相智能分析可视化系统开发

引用

冶金标准化与质量 2025年第1期63卷 17-21页

作者：张方飞园张跃飞张泽浙江大学材料科学与工程学院高温合金研究所杭州310000

本研究开发了一种基于深度学习的金相智能分析系统。传统金相分析依赖人工操作,效率低且主观性强,难以满足复杂材料系统的需求。本系统基于u-net模型,通过实验确定了适用于铁素体相分割与晶界提取的最优模型组合,集成了图像采集、预处... 详细信息

本研究开发了一种基于深度学习的金相智能分析系统。传统金相分析依赖人工操作,效率低且主观性强,难以满足复杂材料系统的需求。本系统基于u-net模型,通过实验确定了适用于铁素体相分割与晶界提取的最优模型组合,集成了图像采集、预处理、分割分析、几何测量及可视化展示功能。实验表明,该系统在分割精度和边界细节捕捉方面表现出色,可为材料微观结构分析提供有效支持,有助于材料失效机制研究等应用。

关键词：深度学习金相分析 u-net模型晶界提取

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的京津冀地区短时降水预报订正

引用

应用气象学报 2025年第03期36卷 257-267页

作者：王玉虹孔德璇朱寿鹏张南季焱张珊徐焕中国气象局雄安大气边界层重点开放实验室河北省气象与生态环境重点实验室河北省气象台贵州省山地气象科学研究所南京气象科技创新研究院中国气象科学研究院-江苏省气象局中国气象局交通气象重点开放实验室/江苏省强对流灾害风险预警重点实验室无锡学院大气与遥感学院安徽省六安市气象局

基于2022—2024年汛期综合分析与短时临近预报系统（Integrated Nowcasting through Comprehensive Analysis System,INCA）降水预报以及京津冀降水观测数据,采用u-net深度学习模型,结合TS评分和均方误差的加权函数作为损失函数,对3～1... 详细信息

基于2022—2024年汛期综合分析与短时临近预报系统（Integrated Nowcasting through Comprehensive Analysis System,INCA）降水预报以及京津冀降水观测数据,采用u-net深度学习模型,结合TS评分和均方误差的加权函数作为损失函数,对3～12 h短时降水预报进行订正,开展包含降水季节特征、日变化特征、区域特征以及影响短时强降水的热力条件、动力条件在内的多种因子影响对比试验。结果表明:考虑多种因子影响的深度学习模型比单一因子深度学习模型对原始预报改进更明显,可提高所有量级降水的TS评分;3～12 h预报中,各量级降水的TS评分最大提升幅度分别为0.07、0.06、0.06、0.03;预报技巧改进明显的空间范围随降水强度（R）增大而减小,对于R≥0.1 mm·h-1和R≥5 mm·h-1量级降水,京津冀大部分地区TS评分得到提升,对于R≥10 mm·h-1和R≥20 mm·h-1量级降水,京津冀东部地区TS评分得到提升。

关键词：深度学习 u-net模型损失函数影响因子预报订正

来源：评论

学校读者我要写书评

暂无评论

船舶格子间焊接机器人焊缝智能识别方法

引用

船舶工程 2025年第3期47卷 115-123页

作者：丁楚航刘明雍刘建峰西北工业大学国家卓越工程师学院西安710072 上海外高桥造船有限公司上海200137

[目的]为解决船舶格子间焊缝识别和追踪存在的特征丢失、误检或漏检等问题,提升焊缝检测效率和准确性,开发专门针对船舶格子间表面的焊缝图像数据集,[方法]提出一种基于深度学习算法的智能焊缝辨识方法。通过一种并行下采样替换最上层... 详细信息

[目的]为解决船舶格子间焊缝识别和追踪存在的特征丢失、误检或漏检等问题,提升焊缝检测效率和准确性,开发专门针对船舶格子间表面的焊缝图像数据集,[方法]提出一种基于深度学习算法的智能焊缝辨识方法。通过一种并行下采样替换最上层下采样的方法对图像进行预处理,以降低其分辨率并剔除多余的信息,进而提升信息的表达效率;在网络的跳跃连接环节引入一种基于坐标的注意力模块,以此增强网络特征的提取能力,进一步提升分割的准确性。在收集的焊缝图像集上对改进的u-net模型的有效性进行测试。[结果]结果显示,与原模型相比,改进的u-net模型在图像语义分割任务中的m Iou和Acc分别增长1.92%和0.3%。[结论]改进的u-net模型在船舶格子间焊缝检测任务中表现出更高的分割精度和效率,有效解决了特征丢失、误检或漏检等问题,为船舶焊缝检测提供了更可靠的解决方案。

关键词：图像处理船舶格子间深度学习 u-net模型焊缝视觉跟踪

来源：评论

学校读者我要写书评

暂无评论

基于DRA-unet模型的超声图像分割方法

引用

华中科技大学学报（自然科学版） 2024年第5期52卷 83-89页

作者：王雷郭新萍王钰帏李彬山东理工大学计算机科学与技术学院山东淄博255000 华南理工大学自动化科学与工程学院广东广州510641

针对普通卷积运算无法关注重点区域、编码器无法有效提取全局上下文信息、简单的跳跃连接无法捕获显著特征,以及易导致分割图像分辨率降低、重要细节丢失、小物体信息无法被准确捕获等问题,提出基于膨胀率注意力机制的unet(DRA-unet)模... 详细信息

针对普通卷积运算无法关注重点区域、编码器无法有效提取全局上下文信息、简单的跳跃连接无法捕获显著特征,以及易导致分割图像分辨率降低、重要细节丢失、小物体信息无法被准确捕获等问题,提出基于膨胀率注意力机制的unet(DRA-unet)模型,并发展了基于此模型的超声图像分割方法.在unet模型的基础上,引入膨胀率注意门和多尺度卷积(ConvMulti)模块.膨胀率注意门模块利用空洞卷积能得到更大的感受野,将编码器语义位置的局部区域像素联合到上采样区域,可以实现更加高效的跳跃连接.ConvMulti模块用来获取更加详细的高层特征信息,使编码器功能更强大.实验结果表明:本模型可以有效抑制图像噪声,大幅提高特征的表达能力,具有很强的鲁棒性,相比六种经典分割方法,所提出方法在交并比、F1分数和精度指标下分别达到72.25%,83.89%和97.47%.

关键词：超声图像图像分割 u-net模型空洞卷积注意力机制

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：