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
共找到9,261篇文章
< 1 2 … 250 >
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：
基于条件高斯PAC-Bayes的机载CNN分类器安全性评估 被引量：1
1
作者 马赞 白杰 +2 位作者 陈勇 刘瑞华 张艳婷 《航空学报》 北大核心 2025年第4期217-230,共14页
针对机器学习技术的固有不确定输出特性给航空器适航安全性定量评估造成的挑战,在SAE ARP4761标准框架下,基于条件高斯PAC-Bayes泛化理论提出一种面向卷积神经网络(CNN)分类功能的系统安全性评估方法。首先,基于PAC-Bayes理论,通过条件... 针对机器学习技术的固有不确定输出特性给航空器适航安全性定量评估造成的挑战,在SAE ARP4761标准框架下,基于条件高斯PAC-Bayes泛化理论提出一种面向卷积神经网络(CNN)分类功能的系统安全性评估方法。首先,基于PAC-Bayes理论,通过条件高斯分布改进训练方法,优化泛化界,获取CNN模型不确定性量化表示。其次,提出一种基于泛化界置信度的软件不确定性与硬件可靠性融合方法,获取CNN部件的综合失效基础数据,支持整机/系统的定量安全性评估。最后,以基于CNN的全球导航卫星系统干扰信号识别模块装机为案例,表明该方法对适航安全性评估的有效支撑作用,为CNN技术的装机应用提供了必要的适航符合性保证。同时也实验验证基于条件高斯的方法比标准PAC-Bayes及Vapnik-Chervonenkis维都具有更紧的计算边界。 展开更多
关键词 机载cnn分类器 PAC-Bayes SAE ARP4761 条件高斯 适航安全性
原文传递
基于CNN模型的地震数据噪声压制性能对比研究 被引量：1
2
作者 张光德 张怀榜 +3 位作者 赵金泉 尤加春 魏俊廷 杨德宽 《石油物探》 北大核心 2025年第2期232-246,共15页
地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信... 地震噪声的压制是地震勘探中地震数据处理的重要研究内容之一。准确地压制地震噪声和提取地震信号中的有效信息是地震勘探和地震监测的一项关键步骤。传统的地震噪声压制方法存在一些不足之处,如灵活性不足、难以处理复杂噪声、有效信息损失以及依赖人工提取特征等局限性。为克服传统方法的不足,采用时频域变换并结合深度学习方法进行地震噪声压制,并验证其应用效果。通过构建5个神经网络模型(FCN、Unet、CBDNet、SwinUnet以及TransUnet)对经过时频变换的地震信号进行噪声压制。为了定量评估实验方法的去噪性能,引入了峰值信噪比(PSNR)、结构相似性指数(SSIM)和均方根误差(RMSE)3个指标,比较不同方法的噪声压制性能。数值实验结果表明,基于时频变换的卷积神经网络(CNN)方法对常见的地震噪声类型(包括随机噪声、海洋涌浪噪声、陆地面波噪声)具有较好的噪声压制效果,能够提高地震数据的信噪比。而Transformer模块的引入可进一步提高对上述3种常见地震数据噪声类型的压制效果,进一步提升CNN模型的去噪性能。尽管该方法在数值实验中取得了较好的应用效果,但仍有进一步优化的空间可供探索,比如改进网络结构以适应更复杂的地震信号,并探索与其他先进技术结合,以提升地震噪声压制性能。 展开更多
关键词 地震噪声压制 深度学习 卷积神经网络(cnn) 时频变换 TRANSFORMER
在线阅读 下载PDF
基于CNN-LSTM-Attention 组合模型的黄金周旅游客流预测——以大理州为例 被引量：1
3
作者 戢晓峰 郭雅诗 +2 位作者 陈方 黄志文 李武 《干旱区资源与环境》 北大核心 2025年第3期200-208,共9页
黄金周旅游客流预测一直是区域旅游管理的重大现实需求,能够为黄金周旅游组织提供更为精准的数据支持。文中基于百度迁徙数据和百度搜索指数数据,以卷积神经网络(CNN)、长短期记忆网络(LSTM)以及注意力机制(Attention)为基准,构建了CNN-... 黄金周旅游客流预测一直是区域旅游管理的重大现实需求,能够为黄金周旅游组织提供更为精准的数据支持。文中基于百度迁徙数据和百度搜索指数数据,以卷积神经网络(CNN)、长短期记忆网络(LSTM)以及注意力机制(Attention)为基准,构建了CNN-LSTM-Attention组合模型,对大理州黄金周日度旅游客流人数进行了预测,并基于SHAP算法进行了影响因素分析。结果显示:1)CNN-LSTM-Attention组合模型的预测精度优于RF模型、SVM模型、CNN模型、LSTM模型和CNN-LSTM模型。2)引入百度搜索指数特征后,模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)、决定系数(R^(2))表现最优,表明百度搜索指数的加入在一定程度上提升了模型的预测精度。文中所构模型为黄金周旅游客流预测提供了新思路。 展开更多
关键词 客流预测 黄金周 卷积神经网络(cnn) 长短期记忆网络(LSTM) 注意力机制
原文传递
改进Faster-R-CNN的输送带表面损伤检测 被引量：2
4
作者 袁媛 赵鹏举 +1 位作者 孟文俊 王航 《机械设计与制造》 北大核心 2025年第3期199-203,共5页
针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入ancho... 针对输送带在长期运转过程中易出现划伤、撕裂和破裂的损伤问题,提出了一种改进Faster-R-CNN的输送带表面损伤检测方法。该检测方法在Faster-R-CNN神经网络的基础上,首选MobileNet网络进行图像轻量化特征提取,然后在RPN模块中引入anchor原始特征与卷积相融合的背景分类,以加强输送带的损伤特征信息;最后构建输送带表面损伤的数据集进行数据试验,并分别采用VGG-19,ResNet-18骨干网络进行试验对比,结果表明改进的Faster-R-CNN的算法,针对输送带划伤、撕裂和破损的损伤状态均能够有效识别。 展开更多
关键词 输送带 损伤检测 Faster-R-cnn MobileNet
在线阅读 下载PDF
基于Faster R-CNN的作物生物密度智能识别方法 被引量：1
5
作者 李修华 李倩 +2 位作者 张瀚文 丁璐 王泽平 《生物工程学报》 北大核心 2025年第10期3828-3839,共12页
准确获取大田作物数量和密度不仅是水肥管理按需投入的关键,也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle,UAV)航拍可以快速且大面积地获取大田作物的分布图像信息,但是单一类型密集目标的准确识别对于大多数识别算... 准确获取大田作物数量和密度不仅是水肥管理按需投入的关键,也是保障作物产量和品质的关键。无人机(unmanned aerial vehicle,UAV)航拍可以快速且大面积地获取大田作物的分布图像信息,但是单一类型密集目标的准确识别对于大多数识别算法来说都是一个巨大的挑战。本研究以香蕉苗为例,通过无人机高空航拍香蕉园的图像,研究密集目标高效识别方法。本研究提出了一种“裁-识-拼”的策略,构建了一个基于改进的Faster R-CNN算法的计数方法。该方法先将包含高密集目标的图像按不同尺寸(模拟不同飞行高度)裁剪成大量图像瓦片,并采用对比度限制自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法提高图像质量,构建了包含36000张图像瓦片的香蕉苗数据集;然后采用经过参数优化的Faster R-CNN网络训练香蕉苗识别模型;最后将识别结果进行反拼接,并设计了一种边界去重算法,对最终的计数结果进行校正,以减少图像裁剪引起的香蕉苗重复识别。结果表明,经过参数优化的Faster R-CNN对不同尺寸的香蕉图像数据集的识别精度最高达到了0.99;去重算法可以将针对航拍原始图像的平均计数误差从1.60%降低到0.60%,香蕉苗的平均计数准确率达到99.4%。本研究提出的方法有效解决了高分辨率航拍图像中密集小目标识别难题,为精准农业中的作物密度智能监测提供了高效可靠的技术支撑。 展开更多
关键词 果园计数 香蕉 Faster R-cnn 深度学习 去重
原文传递
基于Faster R-CNN和Mask R-CNN的滑坡自动识别研究 被引量：3
6
作者 于宪煜 杨森 《大地测量与地球动力学》 北大核心 2025年第1期1-4,12,共5页
基于高分一号影像,以三峡库区库首段为例,通过目视解译出160个滑坡样本,按照9∶1比例分为训练样本和验证样本,分别利用Faster R-CNN和Mask R-CNN算法构建滑坡自动识别模型。为进一步对比分析不同样本比例下两种模型的性能,分别采用8∶2... 基于高分一号影像,以三峡库区库首段为例,通过目视解译出160个滑坡样本,按照9∶1比例分为训练样本和验证样本,分别利用Faster R-CNN和Mask R-CNN算法构建滑坡自动识别模型。为进一步对比分析不同样本比例下两种模型的性能,分别采用8∶2、7∶3、6∶4的样本比例进行计算。研究结果表明,Mask R-CNN模型识别结果准确率、召回率和F 1分数等3项指标均优于Faster R-CNN;且经过交叉验证,证明Mask R-CNN模型的性能更为稳定。 展开更多
关键词 深度学习 滑坡识别 Mask R-cnn Faster R-cnn 交叉验证
在线阅读 下载PDF
基于Mask R⁃CNN的多类建筑物损伤识别方法 被引量：1
7
作者 杨敬松 王煜鑫 +2 位作者 李智涛 卢泽葳 彭福民 《防灾减灾工程学报》 北大核心 2025年第3期562-570,共9页
地震发生后快速对建筑物损伤进行识别,可以提高灾害损失评估的效率,并为救援提供有效地决策支持。针对因背景干扰带来的重要特征表达能力弱的问题,提出一种基于深度学习框架Mask R‑CNN的多建筑物损伤识别方法。首先,对样本图像进行预处... 地震发生后快速对建筑物损伤进行识别,可以提高灾害损失评估的效率,并为救援提供有效地决策支持。针对因背景干扰带来的重要特征表达能力弱的问题,提出一种基于深度学习框架Mask R‑CNN的多建筑物损伤识别方法。首先,对样本图像进行预处理,克服复杂环境背景因素干扰,并进行多途径扩增,得到用于深度学习的扩增样本数据集。其次,优化特征提取网络,采用嵌入注意力机制模块SE的MobileNetv3网络作为主干网络,增加模型对建筑物损伤空间及语义信息的提取,有效避免背景对模型性能的影响,改进损失函数,避免遗漏类别和类别错分现象,同时引入迁移学习,降低训练成本;最后,采用定性分析和定量评估相结合的手段,多维度评估模型泛化能力和鲁棒性。改进后的Mask R‑CNN模型的平均精度达到了84.34%,相对于原始的Mask R‑CNN模型,精度提高了9.12%。结果表明,改进后的模型在识别含有多种损伤特征和噪声背景的建筑物损伤图像方面表现良好,可以为地震后建筑物的损伤评估提供有效地技术支持。 展开更多
关键词 人工智能 建筑物损伤识别 Mask R‑cnn 实例分割
原文传递
基于改进Faster R-CNN的焊缝缺陷检测方法 被引量：2
8
作者 陈利琼 梅后金 +1 位作者 胡洪宣 赵奎 《科学技术与工程》 北大核心 2025年第5期2027-2033,共7页
管道内部的焊缝缺陷是导致管道发生泄漏和破裂事故的主要原因,而X射线能够有效地检测到这些缺陷。然而,焊缝缺陷存在种类多、尺寸小和背景复杂等问题,影响检测精度。针对目前基于深度学习的焊缝缺陷检测模型对图像复杂背景和光照变化的... 管道内部的焊缝缺陷是导致管道发生泄漏和破裂事故的主要原因,而X射线能够有效地检测到这些缺陷。然而,焊缝缺陷存在种类多、尺寸小和背景复杂等问题,影响检测精度。针对目前基于深度学习的焊缝缺陷检测模型对图像复杂背景和光照变化的适应性不足、小目标检测效果不佳的问题。在快速区域卷积神经网络(faster region convolutional neural networks,Faster R-CNN)网络的主干网络上添加通道注意力机制和对残差块结构进行修改,并采用ROI Align替换传统Faster R-CNN网络的ROI Pooling的改进模型。实验结果表明:改进后的Faster R-CNN网络模型与原算法相比,平均精度值(mean average precision,mAP)和F_(1)分别比原算法提升了15.82%和16.44%,能够满足焊缝缺陷检测的高精度要求,具有重要的理论意义与良好的工程应用前景。 展开更多
关键词 深度学习 缺陷检测 X射线图像 Faster R-cnn
在线阅读 下载PDF
基于CNN-BiLSTM的ICMPv6 DDoS攻击检测方法
9
作者 王春兰 郭峰 +2 位作者 刘晋州 王明华 韩宝安 《火力与指挥控制》 北大核心 2025年第4期71-78,84,共9页
针对ICMPv6网络中DDoS攻击检测问题,提出一种基于CNN-BiLSTM网络的检测算法。通过将带有注意力机制、DropConnect和Dropout混合使用加入到CNN-BiLSTM算法中,防止在训练过程中产生过拟合问题,同时更准确提取数据的特性数据。通过实验表明... 针对ICMPv6网络中DDoS攻击检测问题,提出一种基于CNN-BiLSTM网络的检测算法。通过将带有注意力机制、DropConnect和Dropout混合使用加入到CNN-BiLSTM算法中,防止在训练过程中产生过拟合问题,同时更准确提取数据的特性数据。通过实验表明:提出的算法在多次实验中的检测准确率、误报率与漏报率平均值分别为92.84%、4.49%和10.54%,检测算法泛化性较强,性能优于其他算法,能够有效处理ICMPv6 DDoS攻击检测问题。 展开更多
关键词 分布式拒绝服务攻击 攻击检测 ICMPV6 cnn BiLSTM
在线阅读 下载PDF
基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法 被引量：1
10
作者 李海燕 乔仁超 +1 位作者 李海江 陈泉 《东北大学学报(自然科学版)》 北大核心 2025年第1期26-34,共9页
为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均... 为解决现有图像去雾算法因缺乏全局上下文信息、处理分布不均匀的雾时效果差且复用细节信息时引入噪声的缺陷,提出了基于全局残差注意力和门控特征融合的CNN-Transformer去雾算法.首先,引入全局残差注意力机制编码模块自适应地提取非均匀雾区的细节特征,设计跨维度通道空间注意力优化信息权重.然后,提出全局建模Transformer模块加深编码器的特征提取过程,设计带有并行卷积的Swin Transformer捕捉特征之间的依赖关系.最后,设计门控特征融合解码模块复用图像重建所需的纹理信息,滤除不相关的雾噪声,提高去雾性能.在4个公开数据集上进行定性和定量实验,实验结果表明:所提算法能够有效地处理非均匀雾区域,重建纹理细腻且语义丰富的高保真无雾图像,其峰值信噪比和结构相似性指数都优于经典对比算法. 展开更多
关键词 图像去雾 全局残差注意力机制 cnn-Transformer架构 门控特征融合 图像重建
在线阅读 下载PDF
改进Faster R-CNN的钢材表面缺陷检测 被引量：1
11
作者 冷岳峰 刘正 +1 位作者 徐宝祎 李志轩 《机械科学与技术》 北大核心 2025年第1期75-83,共9页
钢材表面缺陷检测是工业生产中至关重要的一项检测工作,针对钢材表面缺陷检测中漏检以及对于细小缺陷检测精度不佳等问题,提出了一种改进Faster R-CNN算法。在FPN(Feature pyramid networks)与RPN(Region proposal network)之间引入特... 钢材表面缺陷检测是工业生产中至关重要的一项检测工作,针对钢材表面缺陷检测中漏检以及对于细小缺陷检测精度不佳等问题,提出了一种改进Faster R-CNN算法。在FPN(Feature pyramid networks)与RPN(Region proposal network)之间引入特征融合模块与轻量化通道注意力模块,增加模型对精细特征的捕捉能力。改进模型在NEU-DET数据集上的实验结果显示,最终mAP(Mean average precision,记为m_(AP))值为80.2%,比原始模型提高了12.6%,FPS提高了40.9%。该算法能够有效提升钢材表面缺陷的检测精度,为钢材表面缺陷自动检测提供参考。 展开更多
关键词 缺陷检测 特征融合 通道注意力机制 改进Faster R-cnn算法
在线阅读 下载PDF
基于轻量化Mask R⁃CNN的车型检测算法
12
作者 许超 杨丰熙 +1 位作者 李博 王浩宇 《现代电子技术》 北大核心 2025年第21期127-136,共10页
车型检测对智能交通系统具有重要意义,其为智能交通系统的车辆管理能力提供了有效保障。针对现有算法通常较为复杂,并不能较好地适配于实际应用中的车型检测,文中提出一种基于改进Mask R⁃CNN的轻量化车型检测算法。首先,将特征提取网络... 车型检测对智能交通系统具有重要意义,其为智能交通系统的车辆管理能力提供了有效保障。针对现有算法通常较为复杂,并不能较好地适配于实际应用中的车型检测,文中提出一种基于改进Mask R⁃CNN的轻量化车型检测算法。首先,将特征提取网络替换为FasterNet特征提取网络,在降低算法复杂度的同时提升算法精度;其次,构建基于DO卷积的改进FPN特征融合网络,使算法既降低复杂度又提升精度;最后,将损失函数替换为Smooth L_(1)损失函数,在不改变当前算法复杂度的情况下对算法精度实现了进一步提升。实验结果表明,所提算法兼顾精度与实时性需求,且具有较好的泛化能力,更适配于实际应用中的车型检测。 展开更多
关键词 Mask R⁃cnn 车型检测 主干网络 特征融合 损失函数 轻量化
在线阅读 下载PDF
谐波减速器MDBO-CNN-LSTM剩余使用寿命预测
13
作者 兰月政 刘彪 +3 位作者 石超 郭世杰 吕贺 唐术锋 《农业机械学报》 北大核心 2025年第2期533-543,共11页
针对谐波减速器剩余使用寿命预测退化节点难以选取、退化指标与物理解释性差、预测效果偏差较大等问题,提出了一维堆叠卷积自编码器融合深度卷积嵌入式聚类(SCAE-DCEC)提取退化点,并结合改进蜣螂优化算法(DBO)优化CNN-LSTM的谐波减速器... 针对谐波减速器剩余使用寿命预测退化节点难以选取、退化指标与物理解释性差、预测效果偏差较大等问题,提出了一维堆叠卷积自编码器融合深度卷积嵌入式聚类(SCAE-DCEC)提取退化点,并结合改进蜣螂优化算法(DBO)优化CNN-LSTM的谐波减速器剩余使用寿命预测方法。对振动信号进行一维堆叠卷积自编码器与深度卷积嵌入式聚类,解决了退化节点难以选取、退化指标与预测网络契合度差等难题;构建了基于SPM混沌映射、自适应概率阈值和差分变异扰动的改进蜣螂优化算法,并对其性能进行评估。利用MDBO对CNN-LSTM超参数进行优化,形成MDBO-CNN-LSTM的剩余使用寿命预测模型。在搭建的谐波减速器实验台进行加速寿命实验及预测验证,实验结果表明MDBO-CNN-LSTM训练后预测模型拟合优度明显高于CNN、LSTM、CNN-LSTM、DBO-CNN-LSTM网络、直接退化全卷积、直接退化的贝叶斯优化LSTM的RUL预测方法,其预测精度达到91.33%,且该方法对谐波减速器寿命后期退化趋势中的衰退特征具有较强的辨识能力。 展开更多
关键词 谐波减速器 退化点 SCAE-DCEC MDBO-cnn-LSTM 剩余使用寿命
在线阅读 下载PDF
基于改进Retinex与双CNNs的钢轨表面缺陷图像增强算法研究
14
作者 罗晖 章硕生 +1 位作者 曾伟 张金华 《电子测量技术》 北大核心 2025年第13期189-198,共10页
在钢轨表面缺陷检测过程中,受光照不均、镜头抖动等外界因素的影响,采集的图像存在对比度低、背景不均匀和缺陷细节模糊等问题。为此,提出一种基于改进Retinex与双CNNs的钢轨表面缺陷图像增强算法。首先,将钢轨表面缺陷RGB图像转换为HS... 在钢轨表面缺陷检测过程中,受光照不均、镜头抖动等外界因素的影响,采集的图像存在对比度低、背景不均匀和缺陷细节模糊等问题。为此,提出一种基于改进Retinex与双CNNs的钢轨表面缺陷图像增强算法。首先,将钢轨表面缺陷RGB图像转换为HSV空间后,采用引入均值和均方差,加入控制图像动态参数的Retinex算法,实现V分量对比度的调整,再通过自适应伽马变换校正图像曝光;其次,对S分量根据亮度进行自适应非线性增强,解决光照变化带来的背景不均匀问题;然后,为了进一步解决镜头抖动产生的缺陷图像细节模糊问题,设计了基于U-Net结构的去模糊子网络和超分辨细节恢复子网络组成的双CNNs网络,学习原始图像和增强后图像的语义特征,并提取其纹理特征,以获取高质量图像的纹理和细节信息。最后,采用RSDDs数据集和自制钢轨表面缺陷模糊图像数据集对模型进行训练和测试。实验结果表明,与现有的主流算法相比,峰值信噪比和结构相似性分别提高了2.61 dB和0.026,在视觉上较另外10种方法获得的钢轨表面缺陷图像具有较高的对比度、清晰的缺陷细节和丰富的纹理信息。 展开更多
关键词 钢轨表面缺陷 HSV 改进Retinex 图像增强 双cnns 去模糊
原文传递
基于PLSR-CNN的锂电池热失控特征气体拉曼检测方法
15
作者 张伟 杨旭 +1 位作者 黄鑫 张海军 《消防科学与技术》 北大核心 2025年第4期525-531,共7页
针对锂离子电池热失控早期快速监测预警,提出了一种热失控特征气体拉曼检测识别算法,该方法创新性开发了最小二乘-卷积神经网络(PLSR-CNN)的方法 ,从低信噪比的拉曼气体信号中准确提取本征信号,并结合偏最小二乘回归技术(PLSR)进行定量... 针对锂离子电池热失控早期快速监测预警,提出了一种热失控特征气体拉曼检测识别算法,该方法创新性开发了最小二乘-卷积神经网络(PLSR-CNN)的方法 ,从低信噪比的拉曼气体信号中准确提取本征信号,并结合偏最小二乘回归技术(PLSR)进行定量分析,极大提升了拉曼气体检测技术检测预警效果。结果表明,该方法在定性分析方面准确率高达99.8%,在定量分析方面准确率高达96.4%。因此,该方法在检测领域方面具有良好的应用前景,可为进一步提高热失控气体识别准确率,完善气体识别模型提供理论和技术支持。 展开更多
关键词 热失控气体 拉曼 cnn PLSR
在线阅读 下载PDF
基于改进Faster R-CNN的机场跑道道面裂缝检测方法 被引量：1
16
作者 张璐 高培伟 +1 位作者 张芊伊 李国庆 《粘接》 2025年第5期159-162,共4页
民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综... 民航运输在中国交通体系中占据着至关重要的地位。随着机场使用年限的延长,道面损伤问题日益严重,这对飞机滑行与起降的安全构成了重大威胁。为了降低飞机在起降过程的风险性,提出了一种基于Faster R-CNN的改进检测方法。该检测方法综合利用了GC-ASFF模块、CIoU指标、改进损失函数和迁移学习等深度学习和目标检测技术,实现了对道面裂缝的准确检测,以便利用识别到的道面裂缝特征参数来对当前道面安全状况进行评估。试验结果表明,改进后的模型识别精度较高,综合性能较优,对于飞机跑道道面损伤能够进行精准识别和检测,具有较高的可靠性。 展开更多
关键词 裂缝检测 Faster R-cnn ASFF 交并比 损失函数
在线阅读 下载PDF
基于CNN-LSTM-Attention预测钻井摩阻的方法研究
17
作者 史钰博 李琳 《电脑与信息技术》 2025年第2期31-36,共6页
通过对大量的钻井数据分析发现,准确预测钻井摩阻已成为当前钻井工作的关键任务之一。传统的摩阻预测方法主要基于经验,具有成本高、效率低、预测值与实际值误差偏大等问题。基于此,利用已积累的钻井数据,设计并实现一种以CNN-LSTM-Atte... 通过对大量的钻井数据分析发现,准确预测钻井摩阻已成为当前钻井工作的关键任务之一。传统的摩阻预测方法主要基于经验,具有成本高、效率低、预测值与实际值误差偏大等问题。基于此,利用已积累的钻井数据,设计并实现一种以CNN-LSTM-Attention算法为核心的钻井摩阻预测模型。同时将该算法与卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)、门控循环单元(Gated Recurrent Unit,GRU)等其他深度学习算法进行详细对比。实验结果表明,使用CNN-LSTM-Attention算法预测测试井的钻井摩阻误差值更低,平均绝对误差(Mean Absolute Error,MAE)为0.76,均方根误差(Root Mean Squared Error,RMSE)为0.77。 展开更多
关键词 钻井摩阻 cnn cnn-LSTM-Attention 深度学习
在线阅读 下载PDF
基于CNN-SLinformer算法的风电机组偏航系统故障预测
18
作者 火久元 谢东宸 +1 位作者 常琛 李昕 《湖南大学学报(自然科学版)》 北大核心 2025年第8期140-150,共11页
随着风电产业的快速发展,风电机组故障停机的比例也在上升,其中偏航系统故障尤为突出,占据了总停机时间的近三分之一(28.7%).为减少停机时间和运维费用,本文提出了一种基于SCADA数据的深度学习模型CNN-Smart_Linformer(CNN-SLinformer)... 随着风电产业的快速发展,风电机组故障停机的比例也在上升,其中偏航系统故障尤为突出,占据了总停机时间的近三分之一(28.7%).为减少停机时间和运维费用,本文提出了一种基于SCADA数据的深度学习模型CNN-Smart_Linformer(CNN-SLinformer),用于预测风电机组偏航系统的故障发生时间.该模型通过引入动态自注意力权重计算线性投影矩阵,自适应地捕捉输入序列的变化,显著增强了模型在不同运行环境下的泛化能力.它结合了卷积神经网络(CNN)在局部特征提取的优势与SLinformer在捕捉长期依赖关系的能力.实际风电场SCADA数据的实验结果表明,CNN-SLinformer模型在偏航故障预测任务中显著提高了预测精度,Score降低至144.50,同时模型运行时间更短,为风电场提供了有效的故障预测工具. 展开更多
关键词 风电机组 偏航系统 卷积神经网络(cnn) SLinformer 故障预测
在线阅读 下载PDF
基于DWT-CNN-Informer模型的液压支架压力多步长预测
19
作者 张传伟 张刚强 +1 位作者 路正雄 李林岳 《中国安全生产科学技术》 北大核心 2025年第4期57-63,共7页
为了实现液压支架压力多步长精准预测,提出1种基于DWT-CNN-Informer模型的压力多步长预测方法,该方法利用离散小波变换(discrete wavelet transform, DWT)将预处理后的压力时序数据分解为趋势项和周期项频率分量;各频率分量输入卷积神... 为了实现液压支架压力多步长精准预测,提出1种基于DWT-CNN-Informer模型的压力多步长预测方法,该方法利用离散小波变换(discrete wavelet transform, DWT)将预处理后的压力时序数据分解为趋势项和周期项频率分量;各频率分量输入卷积神经网络(CNN)模型提取频率特征;提取的频率特征输入Informer编码器,经位置编码和多头概率稀疏自注意力机制捕捉时序变化特征,并结合自注意力蒸馏减少特征冗余;将Informer解码器改为全连接层,直接输出各分量多步长预测结果;重构叠加各分量多步长预测结果得到液压支架压力多步长预测结果。研究结果表明:在预测步长分别为6,12,24时,DWT-CNN-Informer模型相比LSTM、Informer、CNN-Informer模型在平均绝对误差(MAE)、均方根误差(RMSE)、对称平均绝对百分比误差(SMAPE)指标上均表现出更高预测精度。研究结果为液压支架压力精准预测提供有效方法。 展开更多
关键词 液压支架压力 多步长预测 离散小波变换 cnn模型 Informer模型
在线阅读 下载PDF
基于Mask R—CNN的轻量级草莓实例分割算法
20
作者 王成军 江诚婕 +1 位作者 丁凡 柳炜 《中国农机化学报》 北大核心 2025年第7期118-123,F0003,共7页
针对果园采摘环境复杂、草莓与周边环境难以精确分割、现有模型处理速度无法实现快速分割等问题,提出一种基于Mask R—CNN的轻量级草莓实例分割算法。在原始Mask R—CNN算法的基础上进行改进,采用MobileNetV3网络替代原始的ResNet101骨... 针对果园采摘环境复杂、草莓与周边环境难以精确分割、现有模型处理速度无法实现快速分割等问题,提出一种基于Mask R—CNN的轻量级草莓实例分割算法。在原始Mask R—CNN算法的基础上进行改进,采用MobileNetV3网络替代原始的ResNet101骨干网络来轻量化算法,且将原本MobileNetV3残差结构中的通道注意力机制替换成协同注意力机制模块,结合特征金字塔网络架构进行特征提取,实现草莓个体的精准快速定位分割。在标注数据集上进行对比实验,结果表明,改进的Mask R—CNN算法与原始Mask R—CNN算法相比,边框mAP和掩膜mAP分别提升1.75%和4.05%,检测速度提高20.09帧/s,减少模型对硬件存储空间和算力的依赖。 展开更多
关键词 草莓图像 实例分割 改进Mask R—cnn CA注意力机制 轻量化网络
在线阅读 下载PDF
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 2 … 250 下一页 到第 页
使用帮助 返回顶部