基于混合注意力机制和改进MobileNetV4的雷达信号去噪与识别

1

作者 王泳欢 崔毓函 +2 位作者 黄洁 赵闯 胡德秀 《信号处理》 2025年第11期1763-1774,共12页

针对低信噪比下雷达信号调制类型识别方法准确率低,以及传统卷积神经网络模型参数量大的问题,本文提出了一种基于混合注意力机制和改进轻量化网络MobileNetV4的雷达信号去噪与识别方法。先对13种雷达信号进行Choi-Williams时频分析,并... 针对低信噪比下雷达信号调制类型识别方法准确率低,以及传统卷积神经网络模型参数量大的问题,本文提出了一种基于混合注意力机制和改进轻量化网络MobileNetV4的雷达信号去噪与识别方法。先对13种雷达信号进行Choi-Williams时频分析,并对时频分析的结果进行灰度化与归一化处理。在此基础上,针对雷达信号在时频域中所呈现的稀疏性,利用通道注意力机制和空间注意力机制建立通道感知模块和空间感知模块提取图像的关键特征,并结合改进的Unet网络实现雷达信号时频图的去噪。同时,针对时频图像的特点对轻量化网络MobileNetV4进行定向优化,通过多方向卷积核组设计了一个时频感知前端并在特征提取阶段嵌入注意力机制,以增强该网络对时频结构的感知能力,实现对雷达信号调制类型的识别。基于上述设计,将去噪模型和识别模型有机结合,实现端到端的信号去噪与识别。仿真实验表明,相较于未去噪的时频图,经过去噪处理的图像峰值信噪比和结构相似度都得到了显著提升,证明了本文去噪网络的有效性;本文改进的MobileNetV4识别网络相较于原网络在低信噪比下性能得到了提升,在信噪比为-10 dB时,准确率达到94.9%,且参数量仅有2.57M,轻量性和鲁棒性优于同信噪比下对比的其他模型。此外,本文在识别流程中引入了信号去噪预处理,实验证明,该步骤能提升模型在低信噪比条件下的识别性能。 展开更多

关键词 雷达信号 信号去噪 Choi-Williams分布 注意力机制 mobilenetv4

在线阅读 下载PDF 职称材料

多源场景下粘虫板小目标害虫轻量化检测识别模型 被引量：1

2

作者 杨信廷 胡焕 +3 位作者 陈晓 李汶政 周子洁 李文勇 《智慧农业(中英文)》 2025年第1期111-123,共13页

[目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题,本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合Mobile... [目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题,本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合MobileNetV4主干网络构建EM模块,实现特征提取网络结构的优化和精度的提升;在模型颈部引入轻量化模块GSConv和VoV-GSCSP,替代普通卷积,降低模型复杂度;最后添加NWD (Normalized Wasserstein Distance)损失函数,用于增强小目标的判别敏感度与定位能力。[结果和讨论]所提出模型在室内场景下对小目标害虫的检测性能最佳,平均检测精度为82.5%,较原始模型YOLOv5s提升了8.4%;模型参数量降低了3.0 M,帧率提升了6.0帧/s;在室外场景下,所提出模型的平均精度为70.8%,较YOLOv5s提升了7.3个百分点,参数量降低了3.0 M,帧率提升了5.5帧/s;在混合场景下,模型的平均精度为74.7%,较YOLOv5s提升了8.0个百分点,参数量降低了3.0 M,帧率提升了4.3帧/s。同时研究发现,对原始图像进行裁剪分割能够影响模型性能,在采用5×5的比率对原图进行分割下模型的检测识别性能最佳;利用室内场景数据训练的模型能够在所有场景下都获得最佳的检测性能。[结论]本研究提出的MobileNetV4+VN-YOLOv5s模型兼顾轻量化和精度,模型可部署到嵌入式设备,便于落地应用,可为各种多源场景下粘虫板图像中小目标害虫检测提供参考。 展开更多

关键词 小目标 害虫检测 轻量化 粘虫板 多源场景 mobilenetv4 YOLOv5s

在线阅读 下载PDF 职称材料

改进RT-DETR的煤矿刮板输送机链条故障智能识别方法

3

作者 毛清华 郭文瑾 +2 位作者 苏毅楠 司马俊雷 薛旭升 《煤炭科学技术》 北大核心 2025年第9期469-479,共11页

针对目前煤矿刮板输送机链条多故障识别中的主要问题,提出一种基于改进RT-DETR(Real-Time DEtection TRansformer)的煤矿刮板输送机链条故障智能识别方法。该方法在数据集构建时,运用基于HSV三通道的图像预处理方法对煤矿刮板输送机链... 针对目前煤矿刮板输送机链条多故障识别中的主要问题,提出一种基于改进RT-DETR(Real-Time DEtection TRansformer)的煤矿刮板输送机链条故障智能识别方法。该方法在数据集构建时,运用基于HSV三通道的图像预处理方法对煤矿刮板输送机链条图像进行数据降噪与增强处理,提升图像质量。在改进的RT-DETR算法中,通过采用MobileNetV4作为主干特征网络,提升主干网络特征提取效率;通过将混合编码器中的普通卷积替换为效果更佳的Ghost卷积,降低算法参数量,提升识别速度;通过运用CSPStage特征融合模块和Inner-GIoU损失函数,增强特征利用和融合的能力,提高识别准确率。为了验证算法改进模块的效果,通过消融实验结果表明:改进RT-DETR算法与原RT-DETR算法相比,识别准确度提升1.6%,每秒处理的帧数提升15.5 frames/s,模型大小降低36%,参数量减少35.9%。运用改进RT-DETR算法与YOLOv8m-ghost、YOLOv8m-RT-DETR和YOLOv10s算法进行多故障识别对比实验,对比实验结果表明:改进RT-DETR识别算法在各指标上均效果最优,能够实现刮板输送机链条断链故障和磨损故障的高效准确识别,识别准确率达到97.6%,每秒处理的FPS值达到67.2 frames/s,能够在空载和未满载状态下,满足煤矿刮板输送机链条故障在线高效准确识别的需求。 展开更多

关键词 煤矿刮板输送机 链条故障 RT-DETR 智能识别 mobilenetv4 HSV三通道

在线阅读 下载PDF 职称材料

基于改进YOLOv7的复杂环境下的葡萄成熟度检测 被引量：3

4

作者 马鹏伟 周杰 《农业工程学报》 北大核心 2025年第3期171-178,共8页

为实现葡萄果实成熟度的高精度、快速检测,该研究提出一种YOLOv7MCA的轻量化检测方法。以YOLOv7模型为基础,将MobileNetV4引入YOLOv7模型中作为新的骨干特征提取网络,以减少网络的参数量,在保持较低计算成本的同时,提高了模型的精度和效... 为实现葡萄果实成熟度的高精度、快速检测,该研究提出一种YOLOv7MCA的轻量化检测方法。以YOLOv7模型为基础,将MobileNetV4引入YOLOv7模型中作为新的骨干特征提取网络,以减少网络的参数量,在保持较低计算成本的同时,提高了模型的精度和效率;在YOLOv7的颈部加强特征提取网络中引入CBAM(convolutional block attention module),CBAM通过在通道和空间维度上分别引入注意力机制,增强了模型的特征选择能力;在特征融合结构中,采用自适应空间特征融合模块ASFF(adaptive spatial feature fusion)优化Head部分,ASFF通过不同尺度特征图之间自适应的融合,使得深度学习模型能够更好地处理不同大小的目标,提升了目标检测任务的精度和效率;试验结果表明,改进后的YOLOv7模型在葡萄图像测试集上的精确度为95.2%,召回率为87.2%,平均精度均值为93.9%,平均检测时间为52.2 ms,模型内存占用量为53.6MB,均优于Faster R-CNN、SSD、YOLOv5、YOLOv7、YOLOv8n、YOLOv9t和YOLOv10n检测模型。改进后的YOLOv7MCA模型占用内存少的同时保持了高检测精度,减少了检测时间,能够为葡萄果实的自动化机械采摘提供技术支撑。 展开更多

关键词 YOLOv7 葡萄 成熟度检测 mobilenetv4 CBAM

在线阅读 下载PDF 职称材料

MAFF-YOLO:面向造林验收的明穴目标检测模型 被引量：2

5

作者 石燕妮 王武魁 +3 位作者 吴明晶 张大兴 廉瑞峰 谷亚宇 《北京林业大学学报》 北大核心 2025年第4期142-154,共13页

【目的】为解决传统林场造林验收过程中存在的主观性强、缺乏科学性以及管理人员不足等问题,本研究提出一种基于单阶段目标检测框架的造林明穴检测模型MAFF-YOLO,旨在自动识别并统计造林明穴的数量和位置,推动造林验收的数字化转型,提... 【目的】为解决传统林场造林验收过程中存在的主观性强、缺乏科学性以及管理人员不足等问题,本研究提出一种基于单阶段目标检测框架的造林明穴检测模型MAFF-YOLO,旨在自动识别并统计造林明穴的数量和位置,推动造林验收的数字化转型,提高验收效率和科学性。【方法】基于YOLOv8模型,通过多方面改进获得了MAFF-YOLO。首先,采用MobileNetV4作为主干网络,引入更多参数和层次结构提高检测精度;其次,添加基于归一化的注意力模块(NAM),增强对明穴特征的捕捉能力,减少误检和漏检;然后,将特征融合模块替换为跨尺度特征融合模块(CCFM),在降低特征图拼接计算量的同时整合不同尺度特征,提升对小尺度明穴的检测能力;接着,将检测头替换为RFAHead,根据数据的复杂性和重要性动态调整感受野,增强网络对不同输入特征的适应性;最后,优化边界框损失函数为FocusCIoU,改善正负样本分布不平衡问题,增强对关键样本的学习能力。【结果】MAFF-YOLO在识别明穴数量和位置方面表现出较高的准确性。与基础YOLOv8模型相比,其精度提高了1个百分点,mAP50提高了0.7个百分点,F_(0.5)提高了0.6个百分点,且算法复杂度显著降低。【结论】在相同实验条件下,MAFF-YOLO相较于其他现有方法,在提升模型对造林明穴目标的检测效果方面表现出显著优势,并已成功集成至端到端的检测系统中,为造林验收的数字化提供了技术支持,进一步提升了造林验收的效率和科学性。 展开更多

关键词 小目标检测 YOLOv8 算法 数字化造林验收 无人机 mobilenetv4 NAM CCFM

在线阅读 下载PDF 职称材料

YOLOv9-MST改进多尺度玉米雄穗识别检测方法

6

作者 李典 何敬 +2 位作者 刘刚 胡芮宁 陈润渲 《遥感信息》 北大核心 2025年第3期155-163,共9页

识别图像中雄穗对玉米产量预测具有重要意义。由于大田玉米生长环境复杂,雄穗常被玉米叶片遮挡,且雄穗本身较小,普通深度学习模型对其检测效果不佳,因此基于玉米生长场景,制作了多尺度影像序列,并改进了YOLOv9目标检测模型,引入动态蛇... 识别图像中雄穗对玉米产量预测具有重要意义。由于大田玉米生长环境复杂,雄穗常被玉米叶片遮挡,且雄穗本身较小,普通深度学习模型对其检测效果不佳,因此基于玉米生长场景,制作了多尺度影像序列,并改进了YOLOv9目标检测模型,引入动态蛇形卷积模块捕捉雄穗形态学特征,利用MobileNetV4对模型进行轻量优化。实验结果表明,该优化模型在5种不同缩放尺度下均能保持90.9%~98.3%的检测精度,减少了模型参数量,提高了计算效率。 展开更多

关键词 目标检测 YOLOv9 农业遥感 动态蛇形卷积 mobilenetv4

在线阅读 下载PDF 职称材料

基于MWLB-YOLOv11的地震“牛眼”效应识别研究

7

作者 陈琪璟 李攀 孟佳兵 《电脑与电信》 2025年第8期8-13,40,共7页

地震反演低频模型中的“牛眼”效应严重影响反演结果的精度和可靠性,尤其在弱对比度、模糊边界和复杂地质背景下难以精准识别。为解决这一问题,在以往研究的基础上,提出了一种轻量级、高鲁棒性的目标检测模型MWLBYOLOv11。该模型基于YOL... 地震反演低频模型中的“牛眼”效应严重影响反演结果的精度和可靠性,尤其在弱对比度、模糊边界和复杂地质背景下难以精准识别。为解决这一问题,在以往研究的基础上,提出了一种轻量级、高鲁棒性的目标检测模型MWLBYOLOv11。该模型基于YOLOv11,集成了四项关键模块以提升检测性能。通过采用MobileNetV4作为主干网络,模型借助更深的层次结构和参数优化增强了特征提取能力。为了扩大感受野并捕捉低频结构信息,设计了C3k2-WTConv模块,同时避免了过度参数化的问题。在此基础上,引入了大核可分离注意力机制LSKAttention,进一步提升了模型对空间上下文的建模能力,并有效控制了计算开销。此外,BiFPN特征融合结构促进了不同尺度间的信息交互,优化了小目标检测性能。该模型针对地震图像中的“牛眼”类环状异常进行了优化,实验结果表明,MWLB-YOLOv11在精度、效率和鲁棒性上优于传统方法,能够更准确地检测和定位牛眼效应区域。该模型为地震反演分析及其他异常检测任务提供了有效的解决方案,展现了广泛的应用前景。 展开更多

关键词 地震反演 牛眼效应 YOLOv11 mobilenetv4 WTConv LSKAttention BiFPN

在线阅读 下载PDF 职称材料

基于改进YOLOv8s的矿用输送带异物检测方法

8

作者 李润泽 郭星歌 +2 位作者 杨发展 赵培培 谢国龙 《工矿自动化》 北大核心 2025年第6期96-104,共9页

针对矿井低照度环境下输送带异物检测算法存在的图像全局特征提取不足、模型参数量过大等问题,提出一种基于改进YOLOv8s的矿用输送带异物检测方法。利用VMamba和MobileNetv4对YOLOv8s进行改进:采用MobileNetv4改进主干网络,集成通用逆瓶... 针对矿井低照度环境下输送带异物检测算法存在的图像全局特征提取不足、模型参数量过大等问题,提出一种基于改进YOLOv8s的矿用输送带异物检测方法。利用VMamba和MobileNetv4对YOLOv8s进行改进:采用MobileNetv4改进主干网络,集成通用逆瓶颈(UIB)模块,通过高效倒置残差结构降低模型整体参数量,通过动态特征适应机制增强小目标场景的特征鲁棒性;通过VMamba的视觉状态空间(VSS)模块改进核心特征提取与融合模块C2f,通过状态空间模型和四向扫描机制高效捕捉图像中的全局上下文信息,增强模型对图像全局结构的理解;设计了参数共享轻量化检测头,使用分组归一化(GN)作为归一化卷积基本块,弥补模型轻量化所带来的精度损失。实验结果表明:改进YOLOv8s模型在自建数据集上的mAP@0.5达0.921,mAP@0.5:0.95达0.601,参数量较YOLOv8s减少27.7%,性能优于主流目标检测模型YOLOv11s,YOLOv10s等,可以满足矿用输送带异物检测需求。 展开更多

关键词 输送带异物检测 YOLOv8s VMamba mobilenetv4 轻量化 分组归一化

在线阅读 下载PDF 职称材料

基于MobileNetV3-YOLOv4超市取货机器人目标检测策略优化设计 被引量：3

9

作者 杨登杰 叶爱芬 +2 位作者 袁舸凡 郭熔 王环 《电脑知识与技术》 2022年第30期18-22,共5页

具有自主工作能力的超市取货机器人能够大大降低人工成本使其得到广泛应用,对超市取货机器人的目标检测策略进行持续的优化改进具有重要的现实意义。针对超市取货机器人目标检测策略存在泛化性、效率低的问题,提出了基于MobileNetV3-YOL... 具有自主工作能力的超市取货机器人能够大大降低人工成本使其得到广泛应用,对超市取货机器人的目标检测策略进行持续的优化改进具有重要的现实意义。针对超市取货机器人目标检测策略存在泛化性、效率低的问题,提出了基于MobileNetV3-YOLOv4超市取货机器人目标检测策略的设计。该策略中将根据检测商品的特征有针对性地构建数据集,并且轻量化改进YOLOv4的主干特征网络,将原来的YOLOv4的CSPDarknet53主干特征网络用轻量级网络MobileNetV3替换,最终提高YOLOv4算法的训练速度、检测精度以及网络模型的泛化能力。最终场地测试结果表明,上述控制策略在提升超市取货机器人泛化性和鲁棒性,同时提高了执行效率。 展开更多

关键词 MobileNetV3-YOLOv4 CSPDarknet53主干网络 余弦退火衰减 鲁棒性 泛化能力

在线阅读 下载PDF 职称材料

基于无人机图像和MLL-YOLO v10s的草原放牧羊只实时检测模型

10

作者 张东彦 叶佳炜 +4 位作者 郭阳阳 胡根生 李威风 唐晶磊 韩冬 《农业机械学报》 2025年第10期575-584,共10页

为满足内蒙古草原牧场牧户对大批散养羊群实现精准实时监控和管理的需求,提出一种高精度、轻量化的实时无人机遥感目标检测模型MLL-YOLO v10s(MobileNetV4 LSKA LSCD-YOLO v10s),实现无人机高空视角下大批羊群中羊只的实时检测。为解决... 为满足内蒙古草原牧场牧户对大批散养羊群实现精准实时监控和管理的需求,提出一种高精度、轻量化的实时无人机遥感目标检测模型MLL-YOLO v10s(MobileNetV4 LSKA LSCD-YOLO v10s),实现无人机高空视角下大批羊群中羊只的实时检测。为解决羊群密集和相互遮挡造成的羊只检测困难以及实时性差的问题,基于YOLO(You only look once)v10模型,采用MobileNetV4作为主干网络,降低模型参数量并提升计算效率;引入大型可分离核注意力模块(LSKA),增强对小目标的特征捕获能力;设计轻量化共享卷积检测头(LSCD),通过权重共享减少计算冗余,提高模型的计算效率。与YOLO系列、Faster R-CNN(Faster regions with convolutional neural networks)及其他经典网络模型相比,改进后的MLL-YOLO v10s模型在测试集上的mAP达到了93.6%,较基线模型提升3.4个百分点,平均帧率为135 f/s,参数量仅1.268×10^(7),在密集遮挡场景下漏检率显著降低,模型体积与计算量优于主流单/双阶段目标检测算法。提出的MLL-YOLO v10s模型在无人机航拍场景下对高密度聚集及部分遮挡的羊只目标展现出更强的鲁棒性,在参数量和计算量上也有明显优势,为边缘计算设备与无人机结合应用提供支持,可为天然牧场中使用无人机巡检羊群提供一种有效的实时检测方法。 展开更多

关键词 羊只检测 YOLO v10 无人机 小目标 mobilenetv4 轻量化

在线阅读 下载PDF 职称材料

基于改进YOLOv8的果蔬品质劣变荧光成像嵌入式检测系统

11

作者 高陈宏 朱启兵 黄敏 《智慧农业(中英文)》 2025年第5期146-155,共10页

[目的/意义]新鲜果蔬在贮藏、运输过程中容易因微生物繁殖、酶活性变化等发生品质劣变,传统检测方法具有破坏性、耗时长且难以满足实时监测需求。本研究旨在开发基于荧光成像与嵌入式技术的果蔬品质劣变检测系统,解决现有光学检测设备... [目的/意义]新鲜果蔬在贮藏、运输过程中容易因微生物繁殖、酶活性变化等发生品质劣变,传统检测方法具有破坏性、耗时长且难以满足实时监测需求。本研究旨在开发基于荧光成像与嵌入式技术的果蔬品质劣变检测系统,解决现有光学检测设备价格昂贵、便携性不足的问题。[方法]开发的荧光成像检测系统采用现场可编程门阵列板(型号:ZYNQ XC7Z020)为主控单元,紫外发光二极管灯珠(365 nm, 10 W)为激发光源,互补金属氧化物半导体(Complementary Metal-Oxide-Semiconductor, CMOS)相机为荧光图像采集传感器,实现荧光图像的采集和处理;在此基础上,构建了一种基于改进YOLOv8的轻量化目标检测模型。改进模型以MobileNetV4为主干网络,通过批归一化层(Batch Normalization, BN)的通道剪枝技术实现了模型的轻量化;结合ZYNQ硬件资源特性,采用动态16位定点数量化硬件加速优化方法,从而加快实现果蔬品质的等级分类。[结果和讨论]以葡萄和菠菜两种常见果蔬为样本,通过检测其荧光图像中劣变特征,系统对新鲜、次新鲜、腐败三级分类平均精确度达95.91%。[结论]开发的荧光成像检测系统具有较高的精度与良好的响应速度,为果蔬品质的无损检测提供了一种低成本、高效率的方案。 展开更多

关键词 果蔬 嵌入式系统 荧光成像技术 YOLOv8 网络剪枝 mobilenetv4

在线阅读 下载PDF 职称材料

基于YOLO v5-MNv4S与RANSAC-GN的柑橘姿态估计方法

12

作者 李丽 张官明 +2 位作者 张云峰 梁继元 淳长品 《农业机械学报》 2025年第10期558-566,共9页

为解决果园环境下的柑橘多变姿态估计问题,提高柑橘采收成功率,本文提出一种轻量化目标检测网络YOLO v5-MNv4S,与改进的随机采样一致性-高斯牛顿(Random sample consensus-Gauss Newton,RANSAC-GN)点云处理算法,根据柑橘生长及末端采摘... 为解决果园环境下的柑橘多变姿态估计问题,提高柑橘采收成功率,本文提出一种轻量化目标检测网络YOLO v5-MNv4S,与改进的随机采样一致性-高斯牛顿(Random sample consensus-Gauss Newton,RANSAC-GN)点云处理算法,根据柑橘生长及末端采摘流程定义柑橘姿态,构建了柑橘姿态实时估计系统。首先将YOLO v5s骨干网络优化为轻量化特征提取网络(MNv4-Conv-S),大幅降低训练参数,使最终输出网络权重轻量化,减少计算量,提高识别效率;其次添加CA注意力机制及替换损失函数为SIoU,解决了轻量化网络特征提取能力弱的问题。上述改进实现了YOLO v5-MNv4S网络轻量化与优于YOLO v5s的检测能力。D435i型相机采集图像后输入到YOLO v5-MNv4S获取目标边界框,使用针孔模型输出柑橘区域点云,分割出柑橘表面点云,结合本文改进的RANSAC-GN点云算法拟合出准确稳定的柑橘参数,融合果蒂空间坐标,最终输出待采摘柑橘空间姿态结果。消融试验及网络对比试验结果表明,轻量化的YOLO v5-MNv4S精度为93.1%,参数量仅为YOLO v5s的14.7%,对比YOLO v5s-Ghost以及YOLO v7、YOLO v8等网络,其在参数大幅缩减的同时,识别精度最佳。柑橘定位与姿态识别试验结果表明,采用RANSAC-GN的柑橘参数拟合误差为(0.18,0.19,0.44)mm,姿态估计误差为2.56°,姿态估计准确,真实果园环境下柑橘姿态估计结果与真实柑橘一致。该研究能满足果园环境下对柑橘姿态的识别,可为结构化柑橘果园机械采收设备提供技术支持。 展开更多

关键词 柑橘采摘 目标检测 姿态估计 轻量化网络 点云处理 mobilenetv4

在线阅读 下载PDF 职称材料

基于卷积神经网络的电控单元电磁脉冲特征识别方法

13

作者 沈勋 王紫焱 +1 位作者 丁少鸿 魏民祥 《电子科技》 2025年第12期97-104,共8页

针对电磁脉冲耦合信号非平稳特征明显以及样本量较少降低了电磁脉冲耦合信号特征识别准确率的问题,文中提出了一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的数据增强的电磁脉冲特征识别方... 针对电磁脉冲耦合信号非平稳特征明显以及样本量较少降低了电磁脉冲耦合信号特征识别准确率的问题,文中提出了一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)的数据增强的电磁脉冲特征识别方法。通过构建MobileNetV4模型识别电控单元电磁脉冲特征,并通过短时傅里叶变换(Short Time Fourier Transform,STFT)时频分析方法将电磁脉冲耦合信号转变为时频伪彩图。由于数据集较少,采用卷积神经网络学习电磁脉冲特征,拟建立DCGAN模型进行数据增强,进而扩充数据集,解决数据集较少导致模型出现过拟合问题。选取轻量型卷积神经网络MobileNetV4作为容错观测器对电磁脉冲敏感特征识别进行训练,并根据识别任务来改进模型,为主动容错方法提供主动容错观测器。采用结构相似指数(Structural Similarity Image Metric,SSIM)来评价生成图像的质量。实验结果表明,生成图像的SSIM值均大于0.9,说明生成图像可作为电磁脉冲识别网络的训练数据。所提模型与VGG16(Visual Geometry Group 16)、ResNet50(Residual Network50)和EfficientNet的识别准确率和召回率对比结果验证了所提模型在电磁脉冲敏感特征识别方面的准确性。 展开更多

关键词 电磁脉冲耦合信号 时频分析 特征识别 深度卷积生成对抗网络 mobilenetv4模型 主动容错

在线阅读 下载PDF 职称材料