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1,797篇文章
< 1 2 … 90 >
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：
基于改进U-Net的铜合金晶界识别方法
1
作者 靖青秀 刘卫辉 +4 位作者 常琪琪 谢伟滨 张志聪 吴瑞洋 黄晓东 《有色金属(中英文)》 北大核心 2026年第2期198-206,共9页
晶粒度评级精度高度依赖于准确的晶粒尺寸与形状表征,而晶界分割是界定晶粒范围的关键预处理步骤。针对铜合金显微图像中晶界对比度低、边缘模糊导致的检测困难,以及现有高精度分割算法参数量大、计算复杂度高、难以满足工业实时检测需... 晶粒度评级精度高度依赖于准确的晶粒尺寸与形状表征,而晶界分割是界定晶粒范围的关键预处理步骤。针对铜合金显微图像中晶界对比度低、边缘模糊导致的检测困难,以及现有高精度分割算法参数量大、计算复杂度高、难以满足工业实时检测需求等问题,本文提出一种基于MobileNetV2的轻量化U-Net改进方法。通过将MobileNetV2作为主干网络解决特征丢失问题,并引入集成深度可分离卷积的ASPP模块,有效增强了多尺度语义特征提取能力。实验结果表明,改进后的模型在保持轻量化的同时,在晶界分割任务中取得了mIOU 87.66%、精确率93.50%、平均像素准确率92.79%的优异性能,显著优于传统U-Net模型,为工业现场实时晶界识别提供了可靠解决方案。 展开更多
关键词 铜合金 晶粒度 深度学习 u-net 轻量化
在线阅读 下载PDF
基于多尺度特征提取的U-Net网络微地震定位方法
2
作者 黄建平 王秋阳 +6 位作者 李媛媛 黎国龙 苏来源 路依霖 李三福 段文胜 雷刚林 《中国石油大学学报(自然科学版)》 北大核心 2026年第1期1-11,共11页
微地震定位是微地震监测的核心任务,面对当前海量的地震数据,传统的定位方法已无法满足实时定位的需求。为此,利用深度学习技术,提出一种基于U-Net网络为主要架构的微地震震源定位方法,通过融合双交叉注意力模块和空间空洞金字塔池化模... 微地震定位是微地震监测的核心任务,面对当前海量的地震数据,传统的定位方法已无法满足实时定位的需求。为此,利用深度学习技术,提出一种基于U-Net网络为主要架构的微地震震源定位方法,通过融合双交叉注意力模块和空间空洞金字塔池化模块,增强网络对微震数据中波形特征的提取能力,提升震源位置预测精度。最后,利用简单层状和复杂速度模型生成合成数据进行实验测试,并与U-Net和Att-Unet网络对震源位置预测误差精度进行对比分析。结果表明,所构建的网络模型在震源预测精度以及网络性能上均优于其他网络模型,并且对低信噪比的微地震数据也有较好的预测效果。 展开更多
关键词 微震定位 水力压裂 多尺度特征提取 u-net网络 注意力机制
在线阅读 下载PDF
基于改进U-Net网络和知识蒸馏的三维断层识别方法
3
作者 王莉利 梁云虎 高新成 《石油物探》 北大核心 2026年第1期21-30,共10页
深度学习方法在三维地震资料断层识别中得到了广泛应用,但方法的应用面临数据集质量欠佳、资源消耗过高以及训练周期长等问题。为此,提出了一种融合改进U-Net网络和知识蒸馏的三维断层识别方法。该方法先将改进的U-Net网络模型作为教师... 深度学习方法在三维地震资料断层识别中得到了广泛应用,但方法的应用面临数据集质量欠佳、资源消耗过高以及训练周期长等问题。为此,提出了一种融合改进U-Net网络和知识蒸馏的三维断层识别方法。该方法先将改进的U-Net网络模型作为教师模型,将空洞空间金字塔池化(ASPP)结构与U-Net网络模型相融合,构建轻量级学生模型,然后引入知识蒸馏技术对学生模型进行优化,并调整网络训练超参数和知识蒸馏损失参数,使学生模型获取更丰富的断层信息,提升学生模型的网络性能。该方法通过将复杂的教师模型的知识迁移到轻量级学生模型,显著降低了模型的计算复杂度,同时保持了较高的识别精度。测试结果表明,在合成测试集和实际地震数据的断层识别中,经过知识蒸馏训练的学生模型在识别精度和连续性上均优于未经过蒸馏的学生模型和单独训练的教师模型,充分验证了方法的可行性和有效性。 展开更多
关键词 断层识别 知识蒸馏 u-net 教师模型 学生模型
在线阅读 下载PDF
融合对抗自编码器和U-net的非侵入式负荷分解方法
4
作者 王凌云 朱倍萱 +1 位作者 张涛 罗明天 《电力系统及其自动化学报》 北大核心 2026年第2期59-68,共10页
为了提高非侵入式负荷分解模型的分解效果和泛化性能,并针对现有生成式模型在非侵入式负荷分解任务中存在的一些局限性,提出一种引入变分推理思想和联合对抗机制的对抗自编码器非侵入式负荷分解方法。为保证负荷分解的实时性,采用序列... 为了提高非侵入式负荷分解模型的分解效果和泛化性能,并针对现有生成式模型在非侵入式负荷分解任务中存在的一些局限性,提出一种引入变分推理思想和联合对抗机制的对抗自编码器非侵入式负荷分解方法。为保证负荷分解的实时性,采用序列到序列映射模型。基于U-net框架构建对抗自编码器模型,在编码器与解码器之间添加跳跃连接,使模型可以同时捕获电器特征的局部细节和全局信息,实现多特征融合,避免特征丢失,同时引入实例-批归一化网络,提高模型的分解性能以及泛化性能。最后将所提模型与几种代表性模型在UK-DALE数据集上进行对比实验。结果表明:所提模型具有优秀的分解性能和泛化能力,并且更加轻量化。 展开更多
关键词 非侵入式负荷分解 对抗自编码器 深度学习 序列到序列 u-net 实例-批归一化
在线阅读 下载PDF
融合多源特征与注意力机制的改进U-Net鱼鳞坑遥感提取方法
5
作者 魏敬志 黄骁力 +4 位作者 江岭 梁明 张大鹏 王莎莎 宋音 《农业工程学报》 北大核心 2026年第2期214-224,共11页
鱼鳞坑是黄土高原典型的小型水土保持措施,由于其尺度小、分布不均,传统卫星遥感方法难以实现高精度识别。为此,该研究提出一种融合多源特征与注意力机制的深度学习鱼鳞坑遥感提取方法,构建了“特征重要性分析+注意力增强U-Net结构设计... 鱼鳞坑是黄土高原典型的小型水土保持措施,由于其尺度小、分布不均,传统卫星遥感方法难以实现高精度识别。为此,该研究提出一种融合多源特征与注意力机制的深度学习鱼鳞坑遥感提取方法,构建了“特征重要性分析+注意力增强U-Net结构设计”的技术框架。基于无人机获取的高分辨率多光谱影像与数字高程模型(digital elevation model,DEM),该研究综合运用Spearman相关系数与SHAP(Shapley additive explanations)可解释性分析方法,对光谱与地形特征进行重要性评估与冗余剔除,最终优选出4类关键特征,并据此设计了9种特征组合方案。在此基础上,采用UNet、DeepLabV3+、SegNet与FCN四种语义分割模型开展对比试验,结果表明以RGB+Slope的特征组合方案在UNet模型中识别效果最优。在模型结构方面,该研究以U-Net为基础,融合金字塔压缩注意力模块(pyramid squeeze attention module,PSAM)与多级特征注意力上采样模块(multi-scale feature attention upsampling module,MFAU),增强模型对鱼鳞坑边缘与空间结构的感知能力,并设计消融试验验证改进效果。试验结果表明,在最优特征组合的数据输入下,改进模型在测试区交并比提升2.47个百分点,F1分数提升1.34个百分点,召回率提升2.72个百分点,精确率提升1.02个百分点,表现出良好的提取精度与区域泛化能力。研究表明,特征重要性分析与注意力增强结构设计的融合策略可有效提升模型对小尺度地貌目标的识别性能,为鱼鳞坑等微地形构筑物的高精度遥感提取提供技术支撑,也为多源信息融合与深度学习模型构建提供了理论参考。 展开更多
关键词 无人机 遥感 语义分割 鱼鳞坑提取 u-net改进 注意力机制
在线阅读 下载PDF
基于改进U-Net的人工光植物工厂生菜图像分割方法
6
作者 李文豪 金文帅 +3 位作者 高晟 薛岳 毛罕平 左志宇 《农机化研究》 北大核心 2026年第6期157-163,共7页
针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分... 针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分割效果,结果表明:与传统方法相比,U-Net神经网络在分割精度和模型稳定性方面具有明显优势。然而,进一步分析U-Net模型的分割结果发现,其在复杂光照条件下的分割精度和泛化能力仍有提升空间,主要体现在边界细节处理和小目标分割的准确性不足。为此,针对性地提出3种改进策略:一是通过数据增强技术扩展训练数据集,以提升模型的鲁棒性;二是对U-Net模型的结构进行优化,改进金字塔结构以增强多尺度特征融合能力;三是采用坐标注意力机制,有效提升模型对目标区域的聚焦能力,特别是在背景复杂或光线不均的情况下。基于此,进行试验验证,结果表明:结合改进金字塔结构和坐标注意力机制的U-Net模型在分割平均精确率和平均交并比上分别达到98.19%和96.86%,相比原始U-Net模型分别提高了4.01、3.02个百分点。所提方法显著改善了人工光环境下对植物工厂作物的图像分割性能,为植物工厂内作物生长监测与精准信息采集提供了技术支持,同时为未来智能农业领域的相关研究奠定了基础。 展开更多
关键词 生菜图像分割 植物工厂 人工光 改进u-net 注意力机制 神经网络
在线阅读 下载PDF
基于改进U-Net的冷冻电镜图像去噪方法
7
作者 邓竞 曾安 金亮 《计算机应用与软件》 北大核心 2026年第1期241-248,共8页
针对冷冻电镜图像信噪比极低,并且现有去噪方法不能有效去掉复杂噪声的问题,提出一种基于改进U-Net的冷冻电镜图像去噪方法。改进方法用FCN(Fully Convolutional Networks)搭建噪声映射模块,并在原始U-Net网络中嵌入多尺度联接和宽激活... 针对冷冻电镜图像信噪比极低,并且现有去噪方法不能有效去掉复杂噪声的问题,提出一种基于改进U-Net的冷冻电镜图像去噪方法。改进方法用FCN(Fully Convolutional Networks)搭建噪声映射模块,并在原始U-Net网络中嵌入多尺度联接和宽激活密集残差块,既能提高网络的泛化能力又使模型能更好地提取和恢复特征信息,从而实现高质量的冷冻电镜图像去噪;全变差损失函数的引入用来保护输出图像中的颗粒细节信息。实验结果表明,相较于对比方法,该方法在有效去除背景噪声同时能更好地恢复颗粒细节,信噪比(Signal to Noise Ratio,SNR)也是最优,并且颗粒挑选阳性数量也得到提升。 展开更多
关键词 图像去噪 冷冻电镜 u-net FCN
在线阅读 下载PDF
基于U-Net的花生网纹分割与品种识别
8
作者 巩秀钇 踪姿艳 +6 位作者 付华宇 张贺 纪翔 朱春雨 王聪 赵延伸 韩仲志 《花生学报》 北大核心 2026年第1期23-33,共11页
花生是我国重要的油料作物,不同品种花生在生长特性、产量潜力和抗逆性等方面存在显著差异。网纹作为花生荚果的独特纹理特征,在形态、密度和分布上具有显著的品种特异性,是DUS测试的重要荚果性状,但现有研究对此利用不足。因此,本研究... 花生是我国重要的油料作物,不同品种花生在生长特性、产量潜力和抗逆性等方面存在显著差异。网纹作为花生荚果的独特纹理特征,在形态、密度和分布上具有显著的品种特异性,是DUS测试的重要荚果性状,但现有研究对此利用不足。因此,本研究提出基于U-Net模型的花生网纹分割与多模态特征融合的品种识别框架。U-Net模型在对13个花生品种的网纹分割任务中表现优异,平均交并比为75.9%、准确率为89.2%,显著优于其他现有基础模型。进一步提取网纹图像的16个PCA降维特征,结合形态与颜色特征构建多模态数据集,采用SVM分类器实现品种识别,准确率达90.15%,较花生纹理、形态和颜色特征结合提升4.44%。研究首次证实花生网纹作为DUS测试性状的有效性,突破传统形态学的分析局限,为花生表型组学研究提供了可解释的方法,对推动精准育种和种质资源保护具有重要意义。 展开更多
关键词 花生网纹 DUS性状 u-net 图像分割 品种识别
在线阅读 下载PDF
DBU-Net:基于改进SAM的双分支U-Net图像隐写方法
9
作者 周倩 朱梦月 王帆 《南京邮电大学学报(自然科学版)》 北大核心 2026年第1期124-134,共11页
基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了... 基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了一种基于改进空间注意力机制的双分支U-Net图像隐写方法DBU-Net。该方法首先引入改进的空间注意力机制对载体图像进行区域划分。其次采用差异化的信息隐藏,其中,高纹理分支采用更深层次和多尺度的卷积模块进行特征提取,同时在特征融合时被赋予更高权重,低纹理分支则采用浅层和固定卷积进行特征提取,且在特征融合时权重较低。在不同数据集上的大量对照实验结果表明,相较于现有的先进图像隐写方法,所提的DBU-Net在隐写质量、隐写不可见性和安全性方面均取得了显著的性能提升。 展开更多
关键词 图像隐写术 u-net 分支网络 空间注意力机制
在线阅读 下载PDF
基于U-Net架构和无人机航拍传感器的公路图像裂缝检测
10
作者 陈巍 陈恳 朱文耀 《传感器与微系统》 北大核心 2026年第2期161-166,共6页
针对当前模型对公路裂缝检测不精确的问题,提出了一种基于无人机(UAV)航拍传感器遥感图像的智能检测方法。基于U-Net架构,结合深度可分离残差块(DR-Block)、空间金字塔融合注意力模块(SPFAM)和感受野块(RFB),提出DAR-Unet逐像素裂缝检... 针对当前模型对公路裂缝检测不精确的问题,提出了一种基于无人机(UAV)航拍传感器遥感图像的智能检测方法。基于U-Net架构,结合深度可分离残差块(DR-Block)、空间金字塔融合注意力模块(SPFAM)和感受野块(RFB),提出DAR-Unet逐像素裂缝检测模型。利用无人机采集1 046张高质量公路遥感图像构建专用数据集。在自制数据集上,DAR-Unet的平均交并比(mIoU)和F1分数分别达到76.41%和74.24%,高于主流模型。进一步将模型与无人机集成,构建了公路裂缝检测物联网系统,实际测试表现优异,验证了DAR-Unet在遥感图像公路裂缝检测中的有效性。 展开更多
关键词 无人机 航拍传感器 遥感图像 公路裂缝检测 u-net架构
在线阅读 下载PDF
基于改进U-Net与RGB-D图像的青花椒枝条“下桩”剪切点定位
11
作者 蒲应俊 张文州 +3 位作者 李金广 赵立军 陈子文 杨明金 《农业工程学报》 北大核心 2026年第1期160-170,共11页
青花椒枝条“下桩”是通过剪下带鲜果的枝条并保留一定长度短桩的采摘收获方法。为实现青花椒采摘机器人精准识别枝条并确定最佳剪切点以达到高效“下桩”作业,该研究提出了一种基于U-Net深度学习网络和RGB-D相机相结合的青花椒主枝“... 青花椒枝条“下桩”是通过剪下带鲜果的枝条并保留一定长度短桩的采摘收获方法。为实现青花椒采摘机器人精准识别枝条并确定最佳剪切点以达到高效“下桩”作业,该研究提出了一种基于U-Net深度学习网络和RGB-D相机相结合的青花椒主枝“下桩”剪切点定位方法。首先,通过改进传统U-Net模型,将其主干网络替换为嵌入CA注意力机制的ResNet50网络,同时在U-Net模型的特征拼接阶段中增加SE注意力机制,从而构建针对青花椒主枝和树干的分割模型。然后,将分割后的图像利用二值化与骨架线提取方法得到主枝中心线,结合RGB-D相机的深度信息与OpenCV图像处理算法,完成世界坐标系与像素坐标系间长度的映射。随后,将短桩预设的40 mm长度从世界坐标系映射至RGB图像中的像素长度,最终确定每根主枝的“下桩”剪切点位置。试验结果表明,改进后的U-Net模型在分割性能上优于DeeplabV3+和PSPNet,平均交并比(MIoU)、平均像素准确率(mPA)和召回率(recall)分别达到87.58%、93.76%和96.24%。在晴天顺光、逆光及阴天条件下,“下桩”剪切点识别定位的成功率分别达到90.81%、84.88%、80.52%。采摘点定位试验中,定位成功率为90%,单根花椒枝平均识别过程耗时1.93 s。该研究结果可为青花椒采摘机器人“下桩”采收提供技术支撑。 展开更多
关键词 图像处理 青花椒 采摘 u-net网络模型 下桩采摘法 剪切点定位
在线阅读 下载PDF
基于多通道U-Net的室内电磁波传播路径损耗预测方法
12
作者 关策 宋欣蔚 岳云涛 《电波科学学报》 北大核心 2026年第1期79-88,共10页
精准高效的室内电磁波传播预测是无线通信系统规划与优化的关键基础。传统的方法在高频段因电磁波传播特性复杂、计算复杂度剧增,难以满足实时性需求;而现有深度学习模型在高频段适配性与预测精度上也存在一定的局限性。本文提出一种多... 精准高效的室内电磁波传播预测是无线通信系统规划与优化的关键基础。传统的方法在高频段因电磁波传播特性复杂、计算复杂度剧增,难以满足实时性需求;而现有深度学习模型在高频段适配性与预测精度上也存在一定的局限性。本文提出一种多通道U-Net的深度学习预测模型(mU-Net),其将天线方向特性、反射通道贡献、透射通道贡献及自由空间路径损耗(free space path loss, FSPL)分别建模为4个独立特征通道,通过多通道输入U-Net网络捕捉不同传播机制的差异化影响,mU-Net非对称编码器-解码器结构进一步融合多源特征,解析复杂结构散射与绕射细节,从而输出高分辨率路径损耗(path loss, PL)预测图。该模型能深度融合高频段特征信息,解决了现有方法实时性差、精度不足的问题。3种场景下的PL预测结果显示,所提出的mU-Net模型在精度、结构相似性及预测效率等关键指标上均显著优于现有的典型预测方法,在高频段场景下性能提升尤为明显,为高频段室内电磁波传播预测提供了兼具高精度与高效率的解决方案。 展开更多
关键词 室内电磁波传播 路径损耗(PL) 高频段 深度学习 多通道 u-net
在线阅读 下载PDF
基于级联YOLO和U-Net的腰椎图像分割模型YOLOMACR-Net
13
作者 何致远 汪灿华 《现代信息科技》 2026年第2期91-97,共7页
针对腰椎MRI图像中椎体目标形态多变、背景解剖结构复杂及组织间对比度低,导致现有方法出现关键结构漏检、边缘分割粗糙及参数冗余等问题,提出一种融合多尺度特征增强与级联架构的轻量化腰椎分割模型YOLOMACR-Net。首先,在YOLOv5n框架... 针对腰椎MRI图像中椎体目标形态多变、背景解剖结构复杂及组织间对比度低,导致现有方法出现关键结构漏检、边缘分割粗糙及参数冗余等问题,提出一种融合多尺度特征增强与级联架构的轻量化腰椎分割模型YOLOMACR-Net。首先,在YOLOv5n框架中设计多尺度非对称空洞残差模块(MACR),利用非对称卷积适配椎体几何特征,扩大感受野以解决单阶段检测的漏检问题;其次,构建“定位-分割”级联架构,利用定位结果剔除背景噪声,引导U-Net进行精细化分割。在公开数据集上的实验结果表明,YOLOMACR-Net的结构捕获率(SCR)达到100%,mIoU、Dice系数和HD95分别达到88.17%、93.71%和3.37 mm,且参数量仅为1.65M。结果证明该模型能有效整合多尺度信息,在保持轻量化的同时显著提升了复杂场景下的分割精度。 展开更多
关键词 医学图像分割 深度学习 YOLO MACR u-net
在线阅读 下载PDF
基于SDP图像转换和融合自注意力机制U-net神经网络的电机故障诊断
14
作者 徐丽 周腊吾 +3 位作者 龙卓 周子靖 周宇微 吴子豪 《中国测试》 北大核心 2026年第2期162-174,共13页
为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图... 为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图像,经对称性反色操作增强特征信号,再对生成图像进行数据泛化扩充,输入Unet网络上下采样处理,最后通过多层感知机完成故障分类。在0 HP、1 HP和2 HP三种负载工况下,对正常电机、断条电机、单相断路电机和转子错位电机进行测试,改进后的U-net模型故障诊断准确率超98%。实验表明,该方法有效解决电机故障诊断中的特征提取与小样本难题,在多种故障场景中展现出优异性能与可靠的诊断能力。 展开更多
关键词 电机故障诊断 对称点模式 扩散模型 u-net神经网络 自注意力机制 多层次感知机
在线阅读 下载PDF
基于改进的U-Net网络的肺癌数字病理图像分割算法
15
作者 黄毓珍 林长方 《兰州文理学院学报(自然科学版)》 2026年第1期67-72,共6页
针对经典的医学图像语义分割模型U-Net的局限和肺癌数字病理图像的特点,提出了一种结合残差学习模块和混合注意力机制的图像分割算法.算法以U-Net网络为基础框架,分别在卷积层和编码器-解码器间引入残差学习模块和通道、空间注意力机制... 针对经典的医学图像语义分割模型U-Net的局限和肺癌数字病理图像的特点,提出了一种结合残差学习模块和混合注意力机制的图像分割算法.算法以U-Net网络为基础框架,分别在卷积层和编码器-解码器间引入残差学习模块和通道、空间注意力机制模块,来提高特征提取能力和分割精度;同时改进损失函数以解决分割过程中类不平衡问题.实验结果显示改进算法在ACC、SEN、MioU和Dice等评价指标上均优于其他对比算法,表明其在肺癌数字病理图像分割中具有较强的优越性和竞争力. 展开更多
关键词 u-net 数字病理 图像分割 注意力机制 残差结构
在线阅读 下载PDF
基于U-Net的矿用输送带纵向撕裂检测分析
16
作者 秦亚光 李璐 +3 位作者 方杰 潘奇 李子恒 夏奕冰 《机械管理开发》 2026年第1期223-225,228,共4页
矿用输送带作为矿山物料运输的核心设备,其纵向撕裂故障会严重影响生产连续性并可能引发重大安全事故,这一突出问题亟待解决。通过系统分析了矿用输送带跑偏、异物损伤和物料卡滞等主要致因及其损伤机制,提出了基于U-Net深度学习网络的... 矿用输送带作为矿山物料运输的核心设备,其纵向撕裂故障会严重影响生产连续性并可能引发重大安全事故,这一突出问题亟待解决。通过系统分析了矿用输送带跑偏、异物损伤和物料卡滞等主要致因及其损伤机制,提出了基于U-Net深度学习网络的语义分割算法,实现撕裂特征的精确识别。实验结果显示,U-Net网络在平均交并比(MIoU)指标上达到81%,明显优于传统阈值分割方法,为矿山输送系统的安全稳定运行提供了有效的技术支持。 展开更多
关键词 矿用输送带 撕裂原因 深度学习 语义分割 u-net网络
在线阅读 下载PDF
U-Net深度学习在建筑垃圾再生骨料中的识别量化与性能预测
17
作者 肖霑 邓年春 +1 位作者 王田龙 徐于洋 《贵州大学学报(自然科学版)》 2026年第1期101-109,共9页
建筑垃圾再生骨料作为一种可回收利用的资源,其有效识别与量化解析对于提前快速准确获取再生骨料成分和性能、提高建筑垃圾利用率具有重要意义。本文引入U-Net深度学习模型,对再生骨料成分进行分类识别和量化,并建立再生骨料物理性能指... 建筑垃圾再生骨料作为一种可回收利用的资源,其有效识别与量化解析对于提前快速准确获取再生骨料成分和性能、提高建筑垃圾利用率具有重要意义。本文引入U-Net深度学习模型,对再生骨料成分进行分类识别和量化,并建立再生骨料物理性能指标预测的数学模型。研究结果表明:实验通过对建筑垃圾再生骨料中的红砖骨料、瓷砖骨料、砂浆骨料、碎石骨料等成分构建图像训练集,利用U-Net模型强大的特征提取能力,进行精确识别和分类,各骨料成分识别精确度达到96%,能够准确区分不同类型的再生骨料,并通过可视化的分割热力图展现出识别与分割的动态演化过程;依据U-Net模型识别结果中各成分骨料的图像掩码,由面积分数按照同粒径等效换算为圆柱体或椭球体,获取再生骨料各组分的体积分数或质量分数,预测值与实测值累计误差值在±3%以内;按照再生骨料各组分性能混合定律,由各组分质量分数建立再生骨料混合料物理性能指标的预测模型,对早期预判再生混合料性能和建筑垃圾再生利用提供可靠的数据支撑。 展开更多
关键词 建筑垃圾 再生骨料 u-net深度学习 识别与量化 性能预测
在线阅读 下载PDF
融合部分卷积和ECA机制的轴承滚子外观缺陷U-Net分割模型
18
作者 顾云鹏 马超 +2 位作者 臧绍飞 于朋洋 马建伟 《轴承》 北大核心 2026年第1期91-99,共9页
针对传统图像处理和人工检测方法在复杂、多样的滚子外观缺陷检测中效率低下和精度不高的问题,提出一种融合部分卷积和高效通道注意力机制(ECA)的U-Net模型。首先,针对原始U-Net解码阶段不同尺度特征的融合与重复使用产生冗余特征的问题... 针对传统图像处理和人工检测方法在复杂、多样的滚子外观缺陷检测中效率低下和精度不高的问题,提出一种融合部分卷积和高效通道注意力机制(ECA)的U-Net模型。首先,针对原始U-Net解码阶段不同尺度特征的融合与重复使用产生冗余特征的问题,设计一种融合部分卷积的解码器,缓解冗余特征对模型的负面影响并提高模型的计算效率;其次,在解码器部分引入ECA,自适应建立通道之间的信息交互,增强模型捕捉和理解图像重要特征的能力;最后,针对轴承滚子外观检测任务易出现样本不均衡问题,设计一种融合Focal Loss的损失函数以监督训练模型,减轻样本不均衡对模型的负面影响。在轴承滚子缺陷数据集上的试验结果表明,所提模型在各评估指标上均达到了较高精度,验证了其有效性和可行性。 展开更多
关键词 滚动轴承 滚子 卷积 解码器 损失函数 注意力机制 u-net
在线阅读 下载PDF
基于改进U-Net的复杂场景实例分割方法研究
19
作者 孙佳慧 陈柯柯 李忠华 《电子制作》 2026年第1期36-40,共5页
在复杂场景下的实例分割任务中,边缘模糊和小目标漏检等问题严重影响了分割精度。为解决这些问题,本文对U-Net模型进行了改进,通过在解码器的多个特征层插入ESA模块,添加实例分离算法和边缘优化处理,有效提升了对边缘模糊和小目标的实... 在复杂场景下的实例分割任务中,边缘模糊和小目标漏检等问题严重影响了分割精度。为解决这些问题,本文对U-Net模型进行了改进,通过在解码器的多个特征层插入ESA模块,添加实例分离算法和边缘优化处理,有效提升了对边缘模糊和小目标的实例分割效果。实验表明,改进的U-Net模型与其他经典实例分割模型相比,在精度和效率平衡方面表现出明显优势。该方法在保持U-Net计算效率优势的同时,为野外环境中的蘑菇识别等需要精细分割的场景提供了有效的解决方案。未来可进一步研究注意力模块的轻量化设计,以适配移动端部署需求。 展开更多
关键词 深度学习 实例分割 u-net 野生蘑菇
在线阅读 下载PDF
基于改进U-Net的肝脏肿瘤图像分割算法
20
作者 陈煌展 高婧赟 杨永生 《人工智能与机器人研究》 2026年第1期318-327,共10页
肝脏肿瘤是肝脏疾病领域发病率高、致死率突出的恶性病变,因此肝脏肿瘤的早期筛查工作对于降低肿瘤恶化概率和病患的死亡率有着至关重要的意义。基于深度学习的肝脏肿瘤图像计算机辅助诊断技术,对优化临床诊疗流程、改善患者预后具有重... 肝脏肿瘤是肝脏疾病领域发病率高、致死率突出的恶性病变,因此肝脏肿瘤的早期筛查工作对于降低肿瘤恶化概率和病患的死亡率有着至关重要的意义。基于深度学习的肝脏肿瘤图像计算机辅助诊断技术,对优化临床诊疗流程、改善患者预后具有重要意义。针对传统医学图像分割网络在肝脏图像分割任务中深层特征提取能力不足、有效特征关注度低,进而导致分割精度欠佳的问题,本文提出一种改进型U-Net网络模型EFF-UNet。该模型在U-Net基础架构上,在跳跃连接处嵌入了EFF模块,该模块整合了高效通道注意力(ECA)、空间注意力(SA)、高效注意力门控(EAG)三种注意力机制,核心目标是解决传统U-Net跳连过程中浅层/深层特征融合不充分、有效特征关注度低的问题。在肝脏图像分割专用数据集上的实验结果表明,EFF-UNet模型的Dice相似系数与平均交并比(mIoU)分别达到72.36%和69.32%,相较于原始U-Net模型,两项核心分割指标分别提升2.42个百分点和1.74个百分点。研究结果证实,EFF-UNet可有效提升肝脏肿瘤图像分割精度,为临床肝脏肿瘤辅助诊断提供了一种更具潜力的技术方案。 展开更多
关键词 u-net 深度学习 肿瘤图像分割 EFF模块
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 … 90 下一页 到第 页
使用帮助 返回顶部