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426篇文章
< 1 2 … 22 >
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Faster R-CNN的鱼群摄食密度识别
1
作者 周磊 程锦翔 +2 位作者 朱尔汉 张新扬 徐何垚 《机械工程师》 2026年第2期119-121,126,共4页
鱼群密度识别是实现精准投喂的关键。针对目前鱼群密度识别精度低的问题,提出了一种基于Faster R-CNN的鱼群密度识别方法。该方法通过K210视觉识别系统采集到不同天气、时间段、水质情况下的鱼群图像,在CNN网络中提取特征图,同时以聚集... 鱼群密度识别是实现精准投喂的关键。针对目前鱼群密度识别精度低的问题,提出了一种基于Faster R-CNN的鱼群密度识别方法。该方法通过K210视觉识别系统采集到不同天气、时间段、水质情况下的鱼群图像,在CNN网络中提取特征图,同时以聚集密度定义鱼群摄食和不需摄食两种行为,利用区域生成网络(RPN)和Faster RCNN建立鱼群摄食密度识别模型。试验结果显示,所提方法判断准确率可达94.6%,精确率达到95.9%,能够较好地应用于精准投喂场景。 展开更多
关键词 图像识别 Faster R-CNN 深度学习 鱼群密度
在线阅读 下载PDF
基于深度学习和图像识别的RC框架节点表面损伤检测评估研究
2
作者 杨铄 冷予冰 许清风 《建筑科学与工程学报》 北大核心 2026年第1期41-55,共15页
为提高钢筋混凝土(RC)结构表面损伤检测效率,实现RC构件表面损伤定位、精细化量测和评估的一体化,针对RC框架结构表面损伤检测场景,提出了基于深度学习和图像识别的损伤检测评估方法。基于掩码区域卷积神经网络(Mask R-CNN)模型和图像... 为提高钢筋混凝土(RC)结构表面损伤检测效率,实现RC构件表面损伤定位、精细化量测和评估的一体化,针对RC框架结构表面损伤检测场景,提出了基于深度学习和图像识别的损伤检测评估方法。基于掩码区域卷积神经网络(Mask R-CNN)模型和图像处理建立RC框架构件表面损伤检测模型;采用以往RC构件试验中的损伤和破坏照片,经裁剪和数据增强后建立包含裂缝、剥落、压碎、露筋、钢筋屈曲和钢筋断裂6种类型损伤的RC构件表面损伤数据集用以训练模型;基于三维重建所生成的构件正立面全景图以及损伤检测模型,编写可同步进行RC构件表面损伤定位和损伤几何参数分析的检测程序,并集成RC构件损伤等级划分和破坏形态判断标准,用以量化评估和判断RC构件损伤程度和破坏形态;设计制作了两个足尺RC梁柱节点试件并进行了试验,使用智能手机和小型无人机对破坏的节点试件梁进行拍照,检测构件表面损伤,以验证上述损伤检测方法的有效性。结果表明:基于智能手机拍照的检测结果好于基于无人机数字变焦拍照的检测结果;因训练样本较少,钢筋屈曲和钢筋断裂的检测精度较差;当镜头距构件表面200 mm左右时,裂缝宽度测量精度可达0.1 mm,若裂缝实测宽度大于0.5 mm,基于上述方法的裂缝宽度检测精度较高;使用检测程序分析得到的构件损伤等级(程度)和破坏形态与观测结果一致;基于深度学习和图像识别的损伤检测方法可为受损或震后RC框架构件表面损伤定量化快速检测和评估提供支撑。 展开更多
关键词 钢筋混凝土框架节点 深度学习 掩码区域卷积神经网络 表面损伤检测
在线阅读 下载PDF
一种预焙阳极表面氧化缺陷的Mask R-CNN检测方法
3
作者 刘博超 赵利平 +1 位作者 李国彦 刘立春 《机械设计与制造》 北大核心 2026年第2期33-36,41,共5页
为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-me... 为实现预焙阳极表面氧化缺陷的在线检测,采用Mask R-CNN对预焙阳极表面氧化缺陷进行检测。该方法以线扫描法采集到的图像数据作为输入,以ResNet101为网络骨架,经过特征提取网络获取图像中的特征信息,然后在区域推荐网络(RPN)中采用K-means聚类算法生成Anchor进而输出感兴趣区域(ROI),最终通过ROI Align以及预测网络输出类别信息以及边框信息,完成预焙阳极表面氧化缺陷的检测。试验结果表明,该方法能够有效的检测出预焙阳极表面氧化缺陷,并且准确率能达到95%,满足预焙阳极在线检测的标准。 展开更多
关键词 预焙阳极 氧化缺陷 深度学习 Mask R-CNN K-MEANS聚类算法
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
4
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
基于改进Faster R-CNN的焊缝缺陷检测方法 被引量：6
5
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
基于改进Mask R-CNN的复合绝缘子憎水性状态评估方法 被引量：2
6
作者 绳飞 曹留 +3 位作者 刘玉龙 黄杰 黄雅倩 朱彦卿 《电测与仪表》 北大核心 2025年第4期73-80,共8页
及时在线判别复合绝缘子憎水性状态是保证电力系统安全运行的一个重要举措。为提高复合绝缘子憎水性状态评估模型的泛化能力,解决现有分类模型评估憎水性程度变化不均的复合绝缘子时往往只关注憎水性不错的部分而误判的问题。文章提出... 及时在线判别复合绝缘子憎水性状态是保证电力系统安全运行的一个重要举措。为提高复合绝缘子憎水性状态评估模型的泛化能力,解决现有分类模型评估憎水性程度变化不均的复合绝缘子时往往只关注憎水性不错的部分而误判的问题。文章提出将分类问题转变为目标检测问题,采用改进掩膜区域卷积神经网络(mask region-based convolutional neural network, Mask R-CNN)算法评估复合绝缘子憎水性等级。通过特征金字塔网络(feature pyramid network, FPN)确定图像中所有水滴的位置与大小,采用Mask R-CNN中特有的mask分支预测所有水珠憎水性等级,再计算出相应憎水性等级所占的面积,最终选择面积最大的作为图像的憎水性等级并输出分类结果。结合各等级憎水性图像的特点,引入改进非极大值抑制(soft non-maximum suppression, Soft-NMS)来减少高等级憎水性图像中水迹面积大且分布不规则时的目标漏检,并采用Giou-loss(generalized intersection over union loss)加快低等级图像中目标小而多时模型的收敛速度。最终通过对比实验,从mAP(mean average precision)、每秒帧率(frame per second, FPS)、准确率三项评判指标验证了基于改进Mask R-CNN的憎水图像识别算法的有效性与优越性。 展开更多
关键词 憎水性 目标检测 Mask R-CNN 深度学习 复合绝缘子
在线阅读 下载PDF
基于改进Mask R-CNN的双目视觉卸货机器人引导方法
7
作者 徐志祥 赵炎 +1 位作者 邢立冬 高东 《计算机与数字工程》 2025年第11期3287-3292,共6页
针对卸货目标堆叠摆放、难以识别和定位的问题,根据现有的直角坐标系型卸货机器人提出目标引导方法,在深度学习目标检测模型Mask R-CNN基础上根据特征金字塔FPN提出融合CBAM注意力机制的改进,优化目标区域与通道权重,并基于融合特征完... 针对卸货目标堆叠摆放、难以识别和定位的问题,根据现有的直角坐标系型卸货机器人提出目标引导方法,在深度学习目标检测模型Mask R-CNN基础上根据特征金字塔FPN提出融合CBAM注意力机制的改进,优化目标区域与通道权重,并基于融合特征完成目标货物的识别;通过SGBM双目立体视觉算法计算输入图像的三维信息,提取目标三维坐标。实验结果表明:论文提出的方法对货物目标识别的平均准确率达到90.20%,深度方向定位精度最大误差不超过15 mm,方法可以满足卸货机器人对堆叠货物的引导需求。 展开更多
关键词 卸货机器人 深度学习 Mask R-CNN CBAM注意力机制 SGBM
在线阅读 下载PDF
融合注意力机制的驾驶人行为识别模型研究
8
作者 徐慧智 张原铭 《重庆理工大学学报(自然科学)》 北大核心 2025年第10期1-12,共12页
选取辅助驾驶中驾驶人行为识别作为研究对象,设计基于融合时间和通道注意力机制的功能模块,构建驾驶人行为识别模型,提升识别准确率。探究多角度数据对模型性能提升情况,自建多视角驾驶人行为数据集,包括4种拍摄视角、10种驾驶行为、114... 选取辅助驾驶中驾驶人行为识别作为研究对象,设计基于融合时间和通道注意力机制的功能模块,构建驾驶人行为识别模型,提升识别准确率。探究多角度数据对模型性能提升情况,自建多视角驾驶人行为数据集,包括4种拍摄视角、10种驾驶行为、1148个视频数据。构建TCAM-R(2+1)D驾驶人行为识别模型,以(2+1)D卷积模块为基础,结合ResNET主干网络,提出融合时间和通道注意力机制的功能模块,增强模型提取时序信息的能力。使用Adabound优化器训练模型,提高模型的识别准确率和泛化能力。实验结果表明:通过增加模型的注意力机制,相较于R(2+1)D模型,自建数据集驾驶人行为识别准确率提高3.03%。采用大型人体运动数据集(HMBD51)进行消融实验,增加融合注意力机制功能模块准确率至59.60%(提高了1.93%),验证融合时间和通道注意力机制的增益效能。 展开更多
关键词 深度学习 行为识别 注意力机制 R(2+1)D模型
在线阅读 下载PDF
改进Faster R-CNN的变电站电气主接线图图元检测 被引量：2
9
作者 冯冰 杜岳凡 +4 位作者 金尧 宗祥瑞 金花 刘潭晶 王璁 《哈尔滨理工大学学报》 北大核心 2025年第4期39-47,共9页
针对变电站电气主接线图中图元检测精度低以及小目标图元误检率漏检率高的问题,提出一种基于改进Faster R-CNN算法的变电站电气主接线图图元检测方法。首先,引入深度残差网络结构,替换Faster R-CNN原始特征提取网络,增强多尺度图元目标... 针对变电站电气主接线图中图元检测精度低以及小目标图元误检率漏检率高的问题,提出一种基于改进Faster R-CNN算法的变电站电气主接线图图元检测方法。首先,引入深度残差网络结构,替换Faster R-CNN原始特征提取网络,增强多尺度图元目标特征提取能力;然后,引入特征金字塔网络,将浅层特征信息和深层特征信息融合,提升深层网络对小目标的检测性能;最后,依据小目标尺度分布特征,在区域建议网络中重新设定Anchor的参数值,进一步提高小目标检测性能。实验结果表明,改进算法的平均检测精度达88.9%,相比原算法提高了4.2%,具有更高的检测精度和更低的误检率与漏检率。 展开更多
关键词 变电站 接线图 图元检测 Faster R-CNN优化算法 深度学习
在线阅读 下载PDF
基于改进Mask R-CNN的航空铸件智能检测技术研究
10
作者 张祥春 彭文胜 +4 位作者 楚峻溢 曾照洋 王振宇 魏明贤 徐然 《航空制造技术》 北大核心 2025年第23期26-33,共8页
针对航空产品研制生产过程中由于质量缺陷产生原因复杂、缺陷特征种类多、检测要求高而缺少有效智能检测方法的问题,首先通过系统梳理航空装备智能检测技术研究现状,总结了面向此应用场景和针对具体缺陷特征开展智能检测方法研究的思路... 针对航空产品研制生产过程中由于质量缺陷产生原因复杂、缺陷特征种类多、检测要求高而缺少有效智能检测方法的问题,首先通过系统梳理航空装备智能检测技术研究现状,总结了面向此应用场景和针对具体缺陷特征开展智能检测方法研究的思路和实施途径;其次,设计了融合全局特征金字塔网络的Mask R-CNN改进算法,并面向缺陷特征复杂和检测要求比较高的航空铸件,利用剪切、翻转、Overlap切图和Mosaic等数据增广技术构建了航空铸件数字射线检测缺陷特征数据集;最后利用改进算法及构建的数据集对航空铸件中的疏松、裂纹及高密度夹杂3类缺陷进行测试与验证试验。试验结果表明,所提改进算法的检测精度达93.25%,召回率达96.51%,具有良好检测效果。 展开更多
关键词 深度学习 智能检测 航空铸件 Mask R-CNN 全局特征金字塔网络 数据增广
在线阅读 下载PDF
基于Faster R-CNN的气象设备观测环境影响图像研究 被引量：1
11
作者 王超然 周若 +2 位作者 李中华 邬昀 白子诚 《电子设计工程》 2025年第4期128-132,共5页
为确保气象站点实况观测数据的准确性,观测场地需要有良好的环境。该研究利用深度学习技术中的Faster R-CNN模型,自动检测气象观测站场景中可能干扰仪器读数的视觉障碍物。通过收集并详细标注实际观测场景的图像数据,建立一个包含环境... 为确保气象站点实况观测数据的准确性,观测场地需要有良好的环境。该研究利用深度学习技术中的Faster R-CNN模型,自动检测气象观测站场景中可能干扰仪器读数的视觉障碍物。通过收集并详细标注实际观测场景的图像数据,建立一个包含环境对观测设备产生影响情况的数据集,涵盖正常与异常环境情况的百叶箱和雨量筒图像及其标注信息。对Faster R-CNN模型进行微调和超参数优化,以适应该特定识别任务。实验结果验证了模型在识别和定位障碍物方面的高效性,准确率为97.1%,展现出了较好的鲁棒性。该项研究将图像识别处理用于自动站探测环境,不仅证明了深度学习在改善气象观测条件中的有效性,也为相似领域的应用提供了方法论上的指导。 展开更多
关键词 深度学习 Faster R-CNN 气象观测场 图像处理
在线阅读 下载PDF
基于ResNet-LSTM的心电信号特征点检测优化算法研究
12
作者 苏鹏 王书涵 +2 位作者 潘国新 张中钰 王培利 《电子测量技术》 北大核心 2025年第16期29-39,共11页
心电信号特征点的精确检测对医疗康复辅助设备、心脏监护系统及心脏病研究至关重要。针对传统方法存在的漏检、误检问题,本文提出一种基于ResNet-LSTM-差分阈值的心电信号特征点检测优化算法。本研究利用自适应阈值对心电信号特征点进... 心电信号特征点的精确检测对医疗康复辅助设备、心脏监护系统及心脏病研究至关重要。针对传统方法存在的漏检、误检问题,本文提出一种基于ResNet-LSTM-差分阈值的心电信号特征点检测优化算法。本研究利用自适应阈值对心电信号特征点进行标记,然后采用ResNet-LSTM模型对标注有特征点的心电信号数据进行训练,最后结合差分阈值法在决策阶段并行检测心电信号r波,当神经网络模型或阈值法中的任一方法成功检测到R波时,该检测即为真正例。实验结果表明,该方法在MIT-BIH数据库上的R波检测准确率达到99.4%,相较于单一阈值法和传统深度学习方法,提高了检测精度和计算效率。提出的ResNet-LSTM-差分阈值心电信号特征点检测方法有效提高了心电信号特征点检测的准确率和鲁棒性,在面对复杂、多变的心电信号时,实现了高效、精准、实时的特征点检测,为各类医疗设备与医护系统提供了广泛的应用前景。 展开更多
关键词 心电信号 R波检测 深度学习 体外反搏
原文传递
基于深度学习的二维材料目标检测方法的研究与实现
13
作者 吕琼帅 张驰 +2 位作者 崔梦琪 张帅 高敬礼 《河南科学》 2025年第10期1493-1500,共8页
传统的基于规则的图像处理算法容易受实验条件变化的影响,从而导致光学图像中二维材料目标检测精度的下降。深度学习方法凭借其强大的高维特征表示与学习能力,克服了手动特征工程的局限性,为提升目标检测与分类任务的精度提供了可能。... 传统的基于规则的图像处理算法容易受实验条件变化的影响,从而导致光学图像中二维材料目标检测精度的下降。深度学习方法凭借其强大的高维特征表示与学习能力,克服了手动特征工程的局限性,为提升目标检测与分类任务的精度提供了可能。本文提出了一种识别光学图像中二维材料的目标检测方法,该方法在Mask R-CNN框架下,利用骨干网络作为二维材料特征提取的主要架构,通过区域建议网络实现稀疏目标的高效候选生成,结合感兴趣区域对齐方法保留了更多的空间信息,提升了二维材料目标检测和分割的准确性。本文提出的方法聚焦石墨烯(Graphene)、六方氮化硼(h-BN)、二硫化钼(MoS_(2))和二碲化钨(WTe_(2))等四种二维材料的目标识别及厚度检测。整个方法在Python、Keras和TensorFlow等语言和深度学习框架下完成了模型验证与界面设计。结果表明,该方法在光学显微镜图像中对二维材料的目标检测具有较好的性能,可以有效地检测出不同的二维材料及其厚度。 展开更多
关键词 深度学习 二维材料 目标检测 Mask R-CNN 光学显微镜图像
在线阅读 下载PDF
基于Faster R-CNN和Mask R-CNN的滑坡自动识别研究 被引量：3
14
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Cascade R-CNN的风电叶片表面缺陷检测方法 被引量：2
15
作者 毛颖杰 勾越 《微特电机》 2025年第5期85-88,共4页
风电叶片作为风力发电机组的关键部件,其表面缺陷的检测对于确保风电机组的稳定运行和延长使用寿命至关重要。传统的人工检测方法效率低、易受人为因素影响,提出了一种基于Cascade R-CNN的风电叶片表面缺陷检测方法。通过高分辨率无人... 风电叶片作为风力发电机组的关键部件,其表面缺陷的检测对于确保风电机组的稳定运行和延长使用寿命至关重要。传统的人工检测方法效率低、易受人为因素影响,提出了一种基于Cascade R-CNN的风电叶片表面缺陷检测方法。通过高分辨率无人机拍摄风电叶片表面图像,获取高质量的检测数据。采用Cascade R-CNN模型,该模型通过级联结构逐步提升检测精度,能够有效识别不同尺度的缺陷,如裂纹、划痕和腐蚀等常见损伤。为了提高模型的鲁棒性和泛化能力,采用了特征增强技术和多尺度特征融合方法,增强了模型对不同尺度和复杂特征的敏感度。通过数据扩充技术(如旋转、平移和缩放等变换)增加了训练样本的多样性,从而进一步提升了模型对不同光照、背景以及缺陷类型的适应能力。实验结果表明,该方法在平均精度(AP)上达到88.2%,在平均召回率(AR)上达到75.9%,显著优于传统检测方法,展示了更高的检测精度和效率。该方法不仅提升了风电叶片缺陷检测的精度和效率,也为风电叶片的智能化监控提供了有力的技术支持。 展开更多
关键词 风电叶片 缺陷检测 Cascade R-CNN 目标检测 深度学习
在线阅读 下载PDF
基于改进Mask R-CNN的金刚石磨盘表面形态分割与评价
16
作者 索文隆 林燕芬 方从富 《金刚石与磨料磨具工程》 北大核心 2025年第3期416-426,共11页
金刚石磨盘广泛应用于各类硬脆材料的磨削加工中,磨盘表面形态对加工工件质量与磨盘磨削性能有着直接的影响。为对磨盘表面形态进行检测,提出基于改进Mask R-CNN模型的分割方法对磨盘表面图像中的磨粒、气孔进行识别与分割,并对模型进... 金刚石磨盘广泛应用于各类硬脆材料的磨削加工中,磨盘表面形态对加工工件质量与磨盘磨削性能有着直接的影响。为对磨盘表面形态进行检测,提出基于改进Mask R-CNN模型的分割方法对磨盘表面图像中的磨粒、气孔进行识别与分割,并对模型进行训练与验证。结果表明:使用该方法能够实现磨盘表面图像中磨粒、气孔的识别与分割,平均准确率为78.2%。为验证该方法分割的磨粒、气孔与实际结果的差异,提出目标数量识别准确率、目标分割面积准确率、目标位置误差3个参数来评价分割效果,结果表明:磨粒、气孔的数量识别准确率分别为82.1%与93.4%,分割面积准确率分别为89.9%与95.3%,位置误差分别为3.80%与2.80%,证明该方法有效。 展开更多
关键词 磨盘检测 深度学习 改进Mask R-CNN模型 分割评价
在线阅读 下载PDF
基于YOLOv3-R的滚装电梯异常载客检测系统设计
17
作者 张德萌 刘闯 《自动化应用》 2025年第16期31-33,共3页
滚装电梯因高效运载而被广泛应用,但其异常载客行为存在安全隐患。传统检测依赖重量传感器、视频监控、人工巡检,存在实时性差、误检率高、成本大等问题。基于网络通信与服务器架构的AI检测,因受传输延迟与带宽限制的影响,存在检测延迟... 滚装电梯因高效运载而被广泛应用,但其异常载客行为存在安全隐患。传统检测依赖重量传感器、视频监控、人工巡检,存在实时性差、误检率高、成本大等问题。基于网络通信与服务器架构的AI检测,因受传输延迟与带宽限制的影响,存在检测延迟、数据丢失等风险。提出YOLOv3-R异常载客检测系统,采用高分辨率工业相机采集数据,并结合智能预处理与深度学习识别超载、闯入、违规运输等行为。结果表明,YOLOv3-R在精度、误检率、推理速度方面优于传统方法,可实现高效、低延迟的实时监测,为电梯安全管理提供智能检测方案。 展开更多
关键词 滚装电梯 异常载客检测 YOLOv3-R 深度学习 目标检测
在线阅读 下载PDF
结合注意力机制的Mask R-CNN轮胎外观缺陷检测研究 被引量：1
18
作者 刘韵婷 戴佳霖 +1 位作者 高宇 谭明晓 《通信与信息技术》 2025年第1期23-27,共5页
针对我国轮胎外观缺陷检测中存在检测效率低、精度低、主观性强等问题,提出了结合注意力机制的Mask RCNN轮胎外观缺陷检测网络。首先,采用结合注意力机制的特征提取网络对轮胎表面进行特征提取,提高网络的特征提取能力以及特征图的质量... 针对我国轮胎外观缺陷检测中存在检测效率低、精度低、主观性强等问题,提出了结合注意力机制的Mask RCNN轮胎外观缺陷检测网络。首先,采用结合注意力机制的特征提取网络对轮胎表面进行特征提取,提高网络的特征提取能力以及特征图的质量;然后,通过RPN对得到的特征图进行区域候选操作,完成轮胎缺陷的检测;最后,采用Mask R-CNN网络有效地进行图像分割,并生成Mask标记。经实验验证,本文所提方法对轮胎外观缺陷检测的准确率达到了91.3%,并可以同时对胎面上较大缺陷、细小伤痕以及较浅的划痕进行检测。 展开更多
关键词 深度学习 Mask R-CNN 轮胎外观缺陷检测 注意力机制
在线阅读 下载PDF
飞机平尾夹芯蜂窝复合材料结构的超声智能检测技术
19
作者 涂思敏 陈振华 +3 位作者 章俊燕 涂东坤 徐云林 卢超 《复合材料科学与工程》 北大核心 2025年第10期83-90,共8页
飞机平尾的蜂窝复合材料结构尺寸大､材料结构复杂､质量要求高,喷水式超声聚焦成像检测技术可实现对蜂窝结构的成像检测;而大量检测图像的评价依赖于技术人员丰富的工程经验和高强度的工作,不可避免地会因主观因素的影响导致评价可靠性... 飞机平尾的蜂窝复合材料结构尺寸大､材料结构复杂､质量要求高,喷水式超声聚焦成像检测技术可实现对蜂窝结构的成像检测;而大量检测图像的评价依赖于技术人员丰富的工程经验和高强度的工作,不可避免地会因主观因素的影响导致评价可靠性变差。由此,提出基于深度学习网络的飞机平尾蜂窝复合材料超声C扫描检测图像的智能识别技术。首先,通过喷水式超声聚焦检测方法采集飞机平尾C扫描检测图像,构建和扩充飞机平尾超声检测图像数据集;其次,基于检测图像对应的检测信号幅度分布,将检测图像按粘接完好性程度划分为三个目标区域类别;第三,构建Faster R-CNN网络并对其进行优化,形成蜂窝复合材料结构超声C扫描区域微小特征变化的智能识别网络;最后,通过试验方法测定智能识别模型的性能,验证其评价蜂窝结构超声C扫描图像的能力。研究结果表明:基于深度学习的智能模型对蜂窝复合材料分类识别的平均准确率均值达到88.2%,对粘接状态最差区域(三类区域)的识别平均准确率可达91.9%,能够用于分类统计蜂窝复合材料结构超声C扫描检测图像。 展开更多
关键词 蜂窝复合材料 Faster R-CNN 喷水式超声聚焦检测 深度学习 智能识别
在线阅读 下载PDF
高压输电铁塔螺栓缺陷检测方法研究 被引量：1
20
作者 宋姍菲 李志翔 赵立权 《电工技术》 2025年第3期212-214,共3页
螺栓缺陷检测是基于无人机的高压铁塔巡检的重要内容之一,螺栓缺陷主要有螺栓缺失、螺母缺失及开口鞘缺失,螺栓缺陷相对较小且特征不明显,导致缺陷检测难度大、精度较低。为了提高螺栓缺陷检测的精度,提出一种改进的稀疏R-CNN螺栓缺陷... 螺栓缺陷检测是基于无人机的高压铁塔巡检的重要内容之一,螺栓缺陷主要有螺栓缺失、螺母缺失及开口鞘缺失,螺栓缺陷相对较小且特征不明显,导致缺陷检测难度大、精度较低。为了提高螺栓缺陷检测的精度,提出一种改进的稀疏R-CNN螺栓缺陷检测方法。为提高稀疏R-CNN的特征提取能力,设计基于空洞卷积和标准卷积混合的子模块,并利用mish函数替换卷积中的ReLU激活函数,然后利用子模块构建主干网络,提高对螺栓缺陷特征提取能力。采用某供电公司无人机日常巡检图像作为数据集对模型进行训练和测试,测试结果表明,相对现有基于稀疏R-CNN、Mask R-CNN和Faster R-CNN的螺栓缺陷检测方法,该检测方法在平均检测精度方面分别提高了3.8%、7.2%和9.4%,该检测方法在召回率方面分别提高了5.1%、8.9%和12.3%,该方法具有较高的检测精度和召回率。 展开更多
关键词 高压输电铁塔 螺栓缺陷检测 深度学习 稀疏R-CNN
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 … 22 下一页 到第 页
使用帮助 返回顶部