基于改进ResNet101网络的齿轮缺陷检测 被引量：3

1

作者 包从望 江伟 +2 位作者 刘永志 肖钦兰 吴娇 《组合机床与自动化加工技术》 北大核心 2024年第8期145-148,153,共5页

针对视觉技术下的齿轮缺陷检测中,存在检测精度低、特征提取能力弱及检测模型不稳定等问题,提出了一种改进ResNet101网络的齿轮缺陷检测方法。首先,基于ResNet101网络,引入空洞卷积操作,在各个残差层中引入不同比例的膨胀系数,实现齿轮... 针对视觉技术下的齿轮缺陷检测中,存在检测精度低、特征提取能力弱及检测模型不稳定等问题,提出了一种改进ResNet101网络的齿轮缺陷检测方法。首先,基于ResNet101网络,引入空洞卷积操作,在各个残差层中引入不同比例的膨胀系数,实现齿轮图像不同感受野下的特征提取;其次,在各个卷积模块间引入稠密连接操作,保留浅层特征信息,降低了模型训练过程中梯度消失的风险;最后,通过图像样本旋转操作,获得齿轮缺陷样本,通过准确率、召回率、ROC曲线、AUC等参数对所提方法的性能进行验证。实验结果表明,改进后的ResNet101能有效实现齿轮缺陷检测,同时具有更高的稳定性能,可用于齿轮生产过程中,产品质量的实时在线检测。 展开更多

关键词 深度学习 resnet101网络 齿轮缺陷 特征提取

在线阅读 下载PDF 职称材料

基于Mask-RCNN的建筑物目标检测算法 被引量：32

2

作者 李大军 何维龙 +2 位作者 郭丙轩 李茂森 陈敏强 《测绘科学》 CSCD 北大核心 2019年第10期172-180,共9页

针对在航空影像中,城区80%的人工目标物为建筑物和道路,建筑物是遥感影像中主要地物的类别,所以建筑物的检测会直接影响到地物提取的自动化水平这一问题。该文提出了一种基于Mask-RCNN的建筑物目标检测方法,是基于卷积神经网络思想,在... 针对在航空影像中,城区80%的人工目标物为建筑物和道路,建筑物是遥感影像中主要地物的类别,所以建筑物的检测会直接影响到地物提取的自动化水平这一问题。该文提出了一种基于Mask-RCNN的建筑物目标检测方法,是基于卷积神经网络思想,在深度学习框架下通过多线程迭代训练,将无人机影像作为训练样本,在卷积神经网络中得到目标特征再通过区域建议网络(RPN)与ROIAlign操作将特征输入不同的全连接分支。最后得到具优化的权重参数的目标检测模型。在不同场景图像中,该模型可以检测出建筑物目标。实验结果达到了预期要求,提高了航空影像中建筑物检测的准确性。 展开更多

关键词 建筑物目标检测 卷积神经网络 Mask-RCNN resnet101网络 TensorFlow

原文传递

基于残差网络和迁移学习的野生植物图像识别方法 被引量：17

3

作者 李立鹏 师菲蓬 +1 位作者 田文博 陈雷 《无线电工程》 北大核心 2021年第9期857-863,共7页

针对目前传统野生植物识别算法存在的耗时长、精度低等问题,提出一种基于ResNet101网络和迁移学习的方法。将在ImageNet数据集上训练好的参数应用于数据扩充后的野生植物数据集,同时考虑微调第5组卷积块、添加Dropout正则化和批量正则... 针对目前传统野生植物识别算法存在的耗时长、精度低等问题,提出一种基于ResNet101网络和迁移学习的方法。将在ImageNet数据集上训练好的参数应用于数据扩充后的野生植物数据集,同时考虑微调第5组卷积块、添加Dropout正则化和批量正则化技术、优化网络结构参数的方式对原有网络进行改进。测试结果表明,该方法对野生植物图像的识别准确率达到85.6%,较原ResNet101模型识别准确率增加约7个百分点,在提高模型识别精度方面效果较好,具有一定的指导意义。 展开更多

关键词 迁移学习 植物图像识别 resnet101 卷积神经网络

在线阅读 下载PDF 职称材料

基于卷积神经网络的PCB缺陷图像识别 被引量：8

4

作者 瞿栋 汪鹏宇 +2 位作者 黄允 徐海达 张健滔 《计量与测试技术》 2021年第8期21-23,共3页

PCB缺陷图像检测是确保PCB生产质量的重要环节,但传统的人工PCB缺陷检测具有劳动强度大、工作效率低等不足。为此,本文研究了一种基于卷积神经网络的PCB缺陷图像识别方法,建立了包括三种PCB缺陷和无缺陷图像的数据集,基于ResNet101网络... PCB缺陷图像检测是确保PCB生产质量的重要环节,但传统的人工PCB缺陷检测具有劳动强度大、工作效率低等不足。为此,本文研究了一种基于卷积神经网络的PCB缺陷图像识别方法,建立了包括三种PCB缺陷和无缺陷图像的数据集,基于ResNet101网络模型搭建了PCB缺陷图像识别分类模型。引入迁移学习的方法,基于在大数据集上充分训练好的模型结合PCB图像数据集,并训练该PCB缺陷图像识别模型。实验结果表明,ResNet101模型对无缺陷PCB图像和三类常见PCB缺陷图像的平均识别准确率达到91.98%,验证了该模型对PCB图像识别分类的有效性。 展开更多

关键词 PCB缺陷识别 迁移学习 resnet101 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进MaskR-CNN模型的秀珍菇表型参数自动测量方法 被引量：3

5

作者 周华茂 王婧 +1 位作者 殷华 陈琦 《智慧农业（中英文）》 CSCD 2023年第4期117-126,共10页

[目的/意义]秀珍菇表型是其品质和栽培环境适应性的反映,但目前人工测量表型参数耗时费力、主观性强,亟需自动化分析手段。[方法]一种基于改进Mask R-CNN的秀珍菇测量模型PG-Mask R-CNN (Pleurotus geesteranus-Mask Region-Based Convo... [目的/意义]秀珍菇表型是其品质和栽培环境适应性的反映,但目前人工测量表型参数耗时费力、主观性强,亟需自动化分析手段。[方法]一种基于改进Mask R-CNN的秀珍菇测量模型PG-Mask R-CNN (Pleurotus geesteranus-Mask Region-Based Convolutional Neural Network),提出以损伤率为指标的裂纹评价方法,并对其进行量化评价。PG-Mask R-CNN模型以Mask R-CNN为主体,通过向特征提取网络Resnet101中添加Sim AM注意力机制,在不增加原始网络参数的情况下提高网络性能;采用改进的特征金字塔进行多尺度融合,融合多层级的信息进行预测;将GIo U (Generalized Intersection over Union)边界框回归损失函数替代原有的Io U (Intersection over Union)损失函数,完善图像重叠度的计算,进一步提高模型性能。[结果和讨论] PG-Mask R-CNN模型目标检测的m AP和m AR分别为84.8%和87.7%,均高于目前主流的YOLACT (You Only Look At Coefficien Ts)、Insta Boost、Query Inst和Mask R-CNN模型;实例分割结果的MRE (Mean Relative Error)为0.90%,均低于其他实例分割模型;PG-Mask R-CNN模型的参数量为51.75 M,略大于原始的Mask R-CNN,均小于其他实例分割模型。对分割后的菌盖和裂纹进行测量,所得结果的MRE分别为1.30%和7.54%,损伤率的MAE (Mean Absolute Error)为0.14%。[结论]本研究提出的PG-Mask R-CNN模型对秀珍菇的菌柄、菌盖及裂纹识别与分割具有较高的准确率,在此基础上能够实现对秀珍菇表型参数的自动化测量,这为后续秀珍菇智慧化育种、智能栽培与分级奠定了技术基础。 展开更多

关键词 秀珍菇 Mask R-CNN SimAM模块 resnet101 表型分析 改进的特征金字塔

在线阅读 下载PDF 职称材料

Faster RCNN模型在坯布疵点检测中的应用 被引量：16

6

作者 晏琳 景军锋 李鹏飞 《棉纺织技术》 CAS 北大核心 2019年第2期24-27,共4页

探讨Faster RCNN模型在坯布疵点检测中的应用效果。在原始Faster RCNN的基础上,采用提取特征效果更好的深度残差网络,先使用残差网络进行坯布图像特征提取,再通过区域生成网络及Fast RCNN检测网络对坯布的疵点目标进行分类与检测。试验... 探讨Faster RCNN模型在坯布疵点检测中的应用效果。在原始Faster RCNN的基础上,采用提取特征效果更好的深度残差网络,先使用残差网络进行坯布图像特征提取,再通过区域生成网络及Fast RCNN检测网络对坯布的疵点目标进行分类与检测。试验对比了Faster RCNN分别与VGG16、ResNet101结合时的检测结果,并讨论了不同参数对结果的影响。试验结果表明:该方法可以有效解决坯布疵点检测问题,检测准确率能够达到99.6%。认为:基于Faster RCNN目标检测与ResNet101卷积神经网络相结合的方法能够满足坯布生产过程中对于表面疵点进行准确检测的需求。 展开更多

关键词 FASTER RCNN resnet101 卷积神经网络 坯布疵点检测 IOU 特征

在线阅读 下载PDF 职称材料

基于改进Deeplab V3+网络的语义分割 被引量：9

7

作者 席一帆 孙乐乐 +1 位作者 何立明 吕悦 《计算机系统应用》 2020年第9期178-183,共6页

深度学习的语义分割在计算机视觉领域中有非常广阔的发展前景,但许多分割效果较好网络模型占用内存大和处理单张图片耗时长.针对这个问题,把Deeplab V3+模型的骨干网(ResNet101)的瓶颈单元设计为1D非瓶颈单元,且对空洞空间金字塔池化模... 深度学习的语义分割在计算机视觉领域中有非常广阔的发展前景,但许多分割效果较好网络模型占用内存大和处理单张图片耗时长.针对这个问题,把Deeplab V3+模型的骨干网(ResNet101)的瓶颈单元设计为1D非瓶颈单元,且对空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)的卷积层进行分解.该算法能大幅度降低Deeplab V3+网络的参数量,提高网络推理速度.基于PASCAL VOC 2012数据集进行对比实验,实验结果显示改进网络模型拥有更快的处理速度和更优的分割效果,且消耗更少的内存. 展开更多

关键词 语义分割 Deeplab V3+模型 骨干网(resnet101) 1D非瓶颈单元 空洞空间金字塔池化(ASPP)

在线阅读 下载PDF 职称材料

基于改进Faster RCNN的零件识别方法研究 被引量：16

8

作者 王一 马钲东 董光林 《应用光学》 CAS CSCD 北大核心 2022年第1期67-73,共7页

针对传统机器视觉检测识别方法受到装配零件之间相互遮挡、零件不同位姿、外部光照强度、小目标漏检影响,检测准确率不高的问题,提出了一种改进的Faster RCNN(region-based convolutional neural networks)零件识别方法。首先使用提取... 针对传统机器视觉检测识别方法受到装配零件之间相互遮挡、零件不同位姿、外部光照强度、小目标漏检影响,检测准确率不高的问题,提出了一种改进的Faster RCNN(region-based convolutional neural networks)零件识别方法。首先使用提取特征更好的ResNet101网络代替原始Faster RCNN模型中的VGG16特征提取网络;其次针对原始候选区域网络,增加2个新的锚点并重新设置候选框的纵横比,以得到15种尺寸不同的锚点;然后针对传统非极大值抑制(non-maximum suppression,NMS)方法因删除交并比大于阈值的候选框而出现漏检问题,使用Soft-NMS方法替换传统的NMS方法,从而减少密集区域漏检的情况;最后在训练模型阶段采用多尺度训练策略,降低漏检率,提高模型准确率。对零件的识别实验结果表明:改进后的Faster RCNN模型能够达到96.1%的精度,较原始模型提升了4.6%,可以满足光照较强、存在水渍干扰等较为复杂环境中零件的识别检测。 展开更多

关键词 零件识别 Faster RCNN resnet101 候选区域

在线阅读 下载PDF 职称材料

基于改进Mask R-CNN的牛脸目标检测算法 被引量：3

9

作者 关忠榜 杨颜博 李敏超 《电子测量技术》 北大核心 2023年第24期133-138,共6页

针对牛脸检测时,存在的检测精度不高、牛脸较小被漏检或误检等问题,提出一种改进的Mask R-CNN+MResNet模型。首先,在ResNet101网络的基础上提出一种MResNet网络,通过对ResNet101网络的改进,提高了模型检测精度。其次,对模型的RPN网络的... 针对牛脸检测时,存在的检测精度不高、牛脸较小被漏检或误检等问题,提出一种改进的Mask R-CNN+MResNet模型。首先,在ResNet101网络的基础上提出一种MResNet网络,通过对ResNet101网络的改进,提高了模型检测精度。其次,对模型的RPN网络的锚框尺寸进行调整,提高了模型对较小目标的牛脸检测能力。实验结果表明,MResNet网络对牛脸检测精度相比较原始的网络模型,提高了12.6%;改进后的模型对于小目标检测能力平均精度较原始模型提高了2.4%。说明该模型能有效的实现小目标牛脸的检测,具有实际应用价值。 展开更多

关键词 牛脸检测 Mask R-CNN模型 resnet101网络 RPN网络

原文传递

基于改进R-FCN的交通标志检测 被引量：4

10

作者 喻清挺 喻维超 喻国平 《计算机工程》 CAS CSCD 北大核心 2021年第12期285-290,298,共7页

为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特... 为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间。在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力。模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量。在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标分别达到97.8%和94.7%,检测时间缩至48 ms,检测精度与速度优于Faster R-CNN、R-FCN等模型。 展开更多

关键词 交通标志 区域全卷积网络 resnet101网络 可变形卷积 可变形位置敏感RoI池化

在线阅读 下载PDF 职称材料

基于深度学习的毫米波雷达人体摔倒检测系统研究

11

作者 邬苏秦 王府圣 +2 位作者 周川鸿 朱卫纲 曲卫 《电子设计工程》 2024年第2期181-186,共6页

针对现有摔倒检测系统难以完成全天时检测、存在侵犯被检测人隐私的问题,该文设计了一种基于深度学习的毫米波雷达人体摔倒检测系统,包括信号采集、训练数据生成、智能检测和显示与告警四个部分。该系统利用1642毫米波雷达采集数据,对... 针对现有摔倒检测系统难以完成全天时检测、存在侵犯被检测人隐私的问题,该文设计了一种基于深度学习的毫米波雷达人体摔倒检测系统,包括信号采集、训练数据生成、智能检测和显示与告警四个部分。该系统利用1642毫米波雷达采集数据,对数据进行短时傅里叶变换,经数据增强后构建时频图数据集,通过ResNet101网络进行动作检测。检测为摔倒动作后,向远程接收端发送报警信息。该系统能够检测摔倒、弯腰、下蹲三种动作。实测结果表明,检测准确率为94.3%。 展开更多

关键词 摔倒检测 毫米波雷达 resnet101网络 时频联合分析

在线阅读 下载PDF 职称材料