课程文献中心 更多>>

关键词： 缺陷检测   钢材表面缺陷   YOLOv8n   自注意力机制   损失函数  

摘要： 【目的】针对现有钢材表面缺陷检测算法在复杂背景下特征提取不足和精度低等问题，提出了一种基于改进YOLOv8n的钢材表面缺陷检测算法YOLOv8n-DISF。【方法】首先，在主干网络中融合DD-LKA2f模块，通过增强全局信息的捕获能力，提高了模型对于复杂背景下的缺陷识别率；其次，在颈部网络中融合iEMA模块，有效去除了通道内的冗余信息，并提高了模型对于多尺度特征的提取能力；此外，设计带有自注意力机制的检测解耦头，有助于模型捕获更多的上下文信息；最后，将原始的CIoU损失函数替换为Focaler-SIoU，优化边界框的回归进而减少模型的漏检率。【结果】在NEU-DET数据集上的实验结果表明，YOLOv8n-DISF的平均精度均值达到84.8%，Precision和Recall分别为76.6%和83.5%，相较原始YOLOv8n分别提升了6.7%、9.2%和8.7%。【结论】实验结果表明：YOLOv8n-DISF模型的检测精度提升显著，可以满足工业生产中对于钢材表面缺陷检测的需求。

关键词： 微表情识别   特征选择与融合   交叉注意力机制   视觉Transformer  

摘要： 微表情识别旨在揭示目标对象隐藏的真实情感，其在人机交互、心理诊断以及意图预测等领域具有重要应用价值。然而，微表情表达强度微弱、时间短暂且面部运动单元间存在长距离依赖，使得传统卷积神经网络难以有效表征微表情动态特征。此外，微表情特征与受试者身份以及面部外观信息存在强耦合性，不利于分离和提取微表情语义信息。为了解决上述问题，本文提出了一种基于视觉Transformer和运动特征选择的微表情识别算法。首先，利用TV-L1光流算法计算水平和垂直光流运动图，用以表征面部运动。随后，利用视觉Transformer网络编码微表情发生时面部运动单元间的运动依赖关系，为了进一步提升特征表达能力，本文设计了特征选择融合模块(Feature Selection Fusion Module，FSFM)以实现微表情关键的局部信息的有效获取，并引入空间一致性注意力模块(Spatial Consistency Attention Module，SCA)以确保不同运动特征在空间分布上的一致性。此外，本文提出的嵌入交叉注意模块(Cross Attention，CA)能够增强微表情语义信息的表征能力。与现有方法相比，本文所提出的算法在三个权威的微表情数据库上微表情识别任务中表现出显著的准确率提升，进一步验证了该方法的有效性与优越性。

关键词： 视觉SLAM   特征法   直接法   深度学习   未来发展  

摘要： 视觉即时定位与建图(Visual Simultaneous Localization and Mapping,VSLAM)技术利用视觉传感器分析图像信息，使机器人在未知环境中实现自主定位和实时三维地图构建，是机器人导航和自动驾驶等任务的关键。为了给研究人员提供有价值的参考，梳理了VSLAM的研究现状和最新进展。首先，深入探讨了机器人视觉SLAM算法，根据不同的传感器类型，概述了六种主流的视觉SLAM算法。通过对这些算法的基本原理进行系统分析，并对其中的经典算法进行了精炼总结。进一步地，将视觉SLAM算法分类为基于特征、基于直接法和基于学习的算法三大类，并详细探讨了各自的优缺点。最后，展望了视觉SLAM技术未来的发展方向，重点关注了深度学习、多传感器融合及实时性能优化等关键研究领域。

关键词： 扩散模型   手部网格重建   图卷积   Transformer  

摘要： 单目图像重建手部网格是一项极具挑战性的任务，主要受到视野受限和手部遮挡等问题的影响，导致图像和网格之间存在非唯一的映射关系。为了解决这一问题，提出了一种基于扩散模型的手部网格重建算法(DiffHand)。该算法通过引入噪声来模拟网格重建过程中的不确定性，将手部网格的重建视为反向扩散过程，并此过程中根据外部条件选择最佳网格。为了有效模拟手部网格的结构连通性，设计了U型去噪网络。该网络首先引入了拓扑感知特征嵌入层，通过融合空间拓扑信息和门控机制，增强了顶点特征之间的空间关系，同时减轻了噪声干扰。其次，设计了双分支图卷积Transformer模块，用于提取顶点的局部和全局特征并进行有效融合，以增强不同特征之间的互补性。最后，选择2D关节采样特征作为扩散模型的条件输入，通过交叉注意力进行特征融合，进一步优化重建过程。实验结果表明，该算法在FreiHAND数据集上的PA-MPJPE指标达到了6.0mm，显著优于其他先进算法，充分验证其优越性和有效性。

关键词： 社区发现   隐藏社区发现   图卷积神经网络   联合优化  

摘要： 隐藏社区检测有助于揭示网络深层次功能和结构特征，是一个具有挑战性的研究领域。隐藏社区由弱关系连接而成，受具有较强连接关系的显性社区影响，在网络中不易被检测到。当前的隐藏社区发现算法对节点属性信息和全局拓扑结构的综合利用仍显不足，为解决这一问题，提出了一种基于双重图卷积神经网络（GCN）联合优化隐藏社区发现算法——HCDGCN（Hidden Community Detection based on Dual GCN）。HCDGCN融合节点局部和全局结构特征，通过两个GCN共同迭代优化一个损失函数，并逐步削弱权重，使得弱关系社区变得清晰可见，实现了隐藏社区发现。在真实数据集上的实验结果表明，HCDGCN在隐藏社区发现方面优于现有基准方法，实现了更快的收敛速度和更优的社区划分。

关键词： 改进黑洞算法   分数阶模糊PD+I控制器   电机   优化   仿真  

摘要： 为了缩短混合动力汽车起步时间，设计了汽车电机分数阶模糊PD+I控制器，并对电机转速启动效果进行仿真验证。给出了非线性车辆动力学模型，根据牛顿第二定律，推导出非线性混合动力汽车动力学方程式。针对模糊PID控制系统进行改进，设计了汽车电机分数阶模糊PD+I控制器。为了提高控制系数自适应响应速度，采用改进黑洞算法对其进行优化，给出了电机控制系统的优化流程。为了检验优化后的控制系统输出效果，采用MATLAB软件对混合动力汽车电机响应速度进行仿真，并且与优化前输出结果进行对比。结果显示：优化前，混合动力汽车电机自适应调节时间较长，受到外界干扰时，电机转速变化幅度较大；优化后，混合动力汽车电机自适应调节时间较短，受到外界干扰时，电机转速变化幅度较小。采用改进黑洞算法优化分数阶模糊PD+I控制器，可以提高电机响应速度，缩短混合动力汽车起步时间。

关键词： 旋转机械   故障诊断   机器学习   数字特征   图像特征  

摘要： 机器学习理论的不断应用，推动了故障诊断深入发展。基于机器学习的旋转机械故障诊断算法种类繁多，输入特征形式多样，为深入理解各种特征形式的作用效果，结合该领域的研究现状，对机器学习算法的输入特征形式现有研究进行综述。将其分为数字特征形式和图像特征形式两大类别，分别论述了统计特征、信息熵、时频图特征参数和灰度图、格拉姆角场图像、谱峭度图、小波系数矩阵、时频图特征形式的基本生成原理、应用现状以及优缺点，最后对基于机器学习的旋转机械故障诊断所面临的挑战和发展前景进行了总结与展望。

关键词： 油气资源   勘探开发   油气储运   石油炼化   智能   大数据   算法   文献综述  

摘要： （目的意义）适合中国石油石化领域的大数据算法经过多年试错探索，但依然没有找到适合石油石化领域数据特征的算法。由于反复试错不仅分散人力物力，还影响了智能化发展进程。（方法过程）从中外文献数据库中发现石油石化领域近10年来800多篇与算法相关文献，涉及大数据算法相关性较强文献87篇，按报道内容和关键词将文献分为勘探开发类（上游）47篇、油气集输类（中游）25篇和石油化工类（下游）15篇，采用时间序列统计法拟合出的方程，拟合优度0.8以上，表明可以用来预测未来5年石油石化领域大数据算法发展趋势。同时，以平均文献数量为尺度，高于平均数的算法，可能适用石油石化领域的数据特征。（结果现象）未来5年，整体上石油石化领域应用算法解决具体问题时可以选择现有25种中的9种。上游可选择现有24种算法中的5种，中游可选择现有19种算法中的6种，下游可选择现有13种算法中的4种。（结论建议）用定量的方法预测算法的未来趋势，不仅揭示了石油石化领域大数据关键技术发展趋势，为石油石化领域科研立项提供参考，也为文献综述提供了一种可选择的方法。

关键词： 低照度图像增强   语义先验   图像块分类   噪声先验   自适应  

摘要： 由于低照度图像的亮度、噪声、对比度等具有非均匀分布的特性，而现有的低照度图像增强算法未能充分利用该特性，在增强过程中容易导致细节丢失、颜色失真、视觉不连贯等问题，从而影响图像视觉质量。针对上述问题，提出了噪声与语义先验引导的低照度图像增强算法，该算法能够自适应地考虑低照度图像中的不同区域特性及其语义信息。具体而言，设计一种新的基于图像块分类的全局特征提取网络以提取全局特征，引入基于信息补偿的局部特征提取网络提取局部特征，并提出基于噪声先验引导的特征融合策略以实现对具有不同特性的图像区域进行自适应增强操作。此外，提出了新的语义先验引导的颜色损失函数，以保持实例颜色的一致性。在公开数据集LOL的实验结果表明，所提算法相较于Retinex、PairLIE等算法在峰值信噪比（PSNR）的数值提高了1.9%～71.8%，结构相似性（SSIM）的数值提高了1.4%～89.1%。所提算法能自适应增强具有不同特性的图像区域，在颜色恢复、细节纹理还原和噪声抑制等方面均具有明显优势。

关键词： 裂缝检测   高速铁路   轨道板裂缝   YOLO   图像处理  

摘要： 高铁轨道板裂缝严重危害车辆运行安全，针对目前裂缝维护中存在无效修复裂缝的问题.提出基于YOLOv8-DSC模型的多类裂缝检测方法，在骨干网络引入动态蛇形卷积模块DSC，基于此重新构造C2f中的Bottleneck结构，建立为C2f-v1模块，从而替换YOLOv8骨干网络的部分C2f模块，提升无效修复裂缝多尺度细节特征的获取能力。在颈部网络引入CBAM注意力机制，增强模型对关键特征的关注度，强化细小裂缝特征在神经网络中的传递。在损失函数方面，利用SIoU损失函数替换CIoU，削弱几何因素对模型的过度惩罚，减少对模型训练的干预以增加模型对相似裂缝的泛化能力。最后，从网络结构、裂缝数据、分类方法和环境条件4个方面对其进行验证和评价.研究结果表明：YOLOv8-DSC模型相较于YOLOv8原模型，漏检误检情况得到明显改善，平均精度均值及查全率分别提高了4.6%、4.0%，且不利环境条件下有着良好的鲁棒性和适应性，有效实现了轨道板无效修复裂缝的准确检测.