课程文献中心 更多>>

关键词： 邮轮   薄板   焊缝缺陷   识别算法   深度学习   密集链接卷积网络   坐标注意力模块   CAM-DenseNet模型   激活函数   贝叶斯优化算法  

摘要： 邮轮薄板焊缝的熔深和熔宽相对较小,母材与焊缝区域差异性小,焊缝表面缺陷较难判别。为准确地定位焊缝位置,提出一种将注意力机制的坐标注意力模块(Coordinate Attention Module,CAM)融入密集链接卷积网络(Densely Connected Convolutional Networks,DenseNet)的邮轮薄板焊缝缺陷识别算法,建立CAM-DenseNet模型。将网络中的激活函数ReLU替换为更具有稳定性的ReLU6,并利用贝叶斯优化算法对CAM-DenseNet模型的超参数组合进行优化和选取。在焊接车间利用相机采集邮轮薄板焊缝三原色(Red Green Blue,RGB)图片,自建立邮轮薄板焊缝缺陷数据集,并按焊缝缺陷类型将数据集分为凹陷、气孔、毛刺、表面裂纹和无缺陷等5类。试验结果表明,CAM-DonseNet模型对邮轮薄板焊缝缺陷识别具有优异表现。

关键词： 舰船噪声   特征提取   局部投影   经验模态分解   排列熵  

摘要： 为解决模态混叠问题,提取更为全面的舰船噪声特征,设计了基于集成经验模态分解算法的舰船噪声特征提取方法。利用非线性局部投影滤波方法处理舰船信号,利用集成经验模态分解算法分解滤波后的噪声信号,提取具有关键噪声特征的固有模态函数(IMF)分量;利用相关系数法计算各IMF分量和信号间的相关系数,保留相关系数大于设置门限阈值的IMF分量,根据排列熵提取全面的舰船噪声特征。实验证明,该方法可有效分解噪声信号,得到相关系数最高的IMF分量,获得理想舰船噪声特征。

关键词： 小样本   短句   算法   规则   意图识别  

摘要： 随着AI技术的飞速发展,智能问答系统已逐渐融入了公众生活。针对面向中小企业智能问答系统开发所涉及的小样本短句意图识别问题,文章提出了一种应用AC自动机搭配人工规则的基于规则模板算法和应用TextRank搭配TF-IDF优化分类器训练过程而改进的朴素贝叶斯算法,两种算法均可以解决语料样本不充足时对较短语句的意图识别任务。通过实验和分析,表明两种算法都可以为中小企业智能问答系统的研发提供一种合理实现途径,有一定的实践价值。

关键词： 多元声阵   低小慢目标   AI算法   轨迹预测  

摘要： 针对无人机等低小慢目标在复杂环境中感知与识别的准确性问题,采用一种基于多元声阵列的创新AI算法框架。该框架通过构建多任务学习模型,结合EfficientNet和GRU网络,利用灰狼优化算法(GWO)调整权重,显著提升了无人机型号识别和负载分析的准确性;提出一种基于MUSIC算法和DBSCAN聚类的信源定位方法,能够准确判定无人机的数量和位置。运用该方法设计了一种3D-GAA(GRU Acceleration Attention)轨迹预测网络,融合位置、速度和加速度信息,有效提高了轨迹预测的准确性和鲁棒性。实验结果表明,与传统方法相比,提出的方法在无人机识别准确率上提高了30%,达到75%,轨迹预测的平均绝对百分比误差(MAPE)从248.05降至10.89,尤其在处理复杂动态和数据模式时表现出显著优势。

关键词： YOLOv8n   钢材缺陷   轻量化   缺陷检测   注意力机制  

摘要： 为了解决钢材表面缺陷检测模型参数量大、计算复杂度高以及对运算平台资源要求高的问题,提出了一种轻量化的改进算法。首先,使用ShuffleNetV2作为改进后的主干层,在降低模型复杂性和计算量上具有显著效果;其次,在SPPF模块后加入足够灵活和轻量的通道注意力机制(CA),同时使用双向特征金字塔网络(BiFPN)改善特征融合,提高了特征信息流动效率;最后,使用轻量级双卷积核(DualConv)替换C2f中的卷积层,通过分组卷积策略实现参数量的减少。实验结果表明,改进后的模型相比于原始的YOLOv8n,在保持检测精度的前提下,实现了轻量化。参数量为原来的56.2%,体积和计算量分别降至3.6 MB和4.8 GFLOPs,相比原模型分别降低了42.86%和41.47%,模型的轻量化降低了部署成本,适合实际部署和应用。

关键词： 直流分量   低频信号   差分法   频率估计  

摘要： 由于调理电路存在直流偏置等原因,数据采集系统采集到的数字序列不可避免地混有直流分量。当需要检测与估计数字序列中的低频信号时,由于低频信号与直流分量的谱线混叠在一起,消除直流分量是检测与高精度估计低频信号频率的前提。鉴于此,提出了采用差分运算消除直流分量的方法:将相邻采样值相减,这种方法在去除直流的同时,保留了低频信号分量。在此基础上,提出了低通滤波后抽取再进行差分运算的方法,当数字序列中含有多种频率成分时,这种方法可以避免多种频率成分对低频信号频率估计的影响。采用MATLAB仿真以及硬件实物仿真的方法,验证了其消除直流分量的有效性。

关键词： SRT立方根算法   高基数   商位选择表   硬件算法  

摘要： SRT立方根算法在多媒体、计算机图形学等领域发挥着重要作用。虽然现有算法可通过增加基数以加快计算速度,但仍存在初始化处理缺乏、商位选择表设计复杂及实现困难的问题。研究设计并实现基数为4的SRT立方根算法。首先,提出一种高基数SRT立方根初始化算法,保证后续迭代计算的可执行性;设计基数为4的SRT立方根算法的商位选择表,为商位选择提供必要条件;优化即时转换算法,能够避免转换过程中出现多次进位的情况。其次,基于PyRTL工具改进并实现了上述基数为4的SRT立方根算法,有效缓解了高基数SRT立方根算法困难的问题。最后,与现有基数为2的SRT立方根算法进行对比,以证明该算法的有效性和优越性。

关键词： 特征选择森林优化算法   评分机制   类贪心   初始化   播种策略   计算效率  

摘要： 森林优化特征选择算法(FSFOA)具有良好的分类性能和维度缩减能力,但其初始化森林的质量参差不齐,局部播种和全局播种的随机性较大,且适应度评估代价较高导致计算效率较低.针对上述问题,提出一种基于评分机制的类贪心森林优化特征选择算法(FSGLFOA-SM).首先,以每维决策变量的分类精度为其得分构建评分机制,提出类贪心初始化策略以生成较优质的初始化森林;其次,提出基于评分比较的类贪心局部播种策略,使评分相对较高的决策变量获得更大的局部播种概率;然后,在全局播种阶段提出类贪心遗传算子播种策略,对候选森林择优重建并进行遗传、类贪心交叉和变异操作,以保留评分较高的特征维度,有利于提高全局播种阶段的分类准确率;最后,为解决昂贵适应度评估带来的计算效率低下问题,建立历史数据库,在适应度评估前先进行库内查找,减少了重复解个体的计算量.实验结果表明,相比9个对比算法,FSGLFOA-SM在16个UCI数据集上的分类精度和维度缩减率更加优越.

关键词： 花色布   疵点检测   YOLOv8s   BiFPN   FasterBlock   WIoU v3损失函数  

摘要： 针对花色布背景图案复杂、部分疵点目标小、与背景分离难度大,及其带来的自动化实时检测挑战等问题,提出一种基于改进YOLOv8s的花色布疵点检测算法。为增强网络检测疵点小目标的能力,引入BiFPN(Bi⁃directional Feature Pyramid)特征融合网络,充分融合语义信息和位置信息,增强算法区分疵点和背景的能力;同时,注意到疵点小目标中低质量样本对检测结果的影响,引入WIoU v3损失函数,抑制训练过程中低质量样本产生的有害梯度;最后,引入FasterBlock模型改进原始模型neck中的C2f模块,降低模型整体的参数量。结果表明:改进后的YOLOv8s模型在整个数据集的mAP@0.5∶0.95上可达59.6%,比原YOLOv8s模型提高了2.8个百分点;小目标的APs@0.5∶0.95可达45.1%,比原YOLOv8s模型提高了8.3个百分点;改进后模型参数量为10.557 M,检测速度可达131.6帧/s。认为:改进的YOLOv8s有效提升了沾污、花毛等小目标的检测效果。

关键词： 智能交通   车辆检测   轻量化   YOLOv7-tiny   深度学习  

摘要： 在复杂道路环境下进行多目标检测时,现有算法存在识别效果差、参数量大、计算复杂度高等问题,不适合在资源有限的移动端设备部署。对此,基于YOLOv7-tiny提出一种结合非相邻特征的轻量化道路多目标检测算法。首先,设计轻量级非相邻特征金字塔网络Tiny-AFPN对不同尺度的非相邻特征进行融合,减少因尺度差异造成的特征损失,实现更丰富的跨尺度信息交互,提升模型的泛化能力。其次,通过引入分布偏移卷积DSConv,重新设计了高效层聚合网络ELAN,并命名为ELAN-DS,在优化高效层聚合网络、降低模型复杂度的同时提升特征表达能力。最后,采用MPDIoU损失函数,增强网络对目标的检测能力,提高了边界框回归的准确性。在SODA10M的实验中,改进后的YOLOv7-tiny算法相较于原模型的准确率、mAP@0.5和召回率分别提升了1.4%、1.4%、5.9%,参数量和计算量分别减少了8.2%和41.5%,有效降低了模型的参数量和计算复杂度,大幅度提升了模型的检测速度,为在边缘设备上的部署提供了可能性。