课程文献中心 更多>>

关键词： 边缘计算   低功耗   模型压缩   移动通讯设备  

摘要： 随着移动互联网、物联网等技术的飞速发展,移动通讯设备越来越多地应用于人们的日常生活当中。然而,这类器件往往受限于电池容量、计算资源等因素,迫切需要低功耗、高性能的 AI算法。本文研究面向移动通讯设备的低功耗边缘AI算法优化与模型压缩技术,以提升设备的智能处理能力和续航时间。结果表明,优化后的低功耗边缘AI算法在智能图像识别、语音识别和健康监测等典型应用场景中表现出色。证明了低功耗边缘AI算法与模型压缩技术能够在资源受限的移动设备上实现高效、低功耗地AI推理,显著提升用户体验。

关键词： SAR图像   舰船检测   RTMDet   SimAM   SPD-RPAFPN   KFIoU  

摘要： 针对合成孔径雷达(synthetic aperture radar,SAR)图像中小目标舰船和复杂背景下舰船检测精度低的问题,提出一种改进RTMDet(real-time models for object detection)的SAR舰船检测算法。优化主干网络结构中的基本构建单元,并引入全局注意力机制SimAM(simple,parameter-free attention module),在不增加额外参数的情况下提高模型对关键特征信息的提取能力;为了在特征融合过程中减少小目标特征信息流失和增加其在浅层特征图中的融合占比,构建新的轻量级特征融合模块SPD-RPAFPN(space to depth reverse path aggregation feature pyramid network);在预测模块中将回归损失函数替换为KFIoU(Kalman filter based intersection over union),提高模型对小目标舰船的检测能力。在公开数据集RSDD上进行了实验对比,改进后的算法相比RTMDet,模型参数量和计算量分别下降4.5%和10.8%,同时近岸AP提高14.6个百分点,总AP提高2.7个百分点,达到90.7%。与目前的主流算法对比,SAR舰船检测精度也明显提升,证明了改进RTMDet算法的有效性。

关键词： 带钢材料   缺陷检测   空间金字塔池化改进   膨胀卷积   注意力机制模块   损失函数   东北大学热轧带钢表面缺陷数据集  

摘要： 针对带钢材料表面缺陷检测中感受野受限导致目标漏检率高的问题,基于YoloX-s模型提出一种膨胀卷积与注意力机制融合的目标检测算法。在Backbone部分采用SPPF结构替换SPP结构,在Neck部分引入混合膨胀卷积模块用以增大检测的感受野,嵌入注意力机制ECA-net模块,保留特征图更多的通道信息,减少漏检率。后处理阶段采用CIoU损失函数,提高模型召回率。实验结果表明,改进算法在NEU-DET数据集上的mAP达到80.8%,较原模型提高4.6%,检测速度达到160 f/s,在带钢材料表面缺陷检测中具有一定的使用价值。

关键词： 板环式负荷传感器   寻优分析   惩罚函数   蜉蝣优化算法  

摘要： 弹性体是负荷式传感器的核心部件,对其合理的设计是确保传感器性能优异的关键。为了研究负荷式传感器弹性体优化机理,首先,运用有限元法(FEM)分析不同结构参数对传感器灵敏度的影响,并用最小二乘法(LSM)将分析数据进行拟合,得到灵敏度和结构参数的数学模型;其次,将弹性体许用应力和尺寸范围作为约束条件,运用惩罚函数(SUMT)法,将约束条件融合到数学模型中,得到具有约束限制的数学模型;最后,用蜉蝣优化算法(MOA)对模型函数进行寻优,确定了弹性体最佳结构。将本文方法优化后的结果与FEM的优化结果进行对比,发现应用该方法优化后的弹性体灵敏度比FEM优化的灵敏度高6.83%,具有较高的应用价值。

关键词： 频率调节   光伏系统   模型预测控制   功率分配  

摘要： 设计了一种基于平均一致算法的光伏电站参与电网调频控制策略。该策略可以在多个光伏电站仅进行邻域通信的情况下实现多电站协同调频,调频效果较非协同控制策略更优。由电网频率通过下垂控制得到多电站总参考有功功率后,多个光伏电站可以借助邻域通信计算得到各自的最优参考功率。各电站通过本地的模型预测控制方法控制逆变器达到跟踪给定参考功率的目的。该策略可以应用于多种地理条件下的多个光伏电站协同参与电网调频。仿真结果表明,该策略能够使电网频率较电站恒功率输出时波动较小,逆变器控制具有良好性能。

关键词： 轻量化   伪装   目标检测   边缘计算   骨干网络   特征融合  

摘要： 针对已有模型参数量较大、推理速度较慢的问题,提出了一种轻量化伪装单兵目标检测算法。其骨干部分以HGNetv2为基础,采用SRepVGG模块进行多尺度特征融合,在耦合检测头中组合使用了部分卷积和1×1卷积。提出的深度学习网络与基准模型YOLOv8对比,在保证检测精度的同时,参数量减少了35.4%,推理速度提升了18.9%,更适合在算力资源受限的边缘计算设备上运行。

关键词： 车载边缘网络   协作缓存接力   递归深度强化学习   马尔可夫决策  

摘要： 考虑无路侧单元覆盖的场景,充分利用车辆之间的协作来构建缓存系统,提出一种基于递归深度强化学习的协作缓存接力算法。考虑缓存决策的动态特性,将问题建模为部分可观察的马尔可夫决策过程,利用图神经网络预测车辆轨迹,并通过计算车辆间的连接稳定性度量,选择可作为缓存节点的车辆。此外,将长短期记忆网络嵌入深度确定性策略梯度算法中,以实现最终的缓存决策。仿真结果表明,所提算法在缓存命中率和时延方面优于传统缓存算法。

关键词： 交通工程   交通方式识别   手机信令数据   路径损耗   轨迹相似性  

摘要： 为解决手机信令数据稀疏性限制和重构轨迹特征提取与融合能力不足问题,提出一种出行轨迹重构与多源特征融合的交通方式精准识别算法。构建刻画基站信号传播路径损耗与信号强度的无线信号损耗模型,利用隐马尔可夫模型(hidden markov model,HMM)将手机信令轨迹由基站序列重构为路段节点序列,提出基于无线信号传播隐马尔可夫模型(wireless signal propagation hidden markov model,WP-HMM)的出行轨迹重构方法,用以描述信号强度与距离作用关系。基于出行重构后的轨迹,结合路段类型特征,提出了时空标准化相似性度量算法,以融合导航轨迹特征,并构建了基于随机森林(random forest,RF)的交通方式识别算法。实证分析表明:通过出行轨迹的重构,模型的平均识别精度提高了8%以上,且对新样本具有优异的泛化能力;相较于现有方法,时空标准化相似性度量算法能更准确捕捉轨迹间的移动模式;在不同环境下的轨迹识别中,模型在郊区区域的表现显著高于城区。所提算法在大规模手机信令数据的出行方式识别领域具有重要的应用价值。

关键词： ResNet34   图像识别   智慧农业   病虫害  

摘要： 病虫害严重影响农业和环境的可持续发展,导致农作物产量损失和品质下降。深度学习技术为病虫害识别和防治提供了新方法,在识别准确率和效率方面具有独特优势。在探究和学习深度学习技术特点与算法优缺点的基础上,文章探讨其在番茄、葡萄、苹果3类经济作物病虫害研究中的应用,主要分析了ResNet网络模型对这些作物的病虫害图像识别和分类的精度问题,并对ResNet网络的训练损失、验证损失、验证准确率进行了分析。实验结果证明,ResNet网络模型对于病虫害图像具有较高的识别准确率,达到了94.54%。

关键词： 煤矿   机电设备   信息化  

摘要： 在当前,随着煤矿生产活动和智能化技术的有机融合,煤矿生产技术的自动化、信息化水平大幅度提高,在国家提出的发展要求下,煤矿企业要实现转型和升级,走向智能矿山建设的新道路。本文通过分析煤矿机电设备管理的现状,结合具体案例,探讨信息化时代煤矿机电设备管理的有效策略,旨在提升煤矿企业的整体运营效率和安全水平。