结合特征复用注意力与精细化分层残差的 细微裂纹密集连续检测

细微裂纹的高效识别对结构体早期故障诊断具有重要意义。图像分割等方法在处理复杂且带有断裂的细微裂纹时难以达到满意效果。因此,将细微裂纹的识别问题转变为密集连续的中心点预测问题,利用精细化分层残差模块构造特征提取器并结合具有特征复用的注意力模块提出一种细微裂纹检测方法。首先使用相同的矩形框沿裂纹轨迹密集连续地标注;其次对不同的精细化分层残差模块进行消融实验,得到有利于细微裂纹特征提取的骨干网络;最后结合具有特征复用的注意力模块与骨干网络对比了六种不同的特征复用方式。实验结果表明,本文方法的最高和平均精度分别为61.0%和54.7%,与原模型相比分别提升4.9%和6.3%,成功识别细微裂纹及其局部断裂区域并抑制背景干扰。     

循环冷却水系统清洗预膜总结

介绍了合成循环冷却水系统开车前清洗预膜的工艺过程.预膜阶段首次选用非磷-锌系类配方,采用全有机配方缓蚀阻垢剂作为预膜剂,使用浓度为正常投加浓度的5～6倍.通过预膜过程关键点的控制,换热设备的预膜取得了良好的效果,对于开车后碳钢设备的保护提供了有力的保障.     

联线压印转移技术的应用

联线压印转移技术是近几年来印刷技术上一个重要的突破,结合了传统印刷及贴合技术,降低了生产成本.提升了产品的附加价值.在阐述联线压印转移技术的原理和特点的基础上,对目前该技术在应用中存在的问题进行了分析;指出了该技术的难点所在,对其发展前景作出了预测.     

合成氨循环水高倍率节水处理新工艺

河南心连心化肥有限公司合成氨装置循环冷却水系统的补充水水源属高碱高硬水质.介绍了如何通过优化工艺和过程控制,实现河南心连心化肥有限公司合成氨循环冷却水在高浓缩倍数下,节水、环保、安全运行的经验.     

自适应调控卷积与双路信息嵌入的城市街景实例分割

城市街道场景实例分割是无人驾驶不可忽略的关键技术之一,针对城市街景实例密集、边缘模糊以及背景干扰严重等问题,提出一种自适应调控卷积与双路信息嵌入的城市街景实例分割模型RENet.首先使用自适应调控卷积替代原有的残差结构,利用可变形卷积学习空间采样位置偏移量,提高模型对图像复杂形变的建模能力,同时对多分支结构进行通道混洗以加强不同通道间的信息流动,并应用注意力机制实现通道权重的自适应校准,提高模型对复杂场景下模糊、密集目标的分割精度;然后设计低维空间信息嵌入分支,对不同尺度特征图进行空间信息激励与重编码,在抽象语义特征中嵌入低维空间信息,提高模型轮廓分割准确性;最后引入高级语义信息嵌入模块,实现特征图与语义框的对齐,弥补特征图间语义与分辨率的差距,提高不同尺度下特征信息融合的有效性.在自建数据集上的实验结果表明,与原始YOLACT网络模型相比,RENet模型在复杂街道背景下的平均分割精度最高达到51.6%,提高了10.4个百分点;网络推理速度达到17.5帧/s,验证了该模型的有效性和在工程中的实用性.     

融合注意力分支特征的甲烷泄漏红外图像分割

甲烷是现代化工业生产和社会生活的重要能源之一,实现其有效探测与分割对于及时发现甲烷泄漏事故并识别其扩散范围具有重要意义。针对红外成像条件下甲烷气体图像的轮廓模糊、泄漏的甲烷气体与背景对比度较低、形状易受大气流动因素影响等问题,本文提出一种融合注意力分支特征的红外图像分割网络（Attention Branch Feature Network,ABFNet）实现甲烷气体泄漏探测。首先,为增强模型对红外甲烷气体图像的特征提取能力,设计分支特征融合模块将残差模块1和残差模块2的输出特征与残差模块3以逐像素相加的方法融合,获取红外甲烷气体图像丰富细致的特征表达以提高模型识别精度。其次,为进一步加快模型的推理速度,将标准瓶颈单元中的3×3卷积替换为深度可分离卷积,大幅度减少参数量达到实时检测甲烷气体泄漏。最后,将scSE注意力机制嵌入到分支特征融合模块,更多地关注扩散区域边缘和中心语义信息以克服红外甲烷气体轮廓模糊对比度低等问题提高模型的泛化能力。实验结果表明,本文提出的ABFNet模型AP50@95、AP50、AP60定量分割精度分别达到38.23%、89.63%和75.33%,相比于原始YOL...     

基于串联空洞卷积神经网络的网球场景语义分割

室外网球场实景环境下的语义分割是开发网球运动服务机器人需要解决的一项关键技术.针对室外网球场环境由于光照、视角等因素的变化导致难以进行精细分割的问题,提出一种基于Deeplabv3架构的串联空洞卷积神经网络SACNet.该模型扩展了空洞卷积的多尺度模块,通过奇偶混合扩张率增大训练中特征图感受野,利用分组卷积减小SACNet模型时空复杂度.为克服小样本训练容易过拟合的问题,在经过预训练残差神经网络ResNet-50的基础上,通过冻结批量归一化(BN)层进行迁移学习.在自制小样本网球场数据集上进行实验结果表明,SACNet比现有Deeplabv3模型在测试精度提高了10.22%,且对于网球场边界和小目标语义分割结果更加准确.     

多尺度特征融合工件目标语义分割

目的 目标语义特征提取效果直接影响图像语义分割的精度,传统的单尺度特征提取方法对目标的语义分割精度较低,为此,提出一种基于多尺度特征融合的工件目标语义分割方法,利用卷积神经网络提取目标的多尺度局部特征语义信息,并将不同尺度的语义信息进行像素融合,使神经网络充分捕获图像中的上下文信息,获得更好的特征表示,有效实现工件目标的语义分割。方法 使用常用的多类工件图像定义视觉任务,利用残差网络模块获得目标的单尺度语义特征图,再结合本文提出的多尺度特征提取方式获得不同尺度的局部特征语义信息,通过信息融合获得目标分割图。使用上述方法经多次迭代训练后得到与视觉任务相关的工件目标分割模型,并对训练权重与超参数进行保存。结果 将本文方法和传统的单尺度特征提取方法做定性和定量的测试实验,结果表明,获得的分割网络模型对测试集中的目标都具有较精确的分割能力,与单尺度特征提取方法相比,本文方法的平均交并比mIOU（mean intersection over union）指标在验证集上训练精度提高了4.52%,在测试集上分割精度提高了4.84%。当测试样本中包含的目标种类较少且目标边缘清晰时,本文方法能够得到更精准的分割结果。结论 本文提出的语义分割方法,通过多尺度特征融合的方式增强了神经网络模型对目标特征的提取能力,使训练得到的分割网络模型比传统的单尺度特征提取方式在测试集上具有更优秀的性能,从而验证了所提出方法的有效性。     

基于联合模型匹配的齿轮视觉检测方法

针对工业场景下对图像中机械零件的视觉检测任务引入区域块循环分解行人检测算法。根据检测精度的需要,利用Par-King图像增强算法改进目标和背景梯度方向直方图特征的可分性,自建数据集训练出SVM和频域SVR两个不同的分类器模型并利用可变性部件模型算法中图像金字塔匹配方法对测试集图像进行联合视觉检测。实验结果表明,该联合检测方法相比于区域块循环分解行人检测算法有着更好的检测精度。