宽约束型包装袋垃圾分类模型设计

借鉴空域富模型高通滤波器、量化截断机制和卷积神经网络特性,设计宽约束型包装袋垃圾分类模型。研究结果表明:方案八设计的2种量化截断机制捕获到2种约束型残差特征图,有利于特征汇聚;且应用设计的2种子卷积神经网络捕获到多样化包装袋信息,对包装袋垃圾的识别分类准确率为66.2%,高于传统HOG模型约6%。     

基于卷积神经网络特征提取的轻量级包装袋分类模型

为解决塑料包装袋难识别以及难收集问题,应用神经网络提出一个轻量级包装袋分类模型。模型网络分为预处理层、特征提取层和分类层,且在预处理层模拟手工特征提取方式,应用SQUARE 3×3高通滤波器捕获丰富图像纹理特征。经仿真研究模型各层卷积核数量、卷积核尺寸、训练时长、批次样本数对模型的影响,方案6各层卷积核数量、尺寸和批次样本数分别为64、3×3和8,捕获丰富包装袋特征,具备最佳测试分类准确率0.730 5,较适用于实际包装袋分类工作,高于传统HOG模型约13%。实验结果可为当前包装袋识别分类工作提供一定的参考。     

基于深度学习的人脸疲劳检测系统

针对某些场景人脸部分遮挡引起的疲劳检测模块失准、人脸检测模型在算力较低的机器上帧数低等问题,本文提出了一种改进的人脸疲劳检测系统。首先用Mediapipe的Blaze Face和Controursmodel代替Open CV和Dlib对人脸进行识别和检测。利用可分离卷积,使骨干识别网络具有更少的参数量,其次增大了可分离卷积depthwise层的卷积核尺寸,实现更快的下采样。本文通过实验证明了改进的人脸疲劳检测模型具有较高的鲁棒性。对于实时视频输入,所提出的系统可以优化输出帧数,提高实时性。     

基于YOLOv5s网络模型的手势检测系统

为了解决人们对手势识别的问题,本文对通过YOLOv5s网络模型及Py Qt5框架设计并实现了手势检测的系统,同时具备摄像头检测与文件（照片或视频）检测功能,可以实现在人们做出手势的时候检测手势的类别,在GPU环境下检测速度可达100 fps,平均精度在0.95左右,满足实时检测的要求。     

基于深度学习的聚烯烃材料表面缺陷视觉检测系统开发

将深度学习算法与机器视觉技术相结合,研发了高精度与高性能的聚烯烃材料表面缺陷视觉检测系统。从硬件与软件设计入手对系统总体架构进行布局,对原始采集的聚烯烃材料表面视觉图像实施平滑去噪与增强处理,将质量改善后的图像作为缺陷检测样本。结合RPN全卷积网络构建了Faster-RCNN网络检测模型,实现了聚烯烃材料表面缺陷视觉检测。经验证,此系统检测聚烯烃材料表面缺陷误差仅为0.8%～2.8%,检测效果较为理想。     

食品塑料包装袋的拉曼光谱分析

利用RT2000便携式拉曼光谱仪,采用785 nm激光器,采集时间为30 s,对41个不同品牌的食品塑料包装袋样品进行了检验分析。根据不同样品在拉曼光谱图中的位置对样品进行分类,并根据填料的不同对每类样品进行分组。最后根据样品的相对峰高比对每一组中的样品进行区分。建立了一种快速、简便、重现性好、结果准确可靠,且无损样品的检验方法,该方法可为公安机关实际办案提供帮助。     

耐蒸煮食品包装袋用聚氨酯油墨的技术进展

从单组分挥发型聚氨酯油墨、改性聚氯酯油墨和双组分反应型聚氨酯油墨三方面,阐述了耐蒸煮食品包装袋用聚氨酯油墨的技术进展。     

基于深度学习的化工过程故障检测与诊断研究综述

化工过程的故障检测与诊断对于现代化工系统的可靠性和安全性具有重要意义.深度学习作为一项新兴的技术,引起了学术界和工业界的广泛关注.从方法的角度出发,将基于深度学习的化工过程故障检测与诊断技术分为:基于自动编码器的方法、基于深度置信网络的方法、基于卷积神经网络的方法和基于循环神经网络的方法,并分别对4种方法的最新研究进展...     

基于深度残差网络的塑料齿轮玩具网络模型

为提升塑料齿轮玩具工艺参数缺陷预测性能,应用深度学习卷积神经网络技术,提出2个基于深度残差网络的塑料齿轮玩具网络模型,称为模型1、模型2。经仿真分析可知:当批次样本量为8、训练代数为1 000时,模型2对体积收缩率、翘曲量的预测误差百分比分别为0.009 7%、0.010 2%,优于模型1;模型2对塑料齿轮玩具工艺参数体积收缩率、翘曲量预测精确率分别为92.146 8%、90.288 4%。说明模型2应用深度残差网络可提取多样化、抽象的语义特征,具备较小的预测误差百分比、较高的预测可信度和较高的预测效率。研究结果可为当前塑料齿轮玩具工艺参数预测工作提供一定的参考。     

基于深度学习的电机故障在线检测技术优化

为有效提高电机故障检测效率,研究建立了深度学习模型,并利用深度学习模型构建在线检测函数。试验结果表明,基于深度学习模型可以降低电机轴承振动干扰信号,以保证清晰识别特征频率,所建立的深度学习检测模型对电机轴承外部的外圈磨损、轴承缺口且有裂纹及保护架破损的精度及准确率均大于98.5%,而电机轴承内部的检测精度与准确率较低,但检测精度仍大于90%,可满足电机故障在线检测要求。研究成果可为电机故障在线检测提供理论参考。     

基于深度学习的城市道路沥青路面病害智能检测仿真实验

为提高城市道路沥青路面病害检测精度,提出一种基于深度学习的智能检测方法。方法以Faster R-CNN网络为基础检测模型,通过对采用拟合值填充方式优化Faster R-CNN网络卷积层,提升网络对目标检测的准确性,实现了Faster R-CNN网络的改进;然后利用改进后的Faster R-CNN网络对城市道路沥青路面病害进行检测,实现了沥青路面病害的智能检测。仿真结果表明,所提的改进Faster R-CNN网络可有效检测城市道路沥青路面坑槽、裂缝病害,且具有较高的检测精度,平均精确度的均值达到为90.26%。相较于标准Faster R-CNN网络和ResNet、U-Net目标检测算法,在平均精确度的均值和单张图像的检测速度指标上具有明显优势,可用于实际城市道路沥青路面病害检测。     

基于改进GhostNet模型的快速单目图像深度估计

针对移动互联网背景下嵌入式平台的单目深度估计任务,在Fast Depth的基础上,通过改进Ghost模块和瓶颈层生成的SE-GhostNet网络模型改进编码网络,以获得更快的推理时间和更优的推理效果,使用改进的局部平面参数预测LPP方法改进解码网络,避免多尺度预测中的上采样引发局部极小值问题,并获得更稠密的深度图。实验表明,本文方法在保证推2理速度的同时,与其他优秀的算法相比,也能取得较好的深度精度。     

基于PLSR自适应深度信念网络的出水总磷预测

针对污水处理过程出水总磷预测问题存在的强非线性、大时变等特征,提出了一种基于偏最小二乘回归自适应深度信念网络（partial least square regression adaptive deep belief network,PLSR-ADBN）的出水总磷预测方法。PLSR-ADBN是基于深度学习模型DBN的一种改进型建模方法。首先,将自适应学习率引入到DBN的无监督预训练（pre-training）阶段,来提高网络收敛速度。其次,利用PLSR方法取代传统DBN中基于梯度的逐层权值精调（fine-tuning）方法,来提高网络预测精度。同时,通过构造李雅普诺夫函数证明了PLSR-ADBN学习过程的收敛性。最后,将PLSR-ADBN用于实际污水处理过程出水总磷预测中。实验结果表明所提出的PLSR-ADBN收敛速度快且预测精度高,能够满足实际污水处理过程对出水总磷监测精度和运行效率的要求。     

耐蒸煮食品包装袋用聚氨酯油墨的技术进展

随着杀菌技术的迅速普及和塑料薄膜被广泛应用,蒸煮食品得到较快发展。因此提高蒸煮食品复合包装水平日益重要,其中所用印刷油墨的质量是衡量蒸煮食品复合包装水平的一项关键因素。本文从单组分挥发型聚氨酯油墨、改性聚氨酯油墨和双组分反应型聚氨酯油墨3个方面阐述了国外蒸煮食品包装袋用聚氨酯油墨的技术进展。     

中国塑料包装袋出口遇阻

中国聚乙烯(PE)包装袋生产商再次引来世人注目。2004年,美国对原产中国、马来西亚和泰国的零售塑料包装袋征收2.26%～122.88%的反倾销税;2005年6月底,欧洲委员会(EC)也对上述三国的PE包装袋开展反倾销调查。在中国南部,香港塑料袋生产协会80名会员中的约一半都将受到反倾销调查的影响,协会已经建议会员对EC的调查作出反映。其中一位广州生产商已经对此作出回应,他生产的PE包装袋有1/4出口到欧洲。该生产商指出,买主之间的连锁反应将导致需求增加以及库存水平上升,明年6月份前,高密度聚乙烯(HDPE)和低密度聚乙烯(LDPE)需求将增加。一…     

基于深度残差网络的化工过程故障诊断

本工作提出了一种基于深度残差网络(DRN)的化工过程故障诊断方法,可从大量化工过程运行数据中自动提取故障特征。模型采用快捷连接缓解传统深度神经网络训练困难的问题,且使用批归一化(BN)方法,可有效缓解梯度消失/爆炸的问题。以田纳西?伊斯曼(TE)过程为实验对象对所提方法进行诊断性能评价实验,并与以往的基于传统深度学习模型的TE过程故障诊断方法进行对比,进一步探究了模型层数、BN技术和残差结构对故障诊断率的影响,最后,通过t分布随机邻域嵌入(t-SNE)方法对网络部分层的输出进行可视化。结果表明,模型对21种工况取得了94%的平均故障诊断率和0.30%的平均假阳率,表现出更加卓越的诊断性能。输出层的二维散点图显示了清晰的聚类,表明所提出的DRN模型能够对故障进行准确诊断。     

食品包装袋引发行业危机

近日,有食品安全专家说,塑料袋遇热会释放出塑化剂等有害物质,其塑化剂对人体可产生以下危害:降低人的生殖能力;增加人心血管疾病的风险;摄入会致癌;会使性别错乱,生殖器变短;塑化剂的毒性比三聚氰胺强20倍。由此可见,塑料包装袋如果暗藏污染源,会给人类身体健康带来相当大的危害!劣质塑料包装而引发的食品安全事件层出不穷。譬如媒体曝光的五芳斋粽子霉变事件,经查实正是使用的劣质塑料包装从     

基于机器学习的塑料分类回收预测系统

塑料分类回收预测系统主要由垃圾接收装置、垃圾预测分类装置、垃圾压缩装置和垃圾回收储存装置4部分组成,其中垃圾预测分类装置凭借提出的塑料预测分类模型执行塑料分类工作。塑料预测分类模型应用深层次的Inception卷积神经网络,提取高度抽象的关键塑料特征。实验结果表明:塑料分类回收预测系统的预测分类准确率高于传统的预测分类模型约2%。     

利用麻雀搜索算法优化深度置信网络的入侵检测研究

针对人工经验设定深度置信网络的网络结构致使其很难达到最优,进而导致深度置信网络的性能无法完全发挥的问题,提出利用麻雀搜索算法优化深度置信网络的入侵检测模型.实验结果表明:相比未优化的深度置信网络,性能有显著提升,该模型优异的性能有效提高了入侵检测识别的效率.     

基于状态空间主成分分析网络的故障检测方法

作为一种经典的方法,主成分分析（PCA）在多元统计过程监控领域得到了广泛的应用。然而,主成分分析及其各种改进方法仅从原始数据中提取了一层特征,缺乏对深层次特征的提取。计算机领域深度学习技术的发展表明了深层次的网络结构有利于数据特征的提取,因此,将主成分分析网络（PCANet）这种深度学习网络结构引入到故障诊断领域,与多元统计过程监控方法进行结合,以增强故障检测效果。在PCANet框架下,针对工业过程数据的动态特征,在网络结构中增加了状态空间模型作为动态层以解决动态性问题。此外,还以故障检测为目标重新设计了输出层。最后,通过在TE过程上的仿真测试验证了该方法用于故障检测的可行性和有效性。