基于深度学习的刀具磨损预测方法研究

汽车零部件生产加工过程中的刀具磨损退化严重影响产品加工质量、生产效率和生产成本。数据驱动方法已成为刀具磨损预测的有效手段,考虑传统浅层机器学习方法在手动特征提取与非线性拟合方面的局限性,本文将残差结构与门控循环单元相结合,提出一种用于刀具磨损预测的混合神经网络模型。针对多源多通道切削信号,采用残差结构实现空间特征自适应抽取,并解决网络加深时的梯度消失和模型退化问题;此外,针对特征信号的时间相关性,增加门控循环单元挖掘融合特征中的序列信息。为了验证模型性能,在刀具磨损数据集上与其他机器学习模型进行了对比实验。结果表明,所提出的混合模型具有较优的刀具磨损预测效果。     

基于细胞神经网络多特征相似性的图像融合方法

为了克服单一特征不能准确的解释图像的问题,提出了基于细胞神经网络(cellular neural network,CNN)多特征相似性的图像融合方法.对源图像进行非下采样剪切波变换(non-subsampled shearlet transform,NSST),然后提取系数的区域能量、区域方差和上下文隐马尔可夫模型(c...     

基于深度卷积神经网络的多特征融合的手势识别

针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。     

基于多传感器信息融合技术的智能视频监控系统研究

介绍了一种基于多传感器信息融合技术的智能视频监控系统的信息融合设计.为了降低监控系统中的单一传感器的误报率和漏报率,通过对视频监控系统的人体红外、视频摄像等多种传感器的网络集成,将不同传感器采集的不同的描述信息进行了有效地特征提取和传输,并运用模糊神经网络的多传感器信息融合算法进行多次仿真实验.实现了该系统对检测区域的...     

基于BP神经网络的多传感器融合方法

本文首先基于数学理论,给出了多传感器融合问题的数学描述,然后简单介绍了BP神经网络的算法以及其在多传感器融合技术的中的应用,最后通过仿真实验,证明了BP神经网络的多传感器融合方法的可适用性。     

基于多视觉特征融合技术的高速机床刀具状态视诊方法研究

传统多传感器融合的刀具磨损检测方法,通过依据特征变换的特征降维方法,完成多传感器融合的刀具特征降维处理,其对特征的描述性差,检测效率低。因此,设计基于多视觉特征融合技术的高速机床刀具状态视诊系统,该系统通过固定摄像机A采集整体刀具图像,可控摄像机B采集刀头图像。两个摄像机的视频图像都输入到图像采集卡中的数据采集电路进行处理。系统通过数据采集电路获取刀具图像数据后,将数据传递给数据处理模块进行存储和模/数转换等处理。采用STC89C52单片机设计显示报警模块,用于显示刀具磨损状态。系统实现部分给出了系统软件流程图,并通过BP神经网络方法融合多视觉特征信息,检测高速机床刀具的磨损情况。实验结果表明,所设计系统可准确检测出刀具的磨损状态,具有较高的检测精度和鲁棒性。     

多尺度特征融合全卷积神经网络脑肿瘤MR图像分割

针对传统以及基于深度学习的脑肿瘤MR图像分割方法存在精度低、特征信息丢失等问题,提出一种多尺度特征融合全卷积神经网络的脑肿瘤MR图像分割算法.该算法首先对脑肿瘤MR图像的4种模态进行归一化处理;将得到的结果通过多尺度特征融合全卷积神经网络(MFF-FCN).该网络是在全卷积神经网络的基础上,引入5×5、7×7大小的卷积...     

基于多传感融合的电力施工信息融合监控系统设计

针对传统监控精准度低的问题,提出一种基于多传感融合的电力施工信息融合监控系统设计方法.采集控制子节点的监控传感器的参数,使用嵌入式实时操作系统,以统一的嵌入式网关来完成全部数据的处理工作,方便系统维护.使用由间歇振荡电路组成的自激开关稳压电源,将线圈输出电压传递给负载.计算服从正态分布的最大和最小值统计量,确定统计量临...     

多特征融合的轻量级马铃薯分类研究

针对复杂环境下田间马铃薯品种识别精度不高,模型体积较大等问题,提出了一种基于多特征融合的轻量级卷积神经网络LRnet。LRnet网络将ShuffleNetV2和MobileNetV2裁剪后作为双分支网络结构的主干,分别提取马铃薯叶片和马铃薯块茎的图像特征,然后通过提出的融合策略将特征进行融合,从而对马铃薯的29个品种进行分类。实验结果表明,本文提出的LRnet相比ShuffleNetV2、MobileNetV2和ResNet不仅显著提高了马铃薯品种的分类精确度,而且模型小,易于端侧部署,同时也表明了多部位特征融合方法可以显著提高物种的识别精度,为马铃薯的品种鉴定提供了技术参考,其融合策略也可为相关研究人员提供一定的研究思路。     

基于ReliefF-RF的刀具磨损状态识别方法

为实现刀具磨损状态高效识别,提出了一种基于ReliefF-RF的刀具磨损状态识别方法.首先提取刀具加工过程中力信号、振动信号和声发射信号的时域、频域、时频域特征,其次针对特征量较大的问题,引入ReliefF进行特征选择,最后将特征选择的结果输入随机森林对刀具磨损状态进行识别.通过硬质合金铣刀铣削的实例表明,基于Reli...     

基于神经网络的移动机器人多传感器数据融合研究

针对单超声波的测距缺陷,采用多个超声波结合红外开关共同测距,提高整体测量精度;针对BP神经网络训练收敛速度慢,容易陷入局部极小值等缺点,加入动量-自适应因子来改进BP神经网络;将改进的BP应用于移动机器人传感器旅行家II号数据融合中,实践证明,经改进后的BP神经网络收敛精度高误差小,融合后的信息比未经融合的信息更精确。     

机加刀具磨损及改进

实践证明,不同的机加刀具用材、切削加工性质、选用的刀具几何角度等都直接影响刀具的寿命,进而影响工件的加工质量、企业的生产效益,所以探讨机加刀具的磨损成因,在生产应用中有极大的意义,本文就也这一方面做了初步的探讨,希望对机械丛业者有所帮助。     

基于Conv-TasNet的多特征融合音视频联合语音分离算法

视听多模态建模已被验证在与语音分离的任务中性能表现优异,本文提出一种语音分离模型,对现有的时域音视频联合语音分离算法进行改进,增强音视频流之间的联系。针对现有音视频分离模型联合度不高的情况,作者提出一种在时域上将语音特征与额外输入的视觉特征进行多次融合,并加入纵向权值共享的端到端的语音分离模型。在GRID数据集上的实验结果表明,该网络与仅使用音频的时域语音卷积分离网络（Conv-TasNet）和音视频联合的Conv-TasNet相比,性能上分别获得了1.2 dB和0.4 dB的改善。      

轻量化多特征融合的指纹分类算法研究

快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术。目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题。神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息。针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法。该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活。实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑。      

基于轻量卷积网络多层特征融合的人脸表情识别

基于深度学习的表情识别方法存在参数量大、实时性差等问题,针对此问题,提出一种基于轻量卷积网络的多层特征融合的人脸表情识别方法.首先使用改进的倒置残差网络为基本单元搭建轻量卷积网络模型,然后采用池化、1×1卷积、全局平均池化法筛选卷积网络中的浅层特征,并对这些筛选的浅层特征与深层特征进行融合用于表情识别.在两个常用的真实...     

基于单列特征融合卷积神经网络的人群计数技术

为了提高人群计数精度,设计一种基于单列特征融合卷积神经网络的人群计数技术。该网络包含前端网络、中端网络以及后端网络三个部分。前端网络采用VGG16网络的前十层并使用特征金字塔池化来融合基础特征;中端网络采用小尺寸卷积层堆叠以及特征融合的方法来提取多尺度特征;后端网络采用不同空洞率的空洞卷积层来提高感受野,从而得到人群密度图。实验在ShanghaiTech数据集上进行,结果表明,该网络在人群计数上具有良好的准确性与鲁棒性。     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。通过神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。