特殊制备材料力学性能超声无损检测与评价方法

为了检测新材料性能和评估新制备工艺,利用超声显微无损检测系统和PVDF线聚焦超声探头,对增材制造(3D打印)和粉末冶金2种特种加工试件进行表面波波速测量,用于材料力学性能的反演.利用散焦实验测量和时间分辨法,测量试件截面不同位置、不同角度的表面波波速,获取相应位置和角度下的力学性能参数.实验所用窄探头PVDF薄膜宽度仅为1 mm,通过减少被测面积,提高了探头的分辨率.结果表明:粉末冶金材料在任意方向上的表面波波速基本一致,呈各向同性.3D打印材料不同方向表面波波速略有差异,呈现出一定的各向异性.超声显微无损检测系统可用于材料的小区域、多角度声学性能测试,实现材料力学性能的反演表征,为新材料性能检测、新制备工艺评估提供一种无损检测与评价的方法.     

基于BP神经网络的特征融合遥感图像阴影检测

针对遥感图像中地物遮挡形成阴影,导致阴影区域地物信息受损的问题,提出一种基于BP(back propagation)神经网络的特征融合遥感图像阴影检测方法,该方法共分为预处理、特征提取、特征融合和后处理4个阶段。为了克服现有单一特征阴影检测方法的局限性,共设计了蓝绿波段归一化、主成分分析、HSI(hue,saturation,intensity)空间和灰度矫正色调4个特征提取分支,然后通过BP神经网络实现多特征的深度融合。实验表明,所提方法提取的阴影掩膜完整性高、边缘区分良好,对水体等易混淆的非阴影地物也能很好地区分,说明本文方法具有较好的鲁棒性。     

基于PSENet的自然场景文字检测网络改进

由于自然场景中的图像背景复杂、文字排列不规则、光照条件不确定等因素文字检测难度较大,且传统检测方法的效果并不理想。在研究文字分割检测方法PSENet(Progressive Scale Expansion Network)的基础上,提出了一种针对自然场景文字检测的改进方法。该方法由卷积神经网络提取特征模块,再通过渐进式规模扩张对文字区域进行分割检测。改进点主要是使用高精度的语义分割网络RefineNet(Refinement Network)对卷积网络特征提取模块进行优化,且增加较多的残差连接及链式池化,提高网络对文字区域的检测精度。通过对数据集ICDAR2015的实验结果对比表明所提出的改进算法在精度方面略高于改进前,且能更好地解决文字粘连问题。     

改进特征融合的实时语义分割方法

针对实时语义分割任务中需要同时兼顾位置信息和语义信息的问题,提出一种改进特征融合的实时语义分割方法。该方法由卷积神经网络、轻量级注意力模块(light attention module, LAM)和双通道特征融合模块(bilateral feature fusion module, BFFM)组成。首先,使用卷积神经网络结合轻量级注意力模块快速提取图像的位置信息和语义信息。然后,使用双通道特征融合模块指导位置信息和语义信息的特征图融合。所提方法在CamVid上,平均交并比达到67.8%,分割速度可达到52.6帧/s。在Cityscapes上,平均交并比达到73.5%,分割速度可达到31.8帧/s。实验结果表明,提出的分割方法满足分割的准确性和实时性要求,能够适用于实时语义分割任务中。     

基于YOLOv4-MP的绝缘子爆裂缺陷检测方法

针对输电线路绝缘子爆裂缺陷检测中缺陷目标小、背景复杂多样导致检测精度低的问题,提出了一种基于YOLOv4改进的检测算法YOLOv4-MP。首先,为减少复杂背景的干扰,在特征提取网络中嵌入Shuffle Attention注意力模块,使模型能够提取到更加有效的特征信息。其次,为增强特征融合的效果,在空间金字塔池化中引入带空洞的池化层,能够有效增大感受野。最后,为减少低层信息的丢失,采用Mish函数作为路径增强网络的激活函数。实验结果表明,YOLOv4-MP的平均精度均值(Mean Average Precision, mAP)达到了93.60%,比YOLOv4算法提升了6.37%。与常用的检测算法相比,YOLOv4-MP具有更好的检测性能,对于绝缘子爆裂缺陷检测具有较大应用价值。     

基于多源信息融合的医学图像分割方法

医学图像中各成像方式存在自身缺陷,以单一源数据作为输入进行分割模型的构建与训练易导致病灶的分割准确率不足,因此提出基于多源信息融合的医学图像分割方法,并以乳腺癌微钙化簇病灶诊断中的FFDM与DBT这2类数据源为例,验证方法的有效性.方法利用Yolov4区域候选网络对FFDM数据进行可疑区域筛选;根据同一病人FFDM可疑区域进行DBT图像预处理;以预处理后的DBT图像作为改进U-Net模型的输入实现病灶分割;通过基于序贯相似性判别的断层分割结果融合策略,综合DBT中多断层结果完成病灶最终分割.方法在20例病人的FFDM与DBT数据上得到98.52%的真阳性率、10.45%的假阳性率与94.07%的精度.结果表明,本研究提出的基于多源信息融合的医学图像分割方法,有效利用多源数据优势,最终实现病灶的快速精确分割,可以为医学图像诊疗智能化提供一种全新的解决方案.     

基于特征融合的深度学习目标检测算法研究

通过研究卷积神经网络中的特征层级,发现高层特征图的分辨率低、语义信息强,低层特征图的分辨率强、语义信息较弱等问题.针对上述问题提出一种二次特征融合的目标检测算法,该算法在特征金字塔网络(Feature Pyramid Networks,FPN)的基础上对过渡特征重复使用并进行二次特征融合,使丰富的低层特征信息补充到高层...     

基于多级特征并联的轻量级图像语义分割

针对当前语义分割算法普遍具有网络结构复杂和计算开销巨大的问题,为了综合提高语义分割算法实时性和精确度,提出计算高效的基于多级特征并联网络（LSSN）的轻量级图像语义分割网络. 该算法综合考虑网络的参数量、运行速度和性能,能更好地应用到嵌入式设备和可移动设备上. 应用微调的深度卷积神经分类网络作为特征提取网络结构,提取网络不同深浅层语义和位置特征. 提出空洞残差增强模块和深度空洞空间金字塔模块分别处理来自特征提取基准网络的深层特征和浅层特征,并将深浅层特征按特定维度比例以并联的方式进行融合. 所提方法在PASCAL VOC 2012数据集上准确度（平均交并比）为77.13%,与当前具有高性能的语义分割算法和实时语义分割算法相比,能更好地平衡网络的实时性和精确度,具有更优的实用价值和性能效果.     

高效通道注意力和特征融合的协同显著性检测算法

针对现有的协同显著性检测算法在多显著目标复杂场景下表现不佳的问题,提出了一种基于高效通道注意力和特征融合的协同显著性检测算法。首先,检测算法利用预训练的深度卷积神经网络对场景进行多尺度特征的提取,结合边缘显著信息设计了显著性语义特征提取模块,以避免全卷积神经网络导致边缘信息的缺失;其次,通过内积基本原理得到组内图片间的关联性信息并根据其关联程度进行自适应加权,结合高效通道注意力层设计了协同特征提取算法;最后,为了将各级高层语义特征经过协同显著性特征提取之后的结果与浅层次的特征进行融合,并实现对预测结果进行多分支同步监督,设计了基于高效通道注意力的特征融合模块。通过对3个经典的数据集进行测试,并与6种现有的协同显著检测算法进行对比,结果表明本文所提算法提高了复杂场景中图像的协同显著性检测的精度以及边缘信息的丰富程度,并具有更优的协同显著性信息检测性能;通过消融实验进一步验证了所提设计算法各个模块的有效性和必要性。     

基于通道注意力与特征融合的水下目标检测算法

水下光学图像存在色偏、低对比度、目标模糊的现象,导致水下目标检测时存在漏检、误检等问题。针对上述问题,提出了一种基于通道注意力与特征融合的水下目标检测算法。基于通道注意力设计了激励残差模块,将前向传播的特征信息进行自适应分配权重,以突出不同通道特征图的显著性,提高了网络对水下图像高频信息的提取能力;设计了多尺度特征融合模块,增加了大尺度特征图用于目标检测,利用其对应的小尺度感受野提高了网络对小尺寸目标的检测性能,进一步提高了网络对水下不同尺寸目标的检测精度;为提高网络对水下环境的泛化性能,设计了基于拼接和融合的数据增强方法,模拟水下目标的重叠、遮挡和模糊情况,增强了网络对水下环境的适应性。通过在公共数据集URPC上的实验,与YOLOv3、YOLOv4和YOLOv5相比,所提算法的平均精度均值分别提升5.42%,3.20%和0.9%,有效改善了水下复杂环境中不同尺寸目标漏检、误检的问题。     

一种基于信息论模型的入侵检测特征提取方法

在网络入侵检测中,由于原始数据特征维度高和冗余特征多,导致入侵检测系统的存储负担增加,检测分类器性能降低。针对该问题本文提出了一种基于信息论模型的入侵检测特征提取方法。它以具有最大信息增益的特征为搜索起点,利用搜索策略和评估函数迭代调整数据集分类标记、已选取特征子集和候选特征三者之间的相关度,最后通过终止条件确定选取特征子集。以入侵检测样本数据集为实验数据,将该方法选取的特征向量运用到支持向量机分类算法中,在特征维度大幅度降低的情况下,检测精度变化很小。实验结果证明了本方法的有效性。     

基于图像的道路语义分割检测方法

针对现有语义分割网络模型在道路语义分割方面检测精度低、计算量大等问题,基于BiSeNet V2网络模型进行优化改进,引入一种高效的通道注意力(efficient channel attention, ECA)模块,在BiSeNet V2的语义分支和细节分支的每个阶段末端分别加入ECA,得到ECA-Semantic-BiSeNet V2网络。使用实车采集道路图像数据进行标注并构建自采数据集,在Cityscapes数据集、KITTI数据集及自采数据集上分别对改进前后的网络模型进行试验验证。试验结果表明,与BiSeNet V2模型方法相比,本研究方法在Cityscapes数据集上M_IoU提高14.01%,在KITTI数据集上M_IoU提高1.86%,同时在BiSeNet V2的语义分支加入ECA后运算量增加0.02 GFlops的条件下,模型推理速度提高了7.82帧/s。     

基于卷积神经网络的道路车辆检测方法

提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。     

基于层次门控交互融合网络的谣言检测方法

针对现有谣言检测方法对多特征做处理时因特征间差异导致特征冲突的问题,提出了一种基于层次门控交互融合网络的谣言检测方法。首先,利用一阶门控对原贴和评论的语义特征和情感特征做特征增强,然后,利用二阶门控对增强特征做跨语义特征融合,以解决特征融合时由于不同特征之间的差异引入噪声的问题。在公开的Weibo数据集和自建的Weibo22数据集上,所提方法的检测正确率分别为96.71%和97.36%。与检测性能最好的基线方法相比,检测正确率分别提高了0.84%和1.31%,训练时间分别减少了53%和46%。     

基于改进群组归一化的目标检测与实例分割

训练卷积神经网络,尤其是在使用ImageNet这种大规模数据集进行深层卷积神经网络训练时,往往需要投入几天甚至几个月的时间。为了加快神经网络的迭代收敛速度,通常需要使用批量归一化算法对训练网络的输入输出分布进行统一调整。本工作结合实例归一化方法对群组归一化进行了改进,并将改进后的该方法结合Faster R-CNN和Mask R-CNN进行了目标检测与实例分割实践。     

基于线宽测量的增材制造流量智能控制方法

基于闭环控制原理,研究了一种基于线宽测量的增材制造流量的智能控制方法。将CCD传感器采集的当前扫描线宽与设定值进行对比,控制成形设备的工作台位移速度与喷头流量的相对关系。研究结果表明,该方法实现了对实体模型或支架形状的精度、孔隙的形状和孔隙率的智能控制,大幅度提高了成形精度,便于细胞在支架上分化、依附和爬行。     

基于多尺度特征融合注意力CNN的遥感图像语义分割方法

针对遥感图像目标尺度变化较大、分割不够准确的问题,提出了一种融合多尺度特征注意力卷积神经网络(CNN)的图像分割方法。该方法基于卷积块注意力模块提出了改进的有效注意力模块(ECBAM)。在通道注意力模块中加入空洞卷积以降低池化操作造成的特征损失,并在通道注意力模块后添加卷积层对通道注意力特征映射进行特征融合。然后,基于ECBAM设计了一种编码解码架构的卷积神经网络模型ECBAM-CNN,其中编码器主要由卷积层、ECBAM和空洞空间金字塔池化模块组成,解码器主要由卷积层和ECBAM组成,并且采用跳跃连接将编码阶段的多尺度信息融合到解码器。实验表明,提出的方法无需预训练和后处理,与SegNet等前沿方法相比取得了更好或相近的分割准确度,在DLRSD和WHDLD测试集上的mIoU分别为67.3%和62.0%。     

基于特征提取和极值搜索的焊接缺陷检测算法

为快速提取金属熔化焊接缺陷位置,提出了一种基于灰度分布曲线特征的算法。首先,通过平板探测器获取焊缝的X射线透射数字图像;第二,针对数字图像随机噪声大、动态范围低的问题,采用时间域序列图像帧积分方法,计算最优的积分时间,降低图像噪声,强化焊缝缺陷特征细节;第三,平行于焊缝方向,计算并形成多组图像灰度值曲线,基于其二阶导数曲线分布规律提取焊缝图像;最后,在焊缝图像曲线中进行极值点搜索,若在曲线存在明显极大值点,则可以确定缺陷的大小和位置。试验结果表明,本算法具有较高的检测精度。     

基于BP神经网络的水分检测数据处理

由于电容式粮食水分检测中影响检测的因素较多,检测精度很难取得令人满意的测量效果。介绍了采用BP网络进行水分检测数据处理方法,给出了一组具体的试验数据及处理结果。结果表明通过BP网络的数据处理,粮食水分的检测精度得到了改善。     

基于塔形小波和特征加权的墙地砖纹理图像分割方法

目的基于小波变换的图像分割方法对随机纹理图像进行分割.方法通过墙地砖表面的原始纹理特征,改进原有的图像分割算法,对原始纹理图像进行高阶小波分解.结果图像整体中的背景纹理边缘被有效去除,降低了图像纹理带来的干扰,在有效提取近似信息的基础上提高了系统的实时性.结论根据墙地砖的纹理特征,采用基于塔形小波的改进分割方法,对墙地砖的原始图像进行处理,提高了边缘准确性和区域性,降低了分割错误率.