基于改进YOLOv5s轻量化带钢表面缺陷检测方法

针对YOLOv5s模型参数量大、难以在嵌入式设备上部署的问题,设计了一种轻量化的YOLOv5s带钢表面缺陷检测方法。首先将主干网络中的部分卷积层替换为多分枝结构的RepGhost,增强了主干对特征信息的提取能力,推理时可以转化为单分支结构,保证了检测速度。其次提出了一种轻量级的FPN网络(GG-FPN),其中的G-Ghost用于削减C3模块中的冗余参数,而GSConv则利用大卷积核的深度可分离卷积和分支结构,保证精度和速度的双提升。实验表明,在NEU-DET数据集上,GG-FPN模型参数量较原FPN减少了24.7%,GFLOPs降低了20.6%。对 于整个模型,改进的算法mAP仅损失1.9%,参数量较YOLOv5s减少了37.5%,GFLOPs降低了33.1%,检测速度达到187 frame/s,更好地均衡了检测的速度与精度。     

基于轻量化YOLOv3的带钢表面缺陷检测方法

缺陷检测是带钢生产过程中不可缺少的工序,现有检测方法普遍存在检测精度较低、实时性差等问题。为解决上述问题,本文提出了一种基于轻量化YOLOv3的快速缺陷检测方法。MobileNetv2作为主干网络并用两个尺度的特征图进行输出,保证了网络模型的轻量化;将改进后的注意力模块融合进特征金字塔网络(feature pyramid network, FPN),同时结合空间金字塔池化模块(spatial pyramid pooling, SPP),以提高算法对缺陷的学习能力;使用K均值聚类算法获得更优的先验框,并且使用CIoU(complete-intersection over union)对损失函数进行优化,进一步提升网络性能。提出的方法在带钢缺陷数据集上检测速度为70.8 FPS;模型参数量为7.1 MB,仅为YOLOv3的3.02%。实验结果表明本文所提方法能够在保证精度的同时实现对缺陷的快速检测,具有良好的生产线部署能力。     

基于改进YOLOv5的航空发动机表面缺陷检测模型

针对目前航空发动机表面人工缺陷检测效率低的问题，提出一种基于改进YOLOv5的缺陷检测模型YOLOv5-CE。首先，在网络中融合数据增强策略搜索算法，自动为当前数据集搜索最佳的数据增强策略，实现训练效果的提升；其次，在backbone网络中引入坐标注意力机制，在通道注意力的基础上嵌入坐标信息，提高对小缺陷目标的检测能力；最后，将YOLOv5的定位损失函数改进为efficient intersection over union损失，在加快模型收敛的同时提高预测框回归精度。实验结果表明，所提YOLOv5-CE模型，相比原YOLOv5s网络，在检测速度几乎没有下降的情况下平均精度均值提高了1.2个百分点，达到了98.5%，能够高效智能检测航空发动机4种常见类型缺陷。     

基于CSE-YOLOv5的遥感图像目标检测方法

针对复杂任务场景中，目标检测存在的多尺度特征学习能力不足、检测精度与模型参数量难以平衡的问题，提出一种基于CSE-YOLOv5(CBAM-SPPF-EIoU-YOLOv5,CSE-YOLOv5)模型的目标检测方法。模型以YOLOv5主干网络框架为基础，在浅层引入卷积块注意力机制层，以提高模型细化特征提取能力并抑制冗余信息干扰。在深层设计了串行结构空间金字塔快速池化层，改进了统计池化方法，实现了由浅入深地融合多尺度关键特征信息。此外，通过改进损失函数与优化锚框机制，进一步增强多尺度特征学习能力。实验结果显示，CSE-YOLOv5系列模型在公开数据集RSOD、DIOR和DOTA上表现出良好的性能。m AP@0.5的平均值分别为96.8%、92.0%和71.0%，而m AP@0.5:0.95的平均值分别为87.0%、78.5%和61.9%。此外，该模型的推理速度满足实时性要求。与YOLOv5系列模型相比，CSE-YOLOv5模型的性能显著提升，并且在与其他主流模型的比较中展现出更好的检测效果。     

基于CSE-YOLOv5的遥感图像目标检测方法

针对复杂任务场景中，目标检测存在的多尺度特征学习能力不足、检测精度与模型参数量难以平衡的问题，提出一种基于CSE-YOLOv5(CBAM-SPPF-EIoU-YOLOv5,CSE-YOLOv5)模型的目标检测方法。模型以YOLOv5主干网络框架为基础，在浅层引入卷积块注意力机制层，以提高模型细化特征提取能力并抑制冗余信息干扰。在深层设计了串行结构空间金字塔快速池化层，改进了统计池化方法，实现了由浅入深地融合多尺度关键特征信息。此外，通过改进损失函数与优化锚框机制，进一步增强多尺度特征学习能力。实验结果显示，CSE-YOLOv5系列模型在公开数据集RSOD、DIOR和DOTA上表现出良好的性能。m AP@0.5的平均值分别为96.8%、92.0%和71.0%，而m AP@0.5:0.95的平均值分别为87.0%、78.5%和61.9%。此外，该模型的推理速度满足实时性要求。与YOLOv5系列模型相比，CSE-YOLOv5模型的性能显著提升，并且在与其他主流模型的比较中展现出更好的检测效果。     

基于改进YOLOv5s的铁轨表面裂纹检测算法

铁轨轨枕表面出现的裂纹可能对轨道交通造成安全隐患。针对铁轨裂纹检测的方法存在通用性差、精度低、召回率低的问题，提出一种基于改进YOLOv5s的铁轨裂纹检测算法YOLOv5s-CBE。首先将CA注意力模块分别加入主干C3模块以及C3与SPPF之间，从通道和空间两个维度捕获通道关系和位置信息，提高YOLOv5s主干网络特征提取能力。其次，在YOLOv5s的Neck部分，使用BiFPN融合不同尺度信息，获取拥有丰富语义信息的输出特征图；同时，加权双向特征融合金字塔结构通过引入权重调整不同尺度输入特征图对输出的贡献，优化特征融合效果，减少了卷积过程中特征信息的丢失，提高了检测精度。最后，将原YOLOv5s中损失函数CIoU改为EIoU。EIoU不仅考虑了中心点距离和纵横比，而且还考虑了预测框与真实框宽度和高度的真实差异，提高了锚框的预测精度。相较于原始网络YOLOv5s,YOLOv5s-CBE铁轨裂纹检测网络在自制铁轨裂纹数据集上，模型大小相较于基础网络YOLOv5s降低了1.0 MB，精度mAP提高了3.7%，召回率由73.5%提升到76.2%，不同尺寸裂纹的漏检现象减少，具有一定的优越性和...     

基于改进YOLOv5的轻量化绝缘子表面缺陷检测

针对无人机检测缺陷绝缘子时,存在目标特征不明显、小目标检测效果差、无法同时满足检测速度和精度的问题,提出一种基于改进YOLOv5的绝缘子缺陷检测算法。首先,针对目标特征不明显的问题,将ConvNeXt网络应用到YOLOv5主干网络中,以加强网络特征提取能力;其次,针对图像中的小目标特征,在主干网络中引入坐标注意力机制,提高对小目标的检测精度;然后,对改进模型进行剪枝操作,剪去模型中冗余的通道,从而减少模型参数量,使模型更加轻量化。实验结果表明：所提算法在绝缘子缺陷数据集IDID上的平均精度均值达到93.84%,较原始算法提升了3.4个百分点;检测速率达到166 frame/s,较原算法速率提升了69.4%,可以满足对输电线路实时检测的要求。     

基于改进YOLOv4的轻量级目标检测算法研究

针对YOLOv4目标检测算法在一些应用场景的参数多、网络复杂、精度低等问题,提出一种改进的轻量级的目标检测算法GD-YOLO.首先,通过使用轻量级网络GhostNet替换掉YOLOv4的主干特征提取网络CSPDarknet,GhostNet网络极大降低了算法的参数量及计算量,使得算法更加轻量化;其次,提出双重注意力机制(DATM),其不仅增强模型对空间和通道上的特征进行加强,而且其结构参数量小,使用在对主干网络提取出来的三个有效特征层添加双重注意力机制,让模型对特征提取更加有效;最后,新增ACON激活函数代替原有的GhostNet网络中的ReLU激活函数,进一步提高算法检测精度.在VOC2007+2012数据集上的实验结果表明,GD-YOLO算法的平均准确率(mAP)达到84.28%,与YOLOv4算法相比提升了4个百分点,与YOLOv5算法相比低了大约1个百分点;从模型参数量方面,与YOLOv4算法相比减少了11 M,与YOLOv5相比减少3 M.所提GD-YOLO算法相对于YOLOv4不仅减少了模型参数量,而且也保存了较高的平均准确率,表明该算法是更具有轻量化及高准确率的.     

基于YOLOv5的太阳能电池片EL图像缺陷检测算法

EL图像可用于精准检测太阳电池及光伏组件的内在缺陷,太阳能电池片EL图像缺陷会受到复杂背景的干扰使其变得难以识别。为此,提出一种改进的YOLOv5深度学习模型,用于提高缺陷检测的可靠性和准确性。该模型采用CutMix数据增强对EL图像的处理,在Backbone中使用改进混合域注意力替换原有网络的内容安全策略(Content Security Policy,CSP)部分,提高模型的特征提取能力。同时,引入特征融合(Feature Fusion Module,FFM)模块有效融合不同维度的特征,达到背景抑制的效果。基于PVEL-AD公开数据集的实验结果表明,相较于原来的YOLOv5s模型,改进后的模型参数量从7.02×10⁶下降到6.79×10⁶,且m AP50准确率从71.11%提升到87.74%。     

基于深度可分离卷积的实时遥感目标检测算法

针对基于深度学习的遥感目标检测算法参数冗余、计算量大且实时检测性能较差的问题,提出了一种基于深度可分离卷积的实时遥感目标检测算法。首先通过K-means++算法对数据集进行锚框(Anchor)聚类分析,使锚框参数更加符合遥感检测场景。为了降低模型参数量、提升检测速度,以轻量级网络MobileNetv3作为主干网络进行特征提取;此外,基于深度可分离卷积的PANet(Path Aggregation Network)结构的设计,使网络参数量进一步降低。改进后模型参数量仅为原来的18.3%,检测速度提升2.19倍,在UCAS＿AOD,RSOD,DIOR这3个遥感数据集上进行测试,实验结果表明,算法鲁棒性强,能够在保证模型检测精度的同时有效提高检测实时性。     

近红外光谱技术在水果品质无损检测中应用的研究与现状

简单概述了我国水果产业的发展现状,着重阐述了国内外利用近红外光谱技术进行水果品质无损检测的最新研究进展,分析了当今研究中存在的问题,并对利用近红外光谱技术进行水果检测的前景进行了展望,提出了一些建议。     

杂质吸收对光子晶体滤波器设计的影响

为了研究杂质的吸收对光子晶体滤波器设计的影响,引入复折射率并利用特征矩阵法,计算了滤波透射峰的峰值和半峰全宽。滤波透射峰的峰值随杂质的消光系数增加而迅速减小,滤波通道透射峰的半峰全宽随消光系数增加而增大,滤波透射峰的峰值和半峰全宽都随吸收杂质的光学厚度的增加而减小。结果表明,设计光子晶体滤波器时,必须考虑杂质吸收这一重要因素,应选择消光系数小于0.002的掺杂材料,并且杂质的光学厚度应设计在2(λ0/4)左右。     

星载差分吸收光谱仪转动部件测试系统设计

基于星载差分吸收光谱仪转动部件控制需求,设计了星载光谱仪转动部件的测试系统。采用微动开关复位加定步的电机运动方式实现电机的精确定位。采用脉冲调制（PWM）的方式实现驱动电流的精细调节。并搭建平台对系统进行重复性测试,实验结果表明,测试系统具有较高的可靠性和稳定性,能够满足光谱仪的精确定位要求,使电机在工作寿命内按计划完成定标工作。     

“计算机组成原理”设计性实践教学模式研究

本文阐述了"计算机组成原理"设计性实验教学的重要性,对设计性实验教学的目的和基本特征进行了归纳,对"计算机组成原理"设计性实验教学的现状进行了调查,对存在的问题进行了较深入的分析;在此基础上.对组成原理设计性实验的教学模式进行了研究,对设计性实验的体系进行了初步设计,并对"计算机组成原理"设计性实验的实施方法进行了探讨.     

电子技术基础实验课程混合式教学设计

近年来,在线学习掀起了一场席卷全球的教育革命,MOOC/SPOC、翻转课堂、混合式教学对高等教育带来了前所未有的冲击。电子技术基础实验课程地位特殊,传统教学方式已无法满足创新性人才培养的需要,文章从其教学特点出发,提出了“线上教学+自主实验+翻转课堂”的混合式教学模式,同时还阐述了与此密切相关的集约化线上教学资源平台、智能化翻转教学环境以及多元化过程性考核评价机制三个重要环节。经研究发现,学生的课堂主动参与度、自主学习能力、创新思维能力、动手实践能力以及教师的教学创造力得到全面提升。教学环境支持课堂互动和全周期教学行为数据采集,体现了教学过程的信息化、教学实施的精准化和教学评价的客观化,实现了信息技术与实验教学的深度融合。     

Sn-Zn-Ag系无铅钎料焊接性能研究

讨论了电子软钎料的钎焊性能及其影响因素，并采用铺张面积法对Sn-Zn-Ag系钎料钎焊性能进行评估。钎料的钎焊性能很大程度上取决于钎料对基板的润湿性能，而润湿性能与液态钎料在基板上的液、固、气三相界面的界面张力有关。对润湿角(θ)与铺展面积(S)之间的关系进行了探讨。     

非同相口径场瞬态辐射的计算

利用电磁脉冲的口径瞬态辐射场计算公式,针对圆形口径的线性相移、平方律相移等非同相口径场情况,计算了辐射高斯脉冲时的能量方向图、半能量波瓣宽度、面积利用系数等参数.计算表明,对于圆形口径非同相口径场,最大辐射场的方向为口径面法线方向,同时能量方向图关于口径面法线方向对称;随着口径的增大,波瓣变窄,无副瓣;随着平方律相移的滞后参数的增加,波瓣变宽,主瓣不分裂.     

浅析信息化时代下上市公司规模经济的发展

上市公司为了增强市场竞争力,不断扩大生产规模,追求规模经济,但是由于我国较低生产力水平、政府干预、体制等原因,上市公司的规模经济效果并不明显。同时,20世纪90年代以来,科学技术的日益发展,改变了企业发展的外部环境和条件,使得规模经济的实现方式发生了新的变化。在信息化时代下,规模经济理论需要进一步创新和拓展,企业按照新形势来选择合适的经济规模。     

一种新型应答机数字化终端的实现

本文介绍了一种用数字信号处理器（DSP）及现场可编程门阵列（FPGA）实现脉冲应答测距和指令数据接收双重功能的数字化终端。     

凋亡神经元线粒体超微结构的形态计量学分析

目的:观察并分析人大脑皮层凋亡神经元线粒体超微结构的形态计量学变化.方法:取21例脑外科手术患者的额叶大脑皮质超薄切片中的正常神经元和凋亡神经元的电镜照片各80张,分为对照组与凋亡组.采用形态计量学方法对两组神经元的细胞体、细胞核、线粒体及细胞质基质灰度进行分析.结果:与正常神经元相比,凋亡神经元线粒体的体密度、面密度、数密度、比膜面明显增大(P＜0.01),比表面无明显改变(P＞0.05),线粒体基质与细胞质基质灰度之差明显增大(P＜0.01).结论:凋亡神经元线粒体未发生明显肿胀或增生,但其内膜和嵴的面积明显增加,基质密度降低.