电动汽车串联型电弧故障检测方法

电弧故障是引发电气火灾的主要原因之一。在电动汽车电气系统中,直流串联电弧故障通常发生在接触点松动或线路连接损坏处,会引起火灾、爆炸等严重事故。为快速、准确地检测电动汽车串联型电弧故障,搭建了电动汽车故障电弧实验平台,采集不同工况下干路电流时间序列并建立了样本库。通过轻量化卷积神经网络,建立了基于改进Mobilenet网络的串联故障电弧检测模型。通过对比分析学习率、网络层数、样本长度,对模型进行了优化。该优化模型通过干路电流可实现电动汽车串联型故障电弧的检测和故障选线,检测准确率达到96.39%,论文为电动汽车电气系统电弧故障检测提供了一种可行性方案。     

基于TW3-C RUS法的骨龄评估方法研究

经典TW3-C RUS (Tanner and Whitehouse 3-Chinese RUS)法将手骨的关键骨骺区域严格划分为9个等级,未充分考虑骨骺发育的连续性,导致骨龄评估存在一定误差。针对该问题,本文提出一种基于TW3-C RUS法的改进骨龄评估方法。采用阈值法的思想,动态选择网络模型输出的前N个等级概率值,并将前N个概率值作为权值计算手骨的加权得分,降低由于手骨单一等级判定引起的误差。针对网络模型冗余问题,采用跨阶段局部网络(cross stage partial network, CSP-Net)轻量化深度残差网络(residual network 50,Resnext50)。实验表明,改进后的方法对男性骨龄评估的平均绝对误差(mean absolute error,MAE)为0.421 4岁,女性MAE为0.412 8岁,相比于经典TW3-C RUS法,骨龄评估准确率有明显提升。轻量化后的网络模型参数量为46.28 MB,相比Resnext50网络模型有明显降低。     

基于WebGL的BIM轻量化关键技术研究

由于BIM数据通常被设计在OS平台上解析和生成,无法直接被WebGL读取和渲染,借助第三方工具往往需要支付昂贵的费用或数据用于特定的平台,使用中间格式进行数据交换会造成一定的数据损失和数据冗余。针对上述情况,基于应用的角度,通过分析Autodesk Revit模型信息的组织方式与GLTF数据结构,设计Revit数据转化成GLB格式的程序接口。几何数据经过顶点以及几何体在族实例内部和族实例间不同层级的复用,有效降低数据冗余度;利用Draco压缩,实现BIM模型的轻量化存储;通过Three.js与Cesium实现在浏览器端的可视化渲染。对目标数据进行评估发现有较小的几何数据损失,实验结果证明此方法具有应用价值,对研究BIM信息提取与模型可视化有一定的意义。     

苹果采摘机器人监测系统和表面缺陷检测方法研究

针对目前苹果采摘作业多以人工采摘为主,且机械化采摘质量和效率不高等问题,提出一种苹果采摘机器人监测系统。监测系统通过种植园环境、机器人运行状态、机器人作业质量以及后台监控系统四个模块,完成从采收前环境监测到采收后质量监测的全程监控。同时,为监测采摘后苹果的质量问题,提出了一种基于Mo-M2Det的苹果表面缺陷检测方法。以减少参数量和计算量为目的,改进M2Det目标检测网络,实现轻量化和高精度检测。实验结果表明,改进的M2Det目标检测网络检测准确率达到了98.45%,且模型参数量减少了56.3%。在实际应用中,改进的轻量化网络模型部署在检测平台上具有较好的检测效果。     

强迫风冷直线感应牵引电机工程化设计

根据地铁车辆直线电机的应用要求,对强迫风冷直线电机进行工程化设计:设计了轻量化的铁心结构、应用非金属轻量化材料,以满足电机重量指标;设计了强迫通风的冷却系统,风机额定工作效率保持在最高点,以保证电机温升满足设计要求;设计了适应电机绝缘等级的温度保护系统,以保证电机绝缘寿命等。最后通过电机型式试验,证明直线电机满足堵动推力、温升和轻量化等指标要求。     

融合空洞卷积的轻量化目标检测

为了轻量化模型,便于移动端设备的嵌入,对YOLOv4网络进行了改进.首先,用MobileNetV3作为主干网络,并使用深度可分离卷积替换加强特征提取网络的普通卷积,降低模型参数量;其次,在104×104特征图输出时融合空洞率为2的空洞卷积,与52×52的特征层进行特征融合,获取更多的语义信息和位置信息,细化特征提取能力,提升模型对极小目标的检测性能;最后,将原来的池化层使用3个5×5的Maxpool进行串联,减少计算量,提升检测速度.实验结果表明,在华为云2020数据集上,改进算法的mAP比YM算法提高了2.33%,在公共数据集VOC07+12上, mAP提高了3.12%, FPS比原来的YOLOv4算法提高了一倍多,参数量降低至原来的18%,证明了改进算法的有效性.     

改进残差网络的猴痘病毒皮肤病变分类

目前猴痘病毒在全球范围内传播,这种病毒在临床上与其他皮肤疾病难以区分,特别是天花病毒和水痘病毒.在确定性聚合酶链式反应技术和其他生物检测技术还没有完全成熟的情况下,通过计算机辅助诊断技术检测猴痘病毒皮肤病变是一种可行的方法,因此提出了一种基于残差网络的猴痘病毒皮肤病变分类算法.该算法以残差网络为基本框架,结合深度可分离卷积和轻量化注意力,在降低模型计算量与复杂度的同时,也提高了模型的分类性能.实验结果表明,该算法对猴痘病毒皮肤病变表现出较好的分类性能,对猴痘皮肤病变的分类准确率、召回率和精度分别为97.3%, 96.8%和97.2%,且均优于实验中所对比的常见分类模型和其他研究方法.     

基于轻量化模型的钢铁表面缺陷显著性检测研究

钢铁被广泛地应用于工业生产,其质量的优劣影响着钢铁制品的可靠性。现有检测技术基于深度学习等方法来检测钢铁表面缺陷区域,但仍存在检测速度慢、模型参数量大和应对复杂场景处理能力弱的问题。针对问题设计了一种基于轻量化模型的钢铁表面缺陷显著性检测方法,能够实现快速准确地检测钢铁表面缺陷区域。该方法以深度可分离卷积为基础设计模型,从而减小模型整体参数量并提升检测速度;在模型中引入多尺度特征,强化轻量化模型对于图像特征的提取能力,提升对复杂环境下的适应性。该方法在公开数据集SD-saliency-900上进行了广泛的实验,实验结果证明提出模型在检测精度不受影响的前提下,大幅减小模型参数量并显著提升模型推理速度。相较于其他基准方法,所提出模型具有更好的复杂环境应对能力以及实际应用性。     

基于回归模型与注意力的轻量化SAR舰船检测模型

合成孔径雷达（SAR）具有不受云层干扰、可全天时、全天候对地观测的特点,基于SAR图像的舰船检测已广泛用于海洋搜救、港口侦察、领海防御等民用或军用领域。然而,与大型舰船相比,像素点少、对比度低的小型舰船存在漏检率高的问题,并且速度和精度之间的平衡成为舰船检测算法天基应用的难点。针对以上问题,本文提出了一种基于YOLOv5s模型改进的舰船检测轻量化模型（ImShips）。首先,针对船体大小差异导致的漏检问题,采取在网络底部使用感受野较小的标准卷积,提升了模型对小规模舰船空间信息的获取能力。同时,在网络顶部设计了放大感受野的扩张卷积,保留了更多的语义特征,有利于大目标的特征提取。接着,提出将轻量级的通道注意力机制应用于YOLOv5的骨干网络和特征融合网络,通过对提取到的特征按重要性分配权重,实现纹理信息的筛选。最后,在下采样时采取深度可分离卷积代替标准卷积,减少了模型参数的数量,进一步提高了模型的推理速度。实验结果表明,在SAR舰船检测SSDD和ISSID数据集中,改进后的ImShips模型在保证精度的同时,所需的浮点计算数比YOLOv5s模型减少了45.61%,检测速度提高了8.31%。ImShips模型网络规模小、检测速度快,在实时天基舰船检测中具有较大的应用潜力。     

基于轻量化渐进式残差网络的图像快速去模糊

基于深度学习的去模糊方法已经取得了较大进展,但是随着网络层数加深,去模糊网络需要更多的计算资源和内存消耗,难以用于实际场景。针对目前的去模糊网络参数量大、运算时间长等问题,该文设计了一种轻量快速的渐进式残差去模糊网络。该网络使用浅层残差网络作为基准模型,可充分利用图像的局部特征信息,加强反向传播时的信息流通。同时,通过多阶段递归调用残差网络并进行参数共享,可大大简化网络模型,减少网络参数。为了进一步提高去模糊网络的特征重建能力,该文引入特征重标定模块进行特征融合,对输入图像与各个残差网络的输出特征图进行通道加权,并对特征图的空间信息进行自适应选择,实现更好的特征重建。实验结果表明,所提算法网络模型参数量小、运行速度快,大幅度领先于现有算法,且对各种空域可变模糊去除均可实现理想复原效果。