基于YOLOX的鱼苗检测与计数

传统的水产养殖中鱼苗计数是要靠人工计数的,花费人工力度较大,且也容易受人为因素影响,会对鱼苗产生应激和物理伤害,高效、生态、精准、智能的水产养殖是我国水产养殖业未来发展的必经之路。本文使用摄像头实时采集鱼苗图像,利用YOLOX研究了鱼苗检测与计数方法。在水箱中鱼苗数量较大时,YOLOX鱼苗检测的准确率和召回率达到了96.99%和97.38%,比YOLOv3分别高出1.19%和5.38%。通过本文的方法判断实际鱼苗数,有效降低了人工计数中存在的准确率低、效率低、误差不定等特点,具有很好的实用价值和应用前景。     

SDE网络在高速列车转向架未知故障诊断中的应用

转向架作为高速列车车体与轨道的连接部位,承载着保证列车在轨道上安全运行的重任。然而,在列车长期服役过程中,轨道不平顺以及轮轨磨耗等原因会造成转向架部件故障,严重影响列车的安全运行。实际运行过程中故障的发生具有随机性,无法将转向架故障诊断简单归类于已知组别分类问题。针对深度学习无法辨别未知故障的缺陷,在卷积神经网络(CNN)中引入随机微分方程(SDE)对转向架已知以及未知故障进行判别。实验证明,随机微分方程网络(SDE-net)不仅能高效分辨出已知故障,还能有效判别出未知故障,且准确率都超过93%。与此同时,通过与一维CNN网络比较体现该方法的优越性。