基于YOLOv5的轻量级布匹瑕疵检测算法

针对现有布匹瑕疵检测模型存在的参数量大、训练耗时和准确率低等情况,提出了一种基于YOLOv5改进的布匹瑕疵检测(fabric defect detection YOLO,FDD-YOLO)算法.首先,在特征提取阶段引入ConvMp模块,实现跨通道特征融合,减少特征下采样时的信息丢失;其次,将重参幽灵卷积(RepGhost)与残差结构相融合,降低模型参数,并减少冗余信息的传递;最后,设计了轻量级注意力聚合结构,以增强模型对小目标的特征提取能力,抑制无用信息的传递.结果表明,相较于YOLOv5,FDD-YOLO算法在ZJU-Leaper数据集和天池布匹瑕疵数据集上平均精度分别提升了3.3和4.6百分点,同时,模型参数量缩减至3.2 M.

注意力可变形卷积网络的木质板材瑕疵识别

为了解决木材缺陷检测中人工成本高、效率低的问题,该文基于可变性卷积网络和注意力机制,提出一种端到端的神经架构模型.首先,可变形卷积网络(Deformable Convolutional Network, DCN)通过将矩形网格转换为变形网格,使模型专注于具有更多有用图像信息的区域.使用可变形卷积网络可以忽略图像特征中不相关的系数,解决了传统卷积在特征中学习更多信息能力有限的问题.然后,将DCN输出馈送到门控循环单元(Gated Recurrent Unit, GRU)层以学习缺陷图像的高级特征.最后,通过关注输入图像的最重要特征,应用注意力机制加强瑕疵区域的高亮度,从而提高模型识别的准确性.使用Matlab平台在4个木质板材缺陷数据集上将该文方法与现有其他方法进行比较分析,该文方法的准确率比其他3种对比方法提高了2.4%~13.2%的维度,灵敏度提高了3.3%~16.6%的维度,特异性提高了4%~21%的维度.实验结果表明,该文方法在检测精度和其他各个性能方面均优于现有方法,最佳准确率为99.2%,证明了该文方法的有效性.

基于DCA-CenterNet的棉布瑕疵检测研究

针对棉布生产过程中常存在各类瑕疵,且瑕疵的尺度差异较大、形态各异、对比度低、部分为小目标瑕疵等特点,提出了一种基于CenterNet网络的改进目标检测模型DCA-CenterNet,并首次应用于棉布瑕疵检测.在骨干网络Hourglass的残差模块引入CA注意力机制,可以捕捉到不同位置之间的空间关系和上下文信息,提高了网络对于棉布瑕疵的特征表达能力;设计了基于定位质量的关键点筛选模块,可以有效地捕获关键位置信息,提高算法模型检测精度;采用多组改进的带有基于定位质量的关键点筛选模块的检测器,以更好地适应棉布瑕疵的种类多样性和尺度差异,有效解决棉布瑕疵极端长宽比问题.实验结果表明:提出的模型相较于改进前的模型,mAP提高了4.14%,比YOLOv5、FasterRCNN算法分别高出了4.20%和9.11%,验证了所提模型的有效性.

论公司决议中意思表示瑕疵规则的适用及其限度

作为一种组织法上的特殊法律行为,公司决议中存在适用意思表示瑕疵规则的理论空间。但公司决议的形成依赖于股东个人意思表示的作出与团体议事程序的有效运作,具有行为法与组织法交融的特征。司法实践中关于公司决议瑕疵的效力判断存在个人行为法路径与团体组织法路径的截然对立,未能在股东个体权利救济与组织关系安定性之间实现价值平衡。基于主体利益关系的竞争性、内部运转的程序正义理念和多数决原则的控制功能这三个方面的特性,公司决议适用意思表示瑕疵规则应当进行相应的修正及限制。在股东意思与表示不一致的情形下,基于表决主体可苛责性和相对人信赖保护的考量,股东原则上不得主张意思表示瑕疵而影响公司决议效力。在股东意思表示不自由的情形下,原则上可以引入意思表示瑕疵规则实现对股东个体权利的救济,但需区分不同情形予以具体分析,同时还要充分注重与现有公司决议效力规则的体系衔接。

基于改进YOLOv5的织物瑕疵检测方法

针对织物瑕疵中部分瑕疵目标小、长宽比极端等问题,提出一种基于改进YOLOv5的织物瑕疵检测方法。该方法在YOLOv5模型基础上引入自注意力机制CoTNet网络,并将颈部网络中的PAFPN网络优化为BiFPN网络,同时将目标损失函数改进为CIoU损失函数,加强模型对邻近键以及上下文之间特征信息的收集,在增强模型对小目标和尺寸变化大类型瑕疵检测能力的同时可获得更准确的边界框回归,加快收敛速度。实验证明,本文改进的模型在织物瑕疵检测数据集上的检测效果和YOLOv5模型相比平均精度均值提升了6.8%,准确率提升了6.7%,模型验证有效。

诉讼代理权瑕疵的补正机制探讨

《民事诉讼法》及其《民诉法解释》尚未对诉讼代理权出现瑕疵时人民法院的处理机制做出制度安排,对此,可以在有效借鉴域外的暂时许可进行诉讼、指定期间补正制度基础上对我国诉讼代理权瑕疵的补正问题进行制度化构建。因此,按照问题导向的研究要求,应当以辩论原则、比例原则、诚实信用原则为指导,从建立以职权查明代理权是否存在为基础的司法秩序维护机制、设定相对灵活的瑕疵补正机制以保障当事人辩论权和防范通过代理权瑕疵补正机制滥用诉讼权利等不同维度,推动构建诉讼代理权瑕疵的补正机制,从而促进诉讼程序的有序有效运行。

基于改进Res-UNet网络的织物瑕疵图像识别方法

复杂花色织物的纹理和色彩常常是非规则的,导致织物表面瑕疵识别难度较高。针对上述问题,研究一种基于改进Res-UNet网络的织物表面瑕疵图像识别方法。采集织物图像并对其实施灰度化、去噪以及直方图均衡化处理,利用蝙蝠算法求取最佳提取网络层数,通过增加特征提取网络层数改进Res-UNet网络,利用改进后的Res-UNet网络识别织物表面瑕疵,并且采用迁移学习算法进一步优化识别模型的参数,实现织物表面瑕疵准确识别。结果表明:本文方法应用下,无论是素色样本,还是花色样本,其识别系数均达到0.9以上,相比基于标签嵌入方法的织物瑕疵识别方法和双路高分辨率转换网络的布匹瑕疵检测方法,本文方法对复杂花色样本的轮廓系数识别更高,适用性更好,识别能力更强。

基于改进YOLOv5s 的白酒瓶盖瑕疵检测

目的瓶装白酒生产过程中,瓶盖表面瑕疵会影响产品外观质量。针对白酒瓶盖表面瑕疵检测效率低和目标检测效果差的问题,提出一种基于YOLOv5s的改进算法DTS-YOLO。方法首先,在主干网络中引入可变形卷积,以提高模型对极端长宽比瑕疵的检测精度。其次,引入Transformer编码块,使网络聚焦于提取图像的全局信息。最后,在颈部网络构建C3SE-Lite模块,将C3模块嵌入SE注意力模块的同时引入Ghost卷积,减少参数量的同时,增强对瓶盖瑕疵的检测能力。结果实验结果表明,本文所提方法相较于基础网络,参数量减少了10%,平均精度均值达95%,平均检测速度达30帧/s。结论本文方法有效实现了白酒瓶盖表面瑕疵快速、准确地检测,可广泛应用于瓶装白酒生产过程中瓶盖表面检测。

基于卷积神经网络的毛巾瑕疵检测系统设计

针对毛巾表面小尺寸瑕疵和极端纵横比的经纬向瑕疵,提出基于卷积神经网络的毛巾瑕疵图像检测方法。首先采用所构建毛巾瑕疵检测系统中的面阵工业相机进行毛巾样本图像采集,从中选取150张带有瑕疵的图像,对采集的图像进行数据扩充,并制作数据集;其次,通过融合特征金字塔网络与ResNet-50,并引入K-means聚类优化边界框宽高比,得到适用的Faster R-CNN目标检测算法;最后,用数据集进行网络训练,提取图像中的瑕疵特征,识别瑕疵目标,并对训练所得网络进行实验验证,识别检出率达到95.2%。结果表明,所提出的系统可有效实现毛巾瑕疵自动检测。

基于多度量多模型图像投票的织物表面瑕疵检测方法

为解决自动化生产线上织物表面瑕疵检测准确率低和计算速度慢的问题,利用织物表面具有周期纹理的特性提出了一种改进的RANSac检测方法,即多度量多模型图像投票。首先将输入图像裁剪为尺寸一致的子图,计算出子图多维度量的输出值矩阵;然后与改进RANSac计算出的无瑕疵背景的多维度量标准值分别对应作差,采用投票得出每张子图的基础分;再将其在4个记数模型下得到的综合评分排序,根据顺序和偏移量在输出端得到外点所代表的瑕疵子图。实验结果表明:在自采样的织物瑕疵数据集上,选择单度量和单模型的预测精度平均可达到90.9%,平均预测时间达到0.139 s,综合多度量多模型投票的平均预测精度可达到92.7%。该算法不需要大量前期数据进行训练,适用于纯色和条纹状织物的实时表面缺陷检测。

公司决议效力瑕疵状态下非控股股东权利的保障

根据《民法典》的规定,公司决议的成立需要依照法律或者章程规定的议事方式和表决程序。当公司决议效力出现瑕疵损害到非控股股东权利时,非控股股东可结合具体情况向法院申请公司决议的不成立、无效或者撤销。但这些救济方式无法对股东已经遭受的损害、诉讼成本及决议如果继续履行带来的预期损害进行弥补,因此在商法思维模式下对控股股东课以信义义务及责任追究机制,增加股东利益损失补偿选择途径,方能实现对非控股股东权利的全面保护。

塑料瓶盖瑕疵分拣产线的设计与开发

该文探讨塑料瓶盖瑕疵分拣产线的研发过程,分析产线的机械结构与电气系统的设计方案。在机械结构方面,设计上料机构和理料机构。在电气系统方面,该产线采用先进的控制技术和智能化设备。该文的研究不仅为塑料瓶盖瑕疵分拣产线的设计提供理论支持和实践经验,还为其他类似产线的研发提供参考。

法典时代婚姻登记瑕疵案件审理制度的重构

我国传统婚姻登记制度属于公法强制型制度,通过行政诉讼审理婚姻登记瑕疵案件的制度设计并无不妥,而现行婚姻登记制度属于私法自治型制度,婚姻登记机关职权范围、婚姻登记与婚姻之间关系均有所调整,婚姻登记瑕疵案件审理制度也应当相应调整。涉及婚姻关系效力的婚姻登记瑕疵案件,当事人应当提起民事诉讼,先行处理婚姻关系效力问题;若是不涉及婚姻关系效力的程序瑕疵案件,当事人可直接请求婚姻登记机关先行处理。若是当事人提供虚假材料的婚姻登记瑕疵案件,另一方当事人应当先行要求婚姻登记机关处理,在婚姻登记机关不履行职责的情形下,再行提起行政复议或者是向法院提起诉讼。

决议瑕疵诉讼与股东代表诉讼的合并审理路径研究

当董事通过决议的方式损害公司利益时,股东可以通过决议瑕疵诉讼及股东代表诉讼进行权利的救济。通过案例检索发现,当股东只向法院提起一个诉讼程序时,法院通常以有无明确的决议效力瑕疵认定请求作为划分两诉的依据,若无,则采用股东代表诉讼模式,通过裁判说理部分对决议作出效力认定,但对此不形成有既判力的判决。若有,则采用决议瑕疵诉讼模式,只对决议效力瑕疵进行审理,损害赔偿的请求则告之另诉。但是,法院无论采用何种模式都应当对两诉进行合并审理。其一,两诉属于“基于同一事实产生的纠纷”且满足重复起诉的合并审理基本条件。其二,采用股东代表诉讼模式的法院合并审理既尊重当事人诉权又提高了审判效率;采用决议瑕疵诉讼模式的,法律允许一案中审理两个不同的法律关系,以及确认之诉与给付之诉可以一案审理的审判规律也为合并审理提供了支撑。

基于可变形卷积和注意力的带钢瑕疵识别方法

带钢生产中瑕疵检测的准确性对于其质量的保证有着至关重要的意义。本文针对带钢表面瑕疵检测中的瑕疵种类复杂、背景干扰严重、瑕疵样式间面积形态差异较大等问题,提出了一种基于ResNet50改进的结合多尺度变形卷积和注意力的带钢表面瑕疵分类识别方法。首先通过细化ResNet50中BottleNeck结构的卷积块为一组多尺度卷积以扩大感受野,然后引入可变形卷积代替组中的卷积核,使网络在训练中捕捉不同形态尺度的瑕疵特征。最后在网络中引入增强注意力模块,使网络可以关注到通道与空间之间的信息,将其联合起来从而关注到更重要的通道和空间位置。通过对比实验表明,本文提出的方法在带钢的表面瑕疵分类识别上精确度优于现有方法,可以应用于企业实际的带钢的工业生产中。

基于自动机器学习的织物瑕疵检测方法

在解决许多实际的计算机视觉问题时,卷积神经网络(CNN)已经展现了比传统机器学习更强大的能力。但在解决一个具体的问题时,需要针对特定数据集,在掌握该领域具体知识情况下,才能设计出比较有效的CNN结构。而在这个构造过程中,需要花费大量的计算资源和时间。论文提出一种自动机器学习方法,即基于随机漂移粒子群优化(RDPSO)算法自动搜索得到最优的单分类深度支持向量数据描述(DeepSVDD)网络结构的方法(称为rdpsoCNN),应用于织物瑕疵检测。实验证明,与一些经典的CNN结构相比,文中所提出的rdpsoCNN方法优化的模型具有更好的瑕疵检测能力。

改进Tiny-YOLOv3的工业钢材瑕疵检测算法

深度学习网络模型参数量大,不适用于嵌入式或移动设备上。针对工业钢材生产过程中的实时检测问题,提出了一种改进的R-Tiny-YOLOv3工业钢材瑕疵检测算法。首先,在Tiny-YOLOv3结构中加入残差网络结构,提高检测的精度。增加了空间金字塔SPP网络模块,提高网络特征提取能力。结合不同网络层的特征信息,将检测提高到三个尺度。然后,选取CIOU作为损失函数,使目标检测框的回归更加稳定。最后对数据集进行数据增强,并在Cambricon 1H8嵌入式平台进行测试。实验结果表明改进的R-Tiny-YOLOv3算法能够实时地检测出瑕疵目标,平均准确率提高了10.8%,运算速度可达39.8帧/s,为工业钢材瑕疵检测的嵌入式应用提供了参考。

基于改进Swin Transformer的花色布匹瑕疵检测算法

在进行布匹瑕疵检测时,复杂的花色纹理对瑕疵的检测带来一定的困难。针对该问题,文中提出了基于改进Swin Transformer的花色布匹瑕疵检测算法。首先,利用双路Swin Transformer注意力骨干网络提取缺陷图与模板图中的特征信息。然后,采用改进的特征金字塔网络对四个层次的特征进行融合。最后,根据融合后的特征完成了瑕疵的定位与分类。在布匹生成工厂采集的数据集上进行模型训练与测试,结果表明,文中所提算法的准确率和平均精确率均优于所比较的算法。

我国公司瑕疵设立法律制度建构

为了使"公司"组织扬善抑恶、适得其所,生死运行皆符合缔造"公司"的制度宗旨,各国无不对公司一生予以指引或者规制,公司的设立条件及条件违反的救济措施无疑也在法律的视野之中。相较世界发达国家,我国虽从正面较为详备地规定了公司设立条件及程序,但对违反此条件和程序的瑕疵设立却几乎未作任何反面规制。因此,司法机关和工商登记机构面对瑕疵设立纠纷时该如何分工、如何处理,利害关系人该如何救济、通过什么渠道救济,以及责任人应该承担什么责任,如何预判自己的瑕疵设立行为法律后果等等问题,皆因这一重大立法缺失而无从回应。

机器视觉技术下的纸张瑕疵智能检测系统设计与实现研究

近年来,机器视觉技术已经成为工业检测领域一项应用前景十分广阔的高新技术,也成为纸张瑕疵智能检测工作的一个研究热点。在此背景下,简单分析了基于机器视觉的纸张表面瑕疵检测现状,重点在机器视觉技术支持下,设计与实现了纸张瑕疵智能检测系统,明确了检测系统的整体结构、硬件选型,提出了有针对性的图像处理关键算法,最后完成对各类瑕疵的检测试验。结果表明:各类瑕疵平均检出率在98%左右,获得了较好的瑕疵检测效果。