基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。

基于混沌多目标粒子群算法的综合能源调度

目的针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。

基于改进YOLOv7的安全帽佩戴检测算法

为提高作业场所中安全帽佩戴检测的算法精度,本文提出一种基于YOLOv7网络架构进行改进的优化算法。该算法以YOLOv7为基准模型,在其网络的ELAN结构和SPPCSPC结构中引入一种无参数的注意力机制SimAM,取代其原有部分的卷积模块CBS,以增强检测网络的特征提取能力,提升模型对图像中目标和背景的区分能力。在检测头的卷积中引入坐标卷积模块,使得卷积能够感知空间信息,改善目标定位精度低的问题。将YOLOv7中原生的损失函数替换为WIoU损失函数,使算法专注于困难样本,提升其分类性能。在数据集上对改进模型进行验证,实验结果表明,改进后模型平均精度为84.7%,相较于原YOLOv7模型提升了5.7个百分点。通过一系列对比实验证明了改进算法的有效性,相较于主流模型具有一定优势,对后续的研究和应用具有参考价值。

基于改进EfficientNet网络的肺结节图像分类研究

针对目前计算机辅助诊断肺结节良恶性精度值较低、误诊率较高以及模型较复杂等问题,提出一种改进EfficientNet网络的肺结节良恶性分类模型。首先,在特征提取部分融合ECA模块,搭建出EMBConv结构,使网络模型关注更多特征信息;其次,使用跨域迁移学习,提高了网络模型的分类性能;然后采用Ranger优化器优化网络训练,有效防止模型陷入局部最优;最后,将从LIDC-IDRI数据集分割提取的肺结节图像输入到改进的分类模型中。实验结果表明,所提方法在网络参数量和计算量表现出较强竞争力,同时,分类准确率、精确率达到了91.83%和95.50%,较模型改进前分别提高了1.66%和4.41%。

基于FE-YOLOv5s 的变电所安全帽佩戴检测

本研究针对变电所安全帽佩戴检测任务中存在的漏检、误检和低精准率等问题,提出了一种基于FE-YOLOv5s的改进算法。首先,通过引入FReLU激活函数构建了FSPPF模块,有效增强了网络的特征提取能力,从而提升了检测性能。其次,采用ECA注意力机制提高了模型对关键特征的关注度,特别集中在安全帽这一小尺度目标上提高检测的准确性,降低漏检误检的概率。实验结果表明,FE-YOLOv5s在自建数据集上取得了显著的提升,精准率达到0.941,mAP值为0.898,相较于原始模型分别提高了9.93%和4.6%,表现出较好的检测效果。这一改进算法为解决变电所安全帽佩戴检测问题提供了一种有效的解决方案。

虚实互补的电气工程及其自动化专业实践教学模式探索与实践

实践教学作为工程教育中不可或缺的重要环节,是帮助学生巩固理论知识,增强实践能力的有效途径。在国家大力建设一流本科专业的背景下,将实物实验和虚拟仿真实验相结合,对安徽理工大学电气工程及其自动化专业实践教学模式进行了改革。文章介绍了电气工程及其自动化专业虚实互补的实践教学理念,构建了虚实互补的“四位一体”实践教学体系,建立了虚实互补的多元综合考评体系,并总结了虚实互补的实践教学成效。实践表明,虚实互补的实践教学模式使学生的主体地位得到了极大的提升,学生的实践创新能力得到了有效锻炼,解决电气工程复杂工程问题的能力有了明显提升,能够帮助学生提升未来的就业和深造能力。

叉车属具结构应力无线检测分析系统

针对叉车属具结构应力的可靠检测对实际生产的重大意义,本文基于DSP28335设计了一种叉车属具结构应力无线监测分析系统,利用应变片传感器、信号调理模块、主控单元以及WIFI通信模块等实现了对叉车属具结构应力无线监测分析,对于保障属具安全使用与维护具有重要意义。

基于MVMD-CapSA-DBN的工业多元负荷分类研究

针对多元电力负荷数据时间序列非平稳性、时序相关性和非线性等特性,为掌握电力负荷的变化规律和发展趋势,实现对电力负荷的科学管理,将工业多元负荷有功功率作为原始数据,提出MVMD-CapSA-DBN负荷分类模型.首先,利用改进停止准则的变分模态分解(Variational Mode Decomposition,VMD)将数据分解,得到较为平稳的多个数据分量;之后,提取各分量能量值作为特征;最后,将0~1标准化的数据作为特征向量,输入经卷尾猴搜索算法(Capuchin Search Algorithm,CapSA)优化参数后的深度置信网络(Deep Belief Nets,DBN)信号分类.实验证明,可实现对工业多元负荷数据的有效分类,整体准确率在88.89%左右,部分负荷分类准确率可达100%.

改进多尺度残差网络病害叶片图像识别

针对农作物病害图像识别模型存在参数量较大内存占用较多、识别准确率不高及训练速度慢等问题,提出了融合注意力模块的多尺度卷积网络叶片病害图像识别模型。该网络模型基于残差网络模块,利用多尺度卷积取代了传统的单尺度卷积,使得网络加宽以获取更多的特征信息,避免网络堆叠过深引起的过拟合现象;同时为了加快模型训练速度,采用深度可分离卷积代替传统卷积减少模型参数量;将注意力机制引入到残差网络中,增强了模型的关键特征信息的提取能力,从而提高了模型的识别精度。通过对试验数据集进行对比试验,改进网络模型的识别准确率达到99.48%并且模型参数量仅有19.06 MB,试验结果表明所提出的方法能有效地提高模型的识别性能并降低模型参数量,为实现低成本终端运行奠定基础。

基于ResNet-18的磁瓦缺陷检测

由于磁瓦在实际生产中会产生多种类型的缺陷,针对磁瓦生产的表面检测高质量要求,提出一种基于ResNet-18的磁瓦缺陷检测方法。首先通过构造磁瓦缺陷的不同类型数据集,再将数据集通过图像增强等方式扩充数据集进行预处理;引用ResNet-18作为训练所用的网络,设置好网络模型参数;最后通过网络训练完成对磁瓦缺陷的分类及标注。实验结果表明:扩充后数据集对比于原始数据集和其他方法,采用的方法中模型测试准确率更高,搭建的ResNet-18网络具有更好的鲁棒性和泛化性,证明了可以满足磁瓦缺陷检测中的可能性。

煤矿职业健康全周期智能管理关键技术研究及探讨

煤炭被誉为“黑色的金子”,自第一次工业革命以来,煤炭在能源、化工等领域扮演着重要角色,是当之无愧的“工业的食粮”,是18世纪以来人类社会使用的主要能源之一。世界能源生产与消费格局变化的同时,我国也正在积极推进能源革命,不断优化能源供给结构。近年来,我国能源结构持续改进,煤炭占能源总量的比例逐年降低,2018年煤炭占我国能源总量的比例创历史新低(58%,首次低于60%)。

基于GAF和卷积神经网络的轴承故障诊断研究

针对深度学习在轴承故障诊断中出现的多分类时测试准确率低、数据集不足的情况,提出基于格拉姆角场(GAF)法和卷积神经网络(CNN)的轴承故障诊断模型以及采用重叠采样20%的方法扩充数据集。通过对轴承振动信号采用格拉姆角场法变换构建数据集,导入到搭建的六层卷积神经网络中实现故障分类。在搭建的CNN中测试了不同的轴承数据集以及不同数据长度下的测试准确率和抗噪性能。结果表明,在不同数据集的测试中,所搭建的模型最高测试准确率可达100%,搭建的CNN有着良好的性能,在多分类问题上具有较高的精度;扩充数据集的方法具有一定的可行性,可以有效提升模型的测试性能。

基于黏菌优化极限学习机的煤矸石多光谱识别

煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学习机(Slime Mold Algorithm Extreme Learning Machine,SMA-ELM)的分类模型。搭建多光谱数据采集系统完成煤与矸石的光谱图像采集,通过LBP对光谱图像进行特征提取并使用PCA主成分分析对提取后的特征向量降维,输入SMA-ELM分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine,ALO-ELM)分类模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine,WOA-ELM)分类模型进行对比,重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长,通过多评价指标对优化后的最优波段进行比较。实验结果表明,SMA-ELM分类效果最佳,第6波段为最优波段,SMA-ELM在该波段的平均识别准确率为95.08%,煤和矸石的识别F1-Score分别为96.47%和92.68%,用时10.6 s。所提出的方法可以实现煤和矸石的精准识别,这对煤和矸石的智能分选具有重要的研究意义。

基于CWT-CNN的滚动轴承故障诊断

针对滚动轴承传统故障诊断方法训练收敛速度慢、识别准确率不高、抗噪性能差等问题,提出CWT-CNN的轴承故障诊断模型。通过对滚动轴承振动数据经连续小波变换生成的时频图进行三次垂直方向随机裁剪的方法扩充数据集,之后将其导入到搭建的加入了批量归一化和随机失活的卷积神经网络中进行模型训练,再由训练好的模型实现轴承故障分类。为了测试模型性能,使用凯斯西储大学轴承数据集进行检测,经过实验结果表明:基于提出的方法构建的数据集相比于常规方法,在搭建的卷积神经网络训练中收敛速度更快,训练出的模型性能也更加稳定,最终最高测试准确率为99.75%,常规方法构建的数据集准确率为99.67%,证明了构建数据集方法的可行性;在原始数据中加入信噪比为6dB高斯白噪声后,通过常规方法构建的数据集测试的最高准确率仍达到了98.67%,展现了基于CWT-CNN的轴承故障诊断模型较强的抗噪能力,证明了所提方法的有效性和可行性。

基于注意力机制与特征融合的航拍图像小目标检测算法

针对无人机航拍图像背景复杂、目标密集且小目标较多等问题,提出一种基于注意力机制与特征融合的航拍图像小目标检测算法。首先在主干网络部分嵌入多头自注意力机制(MHSA),有效整合全局特征信息;然后添加小目标检测层与BiFPN结构,避免检测小目标时尺度不一导致语义丢失,加深浅层语义与深层语义结合,并在特征金字塔网络输出端后引入自适应空间特征融合(ASFF)模块,提高特征尺度不变性,改善不同尺度特征图的检测精度;其次在特征融合网络中添加CA注意力机制,避免背景信息的干扰;最后使用损失函数MPDIoU,提高收敛速度和回归精度。在VisDrone2019-DET数据集上进行实验,与YOLOv5s相比,改进后算法的mAP提高了7.8%,对小目标检测任务具有较好的检测效果。

基于改进MCLPSO算法及非完全Beta函数的图像增强技术

针对已有智能算法在增强图像领域的效果并不理想等问题,改进一种新型竞争粒子群算法并提出利用此算法,结合非完全Beta函数上动态寻优调整灰度曲线的光电图像增强新策略。新策略主要从算法角度出发改进传统PSO算法,针对原有权重统一粒子分工相同的原始算法不能很好地实现自适应搜索,以及算法前期早熟、后期收敛缓慢等问题借鉴改进竞争学习策略,改进完成的新算法结合非完全Beta函数动态寻找最优值内的图像灰度曲线。将改进的MCLPSO算法与ASAPSO等六种算法,在常见基准函数上进行性能对比,结果显示改良后的MCLPSO算法在性能上更优;在实验中加入CLPSO结合非完全Beta增强图像以及线性直方图增强图像作为对照组,结果显示改进后的新策略更胜一筹。综合结果显示,改进竞争粒子群算法在结合图像处理手段来增强低亮度图片,在多场景下有效并且能达到很好的效果。

基于FCM的煤矿突水激光诱导荧光光谱分析

快速识别煤矿突水水源类型对于矿井水害防治意义非凡。鉴于传统水化学方法水源识别耗时较长等诸多不足,提出了将模糊C均值聚类(FCM)算法和多维标度分析(MDS)用于激光诱导荧光光谱识别煤矿突水水源这一新思路。由于FCM算法在光谱分析和模式识别等方面都有着成功的应用,况且激光光谱具有时间响应快、灵敏度高、干扰小等优点,通过实时采集水样的荧光光谱数据,利用FCM和MDS对光谱数据分析后就可以辨别水样类型。以华东地区某矿的老空水和奥灰水以及按比例混合得到水样共7种(每种水样各20个样本)为实验材料,利用405nm激光打入被测水体,一共采集了140组荧光光谱数据,随后选择合适的波长区间进行分析。取每种水样各15组共105组光谱数据用作训练集,其余35组光谱数据用作测试集。使用MDS建立七种不同水样的模型,再利用FCM算法进行聚类分析得到七种水样的簇中心,最后使用得到的簇中心对测试集进行验证。实验结果表明,不同水样的光谱图有着较大差异,选取合适的波长区间下的光谱数据,在MDS下选择维度为2,利用FCM算法对水样进行分类,全部140组样本的准确率是100%。

煤矿瓦斯光谱信号探测的数据处理

介绍了红外吸收光谱法测量煤矿瓦斯气体的基本原理,给出了遥感报警系统的结构框图。当含有瓦斯信息的红外信号经扫描望远镜后,经傅里叶光谱仪得到红外干涉图信号,经放大、A/D变换,得到数字化的干涉图数据,提供给主计算机进行处理和识别。由于瓦斯气体分子在一定的红外波段对光有吸收特性,使光谱具有了瓦斯的特性,通过比较,反演出瓦斯气体在矿井中的浓度。该方法克服了传统方法如气相色谱法实时性差的缺点,实现了完全非接触在线自动监测,真实反映矿井瓦斯的浓度。

分布式光纤传感瓦斯气体系统的研究

根据激光吸收光谱技术原理,瓦斯气体分子在一定的波段对光有吸收特性,使光谱具有显示瓦斯的特性,通过比较,反演出瓦斯气体在矿井中的浓度。分布式光纤传感瓦斯气体系统是利用空分复用技术,采用多个气体吸收型光纤传感器,并通过谐波检测技术对瓦斯信号进行处理。试验研究表明,该传感器的精确度和稳定性均可满足实际要求,该系统只有光纤在井下,所有的电子处理设备全部在地面,因此,安全性得到了极大的提高,适用于我国煤矿瓦斯监测预警的在线、实时的快速系统。

基于FPGA的水质检测系统研究

针对目前突水水源的判别方法不能实现突水预警,且处理时间较长、过程复杂等问题,设计了一种采用激光诱导荧光技术、以FPGA为核心处理器的水质检测系统。该系统采用在线检测荧光光谱法实时监测地下水的化学成分变化,从而快速检测矿井突水水源的变化前兆,达到突水预警的目的。试验结果表明,该系统检测精确度高,响应速度快。