基于改进残差网络的空纱筒识别模型

针对纺织车间背景复杂、纱筒种类多导致利用传统机器视觉识别空纱筒准确率低、模型参数量大的问题,设计了一种基于改进残差网络的空纱筒识别模型。该模型借鉴ResNet系列的模型结构,进行卷积核轻量化,改进经典的残差模块并加入SENet注意力机制,以达到提高检测空纱筒的准确率,减少模型参数的目的。最后通过数据增强,创建了适合工厂实际生产的纱筒数据集。实验结果表明:在消融实验中,应用SENet注意力机制可以提高3.86%的准确率,利用优化残差模块不仅减少了650%的模型参数还提高了1.22%的准确率。在原数据集的验证集上,改进模型的准确率为99.6%比ResNet-18模型高4.46%,与VGG-16和AlexNet相比提高了7.05%~9.41%。在增强的数据集上,识别模型的准确率都有了较大的提升,但改进模型的准确率变化不大,说明该模型的鲁棒性较好,不易受到样本不足的影响。改进模型的参数数量缩小到原模型参数数量的1/10左右,为嵌入式设备部署空纱筒识别模型提供了思路。

基于语义分割的纱筒余纱量检测方法研究

为解决圆形纬编针织机器人自动化生产线背景复杂以及纱筒尺寸变化大而导致检测算法准确率较低且精度低等问题,提出了一种基于语义分割的纱筒余纱量检测方法。首先在YOLOv8的基础上通过DSSConv模块替换C2F模块,防止出现特征冗余与特征信息丢失;针对纱筒尺寸多与背景纱筒对检测效果造成的影响,引入EMA注意力机制来提升获取前景纱筒的能力,最后在Neck层使用SQConv模块替换C3模块,利用改进的组卷积提高模型在Neck层的推理速度,添加了SENet注意力机制减少纱筒细节特征的遗漏率。试验表明:改进后的模型mAP@0.5:0.95值达到94.1%,推理速度为65.71帧/s,优于原YOLOv8模型。该研究算法检测纱筒余纱量的平均误差小于2 mm,可实现测量不同成像距离的纱筒余纱量,能够满足实际生产需求。

基于机器视觉的空纱筒口定位方法

为实现换筒桁架机器人空纱筒口定位功能,提出一种深度学习与传统图像处理相结合的定位方法。首先通过改进的Yolov5模型框定图片中纱筒口的位置;然后利用Sobel边缘检测、阈值分割、滤波、闭操作处理框定区域的图像,并通过最小二乘法拟合得到空筒口径及中心坐标;最后利用单目相机小孔成像原理完成纱筒口的定位。结果表明:改进后的模型在检测准确率上达到99.2%,检测速度可达54.3帧/s,同时模型参数量减小到3.71 M,X轴、Y轴、Z轴方向的定位误差分别控制在1.3、1.9、0.7 mm以内,本文研究结果可满足换筒桁架机器人空筒口定位功能需求。

高等教育扩张有助于降低居民收入差距吗?——基于1998-2013年全国省级面板数据的考察

我国高等教育自1998年起开始快速扩张,与此同时居民收入差距也呈现出急剧攀升态势,在这一阶段高等教育扩张是有益于改善收入分配不平等还是使其更加恶化呢?基于1998-2013年全国省级面板数据,运用面板门槛回归模型实证研究高等教育扩张对于我国居民收入差距的影响作用将变得富有意义。研究结果表明:高等教育扩张对居民收入差距具有显著的扩张效应,不过随着接受高等教育群体的比例逐渐扩大,高等教育扩张的平等化效应慢慢开始体现,高等教育扩张引致居民收入差距的效果相对减小,但高等教育扩张始终未起到改善居民收入差距的作用。

初次分配、财政支出对居民收入差距的影响——基于动态面板GMM估计的实证分析

基于2007—2013年省级面板数据构建一个动态面板模型,利用差分矩估计和系统矩估计的方法对初次分配、财政支出结构对居民收入差距的影响进行实证研究.结果表明,现阶段初次分配的结构存在一定程度的不合理情况,会扩大居民收入差距,而农业、医疗卫生支出在财政支出中比重的提升是对收入差距缩小的有利因素.