基于空间注意力机制的Mask R-CNN致密储层岩石薄片图像鉴定

针对陆相致密储层岩石薄片鉴定识别难、制片成本高、时间消耗长和人为主观强等难题,选取鄂尔多斯盆地临兴区块上古生界和松辽盆地三肇凹陷扶余油层为靶区,提出一种基于深度学习的致密油储层岩石薄片人工智能鉴定方法,引入图像预处理技术去除岩石薄片图像噪声并统一图像像素大小,构建空间几何增广机制,基于空间注意力机制改进Mask R-CNN算法,并将上述方法应用于实例靶区进行有效性验证。结果表明:图像预处理技术能够在保障图像特征的前提下,有效提高图像质量,减少噪声干扰;空间几何图像增广机制能够在在一定程度上增加可用样本的数量;基于空间注意力机制的Mask R-CNN算法可以同时完成复杂岩石薄片成分的分割与智能识别工作,分割精度在不同数据集情况下的平均精度为89.2%,整体识别准确率为93%,适用于致密油储层岩石薄片特征鉴定。

基于Mask R-CNN的锅炉火焰图像核心高温区域提取

为了提高锅炉火焰核心高温区域特征提取的准确性和稳定性,结合四角切圆燃烧锅炉火焰特点,提出了一种基于Mask R-CNN的火焰核心高温区域轮廓提取方法。通过某330 MW燃煤锅炉工业火焰监控系统获取约10 000帧历史运行工况的火焰图像进行建模,并对升负荷工况的火焰图像进行在线处理验证。结果表明:基于Mask R-CNN模型的核心高温区域检测精准率达到92.35%,相比于传统的阈值分割法、边缘检测法具有更高的稳定性;Mask R-CNN模型能更好地适应变负荷时脉动火焰波动、快速变化的特点,轮廓边缘受其他区域的影响较小,有助于针对火焰核心高温区域轮廓进行火焰几何特征、分布特征的提取计算。

改进Mask R-CNN的车辆检测算法

为提升在不同复杂场景下的车辆检测性能,提出一种基于改进Mask R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力;在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行特征融合,缓解顶层特征由于通道降维造成的信息损失.重新设计卷积检测头使得边框回归更为准确,并使用余弦退火算法和Soft-NMS算法来优化训练过程和后处理结果.实验结果表明,改进的Mask R-CNN车辆检测算法相比原Mask R-CNN算法在复杂场景下具有更高的检测精度,在CNRPark-EXT测试集中平均精确度提高3.8%,在更具挑战性的MiniPark测试集中平均精确度提高7.9%.

基于改进Mask R-CNN的马铃薯芽眼识别方法

马铃薯芽眼的准确识别是马铃薯种薯自动化切块的前提,为了提高马铃薯芽眼的识别效果,解决长期以来人工切块效率低下问题,提出了一种基于改进Mask R-CNN的马铃薯芽眼识别方法。通过确定性重排列技术对RoIAlign操作进行改进,消除插值操作的不确定性,确保不同尺寸的候选区域在特征图上的映射的唯一性,提高了目标分类和分割的准确性和稳定性。试验结果表明,改进后的模型识别精确率为98.47%,召回率为96.99%,调和平均值F1为97.72%,平均单幅图像的识别时间为0.135s。与改进前的算法相比,识别精确率、召回率、F1值分别提升了6.46、12.01、9.36个百分点,平均单幅图像的识别时间比改进之前提升了0.004 s。改进的Mask R-CNN算法能够更好地适应马铃薯芽眼的特殊形态和不同的环境因素,有效识别出马铃薯芽眼,为马铃薯种薯智能切块装置研究奠定了良好基础。

基于Mask R-CNN的电力关键设备载波运行状态检测

为解决因载波信号大幅波动造成的电力设备运行状态检测失准问题,提出基于Mask R-CNN的电力关键设备载波运行状态检测方法。在Mask R-CNN网络模型中,通过定义小波基向量的方法确定电力载波暂态系数的计算结果。联合电量阻抗特征,求解连续阈值区间表达式,将获取到的电力载波信号放置在已定义阈值区间内。计算奇异值检测系数的取值条件,完成电力关键设备载波运行状态检测。对比实验结果表明,所提方法可以将电力载波信号波动幅值控制在±17 dB之间,对载波信号波动行为起到了明显的抑制作用,能够提升电网主机对电力设备运行状态检测的准确性。

钢轨表面缺陷检测Mask R-CNN算法研究与优化

为有效防止城市轨道交通事故发生,更好地保障运行安全,钢轨表面缺陷检测技术在巡检工作中发挥着重要作用。针对现有钢轨缺陷检测技术中检测精度差、小目标敏感度低等问题,在Mask R-CNN(mask region-based convolutional neural network)算法模型基础上,提出一种融合注意力机制的模型改进方案。该方案在特征提取网络中引入通道-空间复合注意力机制(channel-wise spatial module,CSM)用于实例分割缺陷检测,有效剔除干扰信息,获得多尺度特征表达,得到更多空间信息以及更优的浅层信息,从而提升对钢轨表面缺陷边缘检测能力。在相同的实验环境下,相对于Mask R-CNN算法,加入CSM后,Mask R-CNN模型的平均精度均值(mean average precision,mAP)提高了6.5%。其中,对钢轨“凹陷”“裂纹”以及“疲劳磨损”缺陷识别的平均精度(average precision,AP)分别提高了6.3%、6.9%和6.1%。横向对比发现,加入CSM后的Mask R-CNN模型,相较于Fast R-CNN模型,三种缺陷的分割效果分别提升了11.6%、12.5%和12.9%。同时,相较于Faster R-CNN模型,三种缺陷的分割效果分别提升了8.8%、10.0%和10.3%。加入CSM后的Mask R-CNN模型可以更好地识别三类缺陷,提升检测精度和小目标敏感度,为轨道智能巡检提供更安全有力的技术支持和保障。

基于改进Mask R-CNN和LSD的图纸管道检测方法

针对核电轴测视图中因管道特征不明显、管道尺度差异大及管道相交导致的管道识别精度差及错检、漏检等问题,提出一种基于改进的Mask R-CNN及LSD方法检测图纸中的管道。首先,针对管道特征不明显问题,将识别目标由管道调整为管道及其尺寸标注线,增加目标几何特征;其次,改进Mask R-CNN网络,引入双向加权特征金字塔结构,提高不同尺度目标特征提取能力,将原非极大值抑制改为DIoU-NMS,提高相交管道识别精度;最后,通过LSD算法检测出目标图像中的直线,再经过条件约束筛选及最小二乘拟合得到管道直线,实现管道的准确检测。实验结果表明,改进的Mask R-CNN算法有效减少了管道错检、漏检问题,精度可达90.04%,结合LSD直线检测、条件约束及最小二乘拟合算法得到管道直线,满足图纸管道检测的要求。

隐私保护数据挖掘算法MASK的改进

为了在数据挖掘过程中既保护敏感信息和知识不被泄露,又使得到的挖掘结果相对准确,对XMASK算法进行改进。在重构原数据项支持度的过程中利用布尔集合的特性简化计数过程。通过实验将改进算法与原MASK算法和XMASK算法进行比对。结果表明,该算法提高了运行的时间效率。

基于Mask RCNN的桥小脑角区脑膜瘤与听神经瘤分类定位研究

由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似,所以临床诊断极易发生误诊.针对此问题,本文应用掩膜区域卷积神经网络(Mask RCNN)对两类肿瘤进行分类定位研究.首先采集89名脑膜瘤与218名听神经瘤患者的T1WI-SE序列的磁共振图像,对其进行预处理,再结合改进的特征金字塔网络(FPN)算法进行网络训练.本文对比了三种不同的Mask RCNN主干网络对两者分类定位的效果.结果表明,结合改进的FPN算法和ResNet101作为主干网络的Mask RCNN分类定位模型能够有效实现对两类肿瘤的分类定位,精确率为0.9182、召回率为0.8569、特异性为0.8762、均值平均精度(mAP)为0.90.

基于Mask R-CNN的ORB去误匹配方法

为了提高多目标图像的ORB匹配的正确率,提出一种基于Mask R-CNN的图像ORB去除误匹配方法,该算法首先通过Faster R-CNN方法对图像进行识别,运用区域推荐网络得到矩形框标注的感兴趣区域和类别标签,该步骤可以得到感兴趣区域的预测类别和坐标信息,并且通过全卷积网络卷积层进行像素级别校正,得到像素级别的目标所属类别,然后进行目标分割。最后在原有ORB特征点匹配基础上,剔除两幅图像中相同目标分割区域以外的误匹配点。为了验证该方法的有效性,对传统ORB匹配与基于本文方法的ORB匹配进行了仿真实验。改进后的算法,使得在多目标环境下的目标的匹配精度提高了约18.6%,结果表明,本文算法较传统的ORB匹配算法的精度有一定提高。

改进MASK匀光与K-means聚类结合的桥梁裂缝提取

针对采集到的桥梁裂缝图像存在污渍、阴影、光照不均等现象,导致后期裂缝特征提取困难的问题,提出一种结合MASK匀光和K-means聚类算法的裂缝提取方法。该方法首先对MASK匀光算法进行改进,提高算法自适应能力,采用对比度拉伸增强图像反差,然后根据裂缝与背景像素灰度值的差异,利用K-means聚类算法进行图像分割,最后结合形态学方法和连通域检测实现裂缝的桥接和去噪。实验结果表明,相比于其他方法,该方法能够有效降低图像亮度不均干扰对裂缝提取结果的影响,裂缝提取准确率达到95%,保证后期裂缝尺寸测量和桥梁病害程度评估的准确性。

Wallis和MASK匀光算法处理无人机影像比较研究

针对无人机影像的光照不均匀现象,提出将Wallis匀光算法和分块处理的MASK匀光算法应用于无人机影像匀光处理中。在MASK匀光法实验中设置不同截止频率和对比度拉伸参数得到最佳匀光方案,对两种匀光算法得到的结果影像进行对比,实验表明,两种算法都能起到匀光的效果,但MASK匀光法比Wallis匀光法的效果更好,丰富了纹理信息,提高了无人机影像质量。

基于Mask R-CNN算法的尾矿库干滩长度视频测量研究

干滩长度是整个尾矿坝安全稳定性的一个重要参数。为了实时准确地测得干滩长度值,提出了一种高效、智能、准确的在线监测新方法——基于Mask R-CNN实例分割算法的干滩长度测量方法。此方法共分为4部分:(1)在尾矿坝两岸安装监控摄像头;(2)基于Mask R-CNN算法,训练出识别水线并输出水线坐标的网络模型;(3)将水线轮廓坐标与实际干滩长度进行回归分析,拟合出测量算法关系式;(4)将水线坐标输入上述关系式,即可通过视频画面实时测得干滩长度。研究结果表明,此模型能够准确地进行干滩长度的测量,且适用于光照不足、图像模糊、雨雪天气等情况。

改进Mask R-CNN算法的带钢表面缺陷检测

在带钢的生产过程中可能会因为生产工艺的问题导致带钢表面出现缺陷,传统的带钢表面检测方法存在检测速度慢、检测精度低等问题。在计算机深度学习快速发展的今天,为实现带钢表面缺陷快速有效的检测,提出改进的掩码区域卷积神经网络(MaskR-CNN)算法,使用k-meansII聚类算法改进区域建议网络(RPN)锚框生成方法;同时调整MaskR-CNN模型的网络结构,去掉掩码分支,提高了模型的缺陷检测速度。实验在NEU-DET数据集的5种缺陷检测中将原算法的均值平均精度(mAP)从0.8102提升到0.9602,检测速度达到5.9 frame/s。并且能够实现对缺陷目标的检测和实例分割,以便研究人员观测缺陷的大小和形状,从而改进工艺。相比于目前其他深度学习的缺陷检测算法,更能满足带钢的生产检测要求。

基于改进Mask R-CNN的泳池溺水行为检测系统设计

通过研究Mask R-CNN算法,并对传统的Mask R-CNN算法进行卷积主干的优化,增加联级特征金字塔模型分支,设计出游泳者溺水检测系统。通过对泳池中游泳者姿势进行实时识别,判断出溺水者并及时发出警报。实验结果表明:系统检测速度为5 FPS,检出率为93.3%,误检率为6.4%,效果良好,满足预期要求。

基于改进Mask R-CNN的刮板输送机铁质异物多目标检测

刮板输送机是煤矿井下的关键运输设备,铁质异物进入刮板输送机会引发磨损、断链等,甚至会造成停产、伤人等严重事故。现有刮板输送机异物识别方法存在对井下图像的适应性较差、无法区分异物类别与数量等问题。针对上述问题,提出了一种基于改进掩码区域卷积神经网络(Mask R-CNN)的刮板输送机铁质异物多目标检测方法。采用基于Laplace算子的图像增强算法对井下低照度、高粉尘环境下采集的图像进行预处理,对增强后的图像进行标注,制作数据集。采用Mask R-CNN模型的ResNet-50特征提取器获取铁质异物图像特征;采用特征金字塔网络进行特征融合,保证同时拥有高层的语义特征(如类别、属性等)和低层的轮廓特征(如颜色、轮廓、纹理等),以提高小尺度铁质异物识别精度;针对Mask R-CNN模型生成的锚点与待检测的铁质异物尺寸不对应的问题,对Mask R-CNN模型进行改进,采用k-meansⅡ聚类算法代替原来的锚点生成方案,通过遍历数据集中标注框的长宽信息得到聚类中心点,实现刮板输送机铁质异物多目标检测。实验结果表明,改进Mask R-CNN模型对单张图像的平均检测时间为0.732 s,与Mask R-CNN,YOLOv5相比,分别缩短0.093,0.002 s;平均精度为91.7%,与Mask R-CNN,YOLOv5相比,分别提高11.4%,2.9%。

基于Mask R-CNN算法的遥感图像处理技术及其应用

遥感技术的发展使得遥感影像被应用于农业、军事等诸多领域,而深度学习方法的融入使得该项技术在目标检测、场景分类、语义分割方面取得了重大突破。与自然场景下的舰船检测不同,遥感图像中的舰船为俯视图,舰船较为密集,且容易与港口混合。当前对舰船检测的输出结果主要是检测框,缺少对舰船掩码的输出,使得无法全面分析出模型存在的不足;同时,由于遥感图像中的舰船停靠密集,容易产生漏检问题。为解决上述问题,利用Mask R-CNN对舰船进行目标检测,较全面地分析模型的训练情况、掩码和检测框的输出结果;通过对目标边缘的学习及参数的调整,使模型与舰船目标相适应。通过实验分析得出了适用于舰船检测的网络模型参数,从而有效降低了舰船停靠密集所产生的误检和漏检问题。

基于改进Mask RCNN的道路信息检测算法

针对目前目标检测算法应用于道路信息检测精度低、速度慢、小目标检测效果差的问题,提出一种基于改进掩膜区域卷积神经网络(mask region convolutional network, Mask RCNN)的道路信息检测算法。引入深度可分离卷积提升检测速度;引入卷积注意力模块(convolutional block attention module, CBAM)与双向特征金字塔网络(bidirectional feature pyramid network, Bi-FPN)提高模型精度;借鉴迁移学习思想,基于PASCAL-VOC2012数据集对模型预训练,提高模型学习特征的能力;基于自制道路信息数据集完成模型正式训练。实验结果表明,使用改进方法优化后的基于ResNet50的Mask RCNN算法整体性能较好,平均精度均值达到95.2%,较原算法提高了4.5%,检测帧率达到24.8帧/s,较原算法提高了8.3帧/s,且小目标漏检现象变少,证明改进方法可以提高道路信息检测算法的检测精度、检测速度与小目标检测性能。

基于分治策略的MASK算法的改进

如何保护私有信息或敏感知识在挖掘过程中不被泄露,同时能得到较为准确的挖掘结果,目前已经成为数据挖掘研究中的一个很有意义的研究课题。本文在MASK算法的基础上提出一种改进的保护输入隐私的MASK算法。相对于MASK算法,改进的MASK算法在保证较好的输入数据隐私度和挖掘结果的准确度的同时,其运行效率也得到了明显提高。

一种基于Mask R-CNN和分水岭算法的岩石颗粒图像分割方法

针对传统的岩石颗粒图像分割方法存在过分割、欠分割、需要人工调整大量参数等问题,提出了一种基于Mask R-CNN和分水岭算法的岩石颗粒图像分割方法,首先利用改进的CNN方法防止大块岩石出现过分割,接着使用提出的算法R对CNN分割出来的掩码图像和原图像进行融合,最后利用改进的分水岭算法对融合后的图像进行分割,在避免过分割的同时防止细骨料区域出现欠分割。将此方法与传统的颗粒图像分割方法应用于某堆石坝工程中,结果表明该方法有效避免了传统方法中存在的问题,实现了岩石颗粒图像的实时、精准分割,应用效果较好。