基于YOLOv5的液晶屏微弱特征缺陷检测算法

针对液晶屏显示缺陷中微弱特征缺陷经多次卷积与背景纹理同化导致的检测精度低的问题,提出了一种基于YOLOv5的液晶屏微弱特征缺陷检测改进模型YOLO-Mura。首先,在主干网络中引入Involution算子扩大感受野,增强在空间范围内的微弱特征缺陷信息,并降低模型的浮点运算次数。其次,采用CARAFE上采样算子优化上采样方式,加强对微弱特征缺陷的关注能力。然后,在颈部网络,通过嵌入BiFormer注意力模块,提升网络在强背景干扰下的特征提取能力。最后,采用BiFPN加权双向金字塔结构,提高不同层级的特征融合利用率。在自制液晶屏Mura缺陷数据集上的实验结果表明,YOLO-Mura模型的精确率、召回率、mAP@0.5分别提高了2.2%、6.6%、2.7%,模型计算量降低了66.5%。通过与主流目标检测算法进行比较,结果表明本文最终改进模型对于液晶屏微弱特征的Mura缺陷有较好的检测性能。

自适应二阶双稳态随机共振的微弱特征增强检测方法研究

针对大型机械设备运行环境恶劣故障特征难以提取的问题,提出一种自适应二阶双稳态随机共振方法。首先系统输出信号的信噪比作为蚁群算法的自适应度函数,然后采用蚁群算法优化二阶随机共振系统的参数和阻尼因子,再利用优化得到的最佳参数设置二阶随机共振系统,最后实现微弱故障特征的增强与提取。数值仿真分析表明:该方法可以有效地提取淹没在强噪声背景下的微弱正弦信号;而且深沟球轴承滚动体故障实验结果证明提出的方法能有效增强与提取滚动体故障特征频率。仿真与实验对比结果表明:提出的方法优于传统随机共振方法,归功于该方法不仅能够利用蚁群算法并行选择和优化随机共振系统参数,而且克服传统随机共振方法对高通滤波器的依赖。

阵列调制随机共振在微弱信号特征提取方面的应用

论述了阵列调制随机共振方法在强噪声背景下多频微弱信号特征提取中的工作原理和实现步骤;采用预先设定系统参数的多个并联非耦合随机共振单元形成阵列,将被测强噪声背景下的多频微弱信号分别与不同频率的载波进行调制,生成多个差频均为0.01Hz的信号作为各对应随机共振单元的激励信号,采用龙格-库塔算法求取各单元输出并进行频谱分析,根据0.01Hz处的信噪比判断在微弱信号中是否存在载波频率与差频值之和大小的频率分量,最后综合各个随机共振单元的检测结果生成微弱信号的频率特征向量;仿真结果表明,阵列调制随机共振在微弱信号特征提取方面效果明显,具有很好的应用前景。