基于改进YOLOv3算法的变电站设备运行实时监测方法

常规的变电站设备运行监测方法以设备运行状态量采集为主,并未考虑到设备运行的时变性,无法满足变电站设备运行监测的实时性需求。因此,设计了基于改进YOLOv3算法的变电站设备运行实时监测方法。构建变电站设备运行实时监测架构,配置变电站设备运行的监测任务,并识别与跟踪设备监测目标,实现变电站设备运行的有效监测。利用TWUHF-G14传感器采集变电站设备运行状态数据,并对其进行数据预处理。基于此,利用改进YOLOv3算法优化变电设备运行监测网络,分析变电站设备的形状、运行状态等特点,并根据改进YOLOv3算法调整监测网络结构,满足设备监测的实时性需求。采用对比实验,验证了该方法的实时监测性能更佳,能够应用于实际生活中。

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明:飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。

基于改进鲸鱼优化算法的码垛机器人时间最优轨迹规划

码垛机器人在运行轨迹过程中所消耗的时间直接影响到了其工作效率,针对码垛机器人的轨迹规划的时间问题,提出了一种改进的鲸鱼优化算法对时间进行优化。在基本的鲸鱼优化算法基础上,利用混沌映射初始化种群,引入自适应的权重和改进收敛因子,以提高算法的求解精度、收敛速度和全局搜索能力。首先,根据D-H参数法建立机器人的运动学模型;其次,在关节空间中利用3-5-3次多项式插值函数对机器人末端执行器经过的路径点进行规划,然后采用改进的鲸鱼优化算法对时间进行优化。最后通过MATLAB软件进行效果仿真和对比。结果表明,与其他同类的算法相比,改进的鲸鱼优化算法的求解精度更高,收敛速度更快。将该方法与轨迹优化结合,与未采用算法优化的3-5-3多项式轨迹规划所需要的运行时间相比缩短了22.46%,且各个关节轨迹平稳连续,验证了该轨迹规划方法的有效性。

基于YOLOv3改进算法的烟叶原料烟草甲识别方法研究

为了解决烟叶原料中烟草甲人工识别效率低、不准确的问题,实现烟草甲的精准、智能识别,提出一种基于YOLOv3改进算法的烟草甲识别模型。首先采用Random Mix数据增强技术扩充烟草甲数据集;然后,通过引入K-means++算法重新聚类锚框,改进YOLOv3对于烟草甲的识别能力;使用SIoU Loss改进YOLOv3的边界框损失函数,提高模型定位的准确性,加速模型收敛;最后加入特征细化模块过滤冲突信息,优化模型对烟草甲数据集中小目标识别的精准度。结果表明,改进的YOLOv3网络模型对测试集中烟草甲的平均检测精确率、召回率、F1分数和平均精度均值(mAP)分别达到93.26%、88.25%、0.90和94.59%,分别比现有的YOLOv3算法提高了12.21百分点、11.79百分点、0.12、12.40百分点,可为烟草甲的有效识别提供支撑。

基于红外图像和改进MobileNet-V3的光伏组件故障诊断方法

为了提高光伏系统的可靠性和性能,提出一种基于红外图像和改进MobileNet-V3的光伏组件故障诊断方法。首先,分析开源光伏组件缺陷图像及其存在的问题;然后,基于存在的问题,对光伏组件红外缺陷图像进行图像增强、数据增强处理,使红外图像满足图片可用性及样本数量丰富性的要求;最后,对基本MobileNet-V3网络进行改进,实现光伏组件故障分类。实验结果显示:与传统CNN、基础MobileNet-V3相比,所提故障分类方法不仅准确率高、诊断速度快,且对各种故障类别的识别率高,具有较好的实用性和应用价值。

基于改进蝴蝶算法的机械臂时间最优轨迹规划

机械臂在轨迹规划过程中,为使驱动装置符合实际负载要求,各关节速度和加速度在选取上会相对保守,导致完成一套动作需要的时间过长,从而使基于运动速度和加速度的机械臂的连续性和平稳性未能充分发挥。为解决机械臂各个关节速度和加速度的优化问题,提出一种基于改进蝴蝶算法的机械臂时间最优轨迹规划方法。首先,利用3-5-3多项式插值算法对AUBO-i5六自由度机械臂构造机械臂运动轨迹,然后,利用引入莱维飞行和正弦余弦算法的蝴蝶优化算法对运动轨迹进行时间优化,在满足工作需求的前提下,减少机械臂的运行时间。仿真结果表明,改进的蝴蝶算法与同类算法相比,不易陷入局部最优,且具有更高的寻优精度。将改进的蝴蝶算法应用在轨迹规划中,机械臂的运动时间大大缩短,可保证机械臂在实际生产中平稳高效地完成任务。

基于决策树ID3改进算法的煤与瓦斯突出预测

为提高工作面突出预测指标预测的准确率,根据灰色相关理论和决策树ID3算法,提出了基于决策树ID3改进算法的煤层工作面煤与瓦斯突出预测方法。该方法以工作面的钻屑解吸指标作为主要决策属性,以地质构造、瓦斯浓度变化等现场较为直观的突出征兆作为辅助决策属性,同时根据矿井实际工作面煤与瓦斯突出数据建立预测样本数据集,把决策属性的相对灰色关联度作为决策树ID3改进算法的最大信息增益计算权重,建立了煤层工作面煤与瓦斯突出决策树预测模型,并采用该预测模型对10组煤与瓦斯突出数据进行了预测,结果表明,该模型预测的准确率显著高于采用单一钻屑指标预测的准确率。

基于改进麻雀优化PID的波浪补偿控制方法

随着海上风电“十四五”规划的不断推动,在深远海域对兆瓦级大功率海上风机的需求量随之增加,其规模也在不断扩大。但是,在吊运、安装等海上工作过程中,复杂海浪对船舶产生的持续影响导致风机安装的精度和效率大幅下降,甚至会对人员安全以及财产造成重大损失。在深远海域复杂海况下对工程船舶进行有效的波浪补偿,可提供稳定的作业环境以保证精准高效地完成各项工作,因此,本文提出了一种基于改进麻雀优化PID的波浪补偿控制方法并将其应用于Stewart补偿平台。首先,建立波浪补偿平台动力学以及运动学反解模型,并设计正解模型迭代求解算法。随后,使用PID进行波浪补偿控制,并通过麻雀搜索算法优化参数。接着,采用Circle混沌映射对其进行初始化分布,以解决初始化不均匀的问题;并采用动态自适应加权、柯西突变以及反向学习以提升算法全局寻优能力。最后,生成4~6级海况下的某工程船运动数据作为系统输入,利用MATLAB和Simulink软件平台搭建模型进行补偿控制验证,并在Stewart硬件平台上做补偿试验。结果表明,改进麻雀搜索算法具有较快的收敛速度、较高的精度和更好的寻优能力,优化后的PID控制方法更适合用于复杂海况下波浪补偿平台的控制优化,可为大功率海上风机安装的补偿平台控制系统设计提供参考。

基于YOLO_v3的工件抓取机械臂研究

为解决目前传统机器视觉在多样本环境下识别、抓取不准确的问题,基于机器视觉设计一套识别、抓取工件机器人实验装置。该装置通过改进YOLO_v3目标检测算法抓取5种不同种类的工件放于指定位置。算法依据数据增强自制数据集样本扩充,提升算法的鲁棒性,为实现模型轻量化,将YOLO_v3原始骨干网络替换为Mobile Net-v3,提升模型检测性能。结合工件的分类和位置信息,以三自由度机械臂为执行系统,通过逆运动学得到角度值;同时通过串口传入单片机控制机械臂末端完成任务。实验表明,基于Mobile Net-v3结构下不同工件的识别准确率达到了85%以上,可用于工业生产和自动化实验的实践教学,具有一定的应用价值。

ID3改进算法研究

ID3算法是构造决策树的一种经典算法,传统的ID3算法存在很多问题,研究者提出了多种改进算法。简要概述基于粗糙集、粒计算和分类矩阵的ID3改进算法,通过实验分析对比3种改进算法的优势和不足,并对ID3算法的应用前景提出展望。

基于粗糙集理论的ID3算法的改进与应用

当前,数据挖掘已经成为信息业最引人注目的几项IT技术之一。决策树方法作为目前推广最深的数据挖掘模型之一,已创造出众多的不同算法。本文从ID3算法的缺点出发,根据粗糙集理论完成了对ID3算法的改进,为建立决策树分析模型奠定了基础。

利用NSGA-Ⅱ改进算法构建CLSC网络模型可行性初探

首先介绍CLSC网络和改进NSGA-Ⅱ算法,随后对改进算法进行效果测试,在此基础上,开展基于NSGA-Ⅱ改进算法构建CLSC网络模型的应用案例分析,分析结果证实了改进算法的实用性。

改进的ID3算法在高校收费预警系统中的应用与实现

介绍了改进的ID3算法的基本设计思想,并应用改进的算法设计了高校收费预警系统。系统设计前台用Java程序设计,后台连接Oracle数据库。训练数据是经过数据预处理的财务收费数据。经过实际测试数据的验证,本系统能够实现对学费欠费情况进行预测,并且准确率较高。该系统为决策者进行管理提供可靠的依据。

基于改进BP算法的岩石宏细观参数轻量化分析方法

针对PFC3D细观参数多、宏细观参数间影响机制分析难度大、参数标定模型可解释性不足等问题,以细观参数轻量化分析目标,通过引入含陡度因子的功能函数、自适应Nest-erov动量法及自适应学习率提出了一种改进的BP算法进行轻量化建模.与传统BP算法对比表明:改进算法提升了传统算法的稳定性与收敛速度,能够合理准确的对宏细观参数间的敏感性进行量化,筛选出关键的细观参数并获得轻量化的宏细观参数分析模型.基于轻量化模型对宏细观参数间的相关性及影响机制进行分析,研究了单个及多个关键细观参数对宏观参数的影响规律,研究发现:弹模随等效模量增大呈线性增长;平行黏结刚度比对弹模的增长具有抑制作用且当刚度比较高时弹模减小幅度较大.泊松比和颗粒刚度比及平行黏结刚度比间均存在线性关系,而摩擦系数的增大将引起泊松比的非线性减小.强度参数对峰值强度均具有激励作用,当平行黏结抗拉及抗剪强度在较高水平下的组合对峰值强度的提升作用最为显著,内摩擦角主要对岩石的峰后强度具有一定影响,这是由于试样在峰后加载时,内摩擦角对于剪切带两侧的颗粒滑动具有一定的控制作用.研究成果对于PFC参数标定问题具有一定的参考价值.

改进的ID3算法在个人贷款信用风险评估中的应用

文章应用决策树模型分类方法对银行贷款风险进行研究,针对算法往往偏向于取值较多的属性、而取值较多的属性不一定最优的缺点,对ID3进行改进,用平均信息增益代替信息增益作为选取分支属性的依据,进而建立评估模型。

一种基于改进YOLOv3的遥感影像飞机目标检测算法

针对遥感影像场景复杂,飞机目标尺寸小、特征不明显的问题,提出一种基于改进YOLOv3的遥感影像飞机目标检测算法。首先对YOLOv3的特征提取网络的结构进行改进,并将网络的检测尺度由3个扩展至4个,提高小目标的检测率;其次采用线性加权的非极大值抑制算法,降低排列交错紧密的小目标的漏检率;最后在本文设计的数据集上将该算法与YOLOv3进行对比实验。结果表明,改进后的算法对复杂背景下的小尺寸飞机目标的检测准确率和召回率均有明显提升,验证了本文算法的有效性和鲁棒性。

基于改进YOLOv3和核相关滤波算法的旋转弹目标探测算法

旋转弹的电视摄像头拍摄画面会产生旋转及抖动模糊,在预先侦查目标数据较少且末制导段视野目标较小的情况下,目标难以精确探测,为此提出一种基于改进YOLOv3和核相关滤波(KCF)算法的目标检测与跟踪算法,通过深度学习实现目标的自动检测。制作模拟山地打击场景的数据集,基于少量数据样本的前提,模拟不同天气、光照、运动及旋转模糊等复杂环境,完成在网络学习中数据的增强和扩充;通过在YOLOv3网络基础上添加Inception多尺度分支结构,增加网络对于目标不同尺寸的适应性,减少网络层数,更能适应对小目标的检测;在实现目标定位方法上,将目标检测与跟踪算法相融合,提出一种目标丢失判别机制,并利用弹道的速度—时间信息更新目标跟踪框尺度。仿真实验结果表明,相比原始算法,改进算法能更有效实现复杂环境下的目标检测和跟踪。

基于改进YOLOv3的无人机机载激光雷达图像目标定位方法

为提升无人机机载激光雷达图像小目标定位的精度,提出基于改进YOLOv3的无人机机载激光雷达图像目标定位方法。基于MCA算法分割激光雷达图像信息,通过包含脊小波字典的稀疏表达重新构建图像信息,达到去除目标图像噪声的目的;通过变化检测技术分离目标区域聚类信息,将目标区域从背景区域中分离;将目标区域输入到优化后的YOLOv3算法中完成无人机机载激光雷达图像目标的定位。实验结果表明,所提算法的定位精度为95.1%,定位耗时平均为20.6 s。

基于YOLOv3优化算法的城市道路行人检测

针对YOLO算法在密集人群场景下,准确率不高的问题,本文对现有的YOLOv3目标检测算法进行了改进并在城市道路场景下进行了应用。算法主要从网络结构、损失函数和激活函数等三个方面进行改进,并在人工标注的实际场景下的行人数据集上进行训练与测试。实验结果表明,改进后的算法较YOLOv3目标检测算法在实际场景下的准确率有明显提升。

基于改进神经网络的视频序列运动目标识别方法

为改善运动目标检测效果,降低目标漏检率,提出一种基于改进神经网络的视频序列运动目标识别方法。构建改进YOLOv3的运动目标识别模型,以不同帧视频图像为模型输入,经过卷积层的初步特征提取后,输入到由5个残差模块组成的深层网络中。通过以上采样方式构建特征金字塔,实现对运动目标四尺度特征的捕捉。在特征金字塔的每一层,应用K-means算法对运动目标真实框进行聚类,确保候选框尺寸和比例与真实运动目标的统计特性相匹配;再利用获得的候选框和分类器对特征图上每个位置进行目标检测,运用非极大值抑制技术剔除重叠框,将斥力损失函数引入到网络训练总损失之中,使预测框无限贴近运动目标真实框,实现对运动目标的精准识别。实验结果表明,所提方法具有显著的运动目标识别能力,当聚类数目为12时,运动目标识别的AUC、F1指标可达到0.92、0.90,且计算量较少。