基于卷积神经网络的光信噪比监测方法

光信噪比(OSNR)与光纤通信的传输性能息息相关,因此,OSNR监测是光性能监测技术中至关重要的一环,同时,传输链路中的色散会导致光信号脉冲展宽,使OSNR监测准确性下降。针对这一问题,设计了一种卷积神经网络模型,以异步延迟采样图(ADTP)作为网络输入特征,引入实例批量标准化模块,继承了神经网络不同深度下特征发散分布的优点,提高了神经网络对色散变化的适应性。实验结果表明,在10 Gb/s NRZ-OOK信号无色散干扰监测场景下,该模型的平均绝对误差(MAE)为0.2 dB,在色散变化的场景下,MAE最高降低了0.61 dB。

基于特征的齿轮零件CAPP系统开发

为提高齿轮零件工艺设计水平,在VB6.0平台上采用多种高级编程技术,结合Access及AutoCAD,开发出基于特征的齿轮零件CAPP系统。该系统针对齿轮零件提出一种全新的特征编码方式,同时在此编码方式基础上给出相似零件的推理策略和检索方法。详细介绍了系统的总体结构及工作流程、特征编码系统的建立、推理策略、标准实例筛选及相似性系数计算。运行实例表明,该系统界面友好,操作简单,运行稳定,实用性很强。

融入IBN-NET的轻量网络在金属圆柱工件缺陷识别中的应用

金属圆柱工件的缺陷特征容易受到环境光影响,而使用传统卷积神经网络检测金属圆柱工件缺陷,存在网络参数多,运算量大和泛化能力低等问题,难以满足工业现场检测的实时性和高精度要求.针对这些问题,提出一种融入实例-批归一化网络(IBN-NET)的轻量网络模型.在轻量卷积神经网络SqueezeNext的基础上,加入增强泛化能力的IBN-NET,将浅层卷积层后的批标准化(BN)用一定比例的实例标准化(IN)替代,形成网络模型的基础模块;通过组合基础模块,形成改进的网络模型.实验采用具有5类金属圆柱工件缺陷的图像进行对比测试,结果表明,融入IBN-NET的改进网络模型拥有更高的泛化能力,在GTX1080显卡上,改进网络模型仅需0.58 M参数量和5.54 ms的识别时间就能达到95.8%的识别精度.

基于ResNet-50改进的Faster R-CNN手势识别算法

为了解决不同识别环境下光照强度的变化对手势识别准确率影响的问题,提出了基于ResNet-50残差网络的改进Faster R-CNN手势识别算法。相较于普通的Faster R-CNN算法,该算法用了ResNet-50网络,提高网络特征的学习能力,并在ResNet-50中加入了实例批处理标准化(IBN)方法用于对单个图片的表征内容学习,适应不同的识别环境。实验结果表明,该算法在测试集上的识别率高达98.7%,相较于常用手势识别算法,有效性更高,鲁棒性更好。

钢制对焊高压带直段弯头的研制

本文概述钢制对焊高压带直段弯头的研制 ,包括 :国内外标准概况 ,国内生产现状 ,研制概况 ,应力分析 。

基于机器视觉的带钢焊缝定位

提出了一种基于机器视觉的带钢焊缝检测与定位技术,在原CenterNet算法的基础上增加旋转角度的回归实现了旋转目标检测,并根据网络的输入参数制作合适的数据集。为了进一步提高模型的精度和鲁棒性,分别引入了可变形卷积和金字塔分割注意力模块,多组实验结果对比表明,该方法能在精确率、召回率、F值和检测速度上得到提升,满足实际检测的需求。

融入IBN的糖尿病视网膜病变分类

针对不同光强、风格、背景影响卷积神经网络对糖尿病视网膜病变(diabetic retinopathy,DR)分类精度的问题,设计了一种基于ResNet-101融合实例批量归一化的方法。在ResNet-101的浅层(Conv2_x、Conv3_x、Conv4_x)的基本模块中,将第一个Conv后的批标准化更换为一半批标准化一半实例标准化。数据集划分为糖尿病视网膜病变阶段检测和糖尿病视网膜病变筛查检测两部分,通过改变曝光、镜像、旋转和添加少量高斯噪声等方式扩充数据集。实验结果表明,融合IBN-Block_1和IBN-Block_2的IBN2-Net在糖尿病视网膜病变阶段检测实验中准确率达到了98.8%,融合IBN-Block_1、IBN-Block_2和IBN-Block_3的IBN3-Net在糖尿病视网膜病变筛查检测实验中准确率达到了98.4%,融入IBN-Block能够提高糖尿病视网膜病变分类模型的精度和鲁棒性。