基于神经网络的螺丝表面缺陷检测

针对螺丝零件通常存在的缺陷检测问题,提出了一种基于神经网络螺丝表面缺陷检测方法。将SimAM注意力机制引入YOLOv7网络模型,用GIoU损失函数替换CIoU损失函数提高模型检测精度,在目标框位置预测过程中,引入Soft-NMS优化候选框选择方法,有效提升候选框位置选择的精度。实验结果表明,改进后的网络模型平均精度均值(mAP)达到98.9%,对小目标缺陷检测精度更高,误检漏检情况更少,可以有效满足螺丝表面缺陷检测要求。

2003至2022年陕西省神经管缺陷发生率下降速率及缺陷儿转归

目的总结2003至2022年陕西省神经管缺陷(NTDs)发生率的流行趋势和下降速率,掌握NTDs诊断时间及缺陷儿转归情况,预测2023至2025年陕西省NTDs发生率,为进一步完善出生缺陷监测系统提供新的科学依据。方法对2003至2022年陕西省各级开设产科的医疗保健机构孕28周至出生后7 d所有围产儿进行出生缺陷监测并收集资料,基于出生缺陷监测系统分析2003至2022年NTDs发生率的分布趋势。结果陕西省2003至2022年共监测围产儿1106483例,NTDs病例共848例,发生率为7.66/万,其中2005年发生率(48.02/万)最高,2022年发生率(0.57/万)最低。NTDs以脊柱裂为主,占55.90%,其次为无脑儿(25.71%)和脑膨出(18.40%),三者发生率均在波动中呈显著下降趋势(P<0.001)。根据Joinpoint分析结果显示,2003至2014年NTDs发生率下降速度较慢,年度变化百分比为-4.04,2014至2022年NTDs发生率下降速度较快,年度变化百分比为-28.05。2003至2022年,陕西省NTDs产前诊断的平均比例为72.88%,出生结局以死胎(61.91%)为主,其次为活产(26.77%)、死产(8.73%)、出生7 d内死亡(2.59%)。经GM(1,1)模型预测,陕西省2023、2024和2025年NTDs率分别为0.49/万、0.41/万和0.35/万。结论2003至2022年陕西省NTDs发生率显著下降,尤其以2014年后下降速率加快。NTDs患儿出生结局以死胎为主,其次为活产。

基于深度卷积神经网络的电子玻璃缺陷分类方法

电子玻璃是信息显示产业的关键基础材料之一。近年来,显示产业向大尺寸化、超高清和轻薄化发展,对于电子玻璃基板的质量提出了更高的要求。机器视觉检测具有速度快、精度高、成本低、稳定性好等优点,被广泛应用于各种工业场景中。图像处理算法、识别分类算法是机器视觉检测的关键技术。本文针对基于深度卷积神经网络的整图分类方法在电子玻璃表面缺陷检测领域的应用,从图像数据处理、卷积神经网络构建、训练调参、评价标准等方面介绍其研究进展,并总结部分应用实例,对电子玻璃缺陷分类未来的研究方向进行展望。

基于自注意力机制神经机器翻译的软件缺陷自动修复方法

循环神经网络对于代码序列数据有着良好的处理能力,软件缺陷修复的补丁生成模型大多采用循环神经网络实现.然而,基于循环神经网络的补丁生成模型在处理代码序列中长距离依赖问题时仍然具有局限性,其修复成功率和修复效率较低.针对此问题,提出一种基于自注意力神经机器翻译的软件缺陷自动修复方法(Self-attention Neural machine translation based automatic software Repair,SNRepair).首先,为有效缓解源码中的未登录词问题,对数据集引入子词切分技术进行预处理;其次,为解决源代码中棘手的长距离依赖问题并更充分地利用局部信息,构建融合局部建模的Transformer程序补丁生成模型;然后,采用缺陷自动定位技术定位缺陷语句位置,利用参数优化后的Transformer补丁生成模型生成候选补丁;最后,运行测试用例验证候选补丁.在具有395个真实Java软件缺陷的Defects4J缺陷库上实验评估,结果表明SNRepair方法与对比方法比较,修复成功率和修复效率更高.

基于卷积神经网络的纸张表面缺陷智能检测算法研究

针对纸张缺陷检测领域中如何有效提升缺陷特征提取能力、提高检测精度以及减少小目标缺陷漏检的难题,创新性地提出了一种基于改进Faster R-CNN算法的检测方法。该方法通过采用ResNet-50代替传统的VGG16作为特征提取的骨干网络,有效地增强了对纸张缺陷特征的捕获能力;进一步引入CBAM模块,实现了对空间及通道注意力的双重优化,显著提升了缺陷检测的准确度。此外,通过将ROI-Pooling技术升级为ROI-Align技术,本方法进一步增强了模型对纸张缺陷检测的泛化性能。经验证,该改进算法在常见纸张缺陷检测方面的平均精度达到了98%,不仅显著提高了检测精度,还有效减少了小目标缺陷的漏检,降低了错误检测率,为纸张缺陷检测技术的发展提供了新的思路和方法。

基于同伦分析方法和神经网络的复杂腐蚀缺陷海底管道屈曲压力计算方法

针对含复杂形状腐蚀缺陷海底管道屈曲压力计算难的问题,本研究中采用同伦分析方法对含复杂腐蚀缺陷海底管道的屈曲压力进行了计算,并用有限元方法进行了对比验证,进而根据计算结果提出了基于神经网络模型的海底管道屈曲压力的计算方法。结果显示:同伦分析方法可以有效、准确地计算含复杂腐蚀缺陷海底管道的屈曲压力,在相同情况下抛物线形腐蚀管道的临界屈曲压力大于椭圆形管道的临界屈曲压力。基于神经网络模型的腐蚀海底管道屈曲压力计算方法具有良好的泛化性能,可以很好地应用于工程现场的计算。

改进神经网络的竹片缺陷分类方法

对含有四种缺陷类型的竹片数据集使用VGG16,ResNet50和ConvNeXt网络进行识别和分类,最高识别准确率为ConvNeXt的82.95%;加入迁移学习的权重,通过迁移学习的方法,识别准确率得到了明显提升,识别效果最高为94.37%;在三个网络中分别加入推拉层取代部分卷积层,通过消融实验和横向与纵向的对比结果,发现在使用推拉层替换分类网络前两层卷积层时,得到最高为96.42%的分类结果,表明网络的改进效果是有效的;最后,改进分类网络的正则化方法,分别修改不同网络的归一化层和激活函数,再次通过消融实验发现改进后的分类网络识别性能提高明显,最高准确率达到97.12%,这些研究成果为深度学习在受损图像分类领域的应用提供了有益的启示和改进方向。

Deep_FGDL:一种基于深度神经网络的细粒度缺陷定位方法

传统静态缺陷定位技术仅能实现函数级或语句级的粗粒度定位,且过度依赖于缺陷报告等标注信息,限制了其在实际应用中的有效性。针对以上问题,本文提出一种基于深度神经网络(Deep Neural Networks,DNN)技术挖掘代码抽象语法树(Abstract Syntax Tree,AST)细粒度特征信息的缺陷定位方法Deep_FGDL。该方法利用正确代码片段构建模板库突破缺乏标注数据的限制。首先,通过代码语义相似度分析方法匹配正确模板进行初步定位。其次,提出了怀疑度公式,结合代码缺陷检测模型对结果进行加权操作,得到最为可能的细粒度缺陷定位。最后,为增强模型有效性,对于无法匹配合适模板的情况,引入了基于缺陷模式的缺陷定位方法。选用SARD数据集,将本文方法与几种静态缺陷定位方法进行实验对比,实验结果表明,该方法定位准确性在Top-5排名上提升15.0%、精确度提升19.1%。

融合大模型与图神经网络的电力设备缺陷诊断

电力系统中不同装置设备的缺陷评级和分析处理常受运维人员主观性影响,导致同一缺陷文本描述出现不同的严重程度评级。专业知识的差异也导致诊断分析差异和诊断效率不同。为提升缺陷诊断的准确性和效率,提出一种基于图神经网络的缺陷文本评级分类方法和大模型智能诊断分析助手。构建专业词典,使用自然语言处理算法规范化文本描述。通过统计方法,优化缺陷文本的语义表示。集成图注意力神经网络和RoBERTa模型对缺陷文本进行精确评级分类。基于大语言模型Qwen1.5-14B-Chat进行低秩适配(LoRA)微调训练得到电力设备诊断大模型Qwen-ElecDiag,结合检索增强生成技术开发设备缺陷诊断助手。此外,整理提供微调电力设备诊断大模型的指令数据集。对比实验结果表明,提出的基于图神经网络的缺陷评级分类方法在准确性上较最优基准模型BERT提升近8个百分点;诊断助手的电力知识以及缺陷诊断能力得到提升。通过提高缺陷评级的准确率并提供全面专业化诊断建议,不仅提高电力设备运维的智能化水平,也为其他垂直领域的智能运维提供新的解决方案。

叶酸,预防神经管缺陷的关键密码

叶酸,这个看似陌生的名词,其实与我们的健康息息相关,其对于预防胎儿神经管缺陷有着至关重要的作用。那么,叶酸究竟是何方神圣?我们又该如何科学补充叶酸呢?叶酸在神经细胞的生长和增殖过程中起着不可或缺的作用,尤其在怀孕早期,它是胎儿大脑和脊髓发育的基础。若母体叶酸摄入不足,可能导致胎儿神经管发育不全,进而引发神经管缺陷。神经管缺陷是胎儿在母体内发育过程中最常见的神经系统问题,其中包括脊柱裂和无脑儿等。除了众所周知的预防胎儿神经管缺陷的作用,叶酸还具备多种潜在的生理效益。

基于注意力机制优化组合神经网络的电力缺陷等级确定方法

为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法。该方法使用分布式字粒度向量对电力缺陷描述进行表示,使用由卷积神经网络和双向长短时记忆网络组成的卷积循环神经网络对电力缺陷描述的局部特征和序列特征进行特征提取,采用注意力机制对组合神经网络得到的语义特征进行权重分配,减少关键特征的丢失,进一步增强关键信息对分类结果的影响。以云南电网公司2014年—2019年间11万条缺陷描述数据作为实验对象,文中所提方法的Acc、MF_(1)值和WF_(1)值分别为0.9275、0.9112和0.9275,验证了该方法在电力缺陷等级确定中的有效性和可行性,为电网的智能化运行提供帮助。

卷积神经网络在红枣表面缺陷检测中的应用优化

随着农业产业的快速发展,红枣作为重要的经济作物,其品质检测对于提升市场竞争力具有重要意义。本文研究了基于深度学习的红枣表面缺陷检测技术,通过改进卷积神经网络(CNN)模型结构,引入注意力机制和激活函数,有效提高了红枣表面缺陷检测的准确率和速度。研究结果表明,优化后的模型在红枣表面缺陷识别任务上取得了显著的性能提升,为红枣品质检测提供了一种新的技术手段。

改进SqueezeNet卷积神经网络机械零件表面缺陷检测算法

提出了一种改进的SqueezeNet卷积神经网络算法,可以实现对机械零件表面缺陷准确快速的检测。采用了残差网络架构来增加层与层之间的信息交流,优化了内部卷积通道数,增强了对细节特征的提取能力,搭建了机械零件表面缺陷检测实验平台,验证了算法的准确性和实时性。实验结果表明,改进后的SqueezeNet卷积神经网络算法的准确率为98.91%,检测时间约为3.34ms,相比经典SqueezeNet算法,在检测的准确率和检测速度上都有一定的提高。

蛋源叶酸对脂多糖诱导孕鼠氧化应激健康效应及胎鼠神经管缺陷的保护作用

比较化学合成叶酸和天然蛋黄来源叶酸对由脂多糖诱导的孕鼠健康效应及胎鼠神经管缺陷的保护作用。通过观察胎鼠的生长发育状况和外观,测定孕鼠体内的叶酸消化吸收、氧化还原内稳态,以及胎盘健康状况,探讨不同来源叶酸的消化吸收差异和对孕鼠氧化应激水平的影响。通过评估胎鼠脑部神经管发育状态、神经管相关蛋白表达情况、抗氧化水平和炎症因子表达量解析叶酸来源对预防胎鼠神经管缺陷和调节体内炎症水平的潜力。研究发现,不同来源的叶酸均能有效改善孕鼠胎盘的健康状况,其中蛋源叶酸更有利于减少脂多糖造成的损伤,并且呈现出剂量依赖关系。蛋源叶酸对胎鼠神经管细胞的发育呈正反馈调节,能够平衡胎鼠脑部的超氧化物歧化酶、过氧化氢酶、谷胱甘肽酶的水平,使胎鼠体内的IL-6、IL-1β、MCP-1、iNOS和TNF-α mRNA的相对表达量处于健康平衡的状态。高剂量蛋源叶酸组中与促进神经管发育相关的蛋白质神经细胞黏附分子1表达显著增加,表现出良好的预防神经管缺陷的潜力以及抗炎效果。这些结果突出了蛋源叶酸在预防神经管缺陷和调节体内炎症水平方面的重要性,为食物来源叶酸健康功能提供了新的理论和实践依据。

多尺度卷积神经网络融合Transformer的竹材缺陷识别方法

在竹材缺陷识别的研究中,竹片形状、缺陷部位颜色深浅及裂纹大小差异都是制约模型识别准确率的关键。针对上述问题,提出一种适用于中小数据集的多尺度卷积神经网络融合Transformer的竹材缺陷识别方法,以更好地提高竹材缺陷识别的准确率。该方法在卷积神经网络的主干上进行改进,从获取不同尺度语义信息的角度出发,首先利用卷积神经网络在不同尺度的特征图上捕捉图像局部语义信息,然后将不同尺度的语义特征映射为特征符号,同时引入Sinkhorn分词器对不同阶段的卷积神经网络特征符号化以减少特征冗余,再通过Transformer对特征符号之间的关系进行建模以学习图像全局语义信息。试验结果表明,与VGG16、ResNet50、DenseNet121、ViT这4种深度学习模型相比,基于多尺度卷积神经网络融合Transformer的方法能够更高效地提高竹材缺陷识别模型的性能,在竹材缺陷图像数据集上的平均识别准确率达到了99.13%。该方法识别速度更快、精度更高,且具有良好的鲁棒性,为竹材缺陷的实时自动识别提供了新思路,同时也验证了所提出方法的有效性。

基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法

针对人工检测磁瓦内部缺陷过程中需要成熟的经验知识,检测过程不稳定且效率较低等问题,设计一套智能化检测系统。受人工检测的启发,提出一种基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法。将时域信号转换为时-频域语谱图,利用卷积神经对语谱图提取特征并分类。为更精准地强调重要信息而抑制无关信息,将坐标注意力机制引入到卷积神经网络中。提出的基于卷积神经网络和模态转换的预测模型的准确率达到98.4%,证明提出的检测方法对于磁瓦内部缺陷检方法是有效的。实验结果表明,模态转换和坐标注意力机制能提升模型的性能。

基于指针神经网络的细粒度缺陷定位

软件缺陷定位是指找出与软件失效相关的程序元素.当前的缺陷定位技术仅能产生函数级或语句级的定位结果.这种粗粒度的定位结果会影响人工调试程序和软件缺陷自动修复的效率和效果.专注于细粒度地识别导致软件缺陷的具体代码令牌,为代码令牌建立抽象语法树路径,提出基于指针神经网络的细粒度缺陷定位模型来预测出具体的缺陷代码令牌和修复该令牌的具体操作行为.开源项目中的大量缺陷补丁数据集包含大量可供训练的数据,且基于抽象语法树构建的路径可以有效捕获程序结构信息.实验结果表明所训练出的模型能够准确预测缺陷代码令牌并显著优于基于统计的与基于机器学习的基线方法.另外,为了验证细粒度的缺陷定位结果可以贡献于缺陷自动修复,基于细粒度的缺陷定位结果设计两种程序修复流程,即代码补全工具去预测正确令牌的方法和启发式规则寻找合适代码修复元素的方法,结果表明两种方法都能有效解决软件缺陷自动修复中的过拟合问题.

语音识别缺陷的分类及中枢神经机制

语音识别是一项重要的社会交际功能,语音识别缺陷患者往往因不能准确识别说话者的身份而苦恼。语音识别缺陷指在没有听觉损伤的情况下,仅通过声音难以识别说话者的身份。从大脑损伤的情况来看,该症状分为先天性语音识别缺陷和获得性语音识别缺陷,先天性语音识别缺陷与颞叶和杏仁核间的功能联结障碍有关,获得性语音识别缺陷患者受损脑区主要包括颞叶和额叶等。今后应重点关注语音识别缺陷患者的筛选方法、神经机制及与其他听觉认知障碍患者的差异等方面的研究。

注意缺陷多动障碍患儿面部表情识别能力及其神经心理机制

注意缺陷多动障碍(ADHD)是一种以注意力不集中、多动冲动和工作记忆缺陷为特征的慢性神经发育障碍。社交障碍是ADHD患儿面临的主要挑战之一。研究发现ADHD患儿在面部表情识别(FER)任务中的表现通常不如正常发育的儿童。虽然部分研究表明在特定表情识别的准确性上,ADHD患儿与正常发育儿童相比未见明显差异,但总体来看,他们在FER中显示出一定的困难。这些困难的神经心理机制如下:①神经解剖学方面:ADHD患儿的杏仁核和内侧额叶区域显示出较小的灰质体积和表面积,以及部分额叶白质纤维束的轴突/细胞的密度和体积减小;②神经生理学方面:ADHD患儿的脑电图表现出慢波活动增加,在面对面部刺激时情绪调节和对愤怒面孔的反应上有异常;③心理学方面:心理社会压力可能会影响ADHD患儿的FER能力,且ADHD患儿睡眠剥夺可能导致其对悲伤和愤怒等负面表情的识别阈值显著提高。本文对近三年来有关ADHD患儿FER能力的研究进行检索和整理,从神经解剖学、神经生理学以及心理学机制三个维度分析ADHD患儿的FER缺陷,以期为ADHD的深入研究和临床治疗提供新的视角。

基于注意力引导多尺度降噪卷积神经网络的钢轨表面缺陷图像降噪

针对钢轨表面缺陷图像降噪依赖人工设置滤波参数和缺陷边缘模糊的问题,提出基于注意力引导多尺度降噪卷积神经网络的钢轨表面缺陷图像降噪方法。首先采用深层网络中的多尺度卷积自动提取含噪图像的特征,使其不依赖于人工设置滤波参数,并克服单尺度卷积特征不够精细导致缺陷边缘模糊的问题;其次利用跳跃连接融合网络深层特征和浅层特征,强化浅层特征影响,克服因网络加深导致浅层特征被忽略的问题,使特征更充分;然后利用注意力机制调节特征在空间不同位置的权重,筛选出能表征噪声的特征,获得噪声信息;最后通过重建模块去除含噪图像中的噪声,实现端到端的降噪。试验结果从定性和定量角度证明所提方法不仅降噪效果更好,且更有效地保留了缺陷边缘信息,为缺陷精确分割提供条件。