基于GhostNet的改进模型轻量化方法

为了降低深度卷积神经网络的部署成本,优化模型的检测性能,提出一种改进的轻量化主干网络算法S-GhostNet.该算法通过引入特征图生成优化的Ghost Module结构降低卷积操作的计算量,并结合改进类残差模块提升模型的精确度.S-GhostNet具有较强的即插即用性,可以应用于多数卷积神经网络模型.实验结果表明:在目标分类以及目标检测任务中,S-GhostNet相较于MobileNetV2、ShuffleNetV2以及GhostNet,模型计算量更小,模型的精确度持平,甚至更高.

无线电智能感知仪的设计与实现

为解决电磁环境日益复杂下传统电磁感知设备体积大、人工操作繁琐、识别准确率低和运算量庞大等问题,本文设计了一款无线电智能感知仪,提出了一种基于滑动窗的信号频谱能量检测算法,以提高识别精度;其次为降低模型与运算量大小,提出了一种基于轻量化神经网络的识别算法;最后设计搭建了无线电智能感知仪硬件模块,部署算法。实验结果表明,所设计的无线电智能感知仪在信号感知任务中有较好的性能,在0 dB及以上的信噪比环境下,调制识别的准确率可达到95%以上,对不同的信号调制类型的召回率和精准度均在93%以上,模型轻量化部署后降低了99.07%的浮点运算量,而准确率仅下降了0.25%。试验结果可用于指导在复杂电磁环境下无线电频谱感知设备的设计与制作过程。

无砟轨道表观伤损检测装置研制

为了快速精准检测无砟轨道伤损,基于无砟轨道表观伤损相机激光一体化成像检测技术、多相机自适应控制和多图像自动拼接技术,研发了无砟轨道表观伤损检测装置,实现了无砟轨道轨道板及层间离缝全断面高清图像的快速采集;提出了多模协同表观图像伤损混合缺陷智能识别技术,在编码-解码语义分割核心结构下引入Transformer模块,并采用TensorRT模型轻量化部署技术实现GPU加速推理,降低计算复杂度,提升并行能力。样本库测试结果表明,本文算法对5 000个测试集样本的识别准确率为95.84%。现场试验结果表明,该装置对无砟轨道表观伤损的检出率为96.4%。无砟轨道表观伤损智能检测装置能够进行无砟轨道表观伤损的高效准确检测,检测方法稳定性、泛化性好。

军事信息栅格服务能力建模

论文分析了军事信息栅格的特性及其对服务能力的影响,提出了面向能力的军事信息栅格服务建模思想,并在此基础上,以军事信息系统轻量化部署为例,研究了军事信息栅格服务能力建模。

风电机组齿轮箱油温异常诊断方法与预警策略研究

针对风电机组故障样本数据少、风电场故障记录不准确的问题,将风电机组齿轮箱故障预警方法与风电机组设计机理以及运维经验相结合,使用无故障运行数据构建齿轮箱油温异常模型,依据实际运行数据与预测数据的偏差,按照指定的预警策略给出预警。该方法采用Docker技术实现了生产环境的跨平台、轻量化部署,现场验证准确率高,能够大大提高风电机组的运维效率,间接提升发电量。

基于改进YOLOv8n的煤矿带式输送异物检测研究

在煤矿带式输送物料过程中,异物的出现可能会引发输送带撕裂或堵塞等安全风险。针对输送带输送物料中异物多样、人工巡检效率低、硬件限制等问题,提出一种基于改进YOLOv8n的轻量化煤矿带式输送异物检测算法:采用GhostNetV2网络对原CSPDarkNet53主干网络进行轻量化改进,以减少模型的参数和计算量;整合全局平均池化和全局最大池化思想优化SPPF模块,关注煤矿恶劣环境影响下图像的底层信息;设计了headC2f_CA模块,融入通道注意力机制,以便能够更有效地捕捉不同尺度和位置的异物特征,强化特征信息表达;引入DIoU损失函数,精确反映锚框与预测框之间的相似度,提升模型检测精度。实验结果表明,改进后的模型平均精度均值达88.3%,相比于基线模型YOLOv8n,提升了0.8%,参数量减少了18.51%,计算量减小了20.73%,模型大小缩减了15.87%。该模型有效缓解了边缘设备的硬件限制,同时保障了煤矿安全监测的准确性。