基于改进Faster RCNN的微操作空间目标检测算法

将Faster RCNN引入微操作系统的目标检测之中。针对微操作空间下待检测目标存在尺度变化和在显微镜放大倍数较小时,待检测目标尺度过小、特征不明显的问题,提出了一种基于改进Faster RCNN的微操作空间目标检测算法。使用在图像分类任务中性能优越的深度残差网络提取图像的特征。引入递归特征金字塔网络,对特征进行融合。改进区域建议网络的采样策略,对损失函数进行优化。实验结果表明:这种改进的Faster RCNN算法能有效解决由于目标尺度变化和目标尺度过小带来的问题。相比通用的目标检测算法,该算法的准确度更高,速度更快,具有实际应用价值。

基于群体决策和多种赋值方式的加工中心关键部件RPN分析

针对传统RPN(Risk priority number)方法的缺点,提出了以多专家评估为基础的多种评估值表述方式。专家权重用一种客观的权重度量方法来确定。利用基于按对理想解的相似度定序法思想(Technique for order preference by similarity to an ideal solution,TOPSIS)的距离测度对区间RPN值进行排序。应用所提出的方法,对某型号加工中心3个关键部件的各故障模式进行了RPN计算和排序,指出了可靠性薄弱环节,为整机RPN分析提供了方法。

基于改进Faster R-CNN的桃树缺磷症检测研究

桃树缺磷症(Peach Phosphorus Deficiency, PPD)初期症状不明显、不同阶段症状差异大,而现有的基于计算机视觉的桃树病害识别模型,识别准确率不高、对不同品种识别泛化性差,为此,提出改进Faster R-CNN(Faster Region based Convolutional Neural Network)模型。首先,使用RS(Rank&Sort)-Loss函数代替区域建议网络(Region Proposal Network, RPN)中的交叉熵函数;其次,使用Soft-NMS(Non-Maximum Suppression)算法代替原有的NMS算法;最后,使用ResNeXt101网络替换原来的特征提取网络,提高对PPD识别的准确率和泛化性,并在自建PPD数据集上进行检测试验。试验结果表明:改进后的Faster R-CNN网络在自建PPD数据集上对PPD的各类别平均检测准确率达92.28%、召回率达92.31%、识别准确率达92.28%,满足实际应用要求。

基于改进FMECA与维修性的数控机床可靠性分配方法

FMECA方法可有效指导数控机床的可靠性分配,但是分析过程中忽略了决策专家决策随机性和模糊性以及子系统维修性的影响。因此,提出一种改进FMECA与维修性的数控机床可靠性分配方法。在子系统危害性分析过程中,利用云模型定量表示决策专家的评价值,有效解决了决策专家评价过程中随机性和模糊性对评价结果的影响。考虑维修性因素的影响,建立基于云模型的改进RPN方法(C-RPN),实现了数控机床子系统可靠性的合理分配。并通过与传统方法进行对比,说明了所述方法的优势。

改进RPN方法在数控磨床可靠性分析上的应用

提出了一种适用于数控磨床可靠性分析的改进RPN方法。阐述了传统风险优先数法的缺陷与不足,并针对这些缺陷和数控磨床可靠性分析这个领域,给出了改进的RPN计算方法。改进的RPN方法不仅克服了传统方法的许多缺陷,而且易于操作,更加符合实际情况。利用改进的RPN方法对某批数控磨床进行了风险评估,确定各个子系统的风险优先等级排序。进而找到数控磨床的薄弱环节,对薄弱环节进行加强,进而提高数控磨床的整体可靠性。事实证明,该改进的RPN方法对提高数控磨床可靠性有十分重要的指导意义。

基于RPN和多粒度语言集结系统的多状态退化系统故障分析

针对传统故障分析方法缺乏系统性的问题,以多状态退化系统为研究对象,引入风险优先数(RPN),借助多粒度语言评价集结系统,提出了一种新的多状态退化过程的评估方法。明晰了系统退化过程的关键环节和关键参量,更加全面地分析故障演变过程。以系统风险加权后的最低维修费用为目标,运用策略迭代算法,计算出不同故障状态下的最优维修策略。以算例说明故障分析过程,验证了所提方法的有效性和实用性。

应用卷积神经网络与RPN的交通标志识别

在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性,并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题,导致交通标志识别准确率很低。针对上述问题,提出了利用深度学习方法设计卷积神经网络,并通过卷积和池采样的多层处理,结合目标检测方法中的RPN网络结构,以提取图像的候选区域,从而对候选区域进行特征提取,最后利用全连接网络实现对特征图进行回归处理,获取检测目标的位置及识别。实验结果表明,该方法能有效地提高检测精度和计算效率,降低错误率,对于光照、旋转等不良因素下交通标志检测具有较好的稳定性和准确性,有效地提高了交通标志识别效率,具有良好的泛化能力和适应性,且满足一定的实时性的要求。

基于风险优先数RPN分析的电站状态指标筛选研究

将装备制造工艺系统分析中的风险优先数RPN分析应用于电站状态指标筛选,并以某型电站启动系统为例研究了通过RPN分析定量进行指标筛选的解决方案,解决了状态指标数据量大、层次维数多的筛选理论难题。

融合LoG特征的凸焊螺母检测算法

针对目前汽车曲面零部件的紧固连接中常用的凸焊工艺中出现凸焊螺母的漏焊、错焊,以及主要依赖人工目测的低效检测方法等问题,提出了一种基于Faster-RCNN的凸焊螺母检测算法。以Faster-RCNN作为基础模型,针对模型在不同角度下螺母特征各异且难以提取的问题,提出提取LoG特征和原图像自适应融合的方法,以增强模型对螺母特征的提取能力;引入特征金字塔(feature pyramid network,FPN)解决小目标难以被精确检测的问题;为了提升网络在复杂背景中的检测鲁棒性,在FPN中嵌入坐标注意力机制来提升网络对重点目标的关注;设计损失函数,提升训练效果,增强回归框中心点的回归精确度。实验结果表明,所提算法相比原算法,在IoU=0.75时凸焊螺母的检测精确率上升了8.65个百分点,达到90.11%,召回率上升了5.87个百分点,达到79.23%,相比原算法具有明显改善。

基于卷积神经网络算法的苹果疤痕识别技术

针对在苹果外部品质检测中,传统方法存在识别精度低、速度慢等问题,本文提出了一种基于卷积神经网络算法的图像处理技术。首先,采取7种数据增强方法对原数据进行增强处理,用以扩展数据集,降低模型训练过拟合的风险;其次,对Faster R-CNN中的特征提取网络进行优化,采用K-means聚类算法优化RPN网络,使数据集重新聚类生成新的anchor长宽比设置,并增加模型对苹果疤痕信息的提取;最后,以原始Faster R-CNN模型作为对照模型,以识别精度和速度为评价指标进行试验。结果表明:基于EfficientNet B7特征提取的K-means-Eff-CNN模型准确度达到了94.7%,且能够在0.1 s内识别出苹果疤痕。

一种面向自动驾驶路况的目标检测算法

为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster regionbased convolutional neural network(RCNN)框架的算法进行调参与优化.主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络(RPN)部分增加2个面积尺度,检测部分使用感兴趣区域(ROI)Align结构,减少特征图映射和均分过程中的误差.实验结果表明:使用faster RCNN目标检测网络,可以有效完成行人和车辆的检测任务,整体效果良好.

CPR1000+核电厂RPN通道改进的影响分析

CPR1000+核电厂反应堆堆腔土建结构、反应堆压力容器保温层等设计相对传统二代加核电厂进行较大改进,本文对改进前后的RPN处中子注量率进行计算,根据计算结果对RPN定值及功能等进行分析,其结果表明,CPR1000+核电厂RPN原有功能和系统冗余性要求仍能得到保证。

面向电子系统间歇故障的改进RPN计算框架

针对经典风险优先值(risk priority number,RPN)方法的数学缺陷、要素缺陷和研究对象缺陷,分析了经典RPN方法存在这些缺陷和不足的原因,提出了一种面向电子系统间歇故障的RPN改进计算方法。该方法采用五态Markov模型进行故障致损次数O的估算,采用DEMATEL方法进行故障位置、机理、模式的相关性/影响性分析,采用马氏距离对RPN一次排序结果中的相同序号进行二次排序,较好的解决了经典RPN方法取值不是连续整数、对3个主要要素S、O、D取值的微小变化敏感等问题。最后,采用某海基设备电子系统的间歇故障案例来力证了改进RPN计算框架的有效性,可清晰区分不同间歇故障的危险级且更为客观,取得较好效果。

基于RPN的机器人制造数字化车间安全评估方法及应用研究

以机器人制造数字化车间的制造单元为基础,通过故障树方法对危险进行分析,识别制造单元的危险源和危险事件,并结合RPN(风险优先数分析)方法对各单元风险进行定量评估,得出各单元风险的危害性。在安全评估的基础上,针对所识别的各制造单元风险,结合风险降低要求给出相应的风险降低措施。最后,以装配单元的装配机器人为例进行安全评估,结合RPN方法对机器人伤人的风险进行定量计算,并结合风险控制要求,通过增加安全光栅系统来降低人员受伤害的风险,结果表明安全光栅系统能够很好的对风险进行管控,验证了基于RPN的安全评估方法的可行性和可操作性。

RPN中子源组件试验装置设计

根据核仪表系统(RPN)源试验需求,设计专门的RPN中子源组件试验装置并进行试验验证。结果表明,该实验装置既能使源试验仪表调试人员获得理想的试验数据,又能最大程度地满足对中子源操作人员的辐射防护要求。

基于改进RPN深度网络的端到端的监控场景行人检测研究

监控场景下的行人检测相比其他场景,具有人流量大,遮挡程度高的特点。针对该场景,本文提出基于RPN深度网络的端到端检测方案。一方面改进了RPN深度网络,结合自行设计的深度卷积网络,获得了针对行人检测的深度网络。另一方面通过引入头肩模型进一步提高了针对该场景行人检测的检测性能,同时提升了检测实时性,最终实现了端到端检测。实验表明,本文方法有效提升了监控场景行人检测的检测性能和实时性,降低了检测漏检率。

基于数控机床FMECA与改进RPN的系统危害性评价方法

数控机床的正常有效运行,需要时刻关注着机床各个部位的情况。通过从企业内部采集到的数控机床数据,对数控机床的各个系统进行可靠性分析,研究每个子系统存在的故障类型故障、故障模式与故障原因,确定其对机床整体功能的影响。并通过FMECA分析计算方法和改进后的RPN系统危害性的分析方法找出数控机床各个系统的薄弱位置,了解各个故障对数控机床的整体影响程度,最终得出数控机床的可靠性信息。研究结果表明,该方法能较为准确地找出机床的主要故障部位,并针对这些故障部位提出相应的预防措施与解决方案,从而提高机床的运行寿命。

基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法

针对传统Faster-RCNN方法中候选区域生成网络(RPN)模块在进行目标检测时对目标特征提取不够充分的问题,提出一种基于改进RPN的Faster-RCNN网络SAR图像车辆目标检测方法.首先基于VGG-16网络提取出图片的多层特征,然后利用卷积核对最深的3个特征层作进一步的特征提取和正则化处理,最后对处理后的3个特征层进行信息融合.利用MSTAR数据集中车辆目标SAR图像和自然背景SAR图像,通过图像分割和贴图的方式制作了SAR场景数据集,对所改进网络进行训练和测试.实验结果表明,在SAR图像车辆目标检测中,与传统RPN相比,改进RPN收敛速度更快,不仅将检测结果的查准率从97.7%提高到了99.7%,虚警率明显降低,而且泛化性能更强,针对训练范围以外的目标,能将查准率由98.0%提高到99.0%.

一种用于单目标跟踪的锚框掩码孪生RPN模型

针对孪生区域候选网络(RPN)易受干扰且目标丢失后无法跟踪的问题,引入锚框掩码网络机制,设计一种新型孪生RPN模型。设置多尺度模板图片,并将其与目标图片进行卷积操作,实现全图检测以避免目标丢失。通过对前三帧图片的IOU热度图进行学习,预测连续帧目标锚框掩码,简化计算并排除其他目标干扰。在VOT2016和OTB100数据集中的实验结果显示,该模型对VOT2016数据集检测帧率达到24.6 frame/s,预期平均覆盖率为0.344 5,对OTB100数据集的检测准确率和成功率分别为0.862和0.642。基于摄像头采集数据的目标丢失及干扰测试表明,该模型具有良好的抗干扰性与实时性。

基于RPN-BN的平台-隔水管系统遇内波风险分析

为保障内孤立波作用下的深水半潜式钻井平台-隔水管系统的安全,同时解决海洋平台系统设备失效数据的缺失问题,提出1种风险优先系数(RPN)与贝叶斯(BN)结合的定量风险分析方法。首先,基于故障树和安全屏障方法,建立平台-隔水管系统Bow-tie模型和贝叶斯风险演化模型;其次,根据贝叶斯推断和风险优先系数中的事故发生频度估计,得到平台-隔水管系统失效事故的发生概率;最后,通过贝叶斯网络的逆向推理能力辨识内孤立波作用下引起平台-隔水管系统失效的主要风险节点,实现对平台-隔水管系统失效事故的定量风险分析。结果表明:RPN-BN法可应用于平台-隔水管系统遇内波的定量风险分析;加强对平台漂移量的控制,提高动力定位系统控制设备的可靠性可有效抵御内波对系统造成的影响。