基于空间注意力机制的Mask R-CNN致密储层岩石薄片图像鉴定

针对陆相致密储层岩石薄片鉴定识别难、制片成本高、时间消耗长和人为主观强等难题,选取鄂尔多斯盆地临兴区块上古生界和松辽盆地三肇凹陷扶余油层为靶区,提出一种基于深度学习的致密油储层岩石薄片人工智能鉴定方法,引入图像预处理技术去除岩石薄片图像噪声并统一图像像素大小,构建空间几何增广机制,基于空间注意力机制改进Mask R-CNN算法,并将上述方法应用于实例靶区进行有效性验证。结果表明:图像预处理技术能够在保障图像特征的前提下,有效提高图像质量,减少噪声干扰;空间几何图像增广机制能够在在一定程度上增加可用样本的数量;基于空间注意力机制的Mask R-CNN算法可以同时完成复杂岩石薄片成分的分割与智能识别工作,分割精度在不同数据集情况下的平均精度为89.2%,整体识别准确率为93%,适用于致密油储层岩石薄片特征鉴定。

改进Mask R-CNN的车辆检测算法

为提升在不同复杂场景下的车辆检测性能,提出一种基于改进Mask R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力;在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行特征融合,缓解顶层特征由于通道降维造成的信息损失.重新设计卷积检测头使得边框回归更为准确,并使用余弦退火算法和Soft-NMS算法来优化训练过程和后处理结果.实验结果表明,改进的Mask R-CNN车辆检测算法相比原Mask R-CNN算法在复杂场景下具有更高的检测精度,在CNRPark-EXT测试集中平均精确度提高3.8%,在更具挑战性的MiniPark测试集中平均精确度提高7.9%.

基于改进Mask R-CNN的马铃薯芽眼识别方法

马铃薯芽眼的准确识别是马铃薯种薯自动化切块的前提,为了提高马铃薯芽眼的识别效果,解决长期以来人工切块效率低下问题,提出了一种基于改进Mask R-CNN的马铃薯芽眼识别方法。通过确定性重排列技术对RoIAlign操作进行改进,消除插值操作的不确定性,确保不同尺寸的候选区域在特征图上的映射的唯一性,提高了目标分类和分割的准确性和稳定性。试验结果表明,改进后的模型识别精确率为98.47%,召回率为96.99%,调和平均值F1为97.72%,平均单幅图像的识别时间为0.135s。与改进前的算法相比,识别精确率、召回率、F1值分别提升了6.46、12.01、9.36个百分点,平均单幅图像的识别时间比改进之前提升了0.004 s。改进的Mask R-CNN算法能够更好地适应马铃薯芽眼的特殊形态和不同的环境因素,有效识别出马铃薯芽眼,为马铃薯种薯智能切块装置研究奠定了良好基础。

基于Mask R-CNN的锅炉火焰图像核心高温区域提取

为了提高锅炉火焰核心高温区域特征提取的准确性和稳定性,结合四角切圆燃烧锅炉火焰特点,提出了一种基于Mask R-CNN的火焰核心高温区域轮廓提取方法。通过某330 MW燃煤锅炉工业火焰监控系统获取约10 000帧历史运行工况的火焰图像进行建模,并对升负荷工况的火焰图像进行在线处理验证。结果表明:基于Mask R-CNN模型的核心高温区域检测精准率达到92.35%,相比于传统的阈值分割法、边缘检测法具有更高的稳定性;Mask R-CNN模型能更好地适应变负荷时脉动火焰波动、快速变化的特点,轮廓边缘受其他区域的影响较小,有助于针对火焰核心高温区域轮廓进行火焰几何特征、分布特征的提取计算。

基于Mask R-CNN的电力关键设备载波运行状态检测

为解决因载波信号大幅波动造成的电力设备运行状态检测失准问题,提出基于Mask R-CNN的电力关键设备载波运行状态检测方法。在Mask R-CNN网络模型中,通过定义小波基向量的方法确定电力载波暂态系数的计算结果。联合电量阻抗特征,求解连续阈值区间表达式,将获取到的电力载波信号放置在已定义阈值区间内。计算奇异值检测系数的取值条件,完成电力关键设备载波运行状态检测。对比实验结果表明,所提方法可以将电力载波信号波动幅值控制在±17 dB之间,对载波信号波动行为起到了明显的抑制作用,能够提升电网主机对电力设备运行状态检测的准确性。

钢轨表面缺陷检测Mask R-CNN算法研究与优化

为有效防止城市轨道交通事故发生,更好地保障运行安全,钢轨表面缺陷检测技术在巡检工作中发挥着重要作用。针对现有钢轨缺陷检测技术中检测精度差、小目标敏感度低等问题,在Mask R-CNN(mask region-based convolutional neural network)算法模型基础上,提出一种融合注意力机制的模型改进方案。该方案在特征提取网络中引入通道-空间复合注意力机制(channel-wise spatial module,CSM)用于实例分割缺陷检测,有效剔除干扰信息,获得多尺度特征表达,得到更多空间信息以及更优的浅层信息,从而提升对钢轨表面缺陷边缘检测能力。在相同的实验环境下,相对于Mask R-CNN算法,加入CSM后,Mask R-CNN模型的平均精度均值(mean average precision,mAP)提高了6.5%。其中,对钢轨“凹陷”“裂纹”以及“疲劳磨损”缺陷识别的平均精度(average precision,AP)分别提高了6.3%、6.9%和6.1%。横向对比发现,加入CSM后的Mask R-CNN模型,相较于Fast R-CNN模型,三种缺陷的分割效果分别提升了11.6%、12.5%和12.9%。同时,相较于Faster R-CNN模型,三种缺陷的分割效果分别提升了8.8%、10.0%和10.3%。加入CSM后的Mask R-CNN模型可以更好地识别三类缺陷,提升检测精度和小目标敏感度,为轨道智能巡检提供更安全有力的技术支持和保障。

基于改进Mask R-CNN和LSD的图纸管道检测方法

针对核电轴测视图中因管道特征不明显、管道尺度差异大及管道相交导致的管道识别精度差及错检、漏检等问题,提出一种基于改进的Mask R-CNN及LSD方法检测图纸中的管道。首先,针对管道特征不明显问题,将识别目标由管道调整为管道及其尺寸标注线,增加目标几何特征;其次,改进Mask R-CNN网络,引入双向加权特征金字塔结构,提高不同尺度目标特征提取能力,将原非极大值抑制改为DIoU-NMS,提高相交管道识别精度;最后,通过LSD算法检测出目标图像中的直线,再经过条件约束筛选及最小二乘拟合得到管道直线,实现管道的准确检测。实验结果表明,改进的Mask R-CNN算法有效减少了管道错检、漏检问题,精度可达90.04%,结合LSD直线检测、条件约束及最小二乘拟合算法得到管道直线,满足图纸管道检测的要求。

基于改进Gabor算法的遮挡人脸智能识别方法

为提高有遮挡人脸的识别精度,提出基于改进Gabor算法的遮挡人脸智能识别方法。首先,对人脸图像动态范围压缩,并选择反锐化掩模滤波算法展开图像增强处理;其次,利用Gabor滤波器对信息保留较完整、亮度较高的半边脸进行特征提取;最后将提取到的Gabor特征输入到极限学习机中完成遮挡人脸的智能识别。实验结果表明,所提方法对处理遮挡人脸图像具有良好的效果,且其对人脸图像识别具有精准度高、识别时间短等优点。

面向GPU的地形遮蔽探测并行算法

地形遮蔽算法在军事、民航和气象分析等领域有广泛应用。随着仿真规模的扩大、仿真结果实时性要求越来越高,传统计算模型俨然不能满足当下的实时性要求。为解决这一不足,实现了在统一计算设备架构(CUDA)并行计算平台上的地形遮蔽探测算法,解决了仿真计算速度慢的问题。在CPU端将雷达探测区域内离散采样点的高程数据矩阵化,进而提升高程值在并行化计算中的读取速度。针对雷达仿真计算参数对线程分配方式进行优化,采用循环对比方式对地形遮蔽角的计算进行并行加速。采用设备端线程同步和数据交替传输技术,确保计算结果一致性和最大化利用GPU端计算资源。采用多模式并行化计算模式,使用多线程并行化计算和单线程串行化计算来支撑GPU端计算资源不足时的退化计算,从而保证计算的高可用。实验结果表明,相较于i7-12700H CPU在仿真粒度为3 600条探测波束下的地形遮蔽串行计算和多线程并行计算,在3060 Laptop GPU下分别获取了48倍和17倍加速,为仿真实时性提供了有效的工程解决方案。

高原地区VHF地空通信覆盖范围影响因素研究

针对利用地形遮蔽法计算的民航VHF通信信号覆盖范围较粗略的问题,提出了一种在原有的算法下加入雾衰减从而提高信号覆盖精度的算法模型,并构建可视化的显示平台。首先,以西藏某高原地区VHF通信监视台站为例,利用地理信息系统从实际的地图中获取台站周围的数字高程模型(DEM),计算在地形影响下不同高度层上的信号传播截止距离;其次,根据国际电联无线电通信部门(ITU-R)P系列建议书中的雾衰减模型,构造在地形和雾共同影响下的新算法模型;最后,给定飞行高度、发射频率、发射功率等进行仿真。结果表明,多因素影响下的信号覆盖范围比单因素下的覆盖范围精确,可以为VHF地面通信监视台站选址、飞行航线规划以及西部地区民航发展提供有效支撑。

基于改进Mask-R-CNN的电力施工安全智能监测算法

考虑到电力系统在施工过程中会受到外部环境因素的干扰,导致施工的安全性降低,为此提出基于改进Mask-R-CNN的电力施工安全智能监测算法。通过对电力施工的样本图像进行采集,建立一个图像数据库,计算当前施工模式下各种施工形式,判断电力施工安全模式,根据判断结果,采用改进Mask-R-CNN对施工状态特征分布检测,提取电力施工安全信息关联规则特征,在此基础上,构建电力施工安全监测采集模型,对采集的电力施工安全监测数据进行融合处理,并利用改进的Mask-R-CNN算法对融合后的数据进行估算,结合安全模式信息流的分布函数,对其进行区间划分,采用电力施工监测概率密度函数获取安全模式阈值,通过计算安全模式阈值来实现电力施工的安全智能监测。实验结果表明,该算法不仅可以提高电力施工安全的监测效果,还可以减少算法运行时的能耗,有效保证了电力施工的安全性。

基于NSGA-Ⅱ的面曝光3D打印工艺参数多目标优化

为改善面曝光3D打印制件的打印质量差、效率低等问题,采用非支配排序遗传算法(NSGA-Ⅱ)对工艺参数进行优化。选择温度、分层厚度、曝光时间、回合等待时间为优化变量,成型试样的变形率、表面硬度、时间为优化目标,通过单因素实验确定优化变量约束范围。根据Box-Behnken实验方案,建立各优化目标的预测模型,使用NSGA-Ⅱ算法进行多目标优化,规定优先精度、优先硬度、优先速度原则,按照不同优化原则分析帕累托前沿得到对应的最优工艺参数,并进行打印验证。结果表明,优先精度原则下,变形率最小值为0.508%,与优化前相比,降低了9.290%;优先硬度原则下,表面硬度最高达到95.3 HD,与优化前相比,提高了0.316%;在优先速度原则下,打印时间与优化前相比缩短了17.220%,优化效果显著。

基于有限域的通用掩码防御方案设计与实现

加密算法被广泛用来保护秘密信息,侧信道攻击通过捕获侧信道数据对加密算法进行攻击。相关功耗分析(Correlation Power Analysis,CPA)攻击具有易于捕获功耗数据、算法实现简单、攻击效率高等特点,是加密算法的重要威胁之一。掩码技术是一种常用于防御功耗分析攻击的技术,这种技术在不修改算法本身功耗特点的情况下,引入随机数。掩码使算法中间值随机化,降低算法中间值与功耗数据的相关性,能够防御相关功耗分析攻击等。对有限域(Galois Field,GF)实现的高级加密标准(Advanced Encryption Standard,AES)算法、SM4算法使用掩码技术进行防护,重点在于优化有限域求逆算法。针对AES算法、SM4算法分别提出一种有限域掩码算法,使用全掩码技术,其中包含一种通用的有限域求逆算法。该GF(28)上求逆算法共使用6个GF(24)乘法模块,2个GF(24)平方模块,2个GF(24)平方后乘常数模块和1个GF(24)求逆模块,求逆结果输出基本同步。实验结果表明,掩码算法有效提升了算法硬件实现的抗功耗攻击能力。

隐私保护数据挖掘算法MASK的改进

为了在数据挖掘过程中既保护敏感信息和知识不被泄露,又使得到的挖掘结果相对准确,对XMASK算法进行改进。在重构原数据项支持度的过程中利用布尔集合的特性简化计数过程。通过实验将改进算法与原MASK算法和XMASK算法进行比对。结果表明,该算法提高了运行的时间效率。

基于Mask RCNN的桥小脑角区脑膜瘤与听神经瘤分类定位研究

由于人体桥小脑角区的脑膜瘤与听神经瘤在影像学的表现以及发病位置极其相似,所以临床诊断极易发生误诊.针对此问题,本文应用掩膜区域卷积神经网络(Mask RCNN)对两类肿瘤进行分类定位研究.首先采集89名脑膜瘤与218名听神经瘤患者的T1WI-SE序列的磁共振图像,对其进行预处理,再结合改进的特征金字塔网络(FPN)算法进行网络训练.本文对比了三种不同的Mask RCNN主干网络对两者分类定位的效果.结果表明,结合改进的FPN算法和ResNet101作为主干网络的Mask RCNN分类定位模型能够有效实现对两类肿瘤的分类定位,精确率为0.9182、召回率为0.8569、特异性为0.8762、均值平均精度(mAP)为0.90.

基于双目相机的船舶系泊运动感知算法研究

针对船舶系泊时的运动感知问题,提出了一种基于双目相机的船舶系泊运动感知算法,实现了船舶系泊时的位姿检测。算法采用先识别后测量的感知策略。首先,使用Mask-R CNN神经网络获取船舶掩膜;之后,利用船舶掩膜、双目视差图和双目相机的内外参数计算得到船舶点云;最后,应用NDT-ICP算法对船舶点云进行配准,得到位姿变换矩阵,从而计算出船舶系泊时的位姿。与实测值对比显示,该算法位移RPD最低为2.21 mm,旋转RPD最低为2.93°,位移RMSE最大为1.135 mm,旋转RMSE最大为3.809°,检测视频帧率达到8 FPS,算法检测能力较好,对船舶进港系泊活动具有重要意义。

基于Mask R-CNN的ORB去误匹配方法

为了提高多目标图像的ORB匹配的正确率,提出一种基于Mask R-CNN的图像ORB去除误匹配方法,该算法首先通过Faster R-CNN方法对图像进行识别,运用区域推荐网络得到矩形框标注的感兴趣区域和类别标签,该步骤可以得到感兴趣区域的预测类别和坐标信息,并且通过全卷积网络卷积层进行像素级别校正,得到像素级别的目标所属类别,然后进行目标分割。最后在原有ORB特征点匹配基础上,剔除两幅图像中相同目标分割区域以外的误匹配点。为了验证该方法的有效性,对传统ORB匹配与基于本文方法的ORB匹配进行了仿真实验。改进后的算法,使得在多目标环境下的目标的匹配精度提高了约18.6%,结果表明,本文算法较传统的ORB匹配算法的精度有一定提高。

改进MASK匀光与K-means聚类结合的桥梁裂缝提取

针对采集到的桥梁裂缝图像存在污渍、阴影、光照不均等现象,导致后期裂缝特征提取困难的问题,提出一种结合MASK匀光和K-means聚类算法的裂缝提取方法。该方法首先对MASK匀光算法进行改进,提高算法自适应能力,采用对比度拉伸增强图像反差,然后根据裂缝与背景像素灰度值的差异,利用K-means聚类算法进行图像分割,最后结合形态学方法和连通域检测实现裂缝的桥接和去噪。实验结果表明,相比于其他方法,该方法能够有效降低图像亮度不均干扰对裂缝提取结果的影响,裂缝提取准确率达到95%,保证后期裂缝尺寸测量和桥梁病害程度评估的准确性。

廉价卷积和解耦注意力的轻量化图像分割网络研究

近年来,基于二阶段模型的图像分割网络凭借其卓越的性能和鲁棒性,在自动驾驶、医疗等多个领域得到广泛应用.然而,这类网络的庞大模型和复杂计算量严重限制了它们在低算力、低功耗的移动端嵌入式平台上的部署.为此,本文提出了一种新的轻量级二阶段分割网络CDViT Mask R-CNN,通过采用廉价卷积和长距离解耦注意力机制(DFC)对Mask R-CNN这一图像分割领域主流模型的backbone进行重构,在平均精度(mAP)仅下降了0.4%情况下,模型整体尺寸缩减了46.5%,推理帧率(FPS)提升了12.6%.此外,本文借助DFC特性,采用基于掩模恢复的知识蒸馏策略对模型进行多尺度蒸馏,以补偿模型轻量化后的精度损失,使蒸馏后的模型精度提高了1.2%.实验结果表明,本文提出的模型在分割任务中具有更好的速度与精度权衡.

秘密共享:高阶掩码S盒和有限域安全乘法设计

在信息时代,信息安全是最不能忽视的重要问题,对密码设备的攻击和防护是该领域的研究热点。近年来,多种对密码设备的攻击已为人所知,其目的都是为了获取设备中的密钥,在众多攻击中,功耗侧信道攻击是最受关注的攻击技术之一。掩码技术是对抗功耗侧信道攻击的有效方法,然而随着攻击手段的不断进步,1阶掩码的防护已经不足以应对2阶及以上的功耗分析攻击,因此对高阶掩码的研究具有重要的意义。为了提升加密电路抗攻击能力,该文基于秘密共享的思想,对分组密码算法的S盒变换实施了高阶掩码防护——共享型掩码,并基于Ishai等人在Crypto 2003上发表的安全方案(ISW框架)提出了有限域安全乘法的通用设计方法。通过实验表明,该文提出的共享型掩码方案不影响加密算法的功能,同时能抵御1阶和2阶相关功耗分析攻击。