基于ResNet-18网络的桥梁损坏图像分类研究

近些年来,传统的桥梁损坏检测方法需要大量的时间以及人力、物力和财力,同时它们具有主观性、难以量化、影响正常交通、周期长、实时性差等缺点和局限性。本研究首先使用桥梁损坏图像作为数据集,然后使用ResNet-18网络对桥梁损坏图像进行分类,并且使用Softmax作为网络输出层的激活函数,使用交叉熵函数作为网络的损失函数。接着进行模型的训练,得出模型在测试集上的准确率为82.99%。最后从模型在测试集上的混淆矩阵与分类报告两个角度,对模型进行评估,得出模型在测试集上平均的F_(1)分数达到83%。

基于改进Resnet18网络的火灾图像识别

针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别.

基于ResNet-18和集成学习方法的坑洼道路检测与识别

随着图像处理技术的不断进步,特别是深度学习在这一领域的广泛运用,图像识别技术已实现了显著的发展。文章探讨了如何利用深度学习和集成学习方法对坑洼道路进行检测和识别。通过ResNet-18模型进行图像特征提取,最终输出512个特征。应用主成分分析(PCA)进行降维,设置方差总解释率为80%,从而得到58个关键特征。采用三种集成学习方法(GBDT、AdaBoost和随机森林)进行分类识别。通过特征重要性、测试集上的性能和学习曲线分析得出:AdaBoost和随机森林对坑洼道路检测任务更为适合,特别是在数据量有限的情况下,随机森林表现出了较强的性能,而AdaBoost在数据量增加时能够显著提升性能。

一种基于改进ResNet18神经网络的苹果叶片病害识别方法

为有效提升苹果叶片病害识别的精度和效率,实现病害的及时防治进而提高苹果产量,本研究提出一种基于改进ResNet18神经网络的苹果叶片病害识别方法,可在提升模型识别性能的同时减少参数量和模型尺寸。首先,改进ResNet模型的残差结构,以减少参数量,实现模型轻量化;其次,引入坐标注意力(CA)机制并进行迁移学习,进一步提升模型的泛化性能。将改进ResNet18模型与原始ResNet18神经网络进行对比实验,结果发现,改进模型的准确率提升了1.53个百分点,但模型参数量减少为原始模型的50.84%。表明本研究提出的改进ResNet18模型可有效识别苹果叶片病害,且方便移动端搭载。

基于改进ResNet-18模型的弧齿锥齿轮安装位置偏差分类识别方法研究

针对现有的弧齿锥齿轮安装位置偏差分类识别效率低的问题,使用改进的ResNet-18神经网络构建轻量级弧齿锥齿轮安装位置偏差分类识别模型,改进的网络修改了ResNet-18网络第一卷积层,并引入了通道与空间注意力机制。实验结果表明,改进ResNet-18较原网络对于齿面接触印痕图像的分类准确率提高了3.23%,损失值降低了0.04。该方法为齿轮安装偏差识别提供了新路径,对弧齿锥齿轮总成的安装调整作业提供了一定的指导。

一种基于残差网络改进的牙齿颜色分类模型

针对传统牙齿比色方法准确率低和效率低等问题,提出一种基于残差网络改进的牙齿颜色分类模型。该模型通过融合多层卷积结果以及引入压缩与激励注意力机制模块的方式,使网络能学习到更多的图像颜色特征。基于典型牙齿所建数据集进行颜色分类实验,在该数据集上对文中模型与GoogleNet、MobileNet-V1、ResNet-34和ResNet-50等模型进行颜色分类预测结果比较。实验结果表明,文中模型优于传统模型,预测分类准确度达到91.16%,有效提高了牙齿颜色分类准确率和效率。

基于BP神经网络的TC18钛合金锻造工艺参数研究

在变形温度800--900℃、应变速率5×10-4～10S-1条件下进行了热模拟压缩试验，研究了TC18钛合金高温压缩变形行为，并借助BP神经网络模型对合金组织形貌进行了分析研究。结果表明：显微组织中等轴α相含量随温度升高总体下降，应变速率在低温区对等轴α含量有显著影响。860℃左右，应变速率对等轴d相含量的影响较小，存在较宽的组织稳定区；合金中α相轴比随温度升高初期下降，在相变点时其轴比又会升高，晶粒轴比总体随应变速率升高而增加；变形温度860℃、应变速率0．01S-1左右为适宜的加工参数区间。

基于Resnet18网络的红外图像行人危险动作识别

对夜间行人危险动作进行有效识别是无人驾驶和智能辅助驾驶系统的一个核心任务,也是保证系统安全性的基本需求.考虑到夜晚的光学条件下摄像机的成像特性,提出一种基于深度卷积网络的红外行人危险动作识别算法对夜间行人动作进行识别.该算法选择残差网络为基本网络结构,首先从红外图像的特性和问题的规模出发确定采用Resnet18网络框架,然后对数据集进行预处理使之能够适应网络,最后对网络进行训练与测试以确定网络的识别性能.在实际红外行人危险动作数据集中进行实验的结果表明,所提出方法对6类危险动作识别的平均精确率达到98.3%,平均召回率达到98.1%,优于传统的识别方法.

网络单片机PIC18F97J60的开发与应用

嵌入式系统的网络接入技术的发展,大大地促进了工业控制、信息家电等应用领域向数字化、网络化以及智能化方向的迅速发展。本文利用PICDEM.net2开发板,以PIC18F97J60单片机为核心,开发基于互联网的远程监控系统,非常实用,而且使用B/S的架构也会使系统应用更加方便。该系统可以取得连接到互联网上任意监测点的包括温度在内的多种数据,并且可以简单地控制单片机端进行一些操作,因此可以直接用于一些需要远程监控的场合。

基于ResNet-18的磁瓦缺陷检测

由于磁瓦在实际生产中会产生多种类型的缺陷,针对磁瓦生产的表面检测高质量要求,提出一种基于ResNet-18的磁瓦缺陷检测方法。首先通过构造磁瓦缺陷的不同类型数据集,再将数据集通过图像增强等方式扩充数据集进行预处理;引用ResNet-18作为训练所用的网络,设置好网络模型参数;最后通过网络训练完成对磁瓦缺陷的分类及标注。实验结果表明:扩充后数据集对比于原始数据集和其他方法,采用的方法中模型测试准确率更高,搭建的ResNet-18网络具有更好的鲁棒性和泛化性,证明了可以满足磁瓦缺陷检测中的可能性。

CC2430与DS18B20的粮库温度传感器网络设计

讨论传感器网络体系结构,给出CC2430模块外围电路的硬件设计,对DS18B20温度传感器进行分析;根据我国粮仓特点对温度传感器进行了布置,阐述了系统中传感器网络的关键技术,并编写了相关程序,实现了网络化粮库温度监测。

基于PlC18F2455单片机的网络嵌入式系统设计与实现

研究一套专用的高可靠性且经济适用的网络嵌入式系统。该系统可以实现和因特网的无缝连接,从而实现远程监控的功能。系统中设置了高性能的温、湿度传感器,以进行数据的采集并可以实现数据的实时传输。按照自下而上的顺序分析课题的研究过程,并通过多种网络环境试验,包括同网段内及跨网段的通信,证明该网络嵌入式系统具有稳定性好、性能高的特点。

基于DS18B20-SGS的大型电力网络超负荷温度报警系统设计

在大型电力网络中的电力设备一旦超负荷将会引发大范围跳闸,甚至发生火灾,引起全网瘫痪。设计并实现了一种智能的大型电力网络负荷温度控制系统。系统的硬件部分采用DS18B20数据温度传感器进行不同负荷情况下的温度信号采集;采用AT89S52单片机作为主控芯片,对收集温度传感器的信号进行提纯确认等操作,并传发送到上位机;采用CC4511芯片以动态扫描的方式进行数字的显示,通过控制SGS固态继电器的分断来控制进相器的工作状态,从而能够及时分断过热电力设备,并且报警。软件部分利用汇编语言编写电网温度控制系统的通信部分,重点对AT89S52与DS18B20通信部分软件和AT89S52与上位机通信部分进行了详细阐述。实验结果表明,该系统能够提高大型电力网络电力设备温度控制的准确性。

基于改进ResNet-18的红外图像人体行为识别方法研究

人体行为识别在安全监护、安防监控、智能家居等诸多领域具有重要的研究意义和广泛的应用价值。由于红外信息具有受光照影响小、保护隐私等特性,因此基于红外信息的人体行为识别方法备受国内外学者关注。本文对包含7种行为类别的红外信息进行连续帧拼接处理,构建红外图像数据集。传统的ResNet-18网络性能较为优异,在可见光图像识别上一直表现良好,但在红外图像识别中效果欠佳。本文根据红外图像特性,对其进行相应改进:首先,构建多分支同构结构,替换7×7卷积,增强网络的表达能力;其次,结合最大池化与平均池化,避免丢失有用信息;最后,引入非对称卷积块构成多重残差结构,并与改进CBAM模块结合对残差块进行优化,从而增加网络多样性,提升网络的特征提取能力。实验结果表明,改进ResNet 18网络识别率达到99.96%,不但高于传统的ResNet 18网络,而且明显优于基于红外图像的其他网络。

一种融合多尺度技术和并行网络的DR检测方法

针对糖尿病视网膜病变(DR)检测模型在下采样过程中关键信息丢失和模型鲁棒性差的问题,构建一个PM-Net模型(Parallel Multi-scale Network)。在下采样过程中,利用信息增强的方式设计了多尺度最大池化和多尺度卷积模块并对ResNet-50改进。进一步,为了提高模型的鲁棒性,使用双分支的架构对模型进行扩展。提出的多尺度模块使得模型在下采样的过程中获得了更加丰富的视网膜眼底图像特征,从而提高了DR检测的性能,同时提出的双分支模型在DR检测过程中用局部信息辅助全局信息保证了模型的鲁棒性。模型在EyePACS、DDR和私有数据集进行了实验验证。实验结果表明:与主流的模型相比,本模型在EyePACS数据集上的准确率和二次加权Kappa分数分别提高了2.58%和1.31%。

基于改进ResNet-50残差网络的纤维分类方法

针对目前常见的纤维分类技术中,分类结果受人的主观影响大、检测设备昂贵、检测时间长等问题,提出一种基于ImageNet数据集预训练的改进ResNet-50残差神经网络分类方法,并对4种纤维结构较相似的动物毛发纤维进行分类。使用自建训练集和测试集,以TensorFlow和Keras为框架,利用ResNet-50和VGG-16的基础模型进行验证;再通过加入Dropout层和数据增强策略等方式,改进ResNet-50的网络结构和参数并重新训练;最后使用测试集进行评估,得到新网络模型在测试集上的混淆矩阵并对比各项性能指标。结果表明,改进后的ResNet-50网络模型平均准确率98.88%,综合评估分数98.88%,有更优的综合分类性能。

18 m油电混合动力客车CAN网络架构设计与应用

介绍18m油电混合动力客车整车CAN网络架构,把一种由3个网络段组成的混合动力整车CAN网络架构作为研究平台。这种网络架构为发动机快速启停控制以及发动机和驱动电机之间的扭矩分配控制的实现提供了新的方式。

基于ResNet18与胶囊网络结合的人脸表情识别

为了避免CNN池化层丢失特征并解决胶囊网络自身卷积层特征提取不足的问题,提出一种改进的ResNet18和胶囊网络结合的人脸表情识别方法。该方法仅保留ResNet18的卷积层,对其中的3个残差块进行调整,然后融入CBAM注意力机制,替换胶囊网络的单卷积层来提取特征,最后将提取的特征送入胶囊网络进行训练和分类。所提出的方法在CK+、RAF-db和FER+数据集上进行了实验,识别准确率CK+97.97%、RAF-db84.11%、FER+(单标签)86.24%、FER+(双标签)94.14%。实验结果表明,该方法在人脸表情识别方面具有可行性和有效性。

一种基于DS18B20的计算机控制测温网络

介绍了单线数字温度传感器DS18820的特性及工作原理,并给出了在VC环境下多片DS18820与计算机并口相连组成温度监测网的实现方法。DS18820的单总线等特点使其构成的测温网络设计灵活,方便,传输距离远且抗干扰,易于扩充维护,适合于在恶劣环境下进行现场温度测量,结果表明,此设计基本上达到了预期的目标。

改进残差网络的逆变器开路电路故障诊断

针对传统三相电压源逆变器开路故障诊断方法存在准确率低和鲁棒性差的问题,提出一种用于故障诊断的改进二维卷积神经网络优化方法.该方法首先引入一种新的数据预处理方式,通过马尔可夫变迁场(MTF)将原始时域电压信号数据转换成二维灰度图像,有效保留特征的时空关系;其次,提出采用并行注意力机制对卷积神经网络ResNet18特征提取层提取的特征分别进行通道和空间特征筛选,并完成有效特征融合;最后,融合的特征经ResNet18全连接层和输出层得到故障分类结果.实验结果表明,所提出的改进故障诊断方法能将诊断精度提升至99.80%;在不同噪声条件下均能保持90%以上的分类准确性,验证该方法可有效提高逆变器开路故障诊断性能和鲁棒性.