改进Tiny-YOLOv3的工业钢材瑕疵检测算法

深度学习网络模型参数量大,不适用于嵌入式或移动设备上。针对工业钢材生产过程中的实时检测问题,提出了一种改进的R-Tiny-YOLOv3工业钢材瑕疵检测算法。首先,在Tiny-YOLOv3结构中加入残差网络结构,提高检测的精度。增加了空间金字塔SPP网络模块,提高网络特征提取能力。结合不同网络层的特征信息,将检测提高到三个尺度。然后,选取CIOU作为损失函数,使目标检测框的回归更加稳定。最后对数据集进行数据增强,并在Cambricon 1H8嵌入式平台进行测试。实验结果表明改进的R-Tiny-YOLOv3算法能够实时地检测出瑕疵目标,平均准确率提高了10.8%,运算速度可达39.8帧/s,为工业钢材瑕疵检测的嵌入式应用提供了参考。

基于Tiny-YOLOv3的网络结构化压缩与加速

针对特定应用场景下,Tiny-YOLOv3(You Only Look Once v3)网络在嵌入式平台部署时存在资源开销大、运行速度慢的问题,文中提出了一种结合剪枝与量化的结构化压缩方案,并搭建了针对压缩后网络的卷积层加速系统。结构化压缩方案使用稀疏化训练与通道剪枝来减少网络中的计算量,使用激活值定点数量化和权重二的整数次幂量化来减少网络卷积层中的参数存储量。在卷积层加速系统中,可编程逻辑部分按照并行加流水线方法设计了一个卷积层加速器核,处理系统部分负责卷积层加速系统调度。实验结果表明,Tiny-YOLOv3经过结构化压缩后的网络平均准确度为0.46,参数压缩率达到了5%。卷积层加速系统在Xilinx的ZYNQ芯片进行部署时,硬件可以稳定运行在250 MHz时钟频率下,卷积运算单元的算力为36 GOPS。此外,加速平台整体功耗为2.6 W,且硬件设计节约了硬件资源。

基于改进Tiny-YOLOv3的火灾图像识别算法研究

传统图像识别率及识别准确率不高,检测速度比较慢,在计算能力比较低的设备中无法运行等,对此使用改进的Tiny-YOLOv3算法模型解决这些问题。改进的算法模型进一步减少了模型的尺寸,检测速度大大提升,检测准确率与原模型的相比并没有太大变化。实验结果表明,改进的Tiny-YOLOv3算法生成的模型的尺寸为8.5 MB,比原模型更小,同时在数据集上的实时性能表现为25.3 FPS,mAP值为60%左右,性能比原模型更优。

基于Tiny-YOLOV3的无人机地面目标跟踪算法设计

为了提高四旋翼无人机对地面目标跟踪的稳定性和跟踪精度,提出了一种结合Tiny-YOLOV3和卡尔曼滤波的跟踪算法;首先分析了Tiny-YOLOV3的原理和网络结构,并基于Tiny-YOLOV3的目标检测结果,结合无人机状态和目标的几何关系建立了目标跟踪系统的数学模型;接着对目标相对运动关系进行分析,建立目标的运动学模型,考虑到目标检测结果受干扰影响较大,应用卡尔曼滤波器实现对目标轨迹的滤波和预测,进而提升目标跟踪的精度;最后根据经过卡尔曼滤波后的目标轨迹信息设计无人机控制律,在轨迹控制的同时引入对无人机偏航角的控制,从而实现无人机对目标的稳定跟踪;仿真结果表明无人机对目标的位置跟踪精度在0.5 m以内,速度跟踪误差在0.2 m/s以内,偏航角跟踪误差在3°以内,跟踪效果良好,从而论证了所提算法的有效性。

基于Tiny-YOLOv3的小目标检测仿真

针对轻量级神经网络模型检测精度不高,容易对小目标物体产生漏检的问题,该文提出了基于Tiny-YOLOv3的目标检测改进算法。将Tiny-YOLOv3模型中的池化层用卷积核为3×3、步长为2×2的卷积层代替,对输入图像的尺寸进行调整,对特征提取网络最后4层的特征图尺寸与通道数进行修改,并在原有模型的基础上添加了一层特征融合层。在VOC2007数据集上进行仿真实验,改进后的模型mAP上升了3.79%,瓶子这类物体的AP值提高了14%,说明小目标物体的检测效果得到了提升,降低了中小目标检测过程中的漏检率。

基于Tiny-YOLOv3改进算法的工件识别

针对Tiny-YOLOv3算法在工件识别实时检测中存在漏检率高的问题,提出了在Tiny-YOLOv3基础上加以改进实现了对工件更加快速、准确地识别。主要改进的方式是在Tiny-YOLOv3的特征提取网络中增加3个网络模块,即SPP结构、SE模块和Ghost模块,并用卷积层代替池化层,改进后的网络结构平均精度均值、准确率和网络模型大小都有着显著的改善。试验结果表明,改进后的算法能够更好的提升工件识别的效率,并同时满足在嵌入式设备中进行实时检测的要求。

融合图像去雾与Tiny-YOLOv3的护帮板状态检测研究

为解决液压支架工长时间作业过程中,因身体疲劳不能及时发现护帮板未护帮的问题,采用实时性高的Tiny-YOLOv3算法检测护帮板状态,但检测任务会受到综采工作面尘雾的影响。因此,提出一种融合图像去雾与Tiny-YOLOv3的目标检测算法,并在此基础上优化图像去雾算法的CUDA实现,首先将暗通道图像用RGB单通道图像代替,然后按列分组求大气光值,合并初始透射率的kernel函数并优化精细化透射率计算方式,提升图像去雾速度,保证算法的实时性。实验结果表明,在煤矿护帮板状态检测场景中,融合算法比Tiny-YOLOv3算法的准确率提高了22.8%,且满足实时检测的要求。

基于Tiny-YOLOv3的田间绿色柑橘目标检测方法

目的:为准确、快速地识别田间绿色柑橘,提出一种基于Tiny-YOLOv3网络的目标检测方法。方法:采用卷积层替换Tiny的池化层以减少目标信息丢失,借鉴DenseNet网络,在Tiny网络中嵌入2个多层密集块,提出Tiny-Dense-YOLOv3网络。结果:在2个数据集上试验以验证改进模型的有效性,在果园柑橘数据集中,Tiny-Dense-YOLOv3的准确率、召回率和F 1值分别为88.98%、95.29%和92.03%,相比于Tiny-YOLOv3模型分别提高3.55%、4.81%和4.15%;在MSCOCO集的柑橘数据集中,Tiny-Dense-YOLOv3的F 1值为52.83%,相比于Tiny-YOLOv3模型,F 1值提高了6.33%。Tiny、Darknet53和Tiny-Dense等网络输出特征图的可视化结果表明,不同网络均能提取果实目标特征,其中Tiny网络未能有效抑制树叶、枝干等背景特征的干扰。结论:Tiny-Dense-YOLOv3轻量化卷积网络可实现对田间绿色柑橘的高精度实时检测。

基于改进Tiny-YOLOv3的人数统计方法

卷积神经网络已经成为了计算机视觉处理最为广泛的技术方法,基于卷积神经网络的目标检测技术也是一个热门的研究话题。本文通过引入通道注意力机制,对目标检测算法Tiny-YOLOv3进行改进,训练人体头部的目标检测模型,从而统计当前监控环境下的人数。实验结果表明该方法能取得较好的头部检测效果,人数统计准确率高。

基于改进Tiny-YOLOv3的烟雾检测算法

实时准确的烟雾检测对森林火灾的预警至关重要,特别是面向计算力有限的嵌入式设备。为在这类设备上稳定检测烟雾,本文选择Tiny-YOLOv3作为基准模型。受Mobilenet的启发,设计一种改进Tiny-YOLOv3的新型网络结构,使用深度可分离卷积替换普通卷积,增加网络层数和输出通道数提高模型的精度。实验结果表明,所提出模型的体积小于Tiny-YOLOv3,在公开烟雾数据集的精度高于Tiny-YOLOv3,且性能优于经典的主流检测模型。这证明了本文算法的有效性。

基于Tiny-yolov3的行人目标检测研究

为了改善传统行人检测算法鲁棒性差、检测精度不高、实时性差、训练环境对硬件依赖性强的缺点,基于Darknet框架,使用Tiny-yolov3目标检测模型,在原有模型基础上,通过强化行人特征、改进算法网络结构,并不断调整学习率、动量、权重衰减系数等超参数,将模型放在混合数据集上进行实验。实验结果表明,基于Tiny-yolov3的改进行人目标检测模型准确率、召回率、平均交并比和FPS值较高,分别达81.13%、76%、83.76%和62帧/s。基于Tiny-yolov3的改进行人目标检测模型不仅能对实际场景进行更实时的检测,而且有效降低了模型对硬件的依赖,同时也能提高行人目标检测准确度,提升识别效率。

基于Tiny-Yolov3模型的4位数码管模式识别

介绍了基于Tiny-Yolov3模型实现4位数码管模式识别的流程,讲解了Tiny-Yolov3的模型结构及实现模型训练与预测识别的过程,并且讲述了将训练完成并量化后的Lite模型在树莓派上部署的具体使用方式及效果。

有氧运动训练影响阿尔茨海默症小鼠海马Notch1、Caspase-3的表达

背景:β-淀粉样蛋白和Tau蛋白会对阿尔茨海默症患者的认知功能产生不良影响,研究发现Notch1及Caspase-3能够调控β-淀粉样蛋白和Tau蛋白的表达。Notch1及Caspase-3是否介导了有氧运动改善阿尔茨海默症患者认知能力的过程还不清楚,目前缺乏长期有氧运动影响阿尔茨海默症小鼠海马中Notch1及Caspase-3表达的研究。目的:观察长期有氧运动干预阿尔茨海默症小鼠的空间学习记忆情况及其海马中Notch1及Caspase-3的表达,探讨Notch1及Caspase-3对阿尔茨海默症小鼠的影响。方法:将3月龄野生型及APP/PS1双转基因阿尔茨海默症小鼠随机分为4组:野生对照组、野生运动组、阿尔茨海默症对照组、阿尔茨海默症运动组,每组20只。对照组小鼠不进行运动,运动组小鼠进行5个月的有氧运动干预。运动干预结束后,采用Morris水迷宫检测小鼠空间学习记忆能力;采用Real-timePCR、免疫荧光及Westernblot检测各组小鼠海马组织Aβ_(1-42)、Tau、Notch1及Caspase-3蛋白的表达。结果与结论:①阿尔茨海默症小鼠空间学习记忆能力显著差于野生组(P<0.05);运动组小鼠空间学习记忆能力显著优于对照组(P<0.05);②阿尔茨海默症对照组小鼠海马Aβ_(1-42)、Tau、Notch1及Caspase-3表达均显著高于野生对照组(P<0.05);阿尔茨海默症运动组小鼠海马Aβ_(1-42)、Tau、Notch1及Caspase-3表达显著低于阿尔茨海默症对照组(P<0.05);③提示:长期有氧运动干预能够改善阿尔茨海默症小鼠的空间学习记忆能力,而这可能与有氧运动降低阿尔茨海默症小鼠海马Notch1、Caspase-3、Aβ_(1-42)及Tau蛋白表达有关。

CMAS、CMAS+NaVO_(3)、CMAS+海盐作用下热障涂层的腐蚀行为与机理

环境沉积物(CaO-MgO-Al_(2)O_(3)-SiO_(2),CMAS)的高温腐蚀已成为航空发动机涡轮叶片热障涂层过早失效的重要原因之一。然而涡轮叶片工作环境复杂,熔盐、海盐常与CMAS耦合,一起对热障涂层造成多元复杂腐蚀,但目前关于CMAS与盐类的多元耦合腐蚀行为鲜有报道。针对Y2O_(3)部分稳定ZrO_(2)(YSZ)热障涂层在CMAS、CMAS+NaVO_(3)、CMAS+海盐作用下的腐蚀行为进行对比研究。通过XRD、SEM等方法对不同条件下腐蚀后的涂层进行表征,并分析热处理温度、腐蚀物种类对腐蚀行为的影响。结果表明:与CMAS相比,CMAS+NaVO_(3)、CMAS+海盐会在更低的温度下损伤涂层(1200℃)。当三种腐蚀物均能完全熔化时(1250℃),CMAS+NaVO_(3)、CMAS+海盐熔体则由于更大的流动性而大量渗入,腐蚀内部涂层。其中,CMAS+海盐熔体在涂层内的渗透性最强,1250℃热处理4 h后,渗透深度超过400μm。盐类的共存会改变CMAS的性质,增强熔体的渗透能力,增加涂层内部甚至底部失效的倾向。研究结果有助于理解盐类与CMAS耦合时混合熔体对热障涂层的破坏机理及潜在威胁。

STAT3在阿尔茨海默病小鼠认知障碍发生发展中的作用及机制研究

目的 研究信号传导及转录激活因子3(STAT3)在阿尔茨海默病小鼠认知障碍发生发展中的作用及机制。方法 利用C57BL/6J小鼠双侧海马脑立体定位注射β-淀粉样蛋白建立阿尔茨海默病模型,给予STAT3抑制剂氯硝柳胺,运用动物行为学分析检测、Western blot分析检测等探究STAT3在认知障碍中的作用及机制。结果 行为学实验表明,与模型组小鼠相比,给药组小鼠的焦虑症状、空间探索能力、物体识别能力和学习记忆能力均得到改善;Western blot分析结果表明,给药后小鼠阿尔茨海默病的病理标志物改善,促炎因子表达下调;试剂盒分析结果显示给药组小鼠氧化应激相关指标改善;HE染色结果显示给药组小鼠海马神经元组织形态的改善。结论 本研究初步证明了抑制STAT3可减轻神经炎症和氧化应激,从而改善阿尔茨海默病小鼠的认知障碍。

沈阳市O_(3)与PM_(2.5)关系及污染主控因素分析

PM_(2.5)与O_(3)的协同控制是空气质量持续改善的关键所在,厘清PM_(2.5)与O_(3)的关系,识别O_(3)主控因素以及量化气象和人为排放贡献是实施二者协同控制的基础.本研究基于沈阳市大气复合立体超级站2019−2022年地面观测数据,分析PM_(2.5)和O_(3)协同关系及成因;利用逐步回归模型得到影响O_(3)变化的主控因素,并估算各气象因素对O_(3)的贡献.结果表明:①沈阳市2019−2022年夏季PM_(2.5)浓度与O_(3)浓度呈正相关,有明显的协同增长效应,其余三季均呈明显负相关.究其原因,主要是由于夏季高温和高太阳辐射条件利于大气光化学反应,促进了O_(3)、PM_(2.5)中二次无机成分〔主要是硫酸盐(SO_(4)^(2−))、硝酸盐(NO_(3)−)和铵盐(NH_(4)^(+)),简称“SNA”〕共同增长所致;而冬季高排放和高大气稳定度等气象条件利于SNA和二次有机碳(SOC)非均相生成,但弱太阳辐射和低温等条件不利于O_(3)光化学生成,加之高NO的滴定效应,使SNA和SOC浓度均与O_(3)浓度呈负相关.②在观测的相关污染物和气象因子中,过氧乙酰硝酸酯(PAN)与O_(3)浓度的关系最为密切,尤其在夏季.③气象因素中,O_(3)浓度与气温高度相关,与风速也呈正相关,而与相对湿度则在各季节均呈负相关.冬、春、秋三季PM_(2.5)均对O_(3)起抑制作用,冬季尤为突出.在高浓度O_(3)污染(O_(3)浓度>160μg/m^(3))过程中,主控因素中气温和风速的抬升促进O_(3)浓度升高,而高NO2和相对湿度(RH)则有利于降低O_(3)浓度.在2019−2022年高浓度O_(3)污染过程中,气象因素对沈阳市O_(3)浓度变化的贡献高于O_(3)前体物排放的贡献,总贡献为57μg/m^(3),对污染形成起着主导作用.

复合添加MgO和La_(2)O_(3)对纳米微晶氧化铝陶瓷微观结构的影响

纳米微晶氧化铝磨料具有良好的通用性和高精度磨削能力,且性价比较高,在机械制造、轴承、模具、汽车等领域有广泛的应用潜力。本研究以勃姆石(γ-AlOOH)为原料,MgO、La_(2)O_(3)为添加剂,采用溶胶-凝胶工艺合成纳米微晶氧化铝。通过差示扫描量热仪、X射线衍射仪、扫描电子显微镜和从头算分子动力学方法模拟计算研究了添加剂对微晶氧化铝相转化、物相组成、微观结构及力学性能的影响。结果表明:复合添加MgO和La2O3可以使氧化铝中间相θ-Al_(2)O_(3)向α-Al_(2)O_(3)转化的温度从1257℃降低到1105℃,将致密化温度从1600℃降低到1350℃,将微晶氧化铝的晶粒尺寸从1.04 mm减小到120 nm,实现了低温致密烧结。

NdF_(3)-LiF-Nd_(2)O_(3)-NdF_(2)熔盐体系结晶行为的研究

氟化物体系稀土氧化物熔盐电解过程中,熔盐的结晶析出行为显著影响电解过程,为此本文针对NdF_(3)-LiF-Nd_(2)O_(3)、NdF_(3)-LiF-NdF_(2)以及NdF_(3)-LiF-Nd_(2)O_(3)-NdF_(2)三种熔盐体系(NdF_(3)和LiF质量比固定为85∶15),采用降温黏度曲线测定熔盐的结晶温度,通过X射线衍射分析结晶物相。结果表明:NdF_(3)-LiF-Nd_(2)O_(3)和NdF_(3)-LiF-NdF_(2)熔盐体系中,随着熔盐中Nd_(2)O_(3)或NdF_(2)含量的增加,熔盐的结晶温度升高,熔盐的结晶物相分别为NdOF和NdF_(2);NdF_(3)-LiF-Nd_(2)O_(3)-NdF_(2)熔盐体系中,当Nd_(2)O_(3)含量为2%~3%、NdF_(2)含量为1%~3%时,熔盐结晶温度在981~988℃范围内,且NdOF与NdF_(2)共结晶。适当提高电解槽底部温度、改善底部熔盐的流动性,是抑制稀土熔盐电解过程熔盐结晶析出的有效方法。

Fe^(3+)对细粒菱锌矿和方解石分散行为的影响

方解石矿泥的覆盖和高价金属阳离子的存在是影响粒径−20μm细粒菱锌矿浮选效果的关键因素,两者通过改变菱锌矿的表面性质而恶化其分散性和浮选环境。本文选择菱锌矿浮选中常见的Fe^(3+)为研究对象,通过吸附试验、Zeta电位、XPS分析,DLVO理论计算等考察Fe^(3+)对菱锌矿和方解石的分散行为规律和作用机理。结果表明:两种矿物对Fe^(3+)的吸附行为基本一致,但Fe^(3+)对菱锌矿分散行为的影响程度大于Fe^(3+)对方解石分散行为的影响。当Fe^(3+)浓度为5×10^(−4)mol/L时,菱锌矿分散行为被完全破坏。溶液化学及DLVO理论计算结果表明,Fe^(3+)吸附在矿物表面形成了羟基络合物或Fe(OH)3,导致菱锌矿颗粒间作用力小于方解石的,这是Fe^(3+)破坏菱锌矿分散行为、影响粒径−20μm细粒菱锌矿浮选的主要原因。

NH_(3)SO_(3)改性稀土尾矿催化剂NH_(3)-SCR脱硝活性及SO_(2)/H_(2)O耐受性能研究

采用球磨、微波焙烧方法制备了不同质量分数NH_(3)SO_(3)改性稀土尾矿NH_(3)-SCR脱硝催化剂。通过BET、SEM-EDS、XRD、NH_(3)-TPD、H_(2)-TPR分析了催化剂脱硝活性及SO_(2)/H_(2)O耐受性能。结果表明:NH_(3)SO_(3)改性使催化剂脱硝活性得到了显著提高,10%NH_(3)SO_(3)改性催化剂在300~350℃脱硝活性可达90%左右。SO_(2)/H_(2)O共同作用可将10%NH_(3)SO_(3)改性催化剂脱硝活性提高至97%,其促进作用保持了良好的稳定性,且具有可逆性。NH_(3)SO_(3)改性稀土尾矿后,催化剂比表面积、酸性位点及强度增加,表面活性物质分散度更高,弱化了尾矿矿物晶型,提高了催化剂吸附能力和氧化还原能力,从而提高催化脱硝活性,同时具备优良的SO_(2)/H_(2)O耐受性。