基于改进DSSD网络的机械材料缺陷识别方法

针对机械材料缺陷识别准确率低的问题,提出一种基于改进反卷积单激发多框探测器(DSSD)网络的机械材料缺陷识别方法。首先以Residual101为基础网络,通过减少反卷积层数量以提高检测速度,然后采用K-means聚类算法优化目标检测框的长宽比,提高对机械材料缺陷识别的准确率和检测速度。结果表明,通过改进DSSD网络可实现机械材料缺陷检测,且相较于DSSD网络和常用目标检测网络YOLO、SSD、Faster-RCNN,改进DSSD网络的缺陷识别平均准确率更高,平均检测时间更短,分别达到85.9%和0.141 s,具有一定的有效性和优越性。

DSSD型全电子式多功能电能表的抄读

针对DSSD型全电子式多功能电能表在抄表时无功电量抄读不准确的现象,在介绍了DSSD型全电子式多功能电能表原理的基础上,分析了这种问题存在的原因,提出了解决问题的方法。

基于DSSD的静态手势实时识别方法

手势识别作为一种自然和谐的人机交互方式,具有广泛的应用前景,而传统手势识别方法准确率不高、实时性较差。为此,在DSSD网络模型的基础上,提出一种静态手势实时识别方法。自制手势数据集,通过K-means算法及手肘法选取先验框的宽高比,采用迁移学习的方法解决数据量小导致的检测精度低的问题,同时根据识别精度选择ResNet101为DSSD模型的基础网络,经DSSD模型的反卷积模块融合各个特征提取层的语义信息,加强对小手势目标的检测能力。实验结果表明,该方法识别静态手势的识别率达到95.6%,较基于Faster R-CNN、YOLO和SSD的手势识别方法分别提高了3.6%、4.5%及2.3%,其检测速度为8 frame/s,能够满足实时检测要求。

基于DSSD模型的机械加工件表面缺陷检测研究

对于零件的生产来说,机械加工零件表面缺陷的检测尤为重要,零件加工的质量能够得到有效的保证,进而使企业效益进一步提高。为了提高机械工件缺陷的检测效率,从而提高工件利用率,本文首先利用扫描电子显微镜得到机械工件表面的扫描图像,扩充了数据,提高了算法的鲁棒性;然后针对三种高频缺陷(碎屑、剥落和梨沟)提出了基于DSSD网络模型的工件表面缺陷检测方法。

基于DSSD模型的机械加工件表面缺陷检测研究

针对机械加工件表面缺陷检测问题,对工件表面缺陷种类、缺陷位置进行了研究,对深度学习中的目标检测算法进行了归纳分析,提出了一种基于DSSD模型的机械加工件表面缺陷检测方法。该方法首先利用扫描电子显微镜获取了不同工件、不同位置的表面缺陷图像,建立了工件表面缺陷数据集,并对数据集进行了扩充;然后将DSSD网络模型反卷积模块的网络层数进行了简化,从而降低了计算复杂度;最后利用简化后的DSSD模型完成了对数据集的训练和测试。研究结果表明:DSSD模型的检测效率高于YOLO、Faster R-CNN和SSD这3种模型,能够更准确、快速地检测工件表面缺陷,为实际工业场景下的缺陷检测提供了新的思路。

基于DSSD的接触网鸟窝识别检测研究

随着中国电气化铁路里程的迅速增长,接触网的安全稳定运行面对巨大的压力,对其进行监测拥有重要意义。针对影响电气化铁路接触网正常工作的鸟害问题进行研究,通过对不同深度学习模型进行分析比较,选择DSSD模型以自动识别高速铁路接触网沿线。同时使用迁移学习的方法,运用Caffe平台,在数据集不足的情况下,通过微调训练好的DSSD网络,提高了鸟窝识别训练网络的泛化性和稳定性。训练完的模型具有更快的识别速度和更好的鲁棒性,对于接触网安全稳定运行拥有重要的参考意义。

基于改进的DSSD的小目标检测算法研究

随着深度学习的迅速发展,图像识别技术也随之日益提高,其中目标检测在辅助驾驶系统、医学领域和车流监测系统等占有重要地位。大多目标检测算法对大目标较为敏感,且并未考虑特征与特征之间的相互关系及重要程度,然而小目标在图像中覆盖区域小,分辨率低,携带信息较少,导致小目标的误检或漏检率较高。针对以上问题,对小目标检测的难点进行研究,提出了一种基于改进的DSSD(deconvolutional single shot detector)的小目标检测算法。该算法引入混合注意力机制,在通道维度上增加权重分量进行加权求和表示信息相关度,并将图片中的空间域信息做对应空间变换,提取关键信息,突出局部重点区域,有利于前景小目标的特征学习。实验结果表明,该算法在VOC2007测试集上的精确度达到81.02%,比原DSSD算法高出1.3%,且均优于其他对比算法,证明了算法的有效性。

基于DSSD的无人车障碍物检测方法

针对无人车在行进过程中障碍物检测准确率较差的问题,以搭载单目视觉传感器的无人车为研究对象,提出一种基于DSSD的无人车障碍物检测方法。在以ResNets为基础的前置网络中使用SeLU作为残差块的激活函数,提高算法鲁棒性;在反卷积网络层后去掉冗余的预测模块提高检测速度;应用K-means聚类法确定输入图像标签的维度比例,精确网络对目标的定位。输入512×512尺寸的图片进行验证,平均准确率为82. 6%,FPS达到23帧/秒。实验表明,该无人车障碍物检测方法检测准确率高、鲁棒性好。

改进型DSSD算法在道路损伤检测中的应用研究

在自动检测中,由于道路损伤数据集存在小目标损伤难检测与类别不平衡问题,导致道路损伤检测的准确率低、虚假率高。为此,在DSSD(Deconvolutional Single Shot Detector)网络模型的基础上,提出一种结合注意力机制和Focal loss的道路损伤检测算法。首先,采用识别精度更高的ResNet-101作为DSSD模型的基础网络;其次,在ResNet-101主干网络中添加注意力机制,采用通道域注意力和空间域注意力结合的方式,实现特征在通道维度上的加权与空间维度上的聚焦,提升对小目标道路损伤的检测效果;最后,为了减少简单样本的权重,增大难分类样本的权重,使用Focal loss来提高整体的检测效果。在Global Road Damage Detection Challenge比赛所提供的数据集上进行验证,实验结果表明,该模型的平均精度均值为83.95%,比基于SSD和YOLO网络的道路损伤检测方法的准确率更高。

基于改进的DSSD算法的行人检测

交通场景下的行人检测在高级辅助驾驶系统和自动驾驶汽车领域中占有重要地位。为了解决道路行人因采集视角和低像素模糊而导致小尺度行人低检测精度的问题,提出了一种基于DSSD的行人检测网络框架,结合改进的ResNeXt特征提取模型作为DSSD检测框架的前置网络以保证小尺度行人特征的精确提取和高效传递。为了充分获取局部细节信息和全局语义信息,通过对深层网络进行反卷积操作提取不同尺度的特征,并将其通过采用相同的FPN融合策略与浅层网络进行多尺度的特征融合。最后在INRIA数据集上进行训练和测试,实验结果表明,与其他算法相比该方法具有更高的准确率和召回率。

基于X-DSSD方法的GIS内部缺陷检测方法研究

气体绝缘金属封闭开关(GIS)是电网至关重要的高压电气设备,其内部缺陷的存在将会严重影响电网的稳定运行。为了克服传统人工巡检效率低、操作不规范等问题,本文利用X射线图像特征,提出了一种基于DSSD网络的GIS设备缺陷无损检测方法(X-DSSD)。在分析GIS内部缺陷产生原理的基础上,确定了典型缺陷种类特征在X射线图像中的表征信息。采用Retinex算法对X射线图像缺陷点进行增强处理,再利用Dice loss实现清晰的边界检测对缺陷边缘特征进行提取,最后,通过X-DSSD目标检测算法对预处理的图像进行无损缺陷检测。结果表明,提出的X-DSSD检测方法相较于其他检测方法对于GIS内部的各种类型缺陷都表现出较高的检测精度。结果证明该方法可以较好的实现对GIS内部的缺陷检测,为现实GIS内部缺陷精准识别提供了解决方案。

DSSD71／DTSD71型电子式三相三线／四线多功能电能表（Ⅲ型）

DSSD71／DTSD71型电子式三相三线／四线多功能电能表(Ⅲ型)是江苏林洋电子有限公司采用高性能DSP数据处理器和日本Flash单片机制成的。该产品在Ⅱ型表的基础上加以改进，适用于供用电部门一表多用的场合。

北五味子配方颗粒提取工艺的正交设计试验优选

目的:优选北五味子配方颗粒的最佳提取工艺。方法:采用正交设计安排试验,以提取率、五味子甲素(DSSD)、五味子乙素(γ-SSD)的含量作为考察指标,考察用水量、提取时间、提取次数对五味子配方颗粒提取工艺条件的影响,优选出合理的提取工艺。结果:在既定的HPLC测定方法下,北五味子配方颗粒中DSSD及γ-SSD含量分别在0.265～1.590μg和0.638～3.188μg范围内,进样量与峰面积的线性关系良好(r=1.000 0和r=0.999 9),平均回收率分别为101.12%和100.38%,RSD值分别为1.75%和1.10%。影响北五味子配方颗粒提取率、DSSD、γ-SSD含量的主要因素依次为提取次数、提取时间、用水量,最佳工艺条件为:加水量为10倍,提取3次,每次2 h,测得DSSD平均含量为0.024%,γ-SSD平均含量为0.049%,平均提取率为36.12%。结论:该提取工艺具有提取率稳定性好、五味子甲素及五味子乙素得率高、操作简单且成本较低的特点,可为五味子配方颗粒的提取工艺提供参考。

番茄病害检测识别方法的构建与应用

为提高番茄病害预测预报的时效性和准确率,以DSSD算法为基础,运用番茄病害叶片数据集,采用K-means算法、手肘法与AlexNet、Inception-V3和ResNet101等基础网络模型相结合,构建基于DSSD的番茄病害小目标检测识别方法。结果表明:该检测识别方法识别率达86%,较原始先验框选取方法检测精度提高13.7%;可解决因数据量小而产生的精确度低的问题,有助于在番茄发病初期症状不明显时提早发现病情。

^(37)Ca β缓发质子发射实验研究

对β缓发质子衰变模式的研究已经成为获取极丰质子核及其核结构知识的有力工具。在中国科学院近代物理研究所兰州放射性束流线上开展了37Ca β缓发质子发射实验,采用将感兴趣核注入双面硅条探测器测量其关联衰变的实验方法,在连续束模式下测量了37Ca β缓发质子衰变能谱、半衰期、衰变分支比。实验结果与已有文献数据在误差范围内基本符合,证实了我们实验方法的可行性与数据处理程序的可靠性,为下一步开展更近质子滴线核衰变研究积累了经验、创造了条件。

Comparison Analysis of Efficiency Between Double-Synchronous Step-Down-Stress and Step-Up-Stress Accelerated Life Tests

Double-crossed-step-stress(DCSS) accelerated life test(ALT) method is widely used for estimating the lifetime of products with high reliability and long lifetime. In order to further reduce the test time and test cost, a double-synchronous-step-stress(DSSS) ALT method which combines a double-synchronous-step-downstress(DSSDS) ALT method and a double-synchronous-step-up-stress(DSSUS) ALT method is proposed. The accelerated stresses decrease and increase in a synchronous way with one step in the DSSDS-ALT and DSSUSALT methods, respectively. Monte Carlo method is adopted to simulate the two methods, and the validity and efficiency of them are demonstrated by the simulation results. In addition, a comparison analysis of efficiency between DSSDS-ALT method and DSSUS-ALT method is carried out. The result shows that the DSSDS-ALT method compared with the DSSUS-ALT method can significantly improve the test efficiency under the same test condition.