期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合膨胀卷积与ECA的钢材缺陷检测算法
1
作者 曹义亲 曹鑫晨 《计算机工程与设计》 北大核心 2024年第11期3312-3319,共8页
针对带钢材料表面缺陷检测中感受野受限导致目标漏检率高的问题,基于YoloX-s模型提出一种膨胀卷积与注意力机制融合的目标检测算法。在Backbone部分采用SPPF结构替换SPP结构,在Neck部分引入混合膨胀卷积模块用以增大检测的感受野,嵌入... 针对带钢材料表面缺陷检测中感受野受限导致目标漏检率高的问题,基于YoloX-s模型提出一种膨胀卷积与注意力机制融合的目标检测算法。在Backbone部分采用SPPF结构替换SPP结构,在Neck部分引入混合膨胀卷积模块用以增大检测的感受野,嵌入注意力机制ECA-net模块,保留特征图更多的通道信息,减少漏检率。后处理阶段采用CIoU损失函数,提高模型召回率。实验结果表明,改进算法在NEU-DET数据集上的mAP达到80.8%,较原模型提高4.6%,检测速度达到160 f/s,在带钢材料表面缺陷检测中具有一定的使用价值。 展开更多
关键词 带钢材料 缺陷检测 空间金字塔池化改进 膨胀卷积 注意力机制模块 损失函数 东北大学热轧带钢表面缺陷数据集
在线阅读 下载PDF
基于脉冲卷积神经网络的带钢表面缺陷识别
2
作者 吴昊 周洪成 +2 位作者 韦静 牛犇 姜陈雨 《建模与仿真》 2023年第6期5207-5217,共11页
针对目前热轧带钢表面缺陷识别存在训练样本量小、识别效率低等问题,提出了一种基于脉冲卷积神经网络的带钢表面缺陷识别分类方法。为提高模型泛化性,首先利用扩散模型(Diffusion Model)对不平衡小样本数据集进行数据增强扩充,然后搭建... 针对目前热轧带钢表面缺陷识别存在训练样本量小、识别效率低等问题,提出了一种基于脉冲卷积神经网络的带钢表面缺陷识别分类方法。为提高模型泛化性,首先利用扩散模型(Diffusion Model)对不平衡小样本数据集进行数据增强扩充,然后搭建脉冲卷积神经网络,并通过引入代理梯度方法进行网络监督训练,同时加入注意力模块来提高特征提取效率。实验结果表明:本文提出的脉冲卷积神经网络模型在保证识别率的基础上具有较强的生物合理性,为深度脉冲卷积神经网络在实际工程的应用提供借鉴。 展开更多
关键词 热轧带钢表面缺陷 脉冲卷积神经网络 代理梯度 数据增强
在线阅读 下载PDF
基于SAE-DBN混合深度网络的热轧带钢表面缺陷预报 被引量：3
3
作者 郭贺松 孙建亮 +3 位作者 叶春林 张学智 刘炜亮 彭艳 《钢铁》 CAS CSCD 北大核心 2023年第8期120-128,共9页
热轧带钢表面质量缺陷严重制约了产品质量高端化,其带钢表面质量缺陷具有多元化、随机性等特征,不同缺陷的形成机理不同,造成带钢表面质量缺陷的工艺复杂,难以实现对表面质量缺陷的有效控制。为解决热轧带钢质量缺陷难以实现在线诊断的... 热轧带钢表面质量缺陷严重制约了产品质量高端化,其带钢表面质量缺陷具有多元化、随机性等特征,不同缺陷的形成机理不同,造成带钢表面质量缺陷的工艺复杂,难以实现对表面质量缺陷的有效控制。为解决热轧带钢质量缺陷难以实现在线诊断的问题,针对热轧生产过程发生频率较高的氧化铁皮印压入、边部翘皮、边部裂纹缺陷展开诊断预报研究。基于表面缺陷机理分析,明确了轧制过程影响带钢表面质量缺陷产生的原因变量,将其作为热轧板带表面质量缺陷预判模型的输入数据源。然后,基于深度置信网络和深度稀疏自编码器,提出一种基于SAE-DBN(spare auto encoder-deep belief nets,稀疏自编码器-深度置信网络)混合深度网络的热轧带钢表面缺陷预报模型。在DBN诊断模型的基础上,训练单个SAE得到最优网络权重。将得到的网络权重赋值给DBN模型的首层RBM(restricted Boltzmann machine,受限玻耳兹曼机),以此种方式初始化网络权值和偏置,以此进一步提高模型的预报能力和学习效率,改善深度自编码器稳健性不足的情况。采用热轧带钢生产过程实际数据对模型进行验证,结果表明SAE-DBN混合深度网络缺陷预报模型的预报平均准确率达到了94.23%。最后以热轧带钢边部翘皮缺陷为BP(back propagation)神经网络诊断模型、DBN诊断模型、DSAE(deep spare auto encoder,深度稀疏自编码器)诊断模型为对比对象,对比3种模型的预报精度分别提高了18.56%、12.58%、8.23%。同时SAE-DBN模型的误报率能够控制在6%以内,这对热轧带材表面质量缺陷具有良好的预报效果。 展开更多
关键词 热轧带钢 表面缺陷 DAE-DBN混合深度网络 缺陷预报 大数据
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部