期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
4
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向热轧带钢表面缺陷检测的YOLOv5算法优化分析
1
作者
马冬梅
朱佳浩
《制造技术与机床》
北大核心
2024年第6期153-160,共8页
单阶段目标检测网络YOLOv5在处理热轧带钢表面缺陷的特征提取与感受特征融合时存在一定不足。文章提出一种适用于热轧带钢表面缺陷检测的优化YOLOv5算法,该算法通过IOUK-means++算法调整Anchor聚类锚框设定,并增加Dynamic Head目标检测...
单阶段目标检测网络YOLOv5在处理热轧带钢表面缺陷的特征提取与感受特征融合时存在一定不足。文章提出一种适用于热轧带钢表面缺陷检测的优化YOLOv5算法,该算法通过IOUK-means++算法调整Anchor聚类锚框设定,并增加Dynamic Head目标检测头,引入通道注意力机制(C3_CA),同时结合Hard Swish激活函数与WIoU_Loss边界框回归函数,有效提高热轧带钢表面缺陷检测的综合精度。由NEU-DET数据集测试结果表明,相较于单阶段YOLOv5算法融合结果,优化后的YOLOv5网络模型的均值平均精度(mAP)可提高至75.7%,且网络约束率可有效提升6.1%。上述优化YOLOv5算法对热轧带钢表面缺陷位置勘定、分类指向与影响评估具有有益参考,同时也为金属表面的高精度筛检提供重要支持。
展开更多
关键词
热轧
带钢
表面
缺陷
YOLOv5
IOU-K-means++
Dynamic
Head
注意力机制
下载PDF
职称材料
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
下载PDF
职称材料
小波包-BP神经网络结合的热轧带钢缺陷识别
3
作者
董振虎
王焱
《济南大学学报（自然科学版）》
CAS
北大核心
2012年第1期41-44,共4页
基于热轧带钢的表面往往存在着很多缺陷,目前的识别方法存在着误识率高的问题,提出一种基于小波包分解的提取图像特征的方法,将提取的图像的能量特征向量输入BP神经网络分类器,对麻点、夹杂和结疤3种缺陷进行识别,仿真结果表明这种方法...
基于热轧带钢的表面往往存在着很多缺陷,目前的识别方法存在着误识率高的问题,提出一种基于小波包分解的提取图像特征的方法,将提取的图像的能量特征向量输入BP神经网络分类器,对麻点、夹杂和结疤3种缺陷进行识别,仿真结果表明这种方法有着较高的识别率,并具有稳健的抗噪性和良好的扩展性。
展开更多
关键词
小波包分析
BP神经网络
热轧
带钢
表面
缺陷
下载PDF
职称材料
融合膨胀卷积与ECA的钢材缺陷检测算法
4
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
下载PDF
职称材料
题名
面向热轧带钢表面缺陷检测的YOLOv5算法优化分析
1
作者
马冬梅
朱佳浩
机构
西北师范大学物理与电子工程学院
出处
《制造技术与机床》
北大核心
2024年第6期153-160,共8页
基金
国家自然科学基金(61961037)。
文摘
单阶段目标检测网络YOLOv5在处理热轧带钢表面缺陷的特征提取与感受特征融合时存在一定不足。文章提出一种适用于热轧带钢表面缺陷检测的优化YOLOv5算法,该算法通过IOUK-means++算法调整Anchor聚类锚框设定,并增加Dynamic Head目标检测头,引入通道注意力机制(C3_CA),同时结合Hard Swish激活函数与WIoU_Loss边界框回归函数,有效提高热轧带钢表面缺陷检测的综合精度。由NEU-DET数据集测试结果表明,相较于单阶段YOLOv5算法融合结果,优化后的YOLOv5网络模型的均值平均精度(mAP)可提高至75.7%,且网络约束率可有效提升6.1%。上述优化YOLOv5算法对热轧带钢表面缺陷位置勘定、分类指向与影响评估具有有益参考,同时也为金属表面的高精度筛检提供重要支持。
关键词
热轧
带钢
表面
缺陷
YOLOv5
IOU-K-means++
Dynamic
Head
注意力机制
Keywords
hot rolled steel surface defects
YOLOv5
IOU-K-means++
dynamic head
attention mechanism
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
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
韦静
牛犇
姜陈雨
机构
盐城工学院
金陵科技学院
出处
《建模与仿真》
2023年第6期5207-5217,共11页
文摘
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。
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
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
小波包-BP神经网络结合的热轧带钢缺陷识别
3
作者
董振虎
王焱
机构
济南大学控制科学与工程学院
出处
《济南大学学报（自然科学版）》
CAS
北大核心
2012年第1期41-44,共4页
基金
国家自然科学基金(60973042)
山东省自然科学基金(Y2008G20
Y2008F61)
文摘
基于热轧带钢的表面往往存在着很多缺陷,目前的识别方法存在着误识率高的问题,提出一种基于小波包分解的提取图像特征的方法,将提取的图像的能量特征向量输入BP神经网络分类器,对麻点、夹杂和结疤3种缺陷进行识别,仿真结果表明这种方法有着较高的识别率,并具有稳健的抗噪性和良好的扩展性。
关键词
小波包分析
BP神经网络
热轧
带钢
表面
缺陷
Keywords
analysis of wavelet packet
BP neural network
surface defect recognition of hot rolled strip
分类号
TF301 [冶金工程—冶金机械及自动化]
下载PDF
职称材料
题名
融合膨胀卷积与ECA的钢材缺陷检测算法
4
作者
曹义亲
曹鑫晨
机构
华东交通大学软件学院
出处
《计算机工程与设计》
北大核心
2024年第11期3312-3319,共8页
基金
国家自然科学基金项目(61861016)
江西省科技支撑计划重点基金项目(20161BBE50081)。
文摘
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。
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
Keywords
strip material
defect detection
SPPF
dilated convolution
attention mechanism module
loss function
NEU-DET
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向热轧带钢表面缺陷检测的YOLOv5算法优化分析
马冬梅
朱佳浩
《制造技术与机床》
北大核心
2024
0
下载PDF
职称材料
2
基于脉冲卷积神经网络的带钢表面缺陷识别
吴昊
周洪成
韦静
牛犇
姜陈雨
《建模与仿真》
2023
0
下载PDF
职称材料
3
小波包-BP神经网络结合的热轧带钢缺陷识别
董振虎
王焱
《济南大学学报（自然科学版）》
CAS
北大核心
2012
0
下载PDF
职称材料
4
融合膨胀卷积与ECA的钢材缺陷检测算法
曹义亲
曹鑫晨
《计算机工程与设计》
北大核心
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
