基于卷积神经网络的布料疵点检测方法

针对传统布料疵点检测准确率低、识别较慢且计算量大问题,提出基于卷积神经网络的布料疵点检测方法,实现增强布料疵点检测鲁棒性、高效性的设计目标。为保证训练结果准确,首先采集数量以千万级为单位的布料图像并进行图像预处理,标记无疵点布料和疵点布料;然后将图像送入设计的卷积神经网络进行训练和测试,获取疵点检测框;紧接着采用改进的NMS分类算法对检测框进行多框合并,减少误检,进一步提高模型检测效果;最后利用设计的特征图分割算法使网络模型脱离GPU显存限制,适用于各种性能计算机。实验结果表明该方法可在实现布料检测高速度、高准确率的同时增强检测方法的鲁棒性。实际检测速度为3fps,准确率可达99.6%,超过现有疵点检测算法,表明该检测方法可应用于对布料要求更高的生产企业。     

聚合物混凝土(PC)在机械行业的应用及分析

根据作者对聚合物混凝土的研究，提出改善其性能的一些看法，以求扩大ＰＣ材料在机械行业的应用范围。     

Object as Agent

Ｉｎｏｂｊｅｃｔｏｒｉｅｎｔｅｄｄｅｓｉｇｎ（ＯＯＤ），ｔｈｅｃｏｎｃｅｐｔｏｆｏｂｊｅｃｔｇｅｎｅｒａｌｙｒｅｆｅｒｓｔｏｔｈｅｏｂｊｅｃｔｏｆａｃｔｉｏｎ，ｗｈｉｃｈｉｓｉｔｓｎａｉｖｅＥｎｇｌｉｓｈｍｅａｎｉｎｇ（Ｔｈｅ‘ｏｂｊｅｃｔ’ｉｎ...     

Lie群SL（2,R）上类函数的一些性质

本文主要讨论半单Ｌｉｅ群ＳＬ（２，Ｒ）上类函数的一些性质。     

一个用FNT实现的卷积器

叙述了ＦＮＴ的基本概念和电路结构，说明了用ＦＮＴ实现一个８点５位基２流水线工作方式卷积器的方法，介绍了适用于ＦＮＴ硬件逻辑的新码。     

微生物合成黄酮类化合物的研究进展

目前,工业生产黄酮类化合物面临价格昂贵等一系列问题,因此用微生物廉价生产黄酮类化合物具有重要意义。近年来系统代谢工程的出现,提供了一个全新的角度来解决传统受限制的生物工业过程。介绍了利用代谢流调控、强化前体物质积累等代谢工程策略,实现微生物法生产黄酮类化合物的国际研究状况,希望对解决目前大规模生产黄酮类物质存在的限制和挑战提供参考。     

结合卷积与转置卷积特征的模糊车牌复原方法

深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。     

通航机场场面运动目标检测方法

针对传统YOLOv3(you only look once-v3)算法目标检测精度较低、收敛速度较慢等问题,提出了一种改进的YOLOv3算法,分别对主干网络和损失函数进行了改进。采用迁移和冻结相结合的训练方法,以提升目标检测的精确度和速度。基于改进的YOLOv3算法对西南某通航机场3种不同场景下的运动目标检测效果进行了对比分析。结果表明,改进的YOLOv3算法对正常天气场景下的场面运动目标检测效果要明显优于雾天和雨天场景,对飞机目标的检测效果明显优于车辆和行人目标;3类目标的检测精度、召回率、平均精度值(mean average precision, mAP)分别达到92.96%、80.51%、91.96%,GPU处理速度为74.0帧/s,较传统YOLOv3算法和YOLOv4算法性能均有明显提升。