共查询到20条相似文献,搜索用时 203 毫秒
1.
为了降低输液管道多泄漏点微小泄漏的检测难度,提高输液管道无损检测的检测精度与检测速度,通过搭建水循环管道泄漏实验系统,改变管道泄漏点尺寸、泄漏点数量及输送介质温度,应用红外热像仪实时采集红外图像,提出基于非线性平稳小波和双边滤波算法实现图像降噪;并结合红外检测技术和YOLO(You Only Look Once)v4模型实现输液管道单、多漏点的自动化智能检测。结果表明,与传统滤波算法相比,该降噪方法的峰值信噪比、结构相似性均有所提升;该模型能够快速且准确地检测管道单、多漏点,检测精度(m AP)分别达到了0.9822及0.98,准确率分别达到了98.3%及98.36%,单帧检测时间分别达到了0.3021s及0.3096s,实现了在复杂背景干扰下对单、多泄漏点的识别。通过与YOLO v3、Faster R-CNN和SSD 300这3种算法比较发现,YOLO v4算法对管道单一漏点及多泄漏点检测的准确率、m AP和检测时间均更佳,具有更高的检测准确性与检测效率。 相似文献
2.
针对资源受限、高动态复杂场景下的红外弱小目标检测识别问题,基于时序注意力机制提出了一种轻量化的智能检测识别通用算法框架,使其具备自动提取和学习目标时序变化信息的能力。所提出的算法框架主要在基于卷积神经网络模型的单帧检测识别算法基础上,结合了基于循环神经网络相关模型构造的时序注意力模块,从而使对应算法模型具有自动关联多帧之间目标特征信息变化的功能。在相关红外弱小目标图像数据集上,通过对算法框架与其他方法进行对比,结果表明所提出算法框架显著提升了对红外弱小目标的检测识别准确率。 相似文献
3.
复杂环境下基于多特征决策融合的眼睛状态识别 总被引:1,自引:1,他引:0
针对常用图像特征容易受到复杂光照、头部运动等因素的影响导致眼状态识别算法的准确率降低的问题,本文在对多种红外条件下眼睛图像特征进行分析研究的基础上,选择具有旋转不变性和尺度不变性但对光照敏感的伪Zernike矩特征、简单并有效但对轮廓提取有较高要求的复杂度特征和对光照不敏感但容易受到头部运动影响的HOG特征作为眼状态识别的特征,提出了一种基于多特征决策融合的眼状态识别算法。首先建立上述3种特征相应的支持向量机(SVM)分类器,然后利用自动权值学习算法得到3个特征分类器的决策权重,最后综合利用不同特征的性能特点对3个分类器的识别结果进行决策融合从而得到最终识别结果,提高了眼状态识别算法的鲁棒性。实验结果表明,本文算法能够较好克服光照和头部运动对眼睛状态识别的影响,识别准确率达到91.9%。 相似文献
4.
红外尾焰仿真是红外场景仿真的难点之一。采用粒子方法仿真红外尾焰存在二个问题,一是粒子数量庞大,二是很难通过控制粒子实现尾焰的温度场分布。利用尾焰的对称性,提出了一种基于粒子系统的改进算法,将尾焰拆分成横切面与底面二个几何平面,仅在平面内进行粒子填充。同时提出了双层布告板旋转算法,分别旋转粒子与尾焰的切面,使得尾焰能适应不同的观察角度。实验证明,本文算法能大幅度降低粒子数量,提高仿真速度。同时,对粒子的精确控制使得尾焰的温度场分布变得可控,解决了以往基于粒子系统的尾焰仿真温度随机不可控的不足。 相似文献
5.
由于复合翼飞行器在飞行过程中速度快,对红外目标识别算法的实时性有着更高的要求。针对快速目标识别的迫切需求,本文提出了一种基于改进YOLOv4的红外船舶识别算法YOLOv4 Gd。该算法首先将空间注意力机制与通道注意力机制相结合作用在主干网络CSPDarknet提取出有效特征层上,使得船舶目标的特征占据更大的权重,以此增强神经网络对特征的学习能力。其次,使用深度可分离卷积替换主干网络CSPDarknet的传统卷积,在确保不丢失大量信息的同时极大降低网络的模型参数,提高网络的实时性。引入可学习权重的双向特征融合BiFPN模块,增加网络对不同输入特征层的学习能力及多尺度特征融合能力,最后对主干网络层数进行优化。实验结果表明,优化后的算法在复杂背景、小尺度目标及多目标等应用场景的平均准确率提升了222,同时FPS达到489,为在移动边缘计算平台上实现红外舰船目标识别提供了飞行试验基础。 相似文献
6.
红外刑侦图像目标识别对刑事侦查具有重要意义,但刑事案件的侦破对时间和置信度要求较高。设计一种保持优异识别精度且具备较快识别速度的轻量级红外刑侦图像目标识别算法,具有十分重要的研究价值。因此借鉴生物免疫的优良特性,设计了免疫原性深度神经网络算法。该算法通过构建先天性免疫网络和适应性免疫网络来提取图像特征,然后设置免疫原性网络增强算法在处理图像特征映射时对不同通道之间优先级的调整能力,从而提高算法的精度和速度。实验结果表明,本文算法有效实现了红外刑侦图像的快速精准识别。与VGG16、VGG19、Resnet34、Resnet50、MobilenetV2等模型相比,本文算法不仅取得了99.4%的最高测试准确率,而且还具备最快的识别速度。 相似文献
7.
高超声速飞行器的高温窗口会对红外导引头成像性能产生严重影响。为了定量分析高温窗口效应,通过红外导引头信号响应特性和高温热辐射特性耦合的方法,建立了高温窗口作用下的红外导引头成像量化表征模型,并利用典型红外导引头系统高温窗口实验对该模型进行验证。基于量化表征模型,结合外场试验获取的船海辐射数据,实现了多种温度窗口作用下红外导引头成像结果计算,并对高温窗口作用下的红外导引头成像性能进行评估分析。分析结果表明:当窗口温度超过250℃时,肉眼基本无法通过图像分辨船只;当窗口温度超过300℃时,基本无法通过导引头识别算法实现目标的分辨和跟踪。 相似文献
8.
为提高电气设备红外故障图像识别准确率,提出了基于双监督信号深度学习的电气设备红外故障图像识别方法。首先,使用Slic超像素分割算法合并相似像素成区域块;其次,根据改进后HSV空间的亮度信息判别设备温度异常区域,进而分割出温度异常区域所在的连通区域及所对应的设备;最后,基于GoogLeNet卷积神经网络对电气设备红外故障图像进行特征提取,再采用softmax损失和中心损失两种监督信号对提取的特征进行监督训练,并自行建立700幅电气设备红外故障图像数据集,其中500幅用于训练,200幅用于测试。实验结果表明:使用双监督信号深度学习算法测试准确率达到98.6%,比单独使用softmax损失时准确率提高了1%。该算法能够对变压器套管、电流互感器、避雷器、隔离开关、绝缘子5种电气设备及其对应故障精准定位、识别。 相似文献
9.
10.
11.
针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。 相似文献
12.
目前在深度学习领域很少以天然气泄露图像为数据进行研究,本文使用甲烷红外图像训练的卷积神经网络(VGG16)来实现泄露检测。另外,针对泄露的甲烷气体与背景图像存在相似性的问题,使用U2-Net图像分割网络代替背景建模方法来提取泄露气体区域。通过迁移VGG16网络模型结构和卷积层参数,在卷积层和激励层之间加入BN层以提高训练速度,将最后一层池化层替换为基于最大池化算法的动态自适应池化方法以提高检测精度。将改进的VGG16神经网络对分割的红外图像进行训练并与其他卷积神经网络进行对比,使用准确率,精准率,召回率和F1-score来对模型进行综合评价,其表现效果最好。与现有的检测方法进行对比,所提出的检测方法准确率更高。该检测方法能够实现高精度泄漏检测,满足天然气泄露检测准确性的要求,且模型具有较好的泛化能力和鲁棒性。 相似文献
13.
可见光与红外成像侦察是光电侦察领域中的最重要的获情手段,但是由于当前缺乏针对两种光学传感器获取的目标图像进行融合的有效方法,严重制约了光学目标检测和识别概率的进一步提高,尤其是小目标的识别问题,成为光电侦察领域的一个难题.本文立足小目标光学成像特点,充分运用图像处理领域前沿理论方法,研究提出了基于可见光和红外图像数据融合的小目标识别算法流程框架,为小目标识别问题的解决,提供了切实可行的指导. 相似文献
14.
15.
针对脉冲红外热成像检测缺陷构件时,红外图像噪声较大、边缘信息模糊等特点,提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换,采用模糊C均值聚类对图像进行区域分割、提取和二值化;再将各个区域进行叠加,使红外图像的边缘变得连续;最后,采用Canny算子对处理后的图像进行边缘检测,实现缺陷的识别。在图像边缘检测基础上,分析了图像定位缺陷位置与实际缺陷位置之间的相对误差,并运用物像关系,实现缺陷几何尺寸的定量检测。结果表明:该方法对缺陷边缘识别完整清晰,具有较高的定位精度和抗噪能力,有利于缺陷的识别与定量检测。 相似文献
16.
17.
18.
在超声红外热像技术应用中,从红外热图像来判断被测对象是否含有裂纹,通常需要先基于人工经验,从红外热图像中提取特征再采用某种模式识别方法进行分类,裂纹的识别与定位过程繁琐且识别率较低。为此,提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法,其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图像的分类。通过实验得到的含裂纹和不含裂纹金属平板试件的红外热图像,建立卷积神经网络模型对图像中是否含有裂纹进行分类,研究结果表明,参数优化后的卷积神经网络模型对超声红外热图像的有无裂纹分类准确率达到98.7%。 相似文献
19.
传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征,并与裂纹特征进行匹配,其过程过于繁琐,识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络(Convolutional Neural Network,CNN)在金属结构无损检测与缺陷自动识别中的优势,提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象(文中为金属平板试件)进行检测,获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外,对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明,设计的卷积神经网络在该数据集上识别分类准确率为100%,优于其他网络模型和支持向量机的识别分类,可以有效检测与识别金属疲劳裂纹。 相似文献
20.
以某型战斗机为研究对象,通过三维建模与网格划分过程建立飞机的流场计算模型,基于商用CFD软件ANSYS Fluent 16.0对飞机的外流场特性进行数值模拟。计算中利用太阳射线追踪算法综合考虑了太阳辐射对机身温度场的影响,采用离散坐标法(DO辐射模型)对辐射传输方程进行耦合迭代计算,利用不带化学反应的组分输运模型(Species Transport Model)模拟燃烧后高温尾焰喷射过程,获得了飞机外流场的温度、浓度及尾流组分分布数据。简要分析了太阳辐射对温度场变化的影响,飞行马赫数对流场红外辐射的影响以及尾焰流场分布情况。分析表明:太阳辐射对蒙皮加热较小,最高升温效果仅为5 K左右,随马赫数的增加飞行器机身背部与腹部红外辐射强度差异明显,最高时腹部辐射强度为机身最大辐射强度2倍左右,激波作用下尾焰后方会出现最高450 K和580 K两个间断的核心高温区域,尾焰红外辐射强度分布符合梨形特征分布趋势。 相似文献