排序方式: 共有20条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
关键零件完整性是燃气表重要检定要求之一,经典图像特征匹配方法实现其完整性检测,存在通用性、泛化能力较低问题。本文提出一种改进Faster R-CNN多视角燃气表关键零件识别定位方法,该方法首先采用Vision Transformer(ViT)替代Faster R-CNN卷积神经网络,其自注意力机制促进学习图像块特征之间相关性,强化表征能力;其次研究ViT优化结构参数,在Transformer层数L=14、自注意头数m=12下,模型可达到相对较优准确率。实验表明,最优模型mAP达86.71%,较ResNet50提高2.48%,与ResNet101检测准确率相当,能有效降低模型复杂性,检测效率提高5.8%;燃气表关键零件单次检测耗时1.13 s,可满足燃气表外观关键零件检测的准确性、实时性要求。 相似文献
6.
7.
加系哺乳母猪54头随机分成9组,分别饲喂以消化能、蛋能比、赖氨酸在粗蛋白质中的比例为试验因素,采用L9(3)^4正交试验设计的9种饲粮,试验期从分娩当天开始到21日龄结束。以哺乳期失重和断奶至发情间隔为评价指标,求得哺乳母猪饲粮适宜营养水平为:DE14MJ/kg,CP17/5,Lys0.04%,(M C)AA0.59%。 相似文献
8.
针对目前储罐在位体积测量需求大、移位测量困难的问题,该文提出一种基于MVSNet多视角立体深度学习的储罐在位体积测量方法。首先,提出面向在位储罐体积测量的MVSNet深度预测改进多视图立体视觉方法,结合基于增量式运动恢复结构的储罐显著特征稀疏重建与相机姿态计算技术、基于MVSNet深度学习深度预测技术,获得储罐体积测量关键结构的稠密三维点云;然后,提出基于立体几何拟合在位储罐体积测量方法,旋转储罐点云与地面配准,并基于法线信息双阈值约束点云拟合储罐圆形拓扑结构,实现储罐体积测量。在2种储罐上进行初步实验,结果表明:该文方法提取到的高质量储罐点云数量比经典COLMAP框架分别增加15.6%、13.2%,点云提取时间分别缩短34.7%、39.2%,满足储罐在位体积测量需求。 相似文献
9.
多年来, 我国的火力发电厂工艺系统设计流程采用串行设计管理, 这种管理方式已不能适应当前的电力建设体制市场化的要求。国外通常采用并行工程技术管理模式, 通过2 种方式的对比可以看出并行工程技术管理模式优于串行设计管理模式。文章还对并行工程技术管理的应用进行了详细的叙述。 相似文献
10.
外观质量是家用燃气表(DGM)国家强制检定项目之一,针对 DGM 外观质量检定中匮乏缺陷样本使基于有监督学习检
测方法难以泛化到实际应用场景问题,本文研究 DGM 外观缺陷无监督检测方法,引入 Vision Transformer ( ViT) 改进版
EfficientFormerV2-l 提取正常样本特征,融合底层和高层特征图,并通过二维标准化流 FastFlow 将正常特征图映射到标准高斯分
布,外观缺陷因离散落在分布以外使异常得分相比正常样本更高,通过设置自适应阈值识别并定位 DGM 外观缺陷。 实验采集
DGM 正常样本、真实缺陷样本、合成缺陷样本作为数据集并优化检测模型参数,优化后检测模型在图像级别指标 AUROC 达
99. 77%,在像素级别指标 AUPRO 达 96. 3%,每秒可检测 4 张以上 DGM 图像,表明本文方法能准确高效识别与定位 DGM 外观
缺陷。 相似文献