【摘 要】
：
近年来，随着偏光片的应用更加广泛，对于其生产质量也有严苛的要求。本文采用深度学习的目标检测算法对偏光片的三类瑕疵缺陷进行检测，以解决传统方法检测精度低、硬件成本高的问题，优化生产工艺。本文基于YOLOv3-Tiny算法，采用Dense Block模块与SPP-Net模块对其特征提取网络进行优化，且与待检测目标的实际情况相结合调整优化网络的检测模块提出一种改进后的算法YOLOv3-Tiny-D。实验
论文部分内容阅读
近年来，随着偏光片的应用更加广泛，对于其生产质量也有严苛的要求。本文采用深度学习的目标检测算法对偏光片的三类瑕疵缺陷进行检测，以解决传统方法检测精度低、硬件成本高的问题，优化生产工艺。本文基于YOLOv3-Tiny算法，采用Dense Block模块与SPP-Net模块对其特征提取网络进行优化，且与待检测目标的实际情况相结合调整优化网络的检测模块提出一种改进后的算法YOLOv3-Tiny-D。实验表明，本文方法在偏光片数据集上测试时，单张图片在保证检测速度同时（18ms/张），脏污、划痕、标记三类缺
其他文献
为了缩减语义鸿沟并缓解人工标注工作量大的问题,提出一种基于自适应加权融合的半监督图像自动标注方法,能够有效利用无标签图像更准确地完成标注任务.首先提取训练集中有标签图像的两个不同特征集,训练两个初始分类器——分别基于支持向量机和卷积神经网络构建;然后提取无标签图像相应的特征输入这两个分类器,分别获得各幅图像对应的标签,再利用自适应加权融合策略重新计算每幅图像对应标签的置信度;最后选择置信度高的图像
国内某1080MWe核电机组主泵轴封在运行周期末性能退化。泄漏量升高的同时，第三级密封腔压力降低到正常标准以下，且有持续恶化的趋势。103大修解体后观察到第三级轴套外表面有发黄发蓝现象。第三级密封的PTFE挡圈和O形圈在运转过程中有卡滞痕迹，影响三级副密封浮动性，导致密封性能欠佳。为了分析验证第三级副密封所处工作状态，开展了轴系温度分布仿真分析。采用微型内窥装置在线获取三级低压泄漏流相态图像。经过
选取吉林省内黑土、黑钙土及白浆土三种典型耕地土壤为研究对象，采用优化后的酸碱滴定法及灰色关联法对土壤酸碱缓冲性能及影响因素进行研究。结果表明：白浆土碱缓冲能力最强，碱缓冲容量2.5～5cmol/（kg·pH）、对酸的缓冲性能最弱，酸缓冲容量2～4 cmol/（kg·pH）；黑钙土对碱的缓冲性能最弱，碱缓冲容量0.5～2.5cmol/（kg·pH），大部分碳酸盐含量高的黑钙土对酸的缓冲性能最强，酸缓
本文将基于深度学习的图像目标检测技术引入到养殖个体图像目标检测方面，可以提高养殖视频图像智能分析技术，提高科学养殖能力。本文将深度学习的YOLO V3算法应用到生猪图像目标检测方面，结合畜牧养殖实际情况，进行了类别选择、遮挡物处理和图像增强等设计，实现了基于深度学习技术的生猪图像目标检测算法。本文利用该算法对采集的生猪个体图像数据进行训练、验证和测试，对测试图像目标检测漏检率约6%，错检率约1%，
非局部均值去噪(Non-local means, NLM)算法利用图像的自相似性,取得了很好的去噪效果.然而, NLM算法对图像中不相似的邻域块分配了过大的权重,此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整.针对上述问题,本文提出一种无监督多重非局部融合(Unsupervised multi-non-local fusion, UM-NLF)的图像去噪方法,
青藏高原土壤水热状况对气候变化以及植被退化等方面的研究具有重要意义，土壤湿度的准确刻画还会影响到数值预报模式对当地及其下游地区降水的模拟能力。为此，采用中国科学院那曲高寒气候环境观测研究站安多观测点2014年1―12月的土壤温度、土壤湿度观测资料以及同期安多气象站观测数据，分析了青藏高原那曲地区中部不同深度土壤温、湿度的分布特征及其与气温、降水量等气象要素的关系。结果表明：（1）土壤温度浅层为正弦
针对传统滑坡监测数据采集系统布线困难、自动化程度低、成本高等问题，设计了一种基于物联网技术的滑坡监测数据自动采集系统。该系统以ZigBee无线传感器网络、无线通信技术为核心，通过布置在滑坡体上的传感器节点采集数据。利用ZigBee协议和互联网将数据实时传输到监控中心，使相关工作人员及时掌握滑坡体信息。以三峡库区八字门滑坡为例，分析了该滑坡当前监测手段的不足，建立了八字门滑坡的物联网监测系统，分别对
非参数化谱反演是研究地震动震源、传播路径及场地效应的关键技术，可靠的反演结果有助于准确认识地震震源物理，进而有效预测地震动和地震危险性。本文通过2016—2017年意大利中部地震序列地震动的谱反演，分析震源和场地项权衡的约束条件、单步法/两步法的选择、震源参数估计等关键环节对反演结果可靠性的影响，并提出确保反演可靠性的合理建议。常用来处理震源和场地项权衡的约束条件的参考场地显著影响反演可靠性，建议
布匹瑕疵检测是纺织工业中产品质量评估的关键环节,实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业的产能具有重要意义.在实际布匹生产过程中,布匹瑕疵在形状、大小及数量分布上存在不平衡问题,且纹理布匹复杂的纹理信息会掩盖瑕疵的特征,加大布匹瑕疵检测难度.本文提出基于深度卷积神经网络的分类不平衡纹理布匹瑕疵检测方法,首先建立一种基于通道叠加的ResNet50卷积神经网络模型(ResNet50+)对布匹
基于深度学习的方法在去雾领域已经取得了很大进展，但仍然存在去雾不彻底和颜色失真等问题。针对这些问题，本文提出一种基于内容特征和风格特征相融合的单幅图像去雾网络。所提网络包括特征提取、特征融合和图像复原三个子网络，其中特征提取网络包括内容特征提取模块和风格特征提取模块，分别用于学习图像内容和图像风格以实现去雾的同时可较好地保持原始图像的色彩特征。在特征融合子网络中，引入注意力机制对内容特征提取模块输