复合绝缘子沿面放电紫外成像检测及诊断系统开发
这是一篇关于复合绝缘子,紫外成像,电场仿真,YOLO算法,诊断软件,B/S架构的论文, 主要内容为复合绝缘子作为输变电系统中最常使用的外绝缘设备之一,其绝缘状态会对电网的安全运行产生直接影响,复合绝缘子的沿面放电特性可以反映其绝缘状态。日盲紫外成像法具有高探测灵敏度和良好的放电定位能力,本文基于紫外成像研究了在不同污湿状态下复合绝缘子放电,提出了基于深度学习算法的绝缘子放电评估方法,主要完成了如下研究工作:试验研究了不同湿污状态下复合绝缘子表面放电紫外成像特征,分析了水珠对电场的影响。随着水珠体积增大,起晕电压随之降低;水珠电导率增大,闪络电压下降但起晕电压上升。雨水电导率增大时,放电强度增加,且放电光斑开始从高压端向低压端发展。使用有限元分析软件,仿真研究了复合绝缘子表面水珠对电场的影响。基于可见光通道图像和YOLOv4算法,完成了绝缘子图片识别。改进了mosaic数据扩充算法,提高了模型的准确度,减小了的训练误差。基于自建电力设备图像数据库进行训练,识别效果良好。基于泄漏电流、紫外成像光子数等量化参数,结合放电的形态,将绝缘子污秽放电紫外图像进行分类。建立紫外视频统计参数诊断模型,实现了基于紫外视频的绝缘子放电严重程度评估,为绝缘子的绝缘状态检测提供了一种新的研究方法。基于B/S架构开发了外绝缘设备紫外成像检测数据管理和故障诊断软件系统,以LAMP作为集成功能模块的软件开发平台,实现数据库的设计开发、拍摄设备的通信与控制;利用OpenCV进行紫外图像量化分析模块的开发,实现了外绝缘设备紫外图像的分析与放电程度的诊断;采用深度学习算法进行智能识别诊断模块的开发,实现了外绝缘设备可见光图像的识别与绝缘状态诊断。
基于深度学习的茶叶嫩芽检测和采摘研究
这是一篇关于茶叶嫩芽检测,深度学习,YOLO算法,目标检测的论文, 主要内容为随着科技的不断进步,人们的生活品质和饮茶需求也在不断的提升。茶园里的人工采茶费时又费力,而需求量越来越大,因此对于智能采茶的研究需要不断深入。由此本文基于深度学习展开对茶叶嫩芽进行识别的研究,并联合机械臂来完成对茶叶嫩芽的采摘。在研究过程中,为了更准确的找到不同形状茶叶的采摘点,通过对YOLOv5算法进行优化,从而可以对茶叶这种小目标的检测更加具有实时性。重点考虑了茶叶嫩芽检测、坐标系互相转换以及控制器通信等过程中的速度和准确性,主要工作和研究成果如下:(1)首先,采用传统的基于颜色特征方法,对茶叶嫩芽分割进行研究。分别采用阈值分割和HSV分割找到茶叶嫩芽的ROI区域,对其进行图像分割。通过对比两种算法的分割效果,HSV虽然在准确性上优于阈值分割,但是适用性较差,而且速度太慢,不太适合如今的智能采摘。(2)为了提高检测效率,本文提出一种改进的Ghost Net-YOLOv5模型,首先,为了简化网络模型,将Ghost Net与YOLOv5进行融合,以此大大地减少了计算量。其次,为了解决YOLOv5中尺度不同所带来的特征图不平衡的问题,在YOLOv5的基础上添加注意力机制,通过比较SE通道注意力和CBAM空间注意力,选择合适的模块使检测网络可以更容易提取图像特征。同时将改进后的网络与原网络进行对比实验。结果表明,添加注意力机制后的网络模型在检测精度上明显要优于原模型。随后,为了提高对小目标检测的准确率,对Neck层进行改进。考虑到Bi FPN结构的优势,将双向特征融合添加到YOLOv5中。最后,通过改进损失函数EIOU提高训练的收敛速度。实验结果表明,改进后的YOLOv5模型相较于当前主流的Faster RCNN、YOLOv5-Lite都有明显的改善。考虑到模型的实际应用,将改进后的网络模型在Android端进行部署,完成对茶叶图像的检测。(3)利用双目相机,对茶叶的深度信息进行研究。通过Matlab软件中的标定工具箱对双目相机进行标定实验,以获取相机的内外参数。利用SGBM立体匹配算法计算得到茶叶的深度图,再根据深度学习测量得到的中心位置从而得到嫩芽的三维信息,定位误差保持在2%以内。同时,通过手眼标定将相机坐标系下的三维坐标转化为机械臂坐标系下的三维坐标。最后,通过采用D-H参数法对机械臂各个关节构建坐标系,可以对机械臂正向和逆向运动学进行研究。(4)最后,本文结合深度学习的目标检测平台,以武汉需要智能技术有限公司生产的3自由度串联机械臂为主体,配合末端采摘器为气动剪刀的装置,使用路径控制指令传输的通讯模块来完成采茶机械臂的识别和抓取功能,并进行室内的采摘实验。
复合绝缘子沿面放电紫外成像检测及诊断系统开发
这是一篇关于复合绝缘子,紫外成像,电场仿真,YOLO算法,诊断软件,B/S架构的论文, 主要内容为复合绝缘子作为输变电系统中最常使用的外绝缘设备之一,其绝缘状态会对电网的安全运行产生直接影响,复合绝缘子的沿面放电特性可以反映其绝缘状态。日盲紫外成像法具有高探测灵敏度和良好的放电定位能力,本文基于紫外成像研究了在不同污湿状态下复合绝缘子放电,提出了基于深度学习算法的绝缘子放电评估方法,主要完成了如下研究工作:试验研究了不同湿污状态下复合绝缘子表面放电紫外成像特征,分析了水珠对电场的影响。随着水珠体积增大,起晕电压随之降低;水珠电导率增大,闪络电压下降但起晕电压上升。雨水电导率增大时,放电强度增加,且放电光斑开始从高压端向低压端发展。使用有限元分析软件,仿真研究了复合绝缘子表面水珠对电场的影响。基于可见光通道图像和YOLOv4算法,完成了绝缘子图片识别。改进了mosaic数据扩充算法,提高了模型的准确度,减小了的训练误差。基于自建电力设备图像数据库进行训练,识别效果良好。基于泄漏电流、紫外成像光子数等量化参数,结合放电的形态,将绝缘子污秽放电紫外图像进行分类。建立紫外视频统计参数诊断模型,实现了基于紫外视频的绝缘子放电严重程度评估,为绝缘子的绝缘状态检测提供了一种新的研究方法。基于B/S架构开发了外绝缘设备紫外成像检测数据管理和故障诊断软件系统,以LAMP作为集成功能模块的软件开发平台,实现数据库的设计开发、拍摄设备的通信与控制;利用OpenCV进行紫外图像量化分析模块的开发,实现了外绝缘设备紫外图像的分析与放电程度的诊断;采用深度学习算法进行智能识别诊断模块的开发,实现了外绝缘设备可见光图像的识别与绝缘状态诊断。
具有表情和语音识别功能的心理测评系统设计与实现
这是一篇关于心理测评系统,人脸表情识别,语音识别,YOLO算法,DFCNN模型的论文, 主要内容为随着科技的发展,心理测评系统已经从原有的单纯的测试软件是否具有一定的智慧转变到可以通过对话的形式同人做一些文字上的交互。本文针对心理测评系统需要人脸表情识别和语音识别的需求,设计和实现具有人脸表情和语音识别功能的心理测评系统,对已有心理测评系统形成创新功能补充,使得智能测评系统具有更多维度,以便更全面准确地了解被测试者的状态。首先,对系统进行需求分析,在满足总体需求的前提下,分别对主要需求功能用户子系统和管理员子系统进行了详细分析,对各个模块的功能进行了设计,并对系统进行了可行性分析。其次,在人脸表情识别算法方面,为了满足心理测评系统实时性需求,在保证检测效率较高的前提下使用了检测速度更快的表情识别算法,对公开的Fer2013人脸表情数据集进行了预处理,添加了一些自己制作的数据集,并将现有流行的YOLOv3-tiny算法应用在该表情识别数据集上。在语音识别算法方面使用了DFCNN模型,实现了语音识别并转化为文本进行再处理的功能。然后,在系统设计与实现方面,本系统主要采用的是B/S架构的模式,前端采用React框架,后端采用SpringBoot框架,数据库使用MariaDB,并且使用了一些中间件如Redis来降低系统代码的耦合度,增强了系统的可扩展性,扩大了并发量,在服务器端设计了加密算法以保证了系统的安全性。在使用心理测评功能时前端会对语音以及回答问题时的表情进行记录并传送到服务器端,供服务器端进行语音和表情的分析。同时也介绍了心理测评系统设计与实现的主要内容,对量表测评和心理测评的程序逻辑进行了细致的设计与分析并最终实现了可用性较强,安全性较好,检测效率较高的心理测评系统。最后,对所设计实现的系统进行了测试与部署,并进行了分析与介绍。
基于边缘计算的客流检测跟踪系统研究
这是一篇关于边缘计算,行人检测,多目标跟踪,YOLO算法,系统开发的论文, 主要内容为近年来,随着人工智能领域的迅猛发展及目标检测技术的成熟,以行人检测为技术基础的各类系统已被广泛应用到了无人驾驶、智慧交通、智能监控等领域。利用计算机代替人眼,可在大量降低人力物力消耗的基础上,提升目标检测效率,这使得客流检测系统在安防监控领域处于人们研究的重点与热点。但目前已有的客流检测系统常依托于服务器进行开发与应用,这使得后台运行压力增大、计算量增加、带宽成本增高。基于以上问题,本文引用边缘计算思想,将目标检测、跟踪、客流数据统计等工作移植至前端边缘设备中进行开发与应用,研究适用于边缘计算的轻量级检测网络并选用嵌入式GPU平台完成整体系统搭建。主要研究成果如下:针对行人检测模块,本文提出了基于YOLOv3-tiny网络轻量化的行人检测算法,利用深度可分离卷积重新构建Yolov3-tiny主干网络,在保证算法检测速度的前提下,提高网络提取行人特征的能力,并增加一层预测层,确保各个尺寸的目标被准确检测,保证网络检测的准确率。针对行人跟踪模块,本文提出了基于深度学习与多特征融合的目标跟踪算法,利用行人检测模块得到的行人目标位置信息,可对待检测视频中每帧出现的行人目标进行多特征提取,并根据提取到的多特征运用匈牙利算法进行数据关联,最终形成跟踪轨迹。本文选用NVIDIA TX2开发板作为系统开发平台,研究并开发适用于平台的行人检测、目标跟踪、数据分析等模块。在软件架构层面上,实现了行人目标检测、多目标跟踪、行人数量、密度、速度、行进方向等客流数据统计的功能。本客流检测系统已在多个地铁场景下进行了系统稳定性、功能性、及准确性的测试,实验结果表明:本系统稳定性及功能性均达到了课题要求,系统检测准确率达到95.8%,运行帧率达到18fps,基本满足实时地铁场景的应用需求。
基于深度学习的印刷电路板表面缺陷检测技术研究
这是一篇关于PCB,缺陷检测,YOLO算法,SRGAN,注意力机制,轻量化网络的论文, 主要内容为印刷电路板(Printed Circuit Board,PCB)是电子设备的关键组成部分。集成电路封装技术的发展使得PCB表面布线越来越拥挤,对PCB的质量提出更为严格的要求。PCB的质量直接决定电子产品的安全性能,存在缺陷的PCB会导致电子产品无法正常工作,甚至造成重大安全事故,因此PCB表面缺陷检测技术的研究变得尤为重要。PCB表面缺陷可供提取的特征较少,传统方法无法精准检测。为提高检测精度,满足工业生产需求,本文对基于深度学习的PCB表面缺陷检测技术进行深入研究,搭建PCB智能检测系统,实现对PCB表面缺陷的精准检测。研究工作如下:(1)提升了PCB缺陷图像的分辨率。针对PCB缺陷图像放大处理后出现分辨率下降的问题,利用SRGAN网络对PCB数据集进行处理,提升图像的分辨率。(2)提出了一种基于ECA注意力机制的Mobilenet V3-YOLOv4算法。使用K-Means算法对数据集进行聚类,加速网络训练。针对YOLOv4算法检测精度较低、检测速度较慢的问题,引入Mobilenet V3作为YOLOv4算法的主干网络,提高检测速度;加入ECA注意力机制增强网络对缺陷的特征提取能力,提高检测精度。将改进算法与YOLOv4算法、YOLOv3算法、SSD算法、Faster R-CNN算法进行对比,仿真结果表明改进YOLOv4算法相较于其他算法有更好的检测效果。(3)提出了一种基于CA注意力机制的Ghost Net-YOLOv7算法。使用二分K-means算法解决K-means算法局部收敛的问题;通过轻量化网络对比试验,引入Ghost Net作为YOLOv7算法的主干网络,减少网络参数量;加入CA注意力机制和Inceptionv3结构,减少Ghost Net造成的精度损失,通过消融实验证明改进方案的可行性。将改进算法与YOLOv7算法、改进YOLOv4算法、Faster R-CNN算法进行对比,仿真结果表明改进YOLOv7算法解决了YOLOv4算法中部分缺陷检测精度过低的问题,相较于其他算法有更好的检测效果。(4)搭建PCB缺陷智能检测系统。利用Python编程语言结合Py Qt5界面设计工具和My SQL数据库搭建“印刷电路板智能检测系统”,实现对PCB表面六种缺陷的实时检测,并将检测到的缺陷进行语音报警。
基于深度学习的茶叶嫩芽检测和采摘研究
这是一篇关于茶叶嫩芽检测,深度学习,YOLO算法,目标检测的论文, 主要内容为随着科技的不断进步,人们的生活品质和饮茶需求也在不断的提升。茶园里的人工采茶费时又费力,而需求量越来越大,因此对于智能采茶的研究需要不断深入。由此本文基于深度学习展开对茶叶嫩芽进行识别的研究,并联合机械臂来完成对茶叶嫩芽的采摘。在研究过程中,为了更准确的找到不同形状茶叶的采摘点,通过对YOLOv5算法进行优化,从而可以对茶叶这种小目标的检测更加具有实时性。重点考虑了茶叶嫩芽检测、坐标系互相转换以及控制器通信等过程中的速度和准确性,主要工作和研究成果如下:(1)首先,采用传统的基于颜色特征方法,对茶叶嫩芽分割进行研究。分别采用阈值分割和HSV分割找到茶叶嫩芽的ROI区域,对其进行图像分割。通过对比两种算法的分割效果,HSV虽然在准确性上优于阈值分割,但是适用性较差,而且速度太慢,不太适合如今的智能采摘。(2)为了提高检测效率,本文提出一种改进的Ghost Net-YOLOv5模型,首先,为了简化网络模型,将Ghost Net与YOLOv5进行融合,以此大大地减少了计算量。其次,为了解决YOLOv5中尺度不同所带来的特征图不平衡的问题,在YOLOv5的基础上添加注意力机制,通过比较SE通道注意力和CBAM空间注意力,选择合适的模块使检测网络可以更容易提取图像特征。同时将改进后的网络与原网络进行对比实验。结果表明,添加注意力机制后的网络模型在检测精度上明显要优于原模型。随后,为了提高对小目标检测的准确率,对Neck层进行改进。考虑到Bi FPN结构的优势,将双向特征融合添加到YOLOv5中。最后,通过改进损失函数EIOU提高训练的收敛速度。实验结果表明,改进后的YOLOv5模型相较于当前主流的Faster RCNN、YOLOv5-Lite都有明显的改善。考虑到模型的实际应用,将改进后的网络模型在Android端进行部署,完成对茶叶图像的检测。(3)利用双目相机,对茶叶的深度信息进行研究。通过Matlab软件中的标定工具箱对双目相机进行标定实验,以获取相机的内外参数。利用SGBM立体匹配算法计算得到茶叶的深度图,再根据深度学习测量得到的中心位置从而得到嫩芽的三维信息,定位误差保持在2%以内。同时,通过手眼标定将相机坐标系下的三维坐标转化为机械臂坐标系下的三维坐标。最后,通过采用D-H参数法对机械臂各个关节构建坐标系,可以对机械臂正向和逆向运动学进行研究。(4)最后,本文结合深度学习的目标检测平台,以武汉需要智能技术有限公司生产的3自由度串联机械臂为主体,配合末端采摘器为气动剪刀的装置,使用路径控制指令传输的通讯模块来完成采茶机械臂的识别和抓取功能,并进行室内的采摘实验。
基于边缘计算的客流检测跟踪系统研究
这是一篇关于边缘计算,行人检测,多目标跟踪,YOLO算法,系统开发的论文, 主要内容为近年来,随着人工智能领域的迅猛发展及目标检测技术的成熟,以行人检测为技术基础的各类系统已被广泛应用到了无人驾驶、智慧交通、智能监控等领域。利用计算机代替人眼,可在大量降低人力物力消耗的基础上,提升目标检测效率,这使得客流检测系统在安防监控领域处于人们研究的重点与热点。但目前已有的客流检测系统常依托于服务器进行开发与应用,这使得后台运行压力增大、计算量增加、带宽成本增高。基于以上问题,本文引用边缘计算思想,将目标检测、跟踪、客流数据统计等工作移植至前端边缘设备中进行开发与应用,研究适用于边缘计算的轻量级检测网络并选用嵌入式GPU平台完成整体系统搭建。主要研究成果如下:针对行人检测模块,本文提出了基于YOLOv3-tiny网络轻量化的行人检测算法,利用深度可分离卷积重新构建Yolov3-tiny主干网络,在保证算法检测速度的前提下,提高网络提取行人特征的能力,并增加一层预测层,确保各个尺寸的目标被准确检测,保证网络检测的准确率。针对行人跟踪模块,本文提出了基于深度学习与多特征融合的目标跟踪算法,利用行人检测模块得到的行人目标位置信息,可对待检测视频中每帧出现的行人目标进行多特征提取,并根据提取到的多特征运用匈牙利算法进行数据关联,最终形成跟踪轨迹。本文选用NVIDIA TX2开发板作为系统开发平台,研究并开发适用于平台的行人检测、目标跟踪、数据分析等模块。在软件架构层面上,实现了行人目标检测、多目标跟踪、行人数量、密度、速度、行进方向等客流数据统计的功能。本客流检测系统已在多个地铁场景下进行了系统稳定性、功能性、及准确性的测试,实验结果表明:本系统稳定性及功能性均达到了课题要求,系统检测准确率达到95.8%,运行帧率达到18fps,基本满足实时地铁场景的应用需求。
基于多传感器数据融合的目标检测研究
这是一篇关于数据融合,目标检测,激光雷达,YOLO算法,PointNet++算法的论文, 主要内容为基于多传感器数据融合的目标检测技术是当今自动驾驶领域的研究热点之一。由于二维图像几乎不携带深度信息,基于图像的目标检测方法在三维目标检测上有较大局限性。而在基于激光雷达(Li DAR)点云数据的三维目标检测方法中,Li DAR点云虽然携带丰富的深度信息,但数据高度离散、不规律的特点为三维目标检测带来了较大困难,常用的Voxel(体素)法编码会导致信息丢失,Point(点素)法因数据量过大而无法在常规系统上运行。因此本文针对二维图像数据和三维点云数据的特点进行融合,由二维图像检测获取三维点云的待检测区域,通过减少点云处理算法的搜索空间来降低点云数据的复杂度和计算量,使用可直接作用于原始点云的Point Net++算法对点云中物体进行位置预测和边框回归。本论文的研究主要分为以下三个部分。1、数据融合与处理。将Li DAR点云投影到RGB图像,生成深度图。针对深度图稀疏的缺点,使用距离加权平均进行滤波。滤波后的深度图在数据层与RGB图像进行融合,生成RGBD图像,增加图像所携带的信息量,弥补RGB图像不携带深度信息的缺陷。对单一的深度数据使用多分辨率融合的方法进行增强,有效地提高深度数据的鲁棒性。2、改进YOLO二维目标检测算法。为了使模型适用于更广阔的场景,避免单一传感器数据受限而影响模型的性能,同时提高实际应用时的资源利用率。本文通过对YOLO主干网络进行改进,搭建了一个检测性能更好的通用检测模型,对融合前后的数据可以共用一套目标检测网络。最后通过实验证明:在改进后的YOLO二维检测网络中,融合后RGBD图像数据的平均检测精度明显提高。此外,使用多分辨率融合的深度数据比使用原始深度数据表现更出色,具有更优异的检测性能。3、基于图像-点云的双阶段三维目标检测。该方法使用了二维目标检测的实验结果,通过将二维的预测框映射到Li DAR点云空间,生成三维待检测区域,从而极大地缩小了三维目标检测网络的数据处理量。因此直接使用作用于原始点云的Point Net++算法进行特征提取和三维边框回归。最后通过实验分析表明:在三维目标检测任务中,基于40个召回阈值的平均精度APR40有一定的提升,在推理速度上更是有明显进步,可以达到实时推理的效果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://m.bishedaima.com/lunwen/50099.html
