【摘 要】
：
针对不具备检修资质的人员误入检修现场和现场检修人员难以近距离查看设备铭牌的问题，研究了基于人工智能算法的作业现场人员设备资质识别技术。针对现场作业中的设备和人员分别采用不同的文本检测技术和人脸识别技术，展开设备、人员的资质识别技术研究。文本识别将融合连接文本提议网络（Connectionist Text Proposal Network，CTPN）、密集连接卷积网络（Dense Convoluti
论文部分内容阅读
针对不具备检修资质的人员误入检修现场和现场检修人员难以近距离查看设备铭牌的问题，研究了基于人工智能算法的作业现场人员设备资质识别技术。针对现场作业中的设备和人员分别采用不同的文本检测技术和人脸识别技术，展开设备、人员的资质识别技术研究。文本识别将融合连接文本提议网络（Connectionist Text Proposal Network，CTPN）、密集连接卷积网络（Dense Convolutional Network，DenseNet）和连接时序分类（Connectionist Temporal
其他文献
双受精是被子植物特有的生殖方式，主要为花粉管穿过花柱进入子房并在胚囊中释放精细胞，一个精细胞与卵细胞结合，另一个精细胞与中央细胞结合完成双受精的过程。而花粉管的导向生长则是被子植物双受精过程完成的前提，它能够保证精细胞被准确地运送到植物的雌配子体中。花粉管导向分为孢子体导向与配子体导向两个阶段，在配子体导向中，雌雄配子体的互作可精确定向控制花粉管导向胚珠生长，但是雌雄配子体的具体互作机制仍有待研究
目前的图像识别大多是使用深度卷积神经网络实现，深度卷积神经网络给识别精度带来提升的同时，也降低了识别速度。如何在保持精度的同时，提高速度成为图像识别的一个重要目标。针对深度卷积神经网络的识别速度问题，在保持识别精度的同时，提出了一种网络长度更短，识别速度更快的残差网络。首先，结合残差网络，通过减少网络长度的方法，得到了长度只有7层的残差网络。然后，结合多尺度分割方法，得到了基于多尺度分割的图像识别
改进型气冷反应堆(advanced gas-cooled reactor,AGR)作为二代堆型,在英国大量装备,目前已经进入设计寿期末期,能否顺利延寿,很大程度上取决于作为堆芯支撑和慢化作用的石墨构件的结构完整性。针对“全堆芯石墨构件原位多维度损伤探查”这一技术挑战,该文采用迭代图像重建算法(simultaneous algebraic reconstruction technique,S ART
实现生活垃圾自动分类是解决城市固体废弃物（Municipal Solid Waste，MSW）不断增长矛盾的有效途径。论文着眼于近十年基于计算机视觉的垃圾图像识别相关研究，依据垃圾自动分类方法的差异性将当前现有相关研究分为基于传统机器学习方法和以及基于深度学习方法。重点介绍了机器学习方法以及深度学习方法特征提取方式，对比分析了传统机器学习方法和基于深度学习方法的垃圾种类识别的优缺点，着重阐述深度学
红外传感技术有效解决了夜间观测的难题，成为现代战场侦察的重要手段之一。不断提升基于红外图像的目标识别能力是实施精确打击、态势感知的有力途径。针对红外图像识别问题，提出基于轻量级梯度提升机（Light Gradient Boosting Machine， LGBM）的Zernike特征选取算法，并结合稀疏表示分类器（Sparse Representation-based Classification
水-气平衡器是海水CO_(2)分压（partial pressure of CO_(2)， pCO_(2)）测量系统的关键部件，决定着测量的准确度。通过将射流器应用于水-气平衡器的研制，利用射流曝气实现水气间CO_(2)的交换；同时在平衡器排水管上设计气体收集腔及气体回流管，避免平衡器内气体损失，提高运行的稳定性。在实验室测试了平衡器的性能，并将其应用于福建沿岸海水中pCO_(2)的船载走航测定。
佩戴安全帽是防止施工现场工作人员头部损伤的有效方法之一，然而现有安全帽检测算法多存在重叠目标检测难度大、小目标漏检率高等缺点。为此，提出了一种通过融合自注意力机制来改进Faster R-CNN的目标检测算法，用于安全帽检测。首先通过自注意力层来捕获多个尺度上的全局信息，得到更丰富的高层语义特征并将更大的感受野范围引入模型，然后在区域建议网络（RPN）的训练中通过锚框补选增强的方法让小目标信息得到更
基于检测关联和深度学习的目标轨迹关联方法是目前计算机视觉领域的研究热点之一，但现有方法设计中缺乏有效的时空约束，且目标表观特征泛化能力不足，在目标朝向差异明显的情况下会发生识别错误，在目标轨迹关联时会导致频繁的ID切换和错误关联。针对该问题，提出一种基于朝向约束和重识别特征的目标轨迹关联方法。首先将行人朝向判别引入到行人重识别中，提出一种具有朝向约束力的行人重识别网络模型，提升了目标特征的表示能力
基于深度学习的视觉里程计方法(Deep Visual Odometry， DVO)通过神经网络直接估计单目图像的深度和相邻图像之间的相机运动，在保证精度的同时大大提高了运行的速度。但这是基于灰度不变假设的，作为一个很强的假设，灰度不变假设在现实场景中往往难以满足。为此，提出一种基于图像对齐(Image Alignment， IA)的直接视觉里程计方法AUDVO(Aligned U-CNN Deep
为有效利用高光谱影像与LiDAR数据的互补性信息，解决单一融合策略造成的场景解译地物边界不准确和分类精度低的问题，提出了一种光谱-空间-高度特征融合、并顾及场景地物类别共生特性的条件随机场分类方法。首先，对两种数据分别提取光谱及形态学特征、对特征集采用图模型进行特征融合、将特征输入概率支持向量机分类器，得到初始分类结果。然后，基于融合特征计算反映像素间类别本质差异的局部光谱-空间-高度协同的异质性