【摘 要】
：
在电力场景下,由于光线变化、相似度高,导致传统算法准确率较低。针对这种情况,提出一种小样本目标检测方法,采用迁移学习的精简模型自动提取物品的特征,可以克服环境变化的干扰,能准确地识别目标,为实现电力场景下作业机器人智能作业奠定基础。实验证明相对于传统方法,本文方法在保证识别速度的同时准确率可提升8%。
【机 构】
：
苏州经贸职业技术学院,江苏省智能服务工程技术研究开发中心
【基金项目】
：
2019年教育部科技司-赛尔网络“下一代互联网技术创新项目”(No.NGII20190701),2020年苏州经贸职业技术学院院级项目(No.YJ-ZK2012)。
论文部分内容阅读
在电力场景下,由于光线变化、相似度高,导致传统算法准确率较低。针对这种情况,提出一种小样本目标检测方法,采用迁移学习的精简模型自动提取物品的特征,可以克服环境变化的干扰,能准确地识别目标,为实现电力场景下作业机器人智能作业奠定基础。实验证明相对于传统方法,本文方法在保证识别速度的同时准确率可提升8%。
其他文献
完美石墨烯不具有氧还原活性,掺杂石墨烯是产生氧吸附活性位、提高氧还原活性的关键。以石墨为原料,通过改进的hummers氧化还原方法得到氧化石墨烯(GO)溶液;以卟啉铁为Fe、N源,进一步制备出高氧还原催化活性的Fe、N掺杂石墨烯。结果发现,随着卟啉铁与石墨烯质量比的增加,其活性先增大后减小,当石墨烯与卟啉铁质量比为1∶4时,具有较高的催化活性。结果表明,合适的掺杂质量比有利于形成更多Fe3C活性位点,得到较大的比表面积,从而获得高活性的掺杂石墨烯。
在1-丁基-3-甲基氯咪唑([Bmim] C1)离子液体均相反应介质体系下,以易改性甘蔗渣为原材料,经1％的NaOH预处理后,选用N,N'-亚甲基双丙烯酰胺(MBA)为交联剂、过硫酸铵(APS)为引发
针对近年来农产品供应链情景下参与方互信难、信息不对称、产品质量和安全问题追责难等问题,提出一种基于区块链的农产品供应链追溯系统。首先对系统的框架模型进行了研究和设计,对Hyperledger Sawtooth的应用进行了进一步探索,然后设计了契合农产品供应链追溯场景的用户角色、交易模型、数据结构和寻址方案等,同时引入了GS1标准编码体系对农产品对象进行了标准化,利用“追”与“溯”的算法实现追溯链的构建。运行测试结果表明,本系统能够稳定运行并构建农产品追溯链,可满足农产品供应链的追溯需求。
为了提高西北地区弃风电的利用率、减少煤化工产业对当地环境的污染,提出了风电与煤化工进行耦合的方案。该方案构建了风电制氢与煤化工相耦合的基本架构,将不能并网的富裕风电电解水制氢,氢气应用于煤化工系统,简化其单元过程。以30万t/a甲醇规模为例,对两种方案的能耗、投资及经济可行性进行了分析。结果表明,在有充足弃风电的西北地区,风电制氢与煤化工耦合系统的煤耗量、水耗量和CO2排放量分别是原单纯煤化工系统的51.9%、62.2%、22.2%,就地可利用弃风电电量1.238 4×10
图像分割是一种基于图像中各个像素的相似性,把图像分成多个区域,以提取出所需目标的技术。当前图像分割研究过程中,由于图像分割需处理的数据量较大,导致传统的基于聚类算法的图像分割算法难以处理大规模的图像分割问题。针对该问题,本文根据对传统谱聚类算法进行改进研究,提出一种新的基于自适应超像素的改进谱聚类图像分割方法。首先通过运用贝叶斯自适应超像素算法,作为谱聚类算法的预处理,从而达到降低算法运算的复杂度
针对不均匀光线图像的复原问题,本文提出了一种非静止的卷积模板构造算法,利用像素点与其邻域的强相关性为每一个像素点构造不同的卷积模板。使用这种动态模板,在完全未知相关原始图像和图像退化模型的情况下,对退化图像进行盲图像复原;本文还提出了一种曝光过度退化模型,用于模拟真实情况中的曝光过度现象。实验结果表明,本文提出的图像复原算法能够修复由于光学成像缺陷造成的曝光过度的图像,改善图像细节,提高图像质量;
在云存储系统中,数据完整性的检验依赖于与数据一同存放的完整性证据,而如果数据完整性证据被破坏,数据的完整性也就面临着前所未有的挑战。提出一种基于区块链技术的云存储数据完整性增强机制BEMDICS,将云存储用户的数据完整性证据存放在区块链中,使得数据完整性证据不可篡改、不可删除。用户可以更安全地掌握数据,增强云存储环境下数据完整性。实验结果表明该机制可以抵御云存储中数据完整性证据被破坏而失去完整性的威胁。
非接触心率估计是指在不接触被测对象情况下进行心率测量,此方法可实现特定情况下的连续心率测量,适用于远程医疗、教育等领域。本文提出一种新的基于三维卷积深度学习模型的远程心率估计方法,该方法通过人脸关键点检测来获取面部感兴趣区域,减少因面部动作引入的噪声,在现有模型的基础上引入残差网络、时空卷积等策略来提高心率测量的鲁棒性,使用自定义联合损失函数来提升模型准确性,实验结果表明所提出的方法可在不均匀照明
为了解决多目标优化的相关问题,鲸鱼优化算法结合多目标相关理论,并在算法中加入了反向精英保留、Levy变异以及种群引导,提出了一种求解多目标问题的鲸鱼优化改进算法。该算法利用反向精英保留制度,扩大了每次搜寻的范围,降低了收敛迭代次数,加入的Levy变异增强了算法的全局寻优的性能,并利用种群引导的机制来改善算法的分布情况。在实验验证中将所提出的算法与经典的MOPSO、MOCS、NSGAⅡ、MOWOA算法进行比较。实验的数据表明,改进后的多目标鲸鱼优化算法,收敛的精度更高,收敛速度更快,结果更稳定,是一种应用场
针对传统单一的LSTM算法在股票预测中存在预测不平衡,容易陷入局部最优值二而导致的预测准确率偏低的问题,提出了一种基于时序集成森林的股票多类别预测算法。该算法分为两部分,首先是随机森林改进的LSTM进行股票的收盘价预测;其次,根据第二天预测的收盘价与前一天的收盘价对比得到涨跌信号;最后将LSTM提取的时序特征与涨跌信号输入集成森林进行股票的涨跌预测。该算法充分利用了LSTM提取时序特征的能力、随机森林的拟合能力以及集成森林的分类能力。最后在平安银行股票数据上进行了实验,结果表明,本文提出的算法优于单一的L