【摘 要】
：
目的 针对锂电池极片涂布缺陷种类多，传统方法分类检测精度不高，以及人工依赖性强等问题，提出一种基于卷积神经网络的锂电池极片涂布缺陷自动分类算法。方法 首先对网络结构以及模型参数进行优化，接着在网络中加入跳跃连接结构，将空洞卷积提取到的多尺度特征与高层特征进行融合以获取更多缺陷特征，并采用LeakyReLU（LeakyRectifiedLinearUnit，LeakyReLU）激活函数保留图像中的负
论文部分内容阅读
目的 针对锂电池极片涂布缺陷种类多，传统方法分类检测精度不高，以及人工依赖性强等问题，提出一种基于卷积神经网络的锂电池极片涂布缺陷自动分类算法。方法 首先对网络结构以及模型参数进行优化，接着在网络中加入跳跃连接结构，将空洞卷积提取到的多尺度特征与高层特征进行融合以获取更多缺陷特征，并采用LeakyReLU（LeakyRectifiedLinearUnit，LeakyReLU）激活函数保留图像中的负值特征信息，最后通过构建的数据集训练模型，实现锂电池极片涂布缺陷的准确分类。结果 实验结果表明，当前方法
其他文献
为了快速精确地获取深孔结构内壁三维面型，从而分析深孔加工质量，提出了一种基于激光谐波调制的线型扫描系统，设计了可深入深孔结构的反射式光学系统。研究了通过时间窗滤波的谐波匹配点云优化算法，该算法利用谐波调制相位范围对近轴线扫描区域进行阈值分离，从而完成点云数据的滤波。实验针对三种不同类型的深孔进行了测试，并采用Handyscan三维成像仪进行了点云数据对比。文中对5cm×5cm的内壁区域进行了量化分
人脸表情识别一直是人机交互等领域颇为关注的研究，然而当前研究大多忽略了多尺度特征的融合及表情中间特征的改善。针对这一问题，本文提出了一种基于注意力机制与多尺度特征融合学习的人脸表情识别方法，该方法由浅层特征提取模块和多尺度特征融合模块构成，能从深到浅提取更多有价值的信息，并有效改善表情中间特征。首先输入表情图像到浅层网络和骨干网络，分别获取浅层特征和深层特征；然后在浅层特征提取模块中加入注意力机制
土壤团聚体有机碳对土壤碳库动态平衡有重要的作用。为探明奶牛粪沼液连续施用对耕层土壤团聚体及有机碳活性的影响，本研究以小麦-玉米轮作体系为研究对象，进行了2年奶牛粪沼液连续施用的田间小区试验，分析了沼液施用后表层（0～10 cm）和亚表层（10～20 cm）土壤水稳性团聚体及其总有机碳与各活性组分含量的变化特征。研究发现：施用沼液后土壤团聚体稳定性显著（P<0.05）增加，土壤小团聚体有向大团聚体演
雾容易导致采集的图像质量下降，并且包含的雾会影响后续的图像分析。单幅图像去雾是计算机视觉领域的经典问题之一。本文提出一种增强的多尺度生成对抗网络用于图像去雾。该方法不依赖物理散射模型，去雾网络由生成器、判别器和增强器3个部分组成。其中，增强器有助于采样多种特征使不同尺度的特征细节融入到结果，提升去雾图像在颜色和细节上的复原效果。增强器被分别嵌入到生成器和判别器，全局生成器和局部生成器融合生成一个由
分析了基于彩色光照的粒子图像测速算法中示踪粒子的成像原理，并根据实际流场中的应用环境以及彩色粒子图像测速算法的实验条件，采用一套由白色光源和波长线性变化的滤波片组成的照明系统，为粒子场提供不同深度、相同光强的彩色体积光照明。根据针孔相机模型和其对应的点扩散函数，建立示踪粒子的三维成像模型，得到在彩色体积光照射下流场中的粒子在彩色相机上的模拟图像。结合朗肯涡流模型生成的三维速度场得到不同时刻下的模拟
为了优化抗震救灾应急指挥组织结构，提高应急指挥效能，运用熵理论，从信息流的角度建立抗震救灾应急指挥组织结构效能模型。从信息传递的时效熵、质量熵以及变化熵考虑，探讨应急管理部成立前后对组织结构质量、时效和柔性度3个指标的效能变化，寻找适应国家治理现代化并推进组织结构可持续发展的关键因素。结果表明，玉树和宜宾地震抗震救灾应急指挥组织结构的效能值分别为0.2939和0.3252，整合后的宜宾地震抗震救灾
由于新型冠状病毒的流行，非接触式个人签名可以在一定程度上降低感染的风险，其将在人们日常的生活中发挥重要作用。因此，提出了一种简单而有效的时空融合网络来实现基于骨架的动态手势识别，并以此为基础开发了一款虚拟签名系统。时空融合网络主要由基于注意力机制的时空融合模块构成，其核心思想是以增量的方式同步实现时空特征的提取与融合。该网络采用不同编码的时空特征作为输入，并在实际应用中采用双滑动窗口机制来进行后处
本文以遥感(RS)和地理信息系统(GIS)为技术支撑,通过特尔斐专家评价法,建立了湿地公园生态敏感性综合评价指标体系,对济西国家湿地公园进行了生态敏感性评价。结果表明:水域湿地、植被类型为高度敏感因子,高程、植被覆盖度、景观格局、景观生态价值为中度敏感因子,坡度为弱度敏感因子;湿地公园综合生态敏感度划分为高度敏感、中度敏感、弱度敏感、不敏感4个等级,面积占比分别为32.5%、18.2%、28.2%
现有的基于语义分割的行人重识别研究大多还是停留在人体语义信息的提取本身，忽视了人体自身语义信息之间以及人体与环境语义信息之间的相互关系，为了解决这一问题，此项研究提出了基于背景自适应学习的人体语义空间关系模型。该模型主要分为语义分离，特征粗提取以及空间关系学习三部分，语义分离主要用于区分人体语义信息和环境语义信息，特征粗提取则是用于提取不同语义信息的浅层特征，空间关系学习主要是对上述的浅层特征进行
近年来，基于热图的算法一直占据人体姿态估计算法的主导地位。热图解码（即将热图转换为人体关节点坐标）算法是这类算法的重要基本环节。当前的热图解码算法并没有考虑系统误差的影响，因此，本文提出了一种基于误差补偿的人体姿态估计热图解码算法。该算法首先通过训练过程评估模型的误差补偿因子，然后在推理阶段用误差补偿因子补偿人体关节点的预测误差，该误差同时包括系统误差和随机误差。本文在不同的网络架构、输入分辨率、