河南理工大学 物理与电子信息学院,河南焦作454000
基于深度学习的设备故障检测系统性能很大程度上依赖于样本集的规模及类别多样性。由于工业生产中难以全面采集各类故障样本,由此就有样本集扩增需求。本文提出联合3D模型和改进CycleGAN的故障数据集扩增方法。首先,提出利用3D建模软件模拟生成各类故障图片,将其作为CycleGAN迁移网络输入,约束引导生成真实故障图像,以解决样本不足及分布不均衡问题;其次,对CycleGAN网络生成器进行改进,提出U-ResNet生成器,用以解决数据集扩增过程中的边缘模糊和梯度消失问题。将该方法应用于带式输送机跑偏检测任务,结果表明相较于其他扩增方法,该方法训练过程中轮廓结构收敛快,时效性好,应用于目标检测网络准确率达到98.1%,较原真实数据集提升4.5%。说明该数据集扩增方法可以满足故障数据集类别分布均衡,图像质量高的要求。
数据集扩增 3D模型 CycleGAN U-ResNet 带式输送机 dataset amplification 3D model CycleGAN U-ResNet belt conveyor 光学 精密工程
2023, 31(16): 2406
河南理工大学物理与电子信息学院,河南 焦作 454003
光伏板阴影不仅会使光伏阵列的光照强度分布不均,降低发电效率,甚至还可能产生热斑效应,损坏光伏电池组件,造成系统故障。为解决光伏板阴影检测中目标密集度高、重叠度大、成本高和实时性差等问题,提出了一种基于RetinaNet算法的CRC-RetinaNet光伏板阴影检测算法。首先,所提算法特征提取网络采用cross stage partial结构,以提升准确率和检测速度;其次,采用循环特征融合结构处理提取到的特征图,以增强所有目标的特征信息;然后,改进算法的激活函数,以增强网络的鲁棒性;最后,使用CIoU损失来提高目标边框回归的定位精度。实验结果表明,所提算法的检测平均精度均值为99.24%,与原RetinaNet算法相比提高了4.02个百分点,可以满足现实环境下光伏板实时检测的要求。
机器视觉 光伏板阴影 密集目标检测 RetinaNat cross stage partial 特征融合 激光与光电子学进展
2022, 59(16): 1615009
1 中国矿业大学(北京) 机电与信息工程学院,北京 100083
2 河南理工大学 物理与电子信息学院, 河南 焦作 454000
为提高矿井混合噪声图像的可观测性, 提出了基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法.使用局部高斯曲率优化混合噪声图像, 抑制椒盐噪声对噪声分布的影响, 使混合噪声分布近似为高斯噪声分布.使用非下采样剪切波变换分解高斯曲率优化图像, 实施自适应硬阈值收缩降噪, 去除混合噪声中的高斯噪声成分.最后, 迭代使用局部高斯曲率优化和非下采样剪切波变换降噪去除残余噪声, 直至输出图像梯度能量满足停止条件.实验表明, 本文算法能够有效地去除高斯噪声和椒盐噪声构成的高密度混合噪声, 且有效抑制了剪切波变换降噪引起的伪吉布斯现象, 有效地降低了矿井图像的噪声.
图像降噪 高斯曲率优化 非下采样剪切波变换 混合噪声 阈值收缩 Image denoising Gaussian curvature optimization Nonsubsampled shearlet transform Mixed noise Threshold shrinkage
1 中国矿业大学(北京) 机电与信息工程学院,北京, 100083
2 河南理工大学 物理与电子信息学院, 河南 焦作, 454000
3 北京工业职业技术学院, 北京, 100042
为提高矿井下图像的对比度, 并同步地抑制图像的雾尘和噪声, 提出一种基于双域分解的矿井下图像增强算法.首先, 采用双边滤波器将输入图像分解为低频图像和高频图像; 其次, 采用快速暗原色去雾算法和Gamma变换, 实现低频图像的去雾和对比度提高; 接着, 采用非下采样Shearlet变换和二阶微分算子, 实现高频图像降噪和增强; 最后, 将增强的低频、高频图像合成基础增强图像, 并抑制粉尘散射模糊和过曝光白色伪影, 得到最终增强图像.实验表明, 该方法不仅能有效提高矿井下图像的对比度, 还能有效抑制图像的雾气和噪声, 具有广泛的应用前景.
图像增强 图像分解 图像去雾 图像降噪 图像重构 Image enhancement Image decomposition Image dehazing Image denoising Image reconstruction