简介:摘要:随着大数据时代的到来和计算机能力的提升,传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求,而卷积神经网络具有强大的特征学习能力,突破了传统目标检测方法的瓶颈,基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先,文中介绍了卷积神经网络在目标检测任务上的优越性;其次,梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用,并对其中几种典型卷积神经网络的结构进行归纳总结分析;最后,讨论了目标检测的应用方面仍然存在的问题,并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。
简介:摘要:路面病害是影响路面寿命的一个重要因素,针对常见病害提出检测方法及相应的质量控制与修复措施,对提高沥青路面性能,延长使用寿命具有一定的意义。
简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:摘要:截至2020年底,并网风电装机容量28153万千瓦,增长34.6%,占全国电源总装机容量的12.8%。在高速发展的背后却隐藏着急需解决的安全隐患,而风电机组漏油就是其中最为严重的问题,轻则污染机舱环境、重则引起整个机组火灾,及倾斜与倒塌。因为油具有难以挥发性及粘性的物理特性,通过传感器的方式进行检测,不能复位并实现持续检测。只有通过机器视觉即视频技术手段才能实现非接触式可持续检测,因为机舱内具有相对均衡的光线环境,相对恒定的测量距离,相对静止的参照背景等三个有利条件,通过卷积神经网络深度学习方法,对舟山二十台风电机组几十万张现场照片进行训练,并通过高性能人工神经元网络单元(NPU)进行运算,形成了产品化解决方案并成功应用到项目中。
简介:摘要随着社会的发展,我国的现代化建设的发展也突飞猛进。当前我国大部分的公路类型都是沥青混凝土路面,并且公路交通网络正在不断扩张,公路线路已经分布到了全国各地。从2000年开始发展以来,我国每年有将近2500亿元的总投资用于公路工程修建,当前我国高速公路通车里程位居世界第二位。2016年,我国已经将村道修建正式纳入到公路统计里程当中,全国范围内公路总里程达到345.70万km,同比增长11.8万km。其中存在一些老旧的公路段,经常会产生各种不同类型的病害问题,其中主要包含开裂、泛油、沉陷以及被水体破坏等方面的问题,对公路整体的行车安全造成非常严重的影响。因此,对这种公路路段的病害进行检测和处理至关重要。当前在检测的方法上,主要还是以人工实地考察作为主要的方式,这种传统的公路检测方式效率比较低,已经不能充分满足当前我国公路建设发展的需求。因此,实施道路路面病害的快速检测受到人们重点关注。