检测模型

摘要： 本文针对驾驶人疲劳驾驶检测模型实时性不足、以及在复杂光照场景下检测效果较差的问题,提出了一种改进的轻量级SSD双模态疲劳驾驶检测算法。该算法用MobileNet替换SSD的主干特征提取网络VGG16以使得模型轻量化。在模型的浅层特征上加入轻量级注意力机制网络SENet提升模型对小目标的检测精度。利用软注意力机制融合可见光图像和红外图像两种模态的特征提升模型在复杂光照环境下的表现。使用空洞-深度可分离卷积替换浅层的标准卷积,以弥补下采样导致的精度的损失。最后在检测出的人脸上根据PERCLOS准则进行疲劳驾驶判定。实验结果表明,该算法在复杂光照环境下具有良好的鲁棒性,同时能够在保证疲劳驾驶检测精度不下降的前提下大量减少模型参数量,进一步满足疲劳检测实时性的要求。

摘要： 为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43%~25.89%的秸秆在频率0.05~100 kHz、容积密度90.03~179.42 kg/m^(3)和温度25~40°C内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传播神经网络(Back propagation neural network,BPNN)在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型,引入麻雀搜索算法(Sparrow search algorithm,SSA)优化反向传播神经网络模型。试验结果表明,基于全频率构建的模型较基于SPA算法构建的模型预测效果略好,综合考虑模型复杂度和预测性能,本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPASSABP)作为小麦秸秆含水率的检测模型,其预测集R^(2)_(P)、RMSEP和RPDP分别为0.9832、0.00550和7.715。利用该模型对13个含水率为10.62%~25.59%的秸秆样本进行预测,含水率预测结果的相对误差为-5.27%~5.52%,其中96.8%的预测误差在±5%以内。由此说明,模型具有较高的准确性和较好的鲁棒性。

摘要： 由于鸟类监测设备需在野外环境下工作,因此最好采用轻量级网络并兼具检测精度和实时性的特点。文中根据EfficientNet-lite轻量级网络,提出一种适用于野外高压输电线路上检测鸟类的实时检测网络,即轻量级目标检测网络(EFYOLO)。网络特征提取部分借鉴EfficientNet-lite轻量级模型,预测输出部分则使用YOLO算法,采用Ciou损失函数和Diounms非极大值抑制策略。实验结果表明:EF-YOLO检测精度达87.60%,平均检测速度为138 f/s,在检测速度方面,文中提出的EF-YOLO优于目前主要的三种网络模型;且模型权重大小为4.01 MB,适合在输电线路边缘检测平台上进行部署,辅助驱鸟器工作。

摘要： 由于数据的缺乏,针对高分辨率遥感影像中的圆形喷灌农田目标检测的研究较少,为此提出基于改进YOLOv3的圆形农田检测方法。基于高分辨率遥感影像建立圆形农田数据集;构建深度学习目标检测模型,选定单阶段检测模型YOLOv3并作如下改进:用Resnet替换骨干网中原本的Darknet53特征提取网络;将检测头中的单向特征金字塔改进为双向特征金字塔;应用Dropblock正则化,综合考虑改进方案,最终搭建RD_YOLOv3检测模型。实验结果表明,在公开遥感数据集HRRSD上,RD_YOLOv3的mAP为86.72%,相对于原版YOLOv3可提高1.27%。在我国西北地区圆形灌溉农田数据集上,RD_YOLOv3的mAP可达92.38%,具有较好的应用效果。该研究可以为遥感图像目标检测和生态治理乡村振兴提供一定的参考价值。

摘要： 近红外光谱检测技术已经成功应用于水泥生料成分的快速检测,但我国水泥企业在生产水泥生料时所用原材料品种不一,使用不同的原材料进行生产时对近红外光谱建模带来一定影响。为了研究不同原料生产的水泥生料近红外光谱建模差异,对不同地区水泥生产线所生产的水泥生料进行建模研究。选取两个不同地区水泥生产线的水泥生料样本各95份和82份,各自选取80份和67份作为校正集,15份作为验证集。首先将两条水泥生产线的样本每份重复装样测3次光谱,取平均光谱做为样本的近红外光谱。然后通过采用S-G平滑法对两个不同地区所生产的水泥生料近红外光谱进行预处理。对比发现两个地区水泥生料近红外光谱存在一定差异,采用偏最小二乘回归算法建立检测模型,所建立的模型精度差异较大。采用CARS波段挑选法,分别对两种水泥生料近红外光谱进行挑选,生产线一的水泥生料样本SiO_(2),Al_(2)O_(3),Fe_(2)O_(3)和CaO近红外光谱波段由3113个变量分别保留了85,89,55和67个变量,生产线二的水泥生料近红外光谱则分别保留了51,55,55和55个变量,且保留的波段明显存在一定区别。最后分别建立了两个地区的水泥生料SiO_(2),Al_(2)O_(3),Fe_(2)O_(3)和CaO近红外光谱检测模型。通过对比发现原材料不同时所挑选的波段不同,且检测模型预测效果良好。生产线一的SiO_(2),Al_(2)O_(3),Fe_(2)O_(3)和CaO检测模型的RMSEP(预测均方根误差)分别为0.109,0.053,0.034和0.185,生产线二的SiO_(2),Al_(2)O_(3),Fe_(2)O_(3)和CaO检测模型的RMSEP分别为0.084,0.024,0.023和0.184。结果表明当水泥生料的原材料发生变化或者产地不一时,不能仅靠修正模型对水泥生料进行检测,而是需要重新进行近红外光谱建模,且光谱波段选择也会发生变化。采用波段挑选法对水泥生料近红外光谱进行波段挑选能够提高检测模型的模型精度。

摘要： 随着导弹装备信息化水平的快速提高,对作战与保障的智能化应用要求不断增强,因此,如何快速处理导弹装备在长期使用、贮存、维护过程中积累的数据信息,提高数据质量,是数据时代背景下首要研究内容,也是数据智能化应用的根本途径;文章以大数据技术为基础,以统计理论、深度学习方法等手段展开测试数据异常域检测方法分析,将测试数据异常域划分为异常点、异常曲线以及异常簇,围绕导弹装备测试数据及数据特点,详细阐述不同特征数据条件下的测试数据异常域检测方法原理、检测模型、算法步骤等内容,并模拟导弹装备典型测试数据序列开展应用技术研究。

摘要： 数控机床精度检测对工业化生产具有一定影响,传统的数控机床精度检测方法通用性较差,且适用范围具有较大的限制性,检测结果存在较大误差。提出基于线性回归理论的数控机床精度检测方法设计。首先,获取数控机床各个部件之间的连接关系,构建精度检测模型;其次,根据数控机床几何误差大小变化,计算误差函数表达式;最后,结合线性回归理论,实现数控机床空间几何误差的精度检测。实验证明,此种精度检测方法的空间误差平均值较稳定,检测结果与实际空间误差之间的偏差较小,有效提高了数控机床的检测精度。

摘要： 猪只检测对其后续的个体识别及行为识别有着重要的支撑作用。然而现阶段关于猪只检测的研究较少且没有达到理想的检测结果。另一方面,在猪只养殖中,杂物的遮挡、猪的重叠等给生猪检测带来了较大的困难。为克服上述困难同时获得较好的生猪检测性能,本文进行了生猪检测模型及数据集构建方式的研究,探讨了不同YOLO模型及不同数据集构建方式对猪只检测性能的影响。以圈养猪为研究对象、以监控视频为数据源开展了一系列研究。首先,对比了YOLOv2、YOLOv3及YOLOv4不同模型下生猪的检测性能,旨在探索最优的生猪检测模型。通过实验发现,YOLOv4具有最好的生猪检测性能。其次,构建了规模为4000张、8000张、12000张图像的数据集及不同视角的生猪检测数据集,探讨不同规模和不同视角数据集对生猪检测精度的影响。通过实验得出,规模为12000张的数据集精度最高,平均检测精度为82.21%;侧视和俯视视角数据集的平均检测精度分别为90.68%和77.91%。最后,构建了图片包含不同猪只个数的检测数据集,分别为少目标和多目标数据集。实验得出,少目标和多目标数据集的生猪检测精度分别为79.14%和94.25%。以上实验结果表明,YOLOv4模型具有最好的检测性能;且数据集规模越大,结果越好;同时构建数据集时应尽量挑选单张图片中目标个数多的样本。

摘要： 稻谷在储藏和运输过程中,在适宜的温湿度环境下极易发生霉变,导致大量的粮食浪费和巨大的经济损失,进而影响粮食安全。为解决传统的稻谷霉变检测存在的繁琐且耗时较长等不足,提出了基于近红外光谱图像处理和神经网络的稻谷霉变程度检测方法。首先,通过农业多光谱相机(Sequoia)和固定光源等设备,构建了霉变稻谷近红外图像数据采集平台,获取了黑龙江地区牡响、早香、彩稻三个品种不同的霉变状态(健康稻谷、轻度霉变、中度霉变)的近红外光谱成像数据。对于近红外光谱图像的160×160像素有效区域,应用数字图像处理技术结合光谱图像分析方法,分析了NIR图像多种纹理特征和光谱反射值频率特性,优选不同稻谷品种霉变状态的光谱特征,计算了近红外图像的纹理特征(均值、标准差、平滑度、三阶距、一致性、信息熵、平均梯度、分形维数)以及间隔步长0.1时NIR光谱图像在0.2~0.8区间反射值频率,共计14维度的光谱图像特性指标。最后,以提取NIR图像的特征向量为依据,利用前馈神经网络的自适应推理机制,建立了稻谷霉变程度与其近红外图像特征之间的非线性映射模型,该神经网络结构为14-60-3型,进一步将网络输出编码向量解析至稻谷霉变等级,实现了稻谷霉变程度的快速检测方法。结果表明:本文提出检测模型在学习次数为28455次时达到预设的目标精度0.06,所提取的稻谷NIR图像特征与模型输出的相关系数为0.85。仿真测试中该检测模型所计算出的网络输出值和期望输出值的误差平均值为0.52139,方差为0.13782,误差的标准差为0.37123,对于不同稻谷的霉变程度检测的准确率为93.33%。该研究为实现稻谷霉变程度无损检测提供了新方法,为稻谷仓储时霉变早期自动快速检测提供了技术支持。

摘要： 本文提出一种基于机器视觉的在线检测方法,用于圆形纬编机针织面料疵点的自动检测。在归纳总结针织面料疵点图像学特征的基础上,设计一种可检测织物疵点的深度学习神经网络。基于单阶段目标检测模型YOLOv3,修改网络结构中的两条支路后该网络可参照图像中的背景织物用以识别其上的疵点。并使用深度可分离卷积层降低模型参数、加快检测速度。实验表明,基于YOLOv3改进的纬编针织面料疵点检测算法的m AP(各类别平均准确率的平均值)为81.44%,相较于YOLOv3明显提升。

摘要： 潜在意图检测旨在通过意图主体行为推理意图主体的隐式意图,从而在更高的层面理解意图主体潜在的真实意图.本文提出了一种多领域数据环境下人机协同的潜在意图检测模型和技术框架.此意图检测模型扩展了动态意图表示形式DIS,能够适应多领域数据和交互式推理的意图表示需要;并通过定义交互原语,确定了人机协同交互的语言规范.通过功能框架的设计,提供了潜在意图检测的技术实现途径.

摘要： 从工程应用出发,提出了一种基于态势数据的舰艇编队检测模型,主要包括:先验知识获取、数据预处理、编队起始、编队维持、编队消批和编队终止.通过该模型,可以更好地利用态势数据对舰艇编队进行检测和监控.

摘要： 本文以战术空域管制为背景，初步研究了战术空域冲突检测建模思路，给出了一些主要的检测模型，为相关研究奠定了技术基础。

摘要： 针对当前Rootkits类型的恶意代码数目剧增且隐匿于系统内核而使传统反病毒技术难以检测的问题,受生物免疫系统的启发,提出了一种基于免疫机理的Rootkits检测模型IMRD(lmmunityinspired Model for RootkitsDetection).该模型将进程运行时在内核模式中所产生的动态IRP(I/() Request Packets)请求序列提取为抗原,将系统中干净正常的良性程序定义为自体,将已知的Rootkits恶意代码定义为非自体.通过对Rootkits恶意代码进程行为监控和家族基因分析来监视Rootkits恶意代码演化,通过疫苗接种、克隆选择、基因进化等方式来学习与进化识别未知Rootkits并提取它们的基因以更新抗体基因库.理论分析与实验表明,该模型对于未知Rootkits的检测率较高,误报率和漏报率较低.

摘要： 针对自组织网络中较为流行的基于信誉的信任管理方法已无法识别该类恶意节点的策略型攻击与正常节点的善意协同行为的问题,本文就此提出一种移动Ad Hoc网络中基于博弈理论的新型恶意节点检测模型来解决恶意节点策略攻击行为的检测问题.

摘要： 随着网络的普及,网页的数量飞速增长,混杂其中的恶意网页占据的比例也呈上升趋势.恶意网页的检测一直是网络安全领域的研究重点和难点,传统的恶意网页检测模型在新形势下的表现不尽如人意.机器学习算法在恶意网页领域的应用是突破传统恶意网页检测局限的一种途径.文章开发出一个基于机器学习的对恶意网页检测的模型,该模型通过收集诸如URL、主机信息和各种网页内容的特征信息并通过机器学习算法对网页进行分类,与前人工作相比达到了更好的分类效果.

摘要： 本文提出了一种基于稀疏表示和标签传播的显著性检测模型.首先,稀疏表示理论的目的是将复杂数据集更简洁的表达,可以获得数据间更深层面的联系.本文利用稀疏表示定义了一种新的邻接矩阵.不仅将具有共同边界的区域称为相邻区域,更是把处在同一子空间中的数据点定义为邻居.其次通过图像中每个区域间的相似度计算权值矩阵.然后选取部分边缘区域作为背景标签.最后通过上述方法获得的权值矩阵和背景标签,应用标签传播算法预测未标记区域的标签信息,进而获得最终的显著性图.本文将该算法在多个公开的显著性图库上进行试验,验证了本文所提出算法的有效性.

摘要： 本文主要综述针共培养系统在毒性评价中的建立及应用.目前，已建立的主要有两个模型系统。一个是Albert P.Li建立的人原代肝细胞、近端小管上皮细胞，星形胶质细胞、人主动脉内皮细胞和小气管上皮细胞的共培养模型。鉴于人原代细胞材料获取较困难，难以区别是否为正常器官和组织，而且代表靶器官的细胞多数为器官的非实质细胞。实验室建立了大鼠原代肝细胞、肾细胞、心肌细胞、肺泡巨噬细胞、真皮成纤维细胞和星形胶质细胞的共培养模型。该模型可解决原代细胞获取困难、来自正常器官和组织、为器官的非实质细胞等问题，但存在不能解决种间差异的问题。

摘要： 近红外光谱分析技术是一种间接分析技术,分析结果的可靠性主要取决于预测模型的准确性和稳定性,面粉样品的原始数据,即样品的近红外光谱图和化学值的相关性直接影响模型的预测能力,而异常样品的干扰是影响分析模型的重要因素,因此异常样品的判别与处理是提高模型预测能力的一个重要步骤.本次试验用马氏距离法和蒙特卡洛采样法分别对异常样本进行了剔除,马氏距离法剔除异常样本,当权重系数为1.5,剔除样本数为3的时候,得到最好结果,相关系数(R2)为92.67,交互验证均方差(RMSECV)为0.0485.MCCV剔除异常样本,剔除个数为3,得到最好结果,相关系数(R2)为94.64,交互验证均方差(RMSECV)为0.0411.MCCV法较马氏距离法剔除异常样本模型精度和预测精度提高的更为明显.

摘要： 本文首先对现阶段用于水体化学稳定性分析的Langelier饱和指数，RyZnar稳定指数，侵蚀指数AI，酸钙沉淀势CCPF，Larson比率，Riddick腐蚀指数RCI等6个模型作简单介绍，然后分别用这些模型对常规工艺生产的自来水和纳滤自来水，以及海水淡化自来水水体质进行了水体化学稳定性的初步计算，依据模型所获得的计算数据，分别对6个模型用于水各类水质的化学稳定性计算的适用性进行了分析，对于进一步用于各种水质的预测、提高水质化学稳定性，以及管网材质的选取，预防管网的二次污染均具有重要参考价值。

摘要： 本发明涉及阴影域检测技术领域，特别提供了一种阴影域检测模型、检测模型建立方法、检测方法及系统，根据现有样本搜集方法及特征提取方法搜集样本和阴影域特征，将阴影域样本和合法域样本分别加标签后合并，通过两种训练方式，训练得到两个模型，再将两个模型按照平均法，得到最终的检测模型，当某网页正在被访问时，如果该网页是在合法域名下建立的非法子域名，即恶意域名，本检测模型能够迅速进行判断，并且将提示信息同时发给网页所有者和检测模型的用户，使网页所有者尽快对其所拥有的子域名进行排查，避免阴影域造成的攻击。

摘要： 本公开公开了一种生成用于检测眼睛状态的检测模型的方法，包括步骤：对包含单个眼睛的样本图像进行预处理，生成训练图像和标签数据；构建检测模型及初始的网络参数，检测模型由主干特征提取组件、特征金字塔组件和信息预测组件耦接而成，其中眼睛状态包含闭合状态和非闭合状态；将训练图像输入检测模型进行处理，以输出预测结果；以及基于预测结果和标签数据，计算损失值，并根据损失值调整网络参数，直至满足预定条件，所对应的检测模型就是最终生成的用于检测眼睛状态的检测模型。本公开还一并公开了基于该检测模型的检测眼部图像中眼睛状态的方法及系统。基于该检测模型，能够快速准确地检测出眼部图像中的眼睛状态。

摘要： 本申请实施例提供了一种服务异常检测方法、训练服务异常检测模型的方法和训练声音模型的方法，涉及交通安全技术领域。该服务异常检测方法通过获取服务车辆的服务状况信息和服务车辆的异常音频标签。其中，服务状况信息表征服务车辆在第一服务过程中的状态信息，异常音频标签表征在第一服务过程中服务车辆存在异常声音。接着，将服务状况信息与异常音频标签作为服务异常检测模型的输入，获得服务车辆在第一服务过程中的异常得分。如此，结合不同类型的多维度数据，共同分析服务车辆是否发生交通事故等异常情况，使得分析结果更精准。

摘要： 本发明提供了一种稠密小目标检测模型构建方法、模型及检测方法，基于目标中点上下文信息融合，通过对分辨率较大的图片切割，避免输入网络下采样后的图片丢失太多图像信息，影响网络特征提取；采用残差金字塔特征提取网络，融合不同尺度的特征，提高了网络在不同大小目标的检测精度，尤其是小目标；采用RoIAlign层代替原始的RoIPooling层，解决了候选区域特征不匹配引起的候选框位置偏差；由于在网络传递中易丢失小目标特征，将中心点上下文特征与原始RoI特征融合，使网络充分利用目标上下文信息，在保证网络运行速度的同时，更精确地定位与识别稠密的小目标，提高了网络性能。

摘要： 本公开公开了一种生成用于检测眼睛状态的检测模型的方法，包括步骤：对包含单个眼睛的样本图像进行预处理，生成训练图像和标签数据；构建检测模型及初始的网络参数，检测模型由主干特征提取组件、特征金字塔组件和信息预测组件耦接而成，其中眼睛状态包含闭合状态和非闭合状态；将训练图像输入检测模型进行处理，以输出预测结果；以及基于预测结果和标签数据，计算损失值，并根据损失值调整网络参数，直至满足预定条件，所对应的检测模型就是最终生成的用于检测眼睛状态的检测模型。本公开还一并公开了基于该检测模型的检测眼部图像中眼睛状态的方法及系统。基于该检测模型，能够快速准确地检测出眼部图像中的眼睛状态。

摘要： 本申请涉及模型生成的技术领域，尤其涉及一种人头检测模型生成方法、装置、人头检测模型及人头检测方法。包括：获取初始模型和训练样本集，所述训练样本集中的训练样本包括样本图像；基于所述样本图像得到第一训练图像以及第二训练图像，所述第一训练图像包含头部正例训练样本，所述第二训练图像包含手部负例训练样本；以及，根据所述第一训练图像以及第二训练图像对初始模型进行训练，得到人头检测模型。在训练样本集加入手部负例训练样本和头部正例训练样本，有效减少在检测过程中将手部误检为头部的可能，从而便于提高人头检测的精度。

摘要： 本发明涉及阴影域检测技术领域，特别提供了一种阴影域检测模型、检测模型建立方法、检测方法及系统，根据现有样本搜集方法及特征提取方法搜集样本和阴影域特征，将阴影域样本和合法域样本分别加标签后合并，通过两种训练方式，训练得到两个模型，再将两个模型按照平均法，得到最终的检测模型，当某网页正在被访问时，如果该网页是在合法域名下建立的非法子域名，即恶意域名，本检测模型能够迅速进行判断，并且将提示信息同时发给网页所有者和检测模型的用户，使网页所有者尽快对其所拥有的子域名进行排查，避免阴影域造成的攻击。

摘要： 本发明公开了违章动火检测模型的训练方法及利用该模型的检测方法，训练方法包括以下步骤：S1图像形成训练集；S2得到违章动火检测模型；检测方法包括以下步骤：S1得到图像中各目标的类别及其检测框结果；S2得出是否存在违章动火行为。有益效果：本发明中公开的违章动火检测模型的训练方法克服了漏检、误检的问题，充分提升了现场动火图像检测结果准确性；本发明中公开的违章动火检测方法，充分提升了违章动火行为的判断准确性。

摘要： 本发明提供了一种掌静脉检测模型的训练方法、掌静脉检测模型及存储介质，所述方法包括：采用resNet网络和FPN网络组合形成的神经网络进行训练得到检测模型，其中，所述FPN网络包括自上至下进行逆卷积变换的第一特征金字塔和自下至上进卷积变换的第二特征金字塔，所述第一特征金字塔和所述第二特征金字塔与所述resNet网络具有相同数量且尺寸的特征层，除了最底层外，所述resNet网络的每一层分别连接至所述第一特征金字塔的相应层，且所述resNet网络的最底层分别连接至所述第一特征金字塔的最顶层和所述第二特征金字塔的最顶层。采用本发明的技术方案，训练得到的掌静脉检测模型检测精度高。

摘要： 本发明提供一种翡翠自动检测模型的建模方法、模型及检测方法，其中方法包括：获取反射用翡翠样品集及透射用翡翠样品集；获取反射用翡翠样品集对应的红外反射光谱数据集，获取透射用翡翠样品集对应的红外透射光谱数据集；获取每个红外反射光谱数据中的指定峰位，以红外反射光谱数据在第一区间中的相应的指定峰位为依据，得到全部指定峰位对应的峰位区间集，利用峰位区间集得到第一判断依据；以红外透射数据集为依据，获取红外透射光谱在第二设定区间内的峰位相关阈值，并以峰位相关阈值为依据得到第二判断依据；将第一判断依据及第二判断依据进行保存，得到翡翠自动检测模型。本发明改善现有翡翠红外光谱识别软件无法满足翡翠鉴别需求的问题。