基于改进YOLOv5的船体焊缝缺陷自动检测方法

为解决采用人工手段检测船体焊缝速度慢、准确度低的问题,提出基于改进YOLOv5的船体焊缝缺陷自动检测方法。利用相机采集船体焊缝图像,使用正弦灰度变换对焊缝图像进行处理,避免焊缝图像特征消失,提高正常焊缝与存在缺陷焊缝间的对比度,将处理后焊缝图像作为YOLOv5网络的输入样本,经网络Backbone、Neck以及Head部分处理,输出焊缝缺陷自动检测结果,并使用Ghost Net替换YOLOv5网络主体部分的一般卷积层（CBS）,降低网络进行船体焊缝缺陷检测的计算量和资源消耗量。实验结果表明,采用正弦灰度变换后的图像更加清晰,可突出显示焊缝缺陷特征,提升焊缝缺陷检测结果精准。改进后网络训练损失函数为0.15,平均准确率为98%,可实现不同焊缝位置的缺陷检测。     

船体焊缝缺陷检测的图像处理算法

基于船体焊缝人工检测方式劳动强度大、效率低等现状,针对未融合、裂纹、气孔和焊瘤等典型焊缝缺陷,研究图像预处理和轮廓提取算法,对焊缝特征参数计算方法进行改进以降低图像处理运算量,提出基于有限样本的船体焊缝缺陷识别流程.最后应用OpenCV和C++编程,以焊缝缺陷正确识别率为标准,对图像处理算法和识别流程的有效性进行验证.     

基于稀疏表示的NMF抗混响方法

在浅海环境中,由于受到混响的影响,主动声呐接收到的信号混淆不清。针对上述问题,提出一种基于稀疏表示的非负矩阵分解(non-negative matrix factorization, NMF)抗混响方法。利用稀疏表示方法处理主动声呐回波信号,然后根据信号的稀疏性,构建基于非负矩阵分解的Kullback-Leibler(KL)问题,通过梯度下降法给出迭代规则,进而得到了目标信号矩阵中的协方差估计。仿真结果表明,相对其他去混响方法,该方法能够有效抑制混响,提高对水下目标的识别率。     

基于局部敏感可鉴别组稀疏表示的视频语义分析

视频语义分析已经成为计算机领域的研究热点之一.为了提高基于稀疏表示的视频语义分析的准确性,文中结合基于稀疏系数的可鉴别函数和组稀疏模型,分析目前已有的局部敏感稀疏表示字典学习模型,提出一种基于局部敏感可鉴别组稀疏表示.该方法利用组稀疏模型和可鉴别损失函数,在保持数据局部结构的基础上实现样本变量组水平上的稀疏性.所提方法首先构建局部敏感组稀疏字典,然后进行稀疏表示分类.为了验证上述方法的有效性,在TRECVID 2012和OV视频库上,将上述方法与多种算法进行对比,实验结果表明,基于局部敏感的可鉴别组稀疏表示方法能够有效提高视频语义分析的准确率.     

基于NURBS方法的船舶随浪航行纯稳性损失研究

基于NURBS方法研究了船舶随浪航行纯稳性损失问题。首先对NURBS曲线曲面算法和船体表面网格自动化分的原理方法进行了研究,给出了船体表面网格自动化分的算法。随后建立了船舶随浪航行的瞬时平衡方程,通过牛顿迭代法求解该非线性方程,最后编制计算程序,对船舶随浪稳性问题进行计算,分析了波长、波高、浪向角和波浪与船舶的相对位置,以及参数耦合作用对船舶随浪稳性的影响。     

基于改进YOLOv5s的铝型材表面弱缺陷识别方法

针对采用传统的机器视觉方法识别铝型材表面弱缺陷存在的效率低和精度差的问题，提出一种将数据增强与YOLOv5s相结合的铝型材表面弱缺陷识别方法。采用anchor-free方法简化人工设计YOLOv5参数的步骤，降低检测复杂度；利用解耦检测器解决YOLOv5s检测中分类与回归任务冲突的问题，加快损失函数的收敛速度。通过优化算法的边界框回归损失函数，提高算法模型的定位精度；同时引入γ参数解决弱缺陷样本不平衡的问题。通过图像马赛克与像素混合方法提升模型对弱缺陷图像的识别能力。试验结果表明，改进算法的检测平均精度均值为93.3%，检测速度为41帧/秒，能提高船舶类铝型材弱缺陷检测的效率和自动化程度。     

利用视觉技术在线检测船体变形缺陷方法

传统船体变形缺陷检测方法存在微变形缺陷识别误判问题,导致船体轻微变形区域无法在线瞬态识别,影响在线检测效果。为此,提出利用视觉技术在线检测船体变形缺陷方法。通过引入视觉技术,对船体结构进行扫描,建立船体结构变形模型;根据模型输出参量,利用粒子群算法对参量进行结构识别。最后,通过对结构体挠度计算确认变形位置,完成对船体变形缺陷的在线检测。通过与传统变形检测方法的对比,证明提出方法的高效性与准确性。     

基于角点检测与特征点配准的图像拼接算法

为了解决当前图像拼接算法在背景复杂多变和重叠区域少的情况下,导致算法拼接不准确的问题,论文分别从角点检测与特征配准的角度出发,提出了基于角点检测与特征点配准的图像拼接算法。首先,根据图像Hessian矩阵,构建尺度空间,通过积分图像转换,设计基于surf的角点检测算子,精确定位角点,达到精准定位图像拼接参考点的目的。然后,根据角点匹配参数,推导计算出单应性矩阵,进行两幅图像间拼接转换处理,进一步精确并全自动化图像拼接结果。最后,基于软件开发环境VS2015实现算法,并系统集成。实验测试结果显示:与当前图像拼接技术相比,论文算法拥有更高的准确性与稳定性。     

基于曲面测量点数据的船体曲面板成形检测

船体双曲度外板制造完成后,造船工人使用样板或者样箱检测钢板的成形形状。然而,这种人工的检测模式不满足自动化成形和检测的需要。文章采用激光全站仪测量待测钢板的曲面特征点数据,根据该数据和设计曲面数据对曲面进行粗定位,采用迭代最近点（ICP）算法对曲面进行精细定位,在此基础上,提出曲面成形度评估的曲面欧式距离差值图和高斯曲率差值比量化评价方法。通过曲面测量案例验证该方法的有效性,计算结果表明该评估方法有效,能满足船体双曲度外板成形检测的要求。     

基于K-means聚类与张量分解的社会化标签推荐系统研究

针对大众标注网站推荐系统中存在的数据矩阵稀疏性影响推荐效果的问题,文中采取如下策略:对标注数据进行K-means聚类,将具有相似标签特征的项目进行归类以保证数据具有初始聚合性;聚类完成后运用高阶奇异值分解(high order singular value decomposition,HOSVD)对聚类后的标注数据建立多维张量模型.该策略重点利用张量分解方法对含有用户、标签和项目的三元数据组进行分析,可以进一步改进稀疏性问题,同时形成对项目资源的个性化推荐.通过对社交书签网站Delicious.com的标注数据的处理,验证该方法对解决推荐系统中矩阵稀疏性问题以及提高推荐效果具有改进效果.     

基于编码稀疏表示的船舶航行图像去噪方法

传统船舶航行图像去噪方法在对高光谱压缩编码特征图像处理中,由于算法编码不具备高光谱编码稀疏表示效果,导致分布于高光谱区域空间内的噪声纹理无法滤除,影响图像去噪整体效果。为了有效解决高光谱区域空间内的噪声滤除问题,提出基于编码稀疏表示的船舶航行图像去噪方法研究。首先,对航行图像的高光谱噪声分布区域进行稀疏表示;然后,根据稀疏表示数据,对噪声滤波编码数据进行重组计算;最后,通过重组编码对高光谱区域空间分布的噪声纹理进行滤除,从而完成对基于编码稀疏表示的船舶航行图像去噪方法计算。通过对比实验数据,证明提出方法具有提升图像噪声滤除效果的作用。     

大尺度声纳图像目标自动分类方法研究

针对大尺度海底声纳图像l中小目标的自动识别问题,提出了一种基于分形维探测与纹卵特征卡结结合的目标自动分类算法。该算法采用分形维探测方法实现尺度变换,并在此基础上利用基于灰度共生矩阵的纹理特征描述目标特性,最后采用SVM算法解决图像声纳小目标识别中小样本,非线性及高维的现实难题向实现分类。实验结果表明,此算法在对解决大尺...     

基于特征替换的船体结构批量参数化建模方法

船体结构中大量相同、相似并且有依附结构的构件,建模时存在重复操作多、工作量大、构件轮廓与其依附结构难以自动随形变化及建模效率低下等特点。基于此,提出一种基于特征替换的船体结构批量参数化建模方法。基于NX开发平台,设计考虑船体结构特征的参数化草图模板,通过开发的特征识别与特征替换算法,确保新建的船体构件轮廓与其依附结构自动随形变化,实现构件的批量自动化建模。最后,对几类主要的船体构件进行测试,实现批量自动化建模,建模效率有明显提升。     

基于视觉识别的船体板材零件理料原型系统开发

现阶段船体板材零件理料过程中完全依靠人工进行零件特征和编码识别,不利于开展理料装备自动化和智能化作业.针对该现状,提出基于视觉识别的船体板材零件理料原型系统.通过工业相机拍摄零件图像,对零件特征进行识别,获取零件类型和位置信息;对零件编码进行识别,获取零件流向信息.然后将类型、位置和流向信息传输至理料控制软件处理,机器人根据指令完成理料过程.结果表明,提出的理料原型系统及工作流程能够替代人工完成船体零件理料过程,为后续实现理料作业的自动化和智能化运行及装备集成应用奠定了基础.     

船体弹性支撑轴机械故障检测方法研究

当前船体弹性支撑轴故障检测存在效率低、错误多等不足,为了改善船体弹性支撑轴故障检测效果,设计了支持向量机多类分类器的船体弹性支撑轴故障检测方法。首先选择船体弹性支撑轴作为研究对象,提取其振动信号。然后从振动信号中提取描述其工作状态的特征,并通过对特征进行选择,得到最优的船体弹性支撑轴故障检测特征。最后根据故障检测特征,采用支持向量机多类分类器进行船体弹性支撑轴故障分类和检测。仿真测试结果表明,本文方法能够很好识别各种类型的船体弹性支撑轴故障,对所有类型故障检测率超过95%以上,而且具有较快的船体弹性支撑轴故障检测速度,相对其他船体弹性支撑轴故障检测方法,优势十分明显。     

海上雷达通信数据特征实时监测算法研究

传统船载雷达通信数据检测算法存在小范围样本数据监测准确率低,究其根源在于算法对小样本数据特征计算能力不足,无法精准提取小样本特征。为此提出基于大数据分析的船载雷达通信数据特征实时监测算法,算法由2种计算子算法构成。首先,引入MIFS小样本特征滤除算法,对雷达数据内小样本周边数据进行滤除计算,提升小样本特征清晰度;其次,引入大数据IDWPA遗传编码特征算法,利用大数据分析能力对小样本数据进行遗传模型建力计算,准确抓取小样本特征,完成整套算法计算;最后,通过仿真实验证明提出算法能够有效解决传统算法特征计算力不足,监测准确率低的问题。     

一种改进的快速压缩跟踪算法

为研究目标跟踪问题,构造多种不同尺度的滤波器对目标进行滤波,生成目标高维特征;利用符合有限等距性质要求的稀疏矩阵对高维特征进行采样,获得目标低维特征.采用朴素贝叶斯分类器输出与Bhattacharyya系数乘积的形式作为目标与候选目标之间的相似性度量,并选择最大值所对应的候选目标作为下一帧中的目标.文中提出了一种改进的快速压缩跟踪算法.实验表明,该改进的算法能够对目标进行有效跟踪.     

一种基于稀疏表示声纳图像识别方法

提出了一种基于灰度-梯度共生矩阵的稀疏表示声纳图像识别方法.该方法采用灰度-梯度共生矩阵对声纳图像进行特征提取,特征提取结果相比全局的特征提取包含了声纳图像的重要的纹理信息;并结合稀疏表示的分类方法对声纳图像进行识别.实验表明,该方法既满足了对声纳图像进行识别实时性,又提高了识别的准确性.     

船体外板水火成形焰道布置算法研究

船体外板水火加工成形自动化研究过程中,焰道布置是一项重要的组成部分。通过对船体加工外板和目标外板形状研究,对其对应特征点的弦距线进行匹配,确定外板水火成形加工焰道布置路线。经过实验验证,该匹配算法确定的加工焰道布置和人工确定的相比,其误差较小。     

多媒体环境下船舱监控视觉图像敏感区域标注算法

在船舱监控视觉图像的敏感区域标注中,针对敏感区域聚类标注算法准确率较低的问题,在多媒体环境下,提出了一种船舱监控视觉图像敏感区域标注算法。使用视觉注意模型计算各个区域的敏感度,对敏感区域进行检测。利用K-NN聚类算法对图像样本进行聚类,对出现频率最大的样本类别进行标注。利用图像的SIFT特征对图像的特征点与梯度进行描述,得到敏感区域图像特征后,根据值的大小,排序所有未标注的图像标注词,实现了船舱监控视觉图像敏感区域标注算法。为了检测该算法,利用敏感区域聚类标注算法与该算法进行敏感区域标注准确率的对比实验,证明了船舱监控视觉图像敏感区域标注算法的可行性与准确率。