钟小勇
- 作品数:61 被引量:40H指数:4
- 供职机构:江西理工大学理学院更多>>
- 发文基金:国家自然科学基金江西省自然科学基金江西省研究生创新基金更多>>
- 相关领域:自动化与计算机技术文化科学环境科学与工程矿业工程更多>>
- 钢丝绳断丝在线检测仪的设计
- 1998年
- 介绍一种单片机控制的钢丝绳断丝检测仪,并对其工作原理、硬件设计、软件设计及性能指标作了较详细的阐述。
- 钟小勇张小红
- 关键词:钢丝绳单片机设计检测仪
- 一种无线射频识别系统的双向认证方法
- 一种无线射频识别系统的双向认证方法,采用混沌映射结合Hash函数、异或运算等简单快捷方法,在双方认证的同时进行过滤操作,降低了后端数据库的搜索计算负载,避免假冒、重传攻击,追踪等安全问题,并将RFID(无线射频识别)系统...
- 张小红肖娟凤钟小勇
- 一种变参数细胞神经网络的分数阶可切换多元电路设计方法
- 一种变参数细胞神经网络的分数阶可切换多元电路设计方法,通过构建一个新的细胞神经网络系统,结合分数阶电路设计方法,运用电路中的开关及滑动变阻器来分别实现对分数阶细胞神经网络系统的分数阶值q<Sub>i</Sub>(i=1,...
- 张小红俞梁华钟小勇
- 文献传递
- 基于IPSO-BP神经网络的钢丝绳断丝损伤识别模型研究被引量:3
- 2020年
- 为解决传统钢丝绳断丝损伤识别方法精度低,BP神经网络陷入局部最优等问题,提出改进粒子群算法(IPSO)的BP神经网络识别模型。通过采集钢丝绳断丝损伤信号,提取缺陷信号特征,用峰值、峰峰值、波宽、波形下面积和波动能量5个特征值组成特征向量作为神经网络的输人,断丝数量作为神经网络的输出;利用改进粒子群算法对BP神经网络的初始权值和阈值进行优化;建立基于IPSO-BP算法的神经网络模型,用于钢丝绳断丝的定量识别。结果表明:IPSO-BPS神经网络模型的钢丝绳断丝损伤识别精度、泛化能力均高于传统BP神经网络模型,且改进的粒子群算法迭代寻优速度更快。
- 钟小勇刘志辉
- 关键词:钢丝绳惯性权重
- 一种自适应阈值的视频流多纹理方向错误隐藏方法
- 一种自适应阈值的视频流多纹理方向错误隐藏方法,其特征是基于改进的自适应阈值的Sobel边缘检测算法,通过检测出错误宏块的相邻块可能的边缘方向,结合边界像素差值成本函数自适应地确定错误宏块中每个像素点的插值方向,然后对错误...
- 张小红胡婷钟小勇
- 一种广义混沌同步系统构建与电路设计方法
- 一种广义混沌同步系统构建与电路设计方法,基于广义混沌同步(GCS)理论,设计了一个四维混沌驱动系统,并构造一个新的四维同胚传递函数,以生成相应的GCS响应系统。利用Multisim软件构建了信息交互与控制的结构电路和同步...
- 钟小勇吴政泽张小红
- 文献传递
- 基于STM32的钢丝绳缺陷定量检测系统设计被引量:4
- 2019年
- 钢丝绳作为承重构件应用极为广泛,但多数钢丝绳处于相对恶劣的运行环境之中。针对目前钢丝绳的安全状况,该文提出了一种以STM32处理器为核心的智能检测系统。该系统采用永磁体组成励磁源,磁化被检钢丝绳至饱和状态,利用磁电效应在钢丝绳周向和轴向密集采样漏磁场信号,经信号放大滤波,至STM32处理器进行数据融合、分析处理。经试验验证:系统缺陷准判率大于90%,并具有操作简便、智能化程度高、成本低等优点。
- 钟小勇刘志辉张小红
- 关键词:钢丝绳漏磁场STM32
- 一种响应置信度多特征融合的核相关滤波目标跟踪方法
- 一种响应置信度多特征融合的核相关滤波目标跟踪方法,针对传统核相关滤波在跟踪彩色视频序列不能有效利用颜色特征,以及处理目标遮挡和形变能力低等问题。该方法提取目标图像的方向直方图特征和颜色直方图特征,通过计算高响应值点在响应...
- 钟小勇顾明琨张小红
- 钢丝绳在线智能检测系统的设计与实现被引量:1
- 2012年
- 钢丝绳的完好程度直接关系到人身和设备安全。针对目前钢丝绳检测中自动化程度低及安全性评估较为薄弱的状况,采用霍尔元件阵列检测钢丝绳表面漏磁场,以数字信号处理器TMS320F2812为控制核心,设计并实现了钢丝绳在线智能检测系统。试验及应用表明:该系统性能稳定可靠,适应较为恶劣的现场检测环境,能够在线自动识别钢丝绳缺陷,并对钢丝绳状况做出定量评估。
- 钟小勇张小红
- 关键词:钢丝绳漏磁场数字信号处理器
- 面向航拍小目标的改进YOLOv5n检测算法
- 2023年
- 针对无人机视角下目标尺度差异大、检测场景复杂、目标小且密集而导致的检测精度不高的问题,提出了一种基于改进YOLOv5n的实时目标检测算法。首先,通过引入轻量通道注意力(ECA)模块提高卷积神经网络对特征图内有效信息的提取能力;其次,在特征金字塔网络输出端后,加入自适应空间特征融合(ASFF)模块,提高不同尺度特征图的识别精度;再次,使用EIoU损失函数计算预测框和目标框的差异值,加快收敛速度并提高检测精度;最后,改进YOLOv5n的检测头,优化模型对小目标的检测性能。在VisDrone数据集上训练测试,相比于基础的YOLOv5n模型,在640×640分辨率下,改进后模型的类平均精度(mAP_(50))提高了6.1个百分点;在1504×1504分辨率下类平均精度(mAP_(50))提高了7.1个百分点;同时,改进后的模型检测速度在硬件上可达22帧/s以上。该算法模型在精度提高的同时保证了足够高的检测速度,更适用于无人机的小目标实时检测。
- 邱昊钟小勇黄林辉杨浩
- 关键词:无人机小目标检测损失函数