您当前的位置:首页 > 发表论文>论文发表

检测背景论文

2023-03-05 06:17 来源:学术参考网 作者:未知

检测背景论文

论文名称:Rich feature hierarchies for accurate object detection and semantic segmentation

提出时间:2014年

论文地址:

针对问题:

从Alexnet提出后,作者等人思考如何利用卷积网络来完成检测任务,即输入一张图,实现图上目标的定位(目标在哪)和分类(目标是什么)两个目标,并最终完成了RCNN网络模型。

创新点:

RCNN提出时,检测网络的执行思路还是脱胎于分类网络。也就是深度学习部分仅完成输入图像块的分类工作。那么对检测任务来说如何完成目标的定位呢,作者采用的是Selective Search候选区域提取算法,来获得当前输入图上可能包含目标的不同图像块,再将图像块裁剪到固定的尺寸输入CNN网络来进行当前图像块类别的判断。

参考博客: 。

论文题目:OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks

提出时间:2014年

论文地址:

针对问题:

该论文讨论了,CNN提取到的特征能够同时用于定位和分类两个任务。也就是在CNN提取到特征以后,在网络后端组织两组卷积或全连接层,一组用于实现定位,输出当前图像上目标的最小外接矩形框坐标,一组用于分类,输出当前图像上目标的类别信息。也是以此为起点,检测网络出现基础主干网络(backbone)+分类头或回归头(定位头)的网络设计模式雏形。

创新点:

在这篇论文中还有两个比较有意思的点,一是作者认为全连接层其实质实现的操作和1x1的卷积是类似的,而且用1x1的卷积核还可以避免FC对输入特征尺寸的限制,那用1x1卷积来替换FC层,是否可行呢?作者在测试时通过将全连接层替换为1x1卷积核证明是可行的;二是提出了offset max-pooling,也就是对池化层输入特征不能整除的情况,通过进行滑动池化并将不同的池化层传递给后续网络层来提高效果。另外作者在论文里提到他的用法是先基于主干网络+分类头训练,然后切换分类头为回归头,再训练回归头的参数,最终完成整个网络的训练。图像的输入作者采用的是直接在输入图上利用卷积核划窗。然后在指定的每个网络层上回归目标的尺度和空间位置。

参考博客:

论文题目:Scalable Object Detection using Deep Neural Networks

提出时间:2014年

论文地址:

针对问题:

既然CNN网络提取的特征可以直接用于检测任务(定位+分类),作者就尝试将目标框(可能包含目标的最小外包矩形框)提取任务放到CNN中进行。也就是直接通过网络完成输入图像上目标的定位工作。

创新点:

本文作者通过将物体检测问题定义为输出多个bounding box的回归问题. 同时每个bounding box会输出关于是否包含目标物体的置信度, 使得模型更加紧凑和高效。先通过聚类获得图像中可能有目标的位置聚类中心,(800个anchor box)然后学习预测不考虑目标类别的二分类网络,背景or前景。用到了多尺度下的检测。

参考博客:

论文题目:DeepBox: Learning Objectness with Convolutional Networks

提出时间:2015年ICCV

论文地址:

主要针对的问题:

本文完成的工作与第三篇类似,都是对目标框提取算法的优化方案,区别是本文首先采用自底而上的方案来提取图像上的疑似目标框,然后再利用CNN网络提取特征对目标框进行是否为前景区域的排序;而第三篇为直接利用CNN网络来回归图像上可能的目标位置。

创新点:

本文作者想通过CNN学习输入图像的特征,从而实现对输入网络目标框是否为真实目标的情况进行计算,量化每个输入框的包含目标的可能性值。

参考博客:

论文题目:AttentionNet: AggregatingWeak Directions for Accurate Object Detection

提出时间:2015年ICCV

论文地址:

主要针对的问题:

对检测网络的实现方案进行思考,之前的执行策略是,先确定输入图像中可能包含目标位置的矩形框,再对每个矩形框进行分类和回归从而确定目标的准确位置,参考RCNN。那么能否直接利用回归的思路从图像的四个角点,逐渐得到目标的最小外接矩形框和类别呢?

创新点:

通过从图像的四个角点,逐步迭代的方式,每次计算一个缩小的方向,并缩小指定的距离来使得逐渐逼近目标。作者还提出了针对多目标情况的处理方式。

参考博客:

论文题目:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

提出时间:2014年

论文地址:

针对问题:

如RCNN会将输入的目标图像块处理到同一尺寸再输入进CNN网络,在处理过程中就造成了图像块信息的损失。在实际的场景中,输入网络的目标尺寸很难统一,而网络最后的全连接层又要求输入的特征信息为统一维度的向量。作者就尝试进行不同尺寸CNN网络提取到的特征维度进行统一。

创新点:

作者提出的SPPnet中,通过使用特征金字塔池化来使得最后的卷积层输出结果可以统一到全连接层需要的尺寸,在训练的时候,池化的操作还是通过滑动窗口完成的,池化的核宽高及步长通过当前层的特征图的宽高计算得到。原论文中的特征金字塔池化操作图示如下。

参考博客 :

论文题目:Object detection via a multi-region & semantic segmentation-aware CNN model

提出时间:2015年

论文地址:

针对问题:

既然第三篇论文multibox算法提出了可以用CNN来实现输入图像中待检测目标的定位,本文作者就尝试增加一些训练时的方法技巧来提高CNN网络最终的定位精度。

创新点:

作者通过对输入网络的region进行一定的处理(通过数据增强,使得网络利用目标周围的上下文信息得到更精准的目标框)来增加网络对目标回归框的精度。具体的处理方式包括:扩大输入目标的标签包围框、取输入目标的标签中包围框的一部分等并对不同区域分别回归位置,使得网络对目标的边界更加敏感。这种操作丰富了输入目标的多样性,从而提高了回归框的精度。

参考博客 :

论文题目:Fast-RCNN

提出时间:2015年

论文地址:

针对问题:

RCNN中的CNN每输入一个图像块就要执行一次前向计算,这显然是非常耗时的,那么如何优化这部分呢?

创新点:

作者参考了SPPNet(第六篇论文),在网络中实现了ROIpooling来使得输入的图像块不用裁剪到统一尺寸,从而避免了输入的信息丢失。其次是将整张图输入网络得到特征图,再将原图上用Selective Search算法得到的目标框映射到特征图上,避免了特征的重复提取。

参考博客 :

论文题目:DeepProposal: Hunting Objects by Cascading Deep Convolutional Layers

提出时间:2015年

论文地址:

主要针对的问题:

本文的作者观察到CNN可以提取到很棒的对输入图像进行表征的论文,作者尝试通过实验来对CNN网络不同层所产生的特征的作用和情况进行讨论和解析。

创新点:

作者在不同的激活层上以滑动窗口的方式生成了假设,并表明最终的卷积层可以以较高的查全率找到感兴趣的对象,但是由于特征图的粗糙性,定位性很差。相反,网络的第一层可以更好地定位感兴趣的对象,但召回率降低。

论文题目:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

提出时间:2015年NIPS

论文地址:

主要针对的问题:

由multibox(第三篇)和DeepBox(第四篇)等论文,我们知道,用CNN可以生成目标待检测框,并判定当前框为目标的概率,那能否将该模型整合到目标检测的模型中,从而实现真正输入端为图像,输出为最终检测结果的,全部依赖CNN完成的检测系统呢?

创新点:

将当前输入图目标框提取整合到了检测网络中,依赖一个小的目标框提取网络RPN来替代Selective Search算法,从而实现真正的端到端检测算法。

参考博客 :

检测与传感技术论文

传感器与检测技术属于自动化专业、电气工程及其自动化专业及过程装备与控制专业的技术基础课程,下面我给大家分享一些检测与传感技术论文,大家快来跟我一起欣赏吧。

传感器与检测技术课程教学探索

摘 要:传感器与检测技术属于自动化专业、电气工程及其自动化专业及过程装备与控制专业的技术基础课程,对学生综合运用所专业学知识有着关键的作用,文中针对课程的特点及现存的问题,对该课程的教学内容调整与 教学 方法 改进进行了有益的探讨,以期获得更好的教学质量与效果。

关键词:传感器与检测技术;教学改革;教学方法

中图分类号:G71 文献标识码:A

文章 编号:1009-0118(2012)05-0132-02

传感器与检测技术是自动化专业、电气工程及其自动化专业及过程装备与控制专业的技术基础课程,主要研究自动检测系统中的信息提取、信息转换及信息处理的理论与技术为主要内容的一门应用技术课程。传感技术是自动检测系统,更是控制系统的前哨,它广泛的应用于各个领域,在在促进生产发展和现代科技进步方面发挥着重要作用。学生学好这门课程不仅能为后续课程打下好的基础,也对学生综合运用所专业学知识有着关键的作用,自从2005年课程教学大纲调整以后,在教学中出现了一些新的问题,原有的传统教学模式很难获得良好的教学质量与效果。

一、课程教学现存的问题

自2005年起我校重新制定了自动化专业的教学大纲,其中将传感器与检测技术由考试课调整为考查课,并将课时由64学时更改为32课时,通过几年的 教学 总结 出该课程在教学中存在的一些困难:

(一)教学内容多而散

课程内容多且散,涉及知识面广,有物理学,化学,电子学,力学等等,属于多学科渗透的一门课程,学生学习有难度,特别是对于一些基础不太好的同学更是有困难。

(二)典型应用性

传感器与检测技术属于典型的应用课程,要学习各种传感器的原理,并掌握它的使用,在此基础上掌握搭建检测系统的方法,单靠理论的学习必定是有差距的。而实验课时不充裕,实验条件也有限。

(三)学时越来越少

学校目前对学生的定位是“培养优秀的工程应用型人才”,为了加大实践环节的因此对课程设置与课时作了调整,本课程课时被缩减至32课时。

(四)学生的学习主动性差

由于本课程被定为考查课,所以有相当一部份同学从 学习态度 上不太重视,没有投入必要的精力和时间,学习主动性差,直接影响教学效果。

二、教学内容与教学方法的探索

(一)教学内容的调整

目前大部分的传感器与检测技术的教材多侧重于传感器的工作原理、测量线路及信息处理等方面,而对具体应用涉及较少,针对课程的内容多课时少的情况,教学时无法做到面面俱到,教学内容必须做适当调整。根据学校对工科本科生工程应用型人才的定位,教学内容的调整遵循以下原则:

1、避免繁琐的理论推导过程,以避繁就简的方式向学生讲解传感器的工作原理。例如:用幻灯片演示使用酒精灯分别燃烧热电偶的两端,在两端存在温差的时候两电极间即出现电势差,无温差时电势差消失,通过这个实例讲解电势差之所以存在的原因,可以配以大家能够理解的简单的公式推导,而不把重心放在构成热电偶的温差电动势和接触电动势形成的公式推导上。

2、重点讲述传感器的实物应用。增加实际案例是学生能够对传感器的应用有更感性的认识。

3、适当补充传感器与系统互联的方法。在先期几种传感器的应用中加入传感器接入控制器的方式介绍,使其思考所学课程之间的关联,对所学专业课程之间的联系能更加深入的认识,建立起系统的概念。

(二)教学方法的改革

为了克服课程教学中客观存在的困难,获得良好的教学效果,在课堂教学使用多种教学方法和手段,力求将教学内容讲解得更加生动、具体。

1、采用多媒体技术,使用现代化的教学手段来提升教学效果和教学质量

采用多媒体课件教学,一方面可以省去教师用于黑板板书的大量时间,克服课时减少的问题;另一方面,以动画的形式生动形象的演示传感器的工作原理,展示所学传感器的各种照片、复杂检测系统的原理图或线路图,使学生能够直观地认识传感器,更容易理解传感器的工作原理和应用。例如,学习光栅传感器时,使用传统的教学手段,很难使同学们理解莫尔条文的形成及其移动过程,使用对媒体课件就可以以动画的形式使同学们直观的明暗相间的莫尔条纹是什么样子,还可以以不同的速度使指示光栅在标尺光栅上进行移动,清晰的看出条纹移动的方向与光栅夹角及指示光栅移动方向的关系。学习增量式光电编码器时,很多同学很难理解编码器的辨向问题,通过使用幻灯片展示编码器的内部结构,直接了解光栏板上刻缝、码盘及光电元件的位置关系后,同学们就能更容易的理解辨向码道、增量码道与零位码道形成脉冲的相位关系,佐以简单的辨向电路就可以使同学们更高效的学习该传感器的工作原理及应用方法。

总而言之,利用多媒体技术使学生能够获取更多的信息,增强学习的趣味性和生动性。

2、重视绪论,提升学生的学习主动性

很多教材的绪论写的比较简略,但我个人认为这不代表它不重要,特别是面对学生主观上不重视课程的情况下,更要下大力气上好绪论这第一次课,吸引学生的注意力,激发学习兴趣,使学生认识到这门课程的实用价值。通过幻灯片演示传感器与检测技术在国民经济中的地位和作用,使同学们了解到小到日常生活,大到航空航天、海洋预测等方面都有着传感器与检测技术的应用,更根据各种行业背景中需要检测的物理量,自动控制理论在实现过程中传感器与检测技术的关键作用,使学生认识该课程的重要性。另一方面,我校长年开展本科生科研实训项目,在开设本课程时已有部分同学成功申请实训课题,一般本专业的同学还是围绕专业应用领域申请课题,其中大部分会涉及传感器与检测技术的内容,所以也就他们正在进行的课题中使用传感器解决的具体问题进行讨论,更加直接的体会到本课程的关键作用,从而提升学生学习的兴趣,增强主动性,克服考查课为本课程教学带来的部分阴影。

3、加大案例教学比重、侧重应用

根据培养工程应用型人才的目标,本课程教学的首要目的是使学生能够合理选择传感器,对传感器技术问题有一定的分析和处理能力,知晓传感器的工程设计方法和实验研究方法。所以在教学中注意分析各类传感器的区别与联系,利用大量的具体案例分析传感器的应用特点。

例如,教材中在介绍电阻应变式传感器是,主要是从传感器的结构、工作原理及测量电路几个方面进行分析介绍的,缺乏实际应用案例。在教学中用幻灯片展示不同应用的实物图,譬如轮辐式的地中衡的称重传感器,日常生活中常见的悬臂梁式的电子秤、人体称、扭力扳手等。用生动的动画显示不同应用下的传感器的反应,例如,进行常用传感器热电偶的学习时,展示各种类型热电偶的实物照片,补充热电偶安装的方式,以换热站控制系统为案例,分析热电偶在温度测量上的应用,重点讲解传感器的输出信号及与控制系统互连问题。在介绍光电池传感器时补充用于控制的干手器、用于检测的光电式数字转速表及照度表的应用案例,通过案例是同学们对传感器应用的认识更加深入。

4、利用学校的科研实训提升学生的学习兴趣、加强学生的实践能力

我校学生自二年级起可以开始申请科研实训项目,指导老师指导,学生负责,本课程在学生三年级第一学期开设,在此之前已有部分同学参加了科研实训项目,在这些项目中,譬如智能车项目、数据采集系统实现等实训项目中都包含传感器与检测技术的应用,上课前教师了解这些项目,就可以就实际问题提出问题,让学生带着问题来学习,提升学习的兴趣。另外可以在学习的同时启发同学们集思广益,与实验中心老师联系,联合二年级同学进行传感器的设计制作,或者进入专业实验室进行传感器应用方面的实训实验,鼓励同学申报的科研实训项目,提高学生的实践能力。

三、结束语

通过几年的教学与总结,对教学内容、教学方法进行了分析研究,作了适当的改革。调整的教学内容重点更突出,侧重应用,补充了丰富的案例,激发了学生的学习兴趣,多媒体的教学方法增强了教学的生动性,与科研实训的相结合,对课堂教学进行拓展,加强了学习的主动性,提升了实践能力。从近几年的网上评教结果来看,所做的教学调整与改革受学生的欢迎和好评,取得了较好的教学效果。

参考文献:

[1]袁向荣.“传感器与检测技术”课程教学方法探索与实践[J].中国电力 教育 ,2010,(21):85-86.

[2]陈静.感器与检测技术教学改革探索[J].现代教育装备,2011,(15):94-95.

[3]周祥才,孟飞.检测技术课程教学改革研究[J].常州工学院学报,2010,(12):91-92.

[4]张齐,华亮,吴晓.“传感器与检测技术”课程教学改革研究[J].中国教育技术装备,2009,(27):42-43.

点击下页还有更多>>>检测与传感技术论文

我论文去知网检测了,背景回顾没有检测出复制,但参考文献刷红了一大篇,请问是怎么回事呀?我将如何修改

参考文献在论文中占得比例也不能太大的,最好消化一下自己重述一遍,希望对你有帮助~

浅谈重金属检测传感器技术的应用论文

浅谈重金属检测传感器技术的应用论文

摘要: 随着经济的迅猛发展和社会的日新月异, 人们对重金属的开采及加工越来越频繁, 这使得不少重金属存在于大气水以及土壤中, 在很大程度上加重了环境污染, 科学技术的迅猛发展为重金属检测传感器技术的研究提供了很好的途径。针对上述背景下, 对重金属检测传感器技术研究与应用进行合理性阐述, 以促进重金属检测传感器技术的进一步发展。

关键词: 重金属检测; 传感器技术; 环境污染;

重金属污染是环境污染的一个重要组成部分, 重金属在自然界中广泛存在, 随着人类的开采、冶炼、加工活动而使得重金属转变成化学状态或化学形态广泛分布于大气、水、土壤中, 随着时间的积累而不断留存、迁移, 从而引发严重的环境污染问题;重金属甚至还会随着废水的排出而流入海洋中, 对鱼和贝类造成严重的危害;重金属还会附着在人类的鼻腔和食物上, 造成人类呼吸道感染和重金属中毒[1]。重金属具有沉积性和不可降解性, 是一种非常危险的污染源, 因此对于重金属的研究与检测是十分关键的。通过调查与研究, 发现重金属检测传感器技术主要分为离子选择性电极传感器技术、光纤化学传感器技术、生物传感器技术以及微电极矩阵传感器技术四个方面, 本文通过对这四种传感器技术在重金属检测中的研究与应用作简要分析, 以推动重金属检测传感器技术的发展。

1 离子选择性电极传感器技术。

离子选择性电极传感器技术是一种操作简单、性价比高、准确有效的重金属检测传感器技术。离子选择性电极传感器技术因为不需要提前对样品进行操作而被广泛应用于重金属的在线检测中。目前, 国内外学者对离子选择性电极传感器技术进行了大量的研究, 发现选择性高、经济简单的离子选择性电极主要分为基于聚氯乙烯膜的离子选择性电极和基于流系玻璃膜的离子选择性电极两种[2]。

1.1 基于聚氯乙烯膜的离子选择性电极。

目前在对基于聚氯乙烯膜的离子选择性电极的研究中, 主要是对离子选择性电极的重金属离子的识别以及聚氯乙烯膜的结构和性能进行研究, 同时, 对不同的载体和膜增塑剂对离子选择性电极性能的影响作简要分析, 从而提高对重金属的识别能力。

1.2 基于流系玻璃膜的离子选择性电极。

基于硫系玻璃膜的离子选择性电极良好的红外线透过性是其他离子选择性电极无法相提并论的。许多发达国家都通过购买硫系玻璃膜的离子选择性电极来用于重金属检测工作。

2 光纤化学传感器技术。

对于光纤化学传感器技术的研究比离子选择性电极传感器技术的研究还要早, 光纤化学传感器技术的研究始于美国研究所, 从那以后, 许多国家都在实验室中对光纤化学传感器技术进行研究, 并应用到重金属检测中。陈雷等人对基于聚氯乙烯膜的光纤传感器进行研究并应用到铜离子的检测中, 取得了良好的效果[3]。李学强等人将注册分析法和激光激发荧光光谱技术应用到对金属离子传感器的研制中, 使我国饮用水中的重金属检测工作取得了很大的进展。

3 生物传感器技术。

第一个生物传感器始于Red String仪器公司。之后, 又在多个公司相继推出, 这些生物传感器主要是对人类血糖和尿糖中的重金属物质进行检测。重金属物质在人体中的留存和迁移会对人体的健康造成极大的威胁, 生物传感器可以与人体生物识别因素相互影响, 以达到对人体中的重金属含量进行检测, 从而预防重金属中毒的目的。通过研究发现, 生物传感器主要分为蛋白质为基础的'生物传感器以及整个细胞为基础的重金属传感器两种。

3.1 蛋白质为基础的生物传感器。

生物识别因素主要是促进消化的酶、防止病毒入侵的抗体、增强体质的金属键键合蛋白以及脱辅基酶蛋白质。以这几种生物识别因素为基础制作蛋白质为基础的生物传感器, 用来检测铜离子、锌离子、汞离子以及铅离子等金属离子。传统的生物传感器存在灵敏度低、选择性差等一系列缺点, 因此必须研制出选择性高的新型传感器来实现对重金属离子的检测, 这种新型传感器被称为蛋白质为基础的生物传感器。

3.2 整个细胞为基础的重金属传感器。

整个细胞为基础的重金属传感器可以实现对微型有机体生物标识的检测, 它具有所受干扰因素少、反应速度快等一系列优点, 可以实现对苔藓、海藻、酵母等海洋生物中的重金属的检测。随着生物医学和环境工程的蓬勃发展, 可以通过改进主传感器的途径来解决重金属检测过程中的干扰问题, 即在基因层次上设计细胞器。

4 结语。

综上所述, 本文通过对重金属检测传感器技术研究与应用进行分析, 主要从离子选择性电极传感器技术、光纤化学传感器技术、生物传感器技术以及微电极矩阵传感器技术这四个方面作简要分析, 为传感器检测技术在重金属中的研究与应用提供理论支持, 以减少重金属污染现象的发生。

参考文献

[1]张涛, 苏倡, 刘艳, 等.泥蚶 (Tegillarca granosa) 重组铁蛋白富集重金属离子的特性及化学传感器的研究[J].海洋与湖沼, 2017, 48 (4) :870-876.

[2]吕攀攀, 肖芳兰, 严锡娟, 等.构建一种基于双启动子模型的特异性检测镉离子的大肠杆菌传感器[J].生物工程学报, 2015, 31 (11) :1601-1611.

[3]贾朔.边超, 佟建华, 等.基于纳米金Core-satellites等离子体耦合增强效应的汞离子光纤传感器的研究[J].分析化学, 2017, 45 (6) :785-790.

相关文章
学术参考网 · 手机版
https://m.lw881.com/
首页