-
题名基于深度学习的目标橘子识别方法研究
被引量：5
- 1
-
-
作者
任会
朱洪前
-
机构
中南林业科技大学
-
出处
《计算机时代》
2021年第1期57-60,64,共5页
-
文摘
为了更好地解决自然条件下目标橘子的遮挡、重果问题,采用深度学习的方法对目标橘子进行识别,并用传统的目标识别算法与Faster-RCNN两种方法进行对比实验。根据大量的数据对比可知,传统的目标识别方法对自然光照敏感,对遮挡、重果的识别效果不佳,泛化能力及鲁棒性较差。而Faster-RCNN算法对光照及枝叶遮挡的识别更友好,更符合采橘机器人实际采摘的需要。深度学习方法有望在采橘机器人目标识别中得到更广泛的应用。
-
关键词
目标识别
传统算法
深度学习
采橘机器人
-
Keywords
target identification
traditional algorithm
deep learning
orange picking robot
-
分类号
TP520.2040
[自动化与计算机技术]
-
-
题名基于YOLOX-s的农业害虫检测研究
被引量：4
- 2
-
-
作者
张剑飞
柯赛
-
机构
黑龙江科技大学计算机与信息工程学院
-
出处
《计算机技术与发展》
2023年第5期208-213,共6页
-
基金
国家自然科学基金(61803148)。
-
文摘
针对现有目标检测算法难以应对现代农业环境下多种类害虫高精度检测的问题,提出了一种基于Swin-Transformer和YOLOX-s改进的ST-YOLOX-s目标检测模型,实现对30类常见害虫的有效目标检测工作。为解决YOLOX-s模型对小型目标害虫检测效果不佳的问题,在YOLOX-s模型基础上添加P2特征尺度,提升模型对小型目标害虫的检测能力;为弥补卷积神经网络对通道信息关注薄弱的问题,将高效通道注意力模块添加到YOLOX-s的CSPLayer,强化卷积神经网络的特征提取能力;为探索高效自注意力机制下的模型全局特征学习能力,将添加图属性的层次化Swin-Transformer结合到网络模型,弥补卷积神经网络忽视全局特征的问题;最后通过α-CIoU回归定位损失来实现高精度检测定位。实验表明,ST-YOLOX-s在多种类害虫检测上具有更好的检测性能,最终AP50以及AP50-95检测结果分别达到92.27%和67.32%,相比较YOLOX-s模型检测精度分别提高了2.01%和1.91%。同时ST-YOLOX-s检测模型与其他主流模型相比检测精度也有显著优势。
-
关键词
目标检测
YOLOX-s
害虫检测
Swin-Transformer
注意力机制
-
Keywords
object detection
YOLOX-s
pests detection
Swin-Transformer
attention
-
分类号
TP520.2040
[自动化与计算机技术]
-
-
题名海天背景下的红外小目标检测与跟踪
被引量：2
- 3
-
-
作者
廖延娜
胡雪敏
吴成茂
-
机构
西安邮电大学理学院
西安邮电大学电子工程学院
-
出处
《西安邮电大学学报》
2018年第6期56-62,共7页
-
文摘
为了提高海天背景下核主成分分析算法检测红外小目标的识别速度,提出一种卡尔曼滤波结合稀疏核主成分分析的红外小目标跟踪与检测的方法。首先,使用卡尔曼滤波器预测当前帧目标在下一帧中的估计位置,其次,根据预测误差协方差矩阵确定目标可能出现的范围;最后,在该范围内使用稀疏核主成分分析算法进行检测,得到目标位置。在海天背景下的红外图像序列上进行测试,实验结果表明,提出的方法与核主成分分析算法在60帧海天背景的红外图像上的平均检测时间分别是10.12s和310.51s。证明所提方法在保证检测精度的前提下提高了识别速度。
-
关键词
稀疏核主成分分析
卡尔曼滤波
红外小目标
-
Keywords
sparse kernel principal component analysis
Kalman filtering
infrared small target
-
分类号
TP520.2040
[自动化与计算机技术]
-
