期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到139篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
谐波诊断技术和DCGAN-AlexNet电机劣化等级分类
1
作者 胡业林 吴曼 钱文月 《安徽理工大学学报(自然科学版)》 2025年第1期49-56,共8页
目的针对电机劣化等级样本不均衡及劣化分类精度低等问题。方法提出一种谐波诊断技术与改进DCGAN-AlexNet相结合的劣化等级分类方法。首先,为了解决电机劣化样本的不均衡性,建立了一种基于Wasserstein距离深度卷积生成对抗网络(W-DCGAN)... 目的针对电机劣化等级样本不均衡及劣化分类精度低等问题。方法提出一种谐波诊断技术与改进DCGAN-AlexNet相结合的劣化等级分类方法。首先,为了解决电机劣化样本的不均衡性,建立了一种基于Wasserstein距离深度卷积生成对抗网络(W-DCGAN),用于样本数据增强,从而扩充数据集。其次,在传统AlexNet网络基础上进行修改,应用批归一化,改变卷积核大小,简化全连接层并增加随机失活层(DropOut),且在归一化之后加入注意力机制模块(CBAM),使得修改的模型可以更好地进行特征提取,增强特征学习能力。最后,对所提模型的有效性进行实验验证。结果改进后的CBAM-AlexNet网络模型参数量减少到原来的56%,并且在小样本条件下能够有效提高电机劣化等级分类的识别精度。结论谐波诊断技术与改进DCGAN-AlexNet相结合,模型小且识别准确率高,为电机劣化等级诊断技术的发展提供了新的思路和高效的解决方案。 展开更多
关键词 谐波故障 深度学习 图像分类 alexnet网络
在线阅读 下载PDF
基于S变换与改进AlexNet网络的滚动轴承故障智能诊断
2
作者 雷兵 李响 +1 位作者 陈红 唐佳桃 《机电工程技术》 2025年第19期70-76,88,共8页
针对传统故障识别方法中信息时间序列关联性特征提取不充分,导致故障诊断识别准确率低的问题,将S变换图编码方法引入滚动轴承故障识别中,提出基于S变换与改进AlexNet网络的滚动轴承故障智能诊断方法。采用S变换图编码技术将一维振动信... 针对传统故障识别方法中信息时间序列关联性特征提取不充分,导致故障诊断识别准确率低的问题,将S变换图编码方法引入滚动轴承故障识别中,提出基于S变换与改进AlexNet网络的滚动轴承故障智能诊断方法。采用S变换图编码技术将一维振动信号转换成二维图像特征数据,有效避免微弱特征信息丢失;将转换后的二维图像尺寸调整至合适大小,最后利用改进AlexNet网络的自适应特征提取能力,实现滚动轴承故障智能识别。基于故障模拟实验平台采集的轴承故障数据进行验证,结果表明:与其他图编码方法和改进的LeNet、SVM分类器方法相比,所提方法轴承故障识别准确率达99.57%,具有更高的识别准确率和更好的泛化性能。 展开更多
关键词 滚动轴承 S变换 故障智能识别 图编码方法 改进alexnet网络 二维图像
在线阅读 下载PDF
基于迁移学习 AlexNet的关键输电线路舞动形态特征辨识技术
3
作者 刘洋 《微型电脑应用》 2025年第3期247-250,共4页
针对线路舞动形态特征识别定位误差大、舞动强度误差大和微风环境下监测位置误差大的问题,提出基于迁移学习AlexNet的关键输电线路舞动形态特征辨识技术。结合GPS定位和伪距差分法完成对关键输电线路舞动形态特征的精确辨识。经比较实... 针对线路舞动形态特征识别定位误差大、舞动强度误差大和微风环境下监测位置误差大的问题,提出基于迁移学习AlexNet的关键输电线路舞动形态特征辨识技术。结合GPS定位和伪距差分法完成对关键输电线路舞动形态特征的精确辨识。经比较实验验证,所提方法振动曲线与实际振动位置相符,振动强度曲线峰值对应的频率与实验设置的振动频率相同;得到的舞动位置最接近实际振动位置。所提方法定位误差小、定位舞动强度误差小和微风环境下监测位置误差小,有利于关键输电线路舞动形态特征的辨识。 展开更多
关键词 迁移学习 alexnet神经网络 输电线路舞动 形态特征 辨识技术
在线阅读 下载PDF
基于改进AlexNet卷积神经网络人脸识别的研究 被引量：5
4
作者 蔡靖 谷承睿 +1 位作者 刘光达 孙慧慧 《电子技术应用》 2024年第11期42-46,共5页
近期,人脸识别技术在社会上广受关注,其非接触式的识别特性相较于指纹等传统接触式识别方法展现出明显优势。在深度学习领域,由于传统卷积神经网络在人脸识别任务上的准确性和速度尚有提升空间,因此提出采用改进的AlexNet卷积神经网络... 近期,人脸识别技术在社会上广受关注,其非接触式的识别特性相较于指纹等传统接触式识别方法展现出明显优势。在深度学习领域,由于传统卷积神经网络在人脸识别任务上的准确性和速度尚有提升空间,因此提出采用改进的AlexNet卷积神经网络进行人脸识别。通过实验验证,与传统卷积网络相比,改进后的AlexNet在人脸识别上不仅准确度更高,而且识别过程更为稳定。 展开更多
关键词 深度学习 卷积神经网络 人脸识别 alexnet
在线阅读 下载PDF
基于AlexNet的农作物病虫害识别研究 被引量：4
5
作者 张娜 刘坤 杨国栋 《计算机与数字工程》 2024年第2期554-558,621,共6页
农作物病虫害症状的检测和鉴定是保证农作物良好生长的前提条件,是人们能够准确、及时地制定防治方案和采取相关措施,切实减轻病虫害的发生。于是提出了以Alexnet为基础的农作物病虫识别方法,首先对采集到的病虫和健康叶片图像进行归档... 农作物病虫害症状的检测和鉴定是保证农作物良好生长的前提条件,是人们能够准确、及时地制定防治方案和采取相关措施,切实减轻病虫害的发生。于是提出了以Alexnet为基础的农作物病虫识别方法,首先对采集到的病虫和健康叶片图像进行归档分类,然后对建立好的数据集进行尺寸归一化和数据强化等预处理,最后对训练集采用Alexnet模型进行训练,经过5次训练,实验证明其准确率可达96.93%,该方法能较好地识别农作物病虫害,具有较好的鲁棒性和较高的精确度。 展开更多
关键词 病虫害识别 alexnet 图像识别 卷积神经网络
在线阅读 下载PDF
基于MSST和MPA-Alexnet神经网络的风力发电机齿轮箱状态识别
6
作者 王瑜 严国斌 +1 位作者 王广玲 张弈鹏 《机械设计与制造工程》 2024年第12期126-132,共7页
为了提高风力发电机齿轮箱运行状态的识别准确度,提出一种基于多重同步压缩变换和海洋捕食者算法优化Alexnet神经网络的齿轮箱状态识别模型。首先通过多重同步压缩变换对风力发电机齿轮箱原始振动信号进行预处理,获得原始振动信号的二... 为了提高风力发电机齿轮箱运行状态的识别准确度,提出一种基于多重同步压缩变换和海洋捕食者算法优化Alexnet神经网络的齿轮箱状态识别模型。首先通过多重同步压缩变换对风力发电机齿轮箱原始振动信号进行预处理,获得原始振动信号的二维时频图像;然后利用海洋捕食者算法寻优神经网络的各层卷积核长度参数,提高网络的辨识能力,并以二维时频图像作为样本对参数优化后的神经网络进行训练和测试,完成风力发电机齿轮箱状态判定。实测信号分析结果表明,所提模型可有效区分齿轮箱的不同运行状态,与其他模型相比,识别准确度更高,鲁棒性更好。 展开更多
关键词 风力发电机 齿轮箱 多重同步压缩变换 海洋捕食者算法 alexnet神经网络
在线阅读 下载PDF
基于轻量AlexNet的电容型电压互感器故障诊断
7
作者 漆梓渊 吴浩 +2 位作者 陈伟哲 罗春兰 吴杰 《四川电力技术》 2024年第1期91-97,共7页
电容型电压互感器(CVT)是重要的一次侧电压监测元件。针对环境温度、湿度以及元件老化等因素造成的电容型电压互感器一次侧电容上下臂击穿或互感器二次侧短路等故障,提出了一种基于轻量AlexNet的电容型电压互感器故障诊断方法。该方法利... 电容型电压互感器(CVT)是重要的一次侧电压监测元件。针对环境温度、湿度以及元件老化等因素造成的电容型电压互感器一次侧电容上下臂击穿或互感器二次侧短路等故障,提出了一种基于轻量AlexNet的电容型电压互感器故障诊断方法。该方法利用Matlab建立了CVT电路模型,分别对高压臂电容击穿、低压臂电容击穿以及互感器二次侧短路3种典型的故障进行仿真。采集CVT二次侧电压数据,利用马尔可夫变迁场将其转化为特征矩阵,最后使用轻量化的AlexNet神经网络对电压特征矩阵进行故障分类。仿真实验证明,所提方法在不拆除CVT的情况下,能准确检测出CVT的故障类型。 展开更多
关键词 电容型电压互感器 特征提取 alexnet神经网络 故障诊断
在线阅读 下载PDF
融合时序特征的IEC 61850网络攻击智能检测方法
8
作者 李俊娥 马子玉 +1 位作者 陆秋余 俞凯龙 《信息网络安全》 北大核心 2025年第5期689-699,共11页
针对现有基于人工智能的IEC 61850网络攻击检测方法存在的时序关系建模不足与可解释性缺失问题,文章提出一种融合时序特征的IEC 61850网络攻击智能检测方法。该方法基于滑动窗口提取IEC 61850报文的字段特征和时序特征,通过激活函数优... 针对现有基于人工智能的IEC 61850网络攻击检测方法存在的时序关系建模不足与可解释性缺失问题,文章提出一种融合时序特征的IEC 61850网络攻击智能检测方法。该方法基于滑动窗口提取IEC 61850报文的字段特征和时序特征,通过激活函数优化、批归一化算法引入及全连接层维度缩减对AlexNet模型进行改进,并将其作为检测模型,基于梯度加权类激活映射算法生成类激活图,对检测结果进行解释。实验结果表明,在检测IEC 61850网络攻击时,文章所提方法的准确率高于现有方法,并且能够生成具有结果相关特征标记的类激活图,从而帮助判断检测结果的可信性,并掌握攻击所利用的报文特征细节。 展开更多
关键词 IEC 61850 网络攻击检测 报文特征 改进alexnet 可解释性
在线阅读 下载PDF
不平衡样本下基于迁移学习-AlexNet的输电线路故障辨识方法 被引量：28
9
作者 王建 吴昊 +3 位作者 张博 南东亮 欧阳金鑫 熊小伏 《电力系统自动化》 EI CSCD 北大核心 2022年第22期182-191,共10页
输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布... 输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布,使用MATLAB/Simulink仿真产生了符合实际情况的不平衡故障样本集。然后,以故障暂态波形图像为输入集,采用迁移学习-AlexNet神经网络构建故障分类器,降低了故障特征提取的复杂性。算例测试结果表明,现有按类平衡故障样本集开展故障辨识的方法,分类准确率偏于乐观,即使采用抽样法也无法准确识别类不平衡样本中的小样本故障类型;而所提方法可以很好地应对类不平衡故障样本集,相比于经典的卷积神经网络,对故障类型与故障原因的辨识准确率也更高,训练模型用于类似线路的真实故障录波数据也能很好地辨识出故障类型。 展开更多
关键词 输电线路 故障辨识 迁移学习 alexnet神经网络 图像学习 不平衡样本
在线阅读 下载PDF
基于小波AlexNet网络的配电网故障区段定位方法 被引量：24
10
作者 侯思祖 郭威 +1 位作者 王子奇 刘雅婷 《电测与仪表》 北大核心 2022年第3期46-57,共12页
文中提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素... 文中提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素矩阵囊括了当前系统的工作状况信息,利用迁移学习AlexNet网络,调整网络结构使其适应于配电网故障区段辨识,通过微调的AlexNet网络自主挖掘像素矩阵的故障特征作为预测变量,利用门控循环单元(GRU)、学习向量量化(LVQ)、朴素贝叶斯分类器(NBC)、极限学习机(ELM)、支持向量机(SVM)等模式识别算法进行故障特征分类,从而实现配电网故障区段定位。针对多分支的线缆混合线路进行实验分析,比较5种模式识别算法的分类效果,得到GRU算法准确率可以达到99.92%,证明了该方法不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网对故障区段定位准确度和可靠性的需求。 展开更多
关键词 小波包变换 alexnet网络 门控循环单元 时频矩阵 故障区段定位
在线阅读 下载PDF
基于迁移学习和AlexNet的驾驶员行为状态识别方法 被引量：17
11
作者 戎辉 华一丁 +4 位作者 张小俊 龚进峰 唐风敏 郭蓬 何佳 《科学技术与工程》 北大核心 2019年第28期208-216,共9页
为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,提出将迁移学习理论和Alex Net引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构... 为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,提出将迁移学习理论和Alex Net引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构建了驾驶员状态信息采集系统;然后对基于卷积神经网络的驾驶员状态识别方法研究,建立了驾驶员状态数据集,构建了基于Alex Net卷积神经网络的状态监测系统,通过迁移学习完成了卷积神经网络识别模型。最后通过实验验证了提出的驾驶员状态识别算法对7种驾驶员状态识别的有效性。实验表明:该系统准确率达到97. 8%,且在实验设备中运行速度达到70帧/min,满足较高的准确率要求与实时性要求。 展开更多
关键词 驾驶员状态 迁移学习 alexnet 卷积神经网络
在线阅读 下载PDF
基于改进AlexNet的可变形卷积皮肤病变识别算法 被引量：3
12
作者 李海燕 马艳 +2 位作者 李海江 郭磊 李红松 《北京理工大学学报》 EI CAS CSCD 北大核心 2022年第3期297-303,共7页
为了有效解决类间相似度高、类内差异化大、数据类别不平衡的皮肤病变识别,提出了基于改进AlexNet的可变形卷积网络皮肤病变识别算法.构建改进的AlexNet可变形卷积网络模型,增加采样偏移量,使不同位置的卷积核采样点可根据图像内容自适... 为了有效解决类间相似度高、类内差异化大、数据类别不平衡的皮肤病变识别,提出了基于改进AlexNet的可变形卷积网络皮肤病变识别算法.构建改进的AlexNet可变形卷积网络模型,增加采样偏移量,使不同位置的卷积核采样点可根据图像内容自适应变化,自动调整不同尺度或感受野,提取比标准卷积更精细的特征.使用交叉熵损失函数和焦点损失函数的加权损失函数,削弱易分类样本在训练中所占的权重,使模型专注于相似度高、易错分的样本,解决样本比例不平衡的问题,优化模型的识别率.在HAM10000数据集上进行仿真实验,主客观的实验结果表明,提出的方法在7种皮肤病变上的识别优于现有方法,具有更高的准确性、特异性和鲁棒性. 展开更多
关键词 皮肤病变识别 类别不平衡 改进alexnet网络 可变形卷积
在线阅读 下载PDF
基于AlexNet卷积神经网络的大米产地高光谱快速判别 被引量：18
13
作者 吴静珠 李晓琪 +3 位作者 林珑 刘翠玲 刘志 袁玉伟 《中国食品学报》 EI CAS CSCD 北大核心 2022年第1期282-288,共7页
采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩... 采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩阵系数最大值筛选与第一、二主成分相关性最强的特征波长1396.67 nm和1467.38 nm。针对两组特征波长图像进行主成分分析,分别选取前三维主成分,共计可得2×3组训练样本集。结果表明:基于AlexNet卷积神经网络训练建立6组东北/非东北大米产地高光谱快速判别模型,均有较高的识别准确率,其中基于1467.38 nm波长的第三主成分图像建立的东北/非东北大米产地判别模型的性能最佳,其识别准确率可达99.5%。 展开更多
关键词 高光谱 大米产地鉴别 主成分分析 alexnet卷积神经网络
在线阅读 下载PDF
改进的Alexnet模型及在油井示功图分类中的应用 被引量：16
14
作者 段友祥 李钰 +1 位作者 孙歧峰 徐冬胜 《计算机应用与软件》 北大核心 2018年第7期226-230,272,共6页
现在有杆抽油机采油设备仍在原油开采中占据主导地位,示功图采集及分析是检测、预防、解决采油生产过程中各种故障的有效措施和手段。借助人工智能方法进行油井抽油机示功图自动分类识别和故障判断一直是研究的重点。深度学习为示功图... 现在有杆抽油机采油设备仍在原油开采中占据主导地位,示功图采集及分析是检测、预防、解决采油生产过程中各种故障的有效措施和手段。借助人工智能方法进行油井抽油机示功图自动分类识别和故障判断一直是研究的重点。深度学习为示功图识别和解释研究注入了新的活力。主要对卷积神经网络在油井抽油机示功图自动识别中的应用进行研究,提出一种改进的Alexnet模型,实现了示功图的自动识别,并与目前常用的神经网络模型进行了比较。实验表明,改进的Alexnet模型在保证识别准确率高的同时有效降低了训练学习时间,很好地达到了实际应用要求。 展开更多
关键词 示功图 深度学习 卷积神经网络 alexnet
在线阅读 下载PDF
基于AlexNet-SN网络的煤与煤矸石分类方法 被引量：3
15
作者 郑爽 梁云浩 +2 位作者 武俊峰 乔壮 刘付刚 《中国矿业》 2022年第6期79-85,共7页
现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低。随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向。为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网... 现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低。随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向。为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网络和风格迁移技术改进的煤矸石分拣方法。选用3×3的卷积核代替原AlexNet网络前几层中较大的卷积核,利用BN层代替LRN层和Dropout,并采用风格迁移数据增强法提高煤与煤矸石数据集的多样性。研究结果表明,与原始的AlexNet网络相比,该方法的准确率提高了1.8%,损失率下降了2.0%。此方法不仅能够满足煤与煤矸石实时检测的要求,而且具有更高的识别精度,能有效应用于煤矸石识别。 展开更多
关键词 alexnet网络 煤矸石 人工智能 分选技术
在线阅读 下载PDF
基于AlexNet卷积神经网络的激光雷达飞机尾涡识别研究 被引量：17
16
作者 潘卫军 段英捷 +2 位作者 张强 吴郑源 刘皓晨 《光电工程》 CAS CSCD 北大核心 2019年第7期123-130,共8页
为解决飞机尾涡威胁后机飞行安全问题,保障空中交通安全,提高机场和空域容量,提出了一种基于AlexNet卷积神经网络模型的算法,实现飞机尾涡的准确识别。结合多普勒激光雷达探测原理和Hallck-Burnham尾涡速度经典模型,构建了AlexNet神经... 为解决飞机尾涡威胁后机飞行安全问题,保障空中交通安全,提高机场和空域容量,提出了一种基于AlexNet卷积神经网络模型的算法,实现飞机尾涡的准确识别。结合多普勒激光雷达探测原理和Hallck-Burnham尾涡速度经典模型,构建了AlexNet神经网络模型提取大气风场中的尾涡速度云图的图像特征,识别飞机尾涡。研究表明,该模型能够准确识别目标空域中的飞机尾涡,网络模型收敛后对尾涡识别的准确率高达91.30%,并具有低虚警率,能有效地实现对飞机尾涡的识别和预警,达到尾涡监测的目的。 展开更多
关键词 尾涡识别 alexnet卷积神经网络 目标识别 多普勒激光雷达
在线阅读 下载PDF
基于改进AlexNet卷积神经网络的人脸表情识别 被引量：30
17
作者 石翠萍 谭聪 +1 位作者 左江 赵可新 《电讯技术》 北大核心 2020年第9期1005-1012,共8页
为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题,提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构,采用单图形处理单元(Graphics Processing Unit,GPU)进行训练,减少了两层卷... 为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题,提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构,采用单图形处理单元(Graphics Processing Unit,GPU)进行训练,减少了两层卷积层和一层全连接层,在每层卷积层后加上批标准化(Batch Normalization,BN)代替原来的局部归一化,并在全连接层后加上Dropout正则化进一步防止过拟合。与AlexNet模型相比,改进的网络结构更简单、复杂度低、参数量少,可以节省大量模型训练时间进行快速预测,且更不易过拟合,同时加快了模型收敛速度,提高了网络泛化能力。在Fer2013数据集以及CK+数据集上进行实验,结果表明,所提方法分别得到了68.85%和97.46%的识别率,较其他人脸表情识别方法的识别率有一定提高。 展开更多
关键词 表情识别 深度学习 alexnet网络 BN算法
在线阅读 下载PDF
基于AlexNet的茶叶嫩芽状态智能识别研究 被引量：15
18
作者 吕军 夏华鹍 +1 位作者 方梦瑞 周礼赞 《黑龙江八一农垦大学学报》 2019年第2期72-78,共7页
为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本... 为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本进行模型检测,训练集和测试集中三种状态嫩芽平均识别率分别为97.8%和88%。实验结果表明,该方法能够有效地识别自然环境下茶叶嫩芽状态,为嫩芽智能采摘提供理论依据。 展开更多
关键词 深度学习 alexnet网络 茶叶状态 智能识别
在线阅读 下载PDF
Alexnet卷积神经网络辨识幽门螺杆菌阳性舌象的可行性研究 被引量：3
19
作者 宋晓宾 李奕 +3 位作者 李冬 任健 李修阳 马柯 《山东中医杂志》 2021年第3期235-238,共4页
目的:探索从舌象图像分析判断幽门螺杆菌(Hp)感染的可行诊断技术。方法:引入Alexnet卷积神经网络概念,通过现代技术对舌象图像分类、识别、计算,以实现对Hp舌象精准客观诊断的功能。结果:通过研究中医舌诊与消化系统的关联、舌象图像可... 目的:探索从舌象图像分析判断幽门螺杆菌(Hp)感染的可行诊断技术。方法:引入Alexnet卷积神经网络概念,通过现代技术对舌象图像分类、识别、计算,以实现对Hp舌象精准客观诊断的功能。结果:通过研究中医舌诊与消化系统的关联、舌象图像可特定性识别的原因以及深度学习Alexnet卷积神经网络结构,论证了该方法对Hp阳性舌象分类模型辨识具有可行性。结论:运用Alexnet卷积神经网络实现辨识Hp感染,将有助于补充与完善中医舌象现代诊断,是实现中医诊疗标准化与客观化的重要技术手段之一。 展开更多
关键词 alexnet卷积神经网络 幽门螺杆菌 舌象 诊断标准化 诊断客观化 可行性研究
暂未订购
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
使用帮助 返回顶部