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2篇文章
< 1 >
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：
基于改进Efficient Net-V2的水稻病虫害识别系统研究
1
作者 焦佳宝 李玲一 +5 位作者 刘永健 陈相甫 罗举 杨保军 姚青 刘淑华 《中国稻米》 北大核心 2025年第4期86-95,共10页
针对传统水稻病虫害识别方法存在的效率低下、易受主观因素干扰等局限性,以及现有深度学习模型在捕捉水稻病虫害细微特征和处理类别不平衡数据方面存在的不足,开展了一系列研究与实践。首先,利用AR眼镜在水稻田间实地采集病虫害图像,结... 针对传统水稻病虫害识别方法存在的效率低下、易受主观因素干扰等局限性,以及现有深度学习模型在捕捉水稻病虫害细微特征和处理类别不平衡数据方面存在的不足,开展了一系列研究与实践。首先,利用AR眼镜在水稻田间实地采集病虫害图像,结合公开数据集IP102和网络上的图像构建了水稻病虫害数据集,并采用数据增强方式扩充训练样本,缓解类别不平衡与图像质量问题;其次,在Efficient Net-V2模型的基础上,引入CBAM注意力机制替换原有的SE模块以增强对水稻病虫害的细节特征捕捉,并采用Poly Loss损失函数优化不平衡数据学习,构建了Efficient Net-V2-Rice水稻病虫害识别模型;最后,基于改进后的识别模型,开发了一款配套的安卓手机端智能识别APP。该APP功能丰富,集成了用户注册与登录、图像上传、智能识别、识别结果检索与详情查看等核心功能模块。用户只需通过手机摄像头拍摄水稻病虫害图像并上传至APP,即可快速获得准确的识别结果,并可随时检索和查看历史识别记录的详细信息。为验证模型改进策略的有效性,进行了消融实验和对比实验。实验结果表明,本文提出的Efficient Net-V2-Rice模型在水稻病虫害识别任务中表现优秀,精确率、召回率和F1分数分别达到84.92%、86.00%和85.45%。基于此模型开发的安卓手机端APP,为用户提供了便捷高效的识别服务,为水稻病虫害的智能监测与辅助诊断提供了一种实用的工具。 展开更多
关键词 水稻 病虫害 AR眼镜 图像识别 efficientnet-v2-rice 手机APP
在线阅读 下载PDF
基于改进轻量化EfficientNet-V2模型的小麦种子分类
2
作者 韩鹏飞 宋其江 贾梦实 《中国农机化学报》 北大核心 2024年第9期111-117,共7页
小麦种子常混有燕麦、大麦等其他种子,如何分类足够纯度的种子是一个重要问题。为解决种子纯度问题,提出一种基于改进的EfficientNet-V2模型的种子分类方法,将其命名为CA-EfficientNet-V2_xs。首先,通过购买常用小麦种子(含有常见的燕... 小麦种子常混有燕麦、大麦等其他种子,如何分类足够纯度的种子是一个重要问题。为解决种子纯度问题,提出一种基于改进的EfficientNet-V2模型的种子分类方法,将其命名为CA-EfficientNet-V2_xs。首先,通过购买常用小麦种子(含有常见的燕麦、大麦等杂种),自制数据集;其次,为加快训练以及针对自制数据集数量不足的问题,采用迁移学习的方法;再次,为更好地帮助模型更加精准地定位和识别感兴趣的目标,将采用Coordinate Attention(CA)注意力机制来替换SE注意力机制;最后,通过精简网络结构使模型更小、训练速度更快。试验表明,改进后模型的分类准确率达到99.7%,比未改进之前的网络分类准确率提升1.3%;与EfficientNet-V2_s模型的78 MB相比,改进后模型大小降至3.8 MB,模型大小降低;改进后的模型速度比主流网络更快。 展开更多
关键词 小麦种子 深度学习 注意力机制 迁移学习 efficientnet-v2模型
在线阅读 下载PDF
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 下一页 到第 页
使用帮助 返回顶部