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4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FastSAM物料颗粒图像分割算法研究 被引量：1
1
作者 常祺钰 刘宾 +1 位作者 李坤 王旋 《河南科学》 2024年第10期1415-1421,共7页
针对物料颗粒图像分割中SAM方法运行效率的问题,提出一种基于FastSAM的高效图像颗粒分割方法.首先,通过图像增强技术提升图像边缘特征信息,进而优化分割性能.其次,利用模型压缩技术Network Slimming对模型进行剪枝优化,通过牺牲部分分... 针对物料颗粒图像分割中SAM方法运行效率的问题,提出一种基于FastSAM的高效图像颗粒分割方法.首先,通过图像增强技术提升图像边缘特征信息,进而优化分割性能.其次,利用模型压缩技术Network Slimming对模型进行剪枝优化,通过牺牲部分分割性能换取运行效率的大幅提升,以适应硬件加速的特性.结果表明,剪枝比例超过40%的时候,精度下降非常明显,所以本研究采用以40%的剪枝比例参数的模型作为此次实验模型.与原始SAM和未经优化的FastSAM相比,优化后的模型在COCO数据集上进行了测试,在AR@100和AR@1000精度上表现出优势.在本地测试样本上能够在保持约93.13%的分割精度的同时实现毫秒级的运行效率,不仅满足了任务对高效率的需求,还确保了处理结果的准确性,达到了高效率与高精度之间的良好平衡. 展开更多
关键词 fastsam 物料颗粒 运行效率 Network Slimming剪枝
在线阅读 下载PDF
针对鱼眼图像的FastSAM多点标注算法 被引量：2
2
作者 乔人杰 蔡成涛 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第8期1427-1433,共7页
为了解决多点表示方法在鱼眼图像人体检测过程中标注成本高的问题,本文提出了基于FastSAM的多点标注算法,将鱼眼图像数据集本身的矩形框标注作为提示引导框,与原图一起作为输入,通过FastSAM获取较为准确的目标分割标注,根据分割标注与... 为了解决多点表示方法在鱼眼图像人体检测过程中标注成本高的问题,本文提出了基于FastSAM的多点标注算法,将鱼眼图像数据集本身的矩形框标注作为提示引导框,与原图一起作为输入,通过FastSAM获取较为准确的目标分割标注,根据分割标注与矩形框的IoU评估分割信息的准确性,对于不准确的个体进一步补全纠错。针对多点表示无法处理中心点不在目标内的问题,提出了基于凸包的多点表示回归策略,直接通过分割信息获取多点表示标注信息,同时设计了相对应的标签分配机制和损失函数。本文的方法可以节省大量的人工成本,同时通过实验验证该算法具有可行性。 展开更多
关键词 多点标注 鱼眼图像 人体检测 fastsam 凸包 提示矩形框 标签分配 损失函数
在线阅读 下载PDF
基于FastSAM模型的猪肌纤维形态快速测量系统
3
作者 陈力 王金勇 +8 位作者 阿超 陈鸿基 候欣华 高庭玥 蒋新 王立刚 唐家森 张龙超 王立贤 《农业工程学报》 2026年第3期369-379,共11页
肌纤维形态测量对畜牧业育种和医学领域具有重要意义。传统的方法在效率和准确性方面存在局限性,需要发展先进的计算机辅助分析技术。该研究开发了一种基于FastSAM模型的肌纤维形态学测量方法,利用图像锐化裁切处理,精确和有效地分析肌... 肌纤维形态测量对畜牧业育种和医学领域具有重要意义。传统的方法在效率和准确性方面存在局限性,需要发展先进的计算机辅助分析技术。该研究开发了一种基于FastSAM模型的肌纤维形态学测量方法,利用图像锐化裁切处理,精确和有效地分析肌纤维的特征,能够快速大批量地测定HE染色的肌纤维切片图像中的面积、直径等表型指标。结果表明:与传统方法相比,该方法时间效率更高(单张图像平均处理耗时显著减少,P<0.01);测量精度与可靠性更强,分割Dice系数达0.922,高IoU阈值下平均精确率(AP)为0.514、F1分数为0.830,均优于EdgeSAM、MobileSAM等主流模型;与手动测量结果高度一致,相关系数r>0.99,P<0.01。此外,该方法对猪12个不同骨骼区域及30~170 kg不同生长发育阶段的肌纤维均具有良好适应性。研究结果可为猪分子育种与肉质改良、肌纤维相关疾病的病理机制研究及骨骼肌形态学量化分析标准化方案的建立提供参考。 展开更多
关键词 肌纤维 图像分割 fastsam HE染色
在线阅读 下载PDF
基于多算法融合实现化纤纺丝车间丝路巡检的应用研究
4
作者 彭先涛 邱奕博 金君良 《智能制造》 2025年第4期136-141,共6页
纺丝车间是化学纤维生产中重要的环节,对丝路进行巡检及时发现问题并反馈处理,对后道卷绕的稳定生产至关重要。通过搭载视觉检测系统的机器人实现全天候不间断地丝路巡检,已成为纺丝车间数字化转型的核心内容之一。在工业现场,需要兼顾... 纺丝车间是化学纤维生产中重要的环节,对丝路进行巡检及时发现问题并反馈处理,对后道卷绕的稳定生产至关重要。通过搭载视觉检测系统的机器人实现全天候不间断地丝路巡检,已成为纺丝车间数字化转型的核心内容之一。在工业现场,需要兼顾检测节拍与检测准确率,由于正常生产时缺陷或异常样本较少,基于此,本文对于细微丝线的识别采用小样本目标检测FSOD进行识别与异常区域裁剪;对于导丝钩、油嘴明显特征的目标检测采用Fast SAM进行识别与异常位置裁剪;对于裁剪的异常区域再经由YOLOv11进行识别,将最终识别的图像合并后在整图中进行显示。通过丝路巡检机器人的工程应用,验证了算法的有效性,助力了化纤企业的数字化建设。 展开更多
关键词 化纤 丝路巡检 人工智能 FSOD fastsam YOLOv11
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