基于MobileNet V3的半导体芯片缺陷检测方法研究

1

作者 张志敏 陈心怡 《重庆科技大学学报(自然科学版)》 2025年第2期80-87,108,共9页

针对半导体芯片缺陷检测的挑战,提出了一种基于MobileNet V3的半导体芯片缺陷检测方法。首先,引入协调注意力机制,增强模型对缺陷特征的定位能力;其次,优化深度可分离卷积层结构,提升特征提取效率;最后,改进数据预处理流程,使模型更好... 针对半导体芯片缺陷检测的挑战,提出了一种基于MobileNet V3的半导体芯片缺陷检测方法。首先,引入协调注意力机制,增强模型对缺陷特征的定位能力;其次,优化深度可分离卷积层结构,提升特征提取效率;最后,改进数据预处理流程,使模型更好地适应半导体芯片图像特性。实验结果表明,改进后模型的准确率、召回率、F1分数和AUC均高于原模型及其他对比模型。改进后模型在半导体芯片缺陷检测任务中表现出了优异性能,可为工业级高精度缺陷检测提供可靠的技术支持。 展开更多

关键词 mobilenet V3模型 协调注意力机制 半导体芯片缺陷检测 深度学习

在线阅读 下载PDF 职称材料

基于MobileNet-DOA的无人机射频信号识别方法 被引量：1

2

作者 晏行伟 孔令轩 +1 位作者 刘坤 刘安娜 《雷达科学与技术》 北大核心 2025年第1期57-66,共10页

针对当前低信噪比环境下,基于射频信号的无人机型号和飞行模式识别率低的问题,本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法。该方法首先对原始无人机射频信号进行基于变分模态分解的信号预处理,降低背景噪声和同频干... 针对当前低信噪比环境下,基于射频信号的无人机型号和飞行模式识别率低的问题,本文提出了一种基于MobileNet-DOA模型的无人机射频信号识别方法。该方法首先对原始无人机射频信号进行基于变分模态分解的信号预处理,降低背景噪声和同频干扰,然后利用短时傅里叶变换将预处理信号转换为时频图,最后利用MobileNet-DOA模型完成无人机射频信号识别。在模型方面,本文首先将DOConv卷积融合到MobileNetv4模型中,在增强模型特征提取能力的同时,提高了训练和运算速度。其次,使用FA注意力机制进一步提升了模型在低信噪比环境下的识别准确率。实验结果表明,该方法在-15~15 dB信噪比范围内的平均检测准确率达到了94.83%,可应用于无人机实时检测识别系统中。 展开更多

关键词 无人机射频信号识别 变分模态分解 mobilenet模型 DOConv卷积 FA注意力机制

在线阅读 下载PDF 职称材料

基于MobileNet的自然保护区人类活动遥感监测

3

作者 孙立娥 李金玺 +1 位作者 徐可 汪进生 《地理空间信息》 2025年第9期85-88,共4页

以2023年高分辨率遥感影像为数据源,首先利用7种分类方法提取某省级自然保护区的土地利用分类信息,并进行精度评估;再结合人工目视解译识别各种人类活动,并进行人类活动影响评价。结果表明,7种分类方法中MobileNet模型的分类准确率高达9... 以2023年高分辨率遥感影像为数据源,首先利用7种分类方法提取某省级自然保护区的土地利用分类信息,并进行精度评估;再结合人工目视解译识别各种人类活动,并进行人类活动影响评价。结果表明,7种分类方法中MobileNet模型的分类准确率高达98.44%,明显高于传统方法;该省级自然保护区的主要人类活动类型为居民点,其次为农田、交通设施、其他人工设施和旅游用地;保护区总体受人类活动影响轻微,各功能分区中核心区、缓冲区和实验区受人类活动影响程度分别为轻微、一般和较明显。 展开更多

关键词 遥感监测 mobilenet模型 人类活动 自然保护区

在线阅读 下载PDF 职称材料

基于改进轻量级MobileNet V2-DeepLab V3^(+)模型的恐龙谷环状地区土地利用分类

4

作者 任聪 甘淑 +2 位作者 袁希平 罗为东 朱智富 《兰州大学学报(自然科学版)》 北大核心 2025年第4期436-441,共6页

针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的... 针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的全局特征捕捉能力,有效提升了研究区的土地利用分类精度.在以专家经验构建的道路、耕地、草地等样本中进行对比实验,结果表明,该方法的平均准确率、平均召回率、平均F_(1)分数、平均交并比及К系数比原始DeepLab V3^(+)模型分别提高了1.90%、2.22%、2.22%、3.37%、2.74%,其分割效果相比其他模型,更加关注图像的全局特征,提升了对复杂纹理类别的识别精度. 展开更多

关键词 全局通道空间注意力 mobilenet V2网络 DeepLab V3^(+)模型 土地利用 语义分割

原文传递

基于MobileNet模型的人脸识别标签投毒攻击

5

作者 隋晗 《移动信息》 2025年第9期165-167,共3页

人脸识别系统广泛应用于安防、金融等领域,但其性能高度依赖训练数据的质量。恶意攻击者可能通过标签投毒攻击来破坏模型的可靠性,从而威胁系统安全。文中通过使用LFW数据集,探讨了标签投毒攻击对基于Mo⁃bileNet模型的人脸识别系统性能... 人脸识别系统广泛应用于安防、金融等领域,但其性能高度依赖训练数据的质量。恶意攻击者可能通过标签投毒攻击来破坏模型的可靠性,从而威胁系统安全。文中通过使用LFW数据集,探讨了标签投毒攻击对基于Mo⁃bileNet模型的人脸识别系统性能的影响。实验结果表明,未受攻击时,模型的训练准确率从0.55提升至0.99,验证准确率从0.50提升至0.96,表现出较强的泛化能力。而投毒攻击显著降低了模型的泛化能力,验证准确率从0.85提升至0.91,召回率和F1值也有所下降。研究结果表明了标签投毒攻击对模型鲁棒性的潜在威胁,以及在实际应用中采取防御措施的重要性。 展开更多

关键词 标签投毒攻击 mobilenet模型 人脸识别 模型泛化能力

在线阅读 下载PDF 职称材料

基于MobileNet V2模型迁移学习的垃圾图像分类算法 被引量：1

6

作者 张明 孙晓丽 《湖北工业职业技术学院学报》 2024年第5期67-72,共6页

垃圾分类结合人工智能图形识别技术,是对传统垃圾处理方式的改革,旨在实现垃圾的有效分类处置,是一种科学管理方法[1]。本文基于MobileNet V2网络结构,使用迁移学习提高模型特征表达的能力,改进并选择合适的损失函数和优化方案,使得模... 垃圾分类结合人工智能图形识别技术,是对传统垃圾处理方式的改革,旨在实现垃圾的有效分类处置,是一种科学管理方法[1]。本文基于MobileNet V2网络结构,使用迁移学习提高模型特征表达的能力,改进并选择合适的损失函数和优化方案,使得模型能够区分不同种类的垃圾,训练完毕的模型导出后可以部署在嵌入式系统或者APP中。 展开更多

关键词 mobilenet V2模型 迁移学习 垃圾分类 特征表达

在线阅读 下载PDF 职称材料

融合SKNet与MobilenetV3的芒果叶片病虫害分类方法

7

作者 沈熠辉 何惠彬 +1 位作者 陈小宇 颜胜男 《福建农业学报》 CAS CSCD 北大核心 2024年第5期584-592,共9页

【目的】针对芒果叶片病虫害缺少数据集和识别准确率低的问题,筛选构建芒果叶片病虫害分类模型,以提高芒果叶病虫害分类准确率。【方法】提出使用去噪扩散模型进行病虫害数据增强,同时联合SKNet与MobilenetV3模型的芒果叶片病虫害分类... 【目的】针对芒果叶片病虫害缺少数据集和识别准确率低的问题,筛选构建芒果叶片病虫害分类模型,以提高芒果叶病虫害分类准确率。【方法】提出使用去噪扩散模型进行病虫害数据增强,同时联合SKNet与MobilenetV3模型的芒果叶片病虫害分类方法。首先使用去噪扩散模型对数据集进行扩充,再采用多尺度结构相似性指标对生成的病虫害图像与拍摄的病虫害图像之间的相似程度进行评估,接着对DDIM与DCGAN网络训练和生成效果进行比对。在MobilenetV3模型中,将SE注意力模块替换为SKNet模块进行构建网络模型。【结果】使用DDIM生成的所有类型的病虫害图像与拍摄的病虫害图像的MS-SSIM指标均大于0.63,且都高于DCGAN。相较于其他注意力模块,联合SKNet与MobilenetV3的分类效果最佳,在98%以上。对添加CA、CBAM、ECA注意力模块进行平滑类激活图可视化,对比其他注意力模块,使用SKNet注意力分布区域更为集中在病虫害叶片上。【结论】该方法在病虫害叶片检测上具有良好的应用前景,能提升病虫害识别效率与精度,减少检测成本,同时可应用于移动式或者嵌入式设备。 展开更多

关键词 芒果叶片 扩散概率模型 mobilenet Selective Kernel Networks

在线阅读 下载PDF 职称材料

基于MobileNet的敏感图像识别系统设计 被引量：6

8

作者 邢艳芳 卓文鑫 段红秀 《电视技术》 2018年第7期53-56,共4页

目前人工智能技术已经渗透到媒体日常生产的全部环节,研究面向内容安全的图像识别技术,对网络中的违法不良图像信息进行识别和监管,具有重要的现实意义。本设计利用深度可分离卷积神经网络和MobileNet模型,配合cuDNN的GPU并行计算架构,... 目前人工智能技术已经渗透到媒体日常生产的全部环节,研究面向内容安全的图像识别技术,对网络中的违法不良图像信息进行识别和监管,具有重要的现实意义。本设计利用深度可分离卷积神经网络和MobileNet模型,配合cuDNN的GPU并行计算架构,对构建的敏感图像数据集进行训练。保存训练完成的模型,对敏感图像实现较高准确度的识别。 展开更多

关键词 mobilenet模型 深度可分离卷积神经网络 GPU加速

在线阅读 下载PDF 职称材料

结合Y^(d)U^(a)V^(a)颜色模型和改进MobileNetV3的视频烟雾检测方法 被引量：7

9

作者 刘通 程江华 +2 位作者 华宏虎 罗笑冰 程榜 《国防科技大学学报》 EI CAS CSCD 北大核心 2021年第5期80-85,共6页

为降低视频烟雾检测中的虚警率和提升检测效率,提出Y^(d)U^(a)V^(a)颜色模型,该模型可以表征烟雾的空间域分布特性和时间域变化特性。利用该颜色模型快速筛选出疑似烟雾图像块,降低虚警率和提升运算效率。提出改进的MobileNetV3网络结构... 为降低视频烟雾检测中的虚警率和提升检测效率,提出Y^(d)U^(a)V^(a)颜色模型,该模型可以表征烟雾的空间域分布特性和时间域变化特性。利用该颜色模型快速筛选出疑似烟雾图像块,降低虚警率和提升运算效率。提出改进的MobileNetV3网络结构,用于提取图像深度特征并对疑似烟雾图像块进行分类识别,检测视频中是否存在烟雾。视频烟雾检测仿真结果表明:该方法准确率和检测帧率高,虚警率低。 展开更多

关键词 烟雾检测 深度学习 颜色模型 轻量级网络 mobilenet

在线阅读 下载PDF 职称材料

基于EMDR-RAFT光流法的地铁屏蔽门乘客闯门检测

10

作者 周昊 刘光杰 +1 位作者 高申 李佑文 《计算机系统应用》 2025年第3期94-104,共11页

地铁系统作为城市交通的核心组成部分,安全性与效率的提升对于保障乘客的生命财产安全具有重要意义.行人闯门行为不仅会导致设备损坏和交通延误,更可能对其他乘客的安全构成威胁.因此,准确检测和识别地铁场景下的行人闯门行为成为智能... 地铁系统作为城市交通的核心组成部分,安全性与效率的提升对于保障乘客的生命财产安全具有重要意义.行人闯门行为不仅会导致设备损坏和交通延误,更可能对其他乘客的安全构成威胁.因此,准确检测和识别地铁场景下的行人闯门行为成为智能交通管理中的一项重要任务.本文提出一种行人闯门威胁检测算法.该算法首先在RAFT光流法的特征提取器中使用移动网络卷积模块,并添加ECA通道注意力机制,同时在相关体构建块中使用3D结构并缩减领域半径,以期降低模型参数量的同时提升检测速度.实验结果表明,该算法对行人检测的平均端点误差为0.79,检测速度可达到55.98 f/s,模型参数量降低了35.3%.为获取乘客闯门威胁值,本文使用改进光流法计算出相邻图片帧的运动信息,结合本文提出的闯门威胁计算公式得到当前图片帧乘客的闯门威胁值.该方法满足了实时性、准确度和轻量化的同时还可以有效部署,更好地满足了站内大客流的行人威胁检测和应急管理的工程实践要求. 展开更多

关键词 RAFT光流法 行人运动检测 注意力机制 移动网络卷积 模型部署

在线阅读 下载PDF 职称材料

一种轻量化模型的手指静脉识别技术

11

作者 杨东亮 宋昌江 《自动化技术与应用》 2025年第1期181-184,共4页

为了提高卷积神经网络识别手指静脉的能力,提出了一种结合通道重要性的MobileNet网络。具体而言,对MobileNet提取的特征进行信道重要性分析,对不重要的特征信道进行压缩,提高网络特征表示能力。同时,利用三重态损失提取的网络模型具有... 为了提高卷积神经网络识别手指静脉的能力,提出了一种结合通道重要性的MobileNet网络。具体而言,对MobileNet提取的特征进行信道重要性分析,对不重要的特征信道进行压缩,提高网络特征表示能力。同时,利用三重态损失提取的网络模型具有类间分布和类内紧密性的特点,提高了网络模型的判别能力。在MultiView-FV静脉数据集上进行了实验,结果表明该方法是有效的。 展开更多

关键词 手指静脉识别 轻量化模型 mobilenet

在线阅读 下载PDF 职称材料

基于VD-MobileNet网络的WebAR生活垃圾分类信息可视化方法 被引量：6

12

作者 刘南杉 裴云强 +4 位作者 蒋皓 韩永国 吴亚东 王赋攀 易思恒 《图学学报》 CSCD 北大核心 2022年第4期667-676,共10页

随着我国垃圾分类制度的加速推行,基于虚拟/增强现实技术的垃圾分类应用大量涌现。受识别设备平台及居民应用习惯等方面的影响,针对目前该类应用在便捷性、实用性上存在较大不足,提出了一种基于轻量化神经网络并融合移动增强现实及可视... 随着我国垃圾分类制度的加速推行,基于虚拟/增强现实技术的垃圾分类应用大量涌现。受识别设备平台及居民应用习惯等方面的影响,针对目前该类应用在便捷性、实用性上存在较大不足,提出了一种基于轻量化神经网络并融合移动增强现实及可视化技术的垃圾分类应用方案。首先,提出了基于深度学习的垃圾分类可变扩张卷积VD-MobileNet模型方法能够解决移动设备中存在的计算能力有限、网络庞大等问题,通过在MobileNet模型中引入空洞卷积增加感受野、扩大垃圾的特征信息以提升分类精度,引入LeakyReLU激活函数优化网络的表达能力;其次,将该模型与WebAR技术结合,设计了一款面向移动设备的轻量级垃圾分类信息可视化系统,该系统具备跨平台特性,实现了对分类信息的多元化可视呈现,提供了灵活的交互方式。实验及评估表明,该VD-MobileNet模型在垃圾分类数据集中分类效果良好,能够在参数量不变的前提下有效减少计算量,此外结合该模型所设计的WebAR应用系统可为用户的垃圾处理事务提供合理有效地协助。 展开更多

关键词 垃圾分类 移动增强现实 mobilenet模型 可视化技术 空洞卷积 WebAR

在线阅读 下载PDF 职称材料

基于MobileNet的恶意软件家族分类模型 被引量：10

13

作者 曾娅琴 张琳琳 +1 位作者 张若楠 杨波 《计算机工程》 CAS CSCD 北大核心 2020年第4期162-168,共7页

现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族... 现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32%,较经典的恶意代码可视化模型高出2.14个百分点. 展开更多

关键词 卷积神经网络 恶意软件分类 纹理特征 mobilenet v2模型 Softmax模型

在线阅读 下载PDF 职称材料

基于U-Net骨架变体的内陆盐碱地信息遥感提取

14

作者 令世豪 杨粉莉 +4 位作者 黄博涵 李瑶 杨联安 闫琳悦 郝贝贝 《中国农学通报》 2025年第19期151-158,共8页

针对传统遥感分类方法依赖人工特征设计、泛化能力不足的问题,本研究应用深度学习模型进行盐碱地信息精准提取。利用Landsat 8 OLI遥感影像,采用基于U-Net深度学习模型的盐碱地信息提取方法,系统对比ResNet34、MobileNetV2_100和TF_Mobi... 针对传统遥感分类方法依赖人工特征设计、泛化能力不足的问题,本研究应用深度学习模型进行盐碱地信息精准提取。利用Landsat 8 OLI遥感影像,采用基于U-Net深度学习模型的盐碱地信息提取方法,系统对比ResNet34、MobileNetV2_100和TF_MobileNetV3_Small_100 3种骨架在冻结与不冻结训练策略下的性能差异。实验表明,ResNet34的收敛速度、分割精度与泛化能力总体优于轻量化模型(MobileNetV2_100、TF_MobileNetV3_Small_100),尤其是不冻结的ResNet34模型综合表现最好,盐碱地类别的分类精度为0.880、召回率为0.708、F_(1)分数为0.785,均优于其他模型。轻量化模型在资源受限场景下表现尚可,可在计算资源有限和分割精度要求不高的情况下使用,但在复杂场景下仍需高性能骨干网络支持。不冻结模型的表现普遍优于冻结模型,在深度学习模型训练过程中调整全部参数对于提高精度和泛化能力具有重要作用。研究验证深度学习在盐碱地遥感监测中的有效性,可为盐碱地智能识别监测提供模型选型依据。 展开更多

关键词 盐碱地 U-Net ResNet34 mobilenet 语义分割 迁移学习 深度学习模型

原文传递

基于改进YOLOv8n的轻量化PCB板表面缺陷检测算法

15

作者 朱泽宇 肖满生 +2 位作者 徐萌 王瑶瑶 颜谨 《软件导刊》 2025年第4期69-74,共6页

针对目前PCB板缺陷检测算法存在的检测精度低、计算量大等问题,提出了一种改进YOLOv8n的PCB板表面缺陷检测算法。首先,将主干部分网络替换为MobileNetV3网络,以降低模型参数量,提升检测速度与精度;其次,设计了CA_C2f模块用来替换原C2f模... 针对目前PCB板缺陷检测算法存在的检测精度低、计算量大等问题,提出了一种改进YOLOv8n的PCB板表面缺陷检测算法。首先,将主干部分网络替换为MobileNetV3网络,以降低模型参数量,提升检测速度与精度;其次,设计了CA_C2f模块用来替换原C2f模块,以提升网络提取特征能力并提高模型对小目标的检测能力;最后,提出了DFL和改进Focal-EIoU的组合,以优化对损失函数中边界框回归的计算。实验结果表明,改进的YOLOv8n算法在PCB板缺陷数据集上得到的实验结果,较原YOLOV8n算法在精确度、mAP、计算量和参数量上都有显著优化,其中mAP达到96.6%。 展开更多

关键词 PCB板 表面缺陷检测 模型轻量化 YOLOv8n mobilenet 注意力机制

在线阅读 下载PDF 职称材料

一种基于MobileNet模型的医疗废弃物品收集小车 被引量：2

16

作者 钱铖 沈凯文 +1 位作者 王淳 王小英 《常熟理工学院学报》 2023年第5期51-56,66,共7页

随着现代医疗水平的快速提高,医疗废弃物品的处理问题显得尤为重要.本文针对医疗废弃物品的无接触收集问题,设计了一种医疗废弃物品收集小车.通过OpenMV搭配自行训练的MobileNet神经网络模型对废弃物品进行实时识别、定位,并进行抓取操... 随着现代医疗水平的快速提高,医疗废弃物品的处理问题显得尤为重要.本文针对医疗废弃物品的无接触收集问题,设计了一种医疗废弃物品收集小车.通过OpenMV搭配自行训练的MobileNet神经网络模型对废弃物品进行实时识别、定位,并进行抓取操作.实验结果表明,小车能够以较高的识别率识别出已训练过的物品并能对其进行准确抓取,较好地应对医疗废弃物处置问题. 展开更多

关键词 OpenMV mobilenet模型 Edge Impluse平台 收集小车

在线阅读 下载PDF 职称材料

一种改进的Mobilenet网络车载图像识别方法

17

作者 张凯斐 王翠娥 《吕梁学院学报》 2021年第2期15-20,共6页

对行人和车辆的识别是行车记录仪识别系统的重要组成部分,为满足车载识别系统对算法模型检测实时性和简洁性的需求,以传统Mobilenet为基础网络,提出了一种车载图像识别改进算法。该算法优化了Mobilenet网络的Con DW3×3、Conv3... 对行人和车辆的识别是行车记录仪识别系统的重要组成部分,为满足车载识别系统对算法模型检测实时性和简洁性的需求,以传统Mobilenet为基础网络,提出了一种车载图像识别改进算法。该算法优化了Mobilenet网络的Con DW3×3、Conv3×3卷积层相关参数,网络的计算量明显减少,识别速度有效提高。利用行车记录仪获得的实际数据集进行训练,实验结果表明,改进算法在识别速率上提高了6.6%。相比同类网络模型Squeezenet,训练的迭代次数显著降低。 展开更多

关键词 mobilenet模型 检测实时性 卷积神经网络 图像识别 车载图像

在线阅读 下载PDF 职称材料

Two-Stage MobileNet:一种用于人脸属性识别的轻量化模型 被引量：1

18

作者 范欢喜 叶瑶瑶 《现代计算机》 2020年第24期54-59,共6页

人脸属性中包含丰富的信息,对于人脸识别、人脸检索有重要意义,但目前的人脸属性识别模型参数量和计算量太大,不利于大规模应用。为了解决这个问题,一种用于人脸属性识别的轻量化模型:Two-Stage MobileNet被提出,在网络的不同阶段使用... 人脸属性中包含丰富的信息,对于人脸识别、人脸检索有重要意义,但目前的人脸属性识别模型参数量和计算量太大,不利于大规模应用。为了解决这个问题,一种用于人脸属性识别的轻量化模型:Two-Stage MobileNet被提出,在网络的不同阶段使用不同的通道扩张系数,最大程度保留信息的同时降低模型的参数量和计算量。在CelebA数据集上的实验结果表明,Two-Stage MobileNet达到91.5%的高准确率,同时显著降低模型的参数量和计算量。 展开更多

关键词 人脸属性识别 轻量化模型 mobilenet 多任务

在线阅读 下载PDF 职称材料

基于深度学习的多模态病虫害检测模型训练与验证研究

19

作者 李冰 王瀛龙 《计算机应用文摘》 2024年第22期87-90,96,共5页

多模态病虫害数据集具有多样性,导致模型平均精度较低。基于此,文章设计了一种基于深度学习的多模态病虫害检测模型。首先,采集高清图像、音频、视频等多模态数据来整合现有资源构成数据集;其次,进行数据增强以提高模型的泛化能力,减少... 多模态病虫害数据集具有多样性,导致模型平均精度较低。基于此,文章设计了一种基于深度学习的多模态病虫害检测模型。首先,采集高清图像、音频、视频等多模态数据来整合现有资源构成数据集;其次,进行数据增强以提高模型的泛化能力,减少了过拟合风险;最后,选用深度学习中的MobileNet作为主干网络来捕捉关键特征,模型训练融合了多模态数据,并通过动态权重分配和注意力机制显著增强了检测效能。实验结果表明,在迭代60次时,设计模型的mAP达到0.87,远超文献[1]和文献[2]模型的0.72与0.79,能够快速收敛并准确检测多种病虫害。 展开更多

关键词 深度学习 mobilenet 多模态 病虫害检测 模型训练

在线阅读 下载PDF 职称材料

轻量化YOLO模型在农作物微小病虫害检测中的应用研究 被引量：13

20

作者 杨巧梅 崔婷婷 +1 位作者 袁永榜 罗桦 《中国农机化学报》 北大核心 2024年第9期265-270,284,共7页

针对农作物病虫害检测中早期微小病虫害变化目标识别准确率不高的问题,提出一种轻量化农作物微小病虫害检测算法YOLO-MobileNet-CBAM。该算法采用MobileNetV3轻量级卷积模块替换YOLOv5s的主干提取网络来降低参数运算量,并引入CBAM注意... 针对农作物病虫害检测中早期微小病虫害变化目标识别准确率不高的问题,提出一种轻量化农作物微小病虫害检测算法YOLO-MobileNet-CBAM。该算法采用MobileNetV3轻量级卷积模块替换YOLOv5s的主干提取网络来降低参数运算量,并引入CBAM注意力机制从通道和空间两个维度对重要的特征提取进行强化,有效增强小目标的聚焦准确度。卷积模块中用H-SiLU代替原模型的SiLU激活函数提高训练速度,避免梯度消失问题。通过将SIoU函数代替原模型中的GIoU函数计算预测框回归损失,将形状损失计算在内,进一步提高小目标定位精度。通过特征金字塔输出4个不同尺度的检测头识别大面积病害、微小病害及虫害目标,增加微小目标的检测精度。结果表明,YOLO-MobileNet-CBAM在微小病虫害目标检测任务中精确率达92.38%,召回率达90.24%,平均精度大于90%。实现模型轻量化,同时有效提高检测精确度,为手持式终端检测应用提供技术支持。 展开更多

关键词 农作物 微小病虫害检测 轻量化模型 YOLO-mobilenet-CBAM

在线阅读 下载PDF 职称材料