基于OpenMV模组和MobileNet V2模型的葡萄图像识别

1

作者 戈秀龙 戴文华 +2 位作者 李积武 赵云 沈佳健 《农机化研究》 北大核心 2025年第10期259-267,共9页

为了提高葡萄种植棚内葡萄自动采摘的准确度和效率,在葡萄的图像识别中必须依靠性能优越的嵌入式计算机和轻量级低延迟的神经网络模型。为此,基于OpenMV4 H7 Plus和OpenMV IDE开发环境,在葡萄种植棚中现场采集葡萄图片,利用PyCharm的Pyt... 为了提高葡萄种植棚内葡萄自动采摘的准确度和效率,在葡萄的图像识别中必须依靠性能优越的嵌入式计算机和轻量级低延迟的神经网络模型。为此,基于OpenMV4 H7 Plus和OpenMV IDE开发环境,在葡萄种植棚中现场采集葡萄图片,利用PyCharm的Python编程,经过旋转、平移、缩放和噪声添加等操作后形成扩展的深度学习葡萄图像数据集;应用Edge Impulse搭建模型规模小、检测速度快的MobileNet V2神经网络,以像素96×96作为输入并采用迁移学习的方式训练,得到反映模型质量的Epoch Loss、Train Loss、Recall和F 1 Score等指标,显示在经过一定的学习循环后Epoch Loss、Train Loss均收敛到较小值且Recall和F 1 Score逐步趋于稳定,其验证集准确度为92.4%;同时,搭建了一个试验装置,将所得模型部署到OpenMV4 H7 Plus模块,模拟试验摄像头相对葡萄横向移动时的识别效果。研究结果表明:配置了神经网络学习算法的OpenMV4 H7 Plus模块对葡萄识别准确度较高且识别速度较快,具有一定的应用价值。 展开更多

关键词 葡萄图像识别 机器视觉 神经网络 OpenMV4 H7 Plus mobilenet v2

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

2

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 V2模型迁移学习的垃圾图像分类算法 被引量：1

3

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

基于改进MobileNet V2的多视图三维人脸重建

4

作者 童立靖 张豪杰 《北方工业大学学报》 2024年第3期30-38,共9页

针对多视图三维人脸重建时,由于图像特征提取能力有限而导致三维人脸模型重建效果不佳的问题,本文提出了一种基于改进MobileNet V2网络的三维人脸重建方法。首先在MobileNet V2网络中引入多路径结构,使不同子路径的特征能够进行交互,从... 针对多视图三维人脸重建时,由于图像特征提取能力有限而导致三维人脸模型重建效果不佳的问题,本文提出了一种基于改进MobileNet V2网络的三维人脸重建方法。首先在MobileNet V2网络中引入多路径结构,使不同子路径的特征能够进行交互,从而增强网络的表达能力;然后在通道维度上加入压缩激励(Squeeze and Excitation,SE)模块,在空间维度上加入空间分组增强(Spatial Group-wise Enhance,SGE)模块,从而有效提取人脸形状参数和表情参数;最后使用三维可形变模型(3D Morphable Model,3DMM),并根据形状参数和表情参数完成三维人脸重建。在300W-LP数据集上,与基于卷积神经网络(Convolutional Neural Network,CNN)的重建方法以及基于Visual Geometry Group Batch Normalization(VGG-BN)改进网络的重建方法进行对比实验,实验结果表明平均重建精度分别提升约0.46%和0.31%。 展开更多

关键词 三维人脸重建 mobilenet v2 多路径结构 压缩激励模块 空间分组增强模块 三维可形变模型

在线阅读 下载PDF 职称材料

基于改进MobileNet v2的服装图像分类算法 被引量：6

5

作者 李林红 杨杰 +1 位作者 蒋严宣 朱浩 《现代纺织技术》 北大核心 2024年第4期93-103,共11页

针对现有服装图像分类算法参数量较多、识别精度低的问题,提出了一种基于注意力机制和迁移学习的改进型MobileNet v2算法。首先,选取MobileNet v2作为特征提取网络,确保服装分类算法的整体轻量性。其次,将通道与空间注意力机制嵌入特征... 针对现有服装图像分类算法参数量较多、识别精度低的问题,提出了一种基于注意力机制和迁移学习的改进型MobileNet v2算法。首先,选取MobileNet v2作为特征提取网络,确保服装分类算法的整体轻量性。其次,将通道与空间注意力机制嵌入特征提取单元,自适应地选择和强化有用的特征信息,从而提高服装图像分类算法的识别精度。最后,通过迁移学习方法对模型进行参数初始化,使得模型能够从源域中获得先验知识。在Fashion MNIST数据集上的实验结果表明:所提算法的分类精度为93.28%,相较于ResNet50、EfficientNet v2_l、ShuffleNet v2和MobileNet v2模型,分别提高了1.85%、1.34%、3.86%和3.17%;在DeepFashion数据集上的准确率为88.24%。此外,该算法参数量低至2.35M,单张图像推理速度仅为7.5 ms,在参数量基本不变的的情况下提升了分类精度与推理速度。 展开更多

关键词 服装分类 mobilenet v2 深度学习 注意力机制 迁移学习

在线阅读 下载PDF 职称材料

利用改进MobileNet V2网络识别水稻叶片病虫害的方法 被引量：5

6

作者 胡玉珠 刘昌华 李盼 《武汉轻工大学学报》 CAS 2024年第3期76-81,共6页

针对传统水稻叶片病虫害分类效率不高、精度低和模型占用空间过大等问题,改进MobileNet V2网络,并结合迁移学习策略对水稻叶片病虫害进行识别。实验以4种常见水稻叶片病虫害作为研究对象,利用注意力机制对MobileNet V2进行改进,通过修... 针对传统水稻叶片病虫害分类效率不高、精度低和模型占用空间过大等问题,改进MobileNet V2网络,并结合迁移学习策略对水稻叶片病虫害进行识别。实验以4种常见水稻叶片病虫害作为研究对象,利用注意力机制对MobileNet V2进行改进,通过修改模型残差结构引入通道注意力机制,并采用迁移学习策略对改进模型进行训练。实验表明,相比于原始模型,引入注意力机制并采用迁移学习的改进模型CAM_qianyi的准确率提升了0.82个百分点,达到了84.32%,其准确率也高于轻量化卷积神经网络ResNet18(82.54%)和未采用迁移学习的改进模型CAM(73.65%)。改进模型能准确提取水稻叶片病虫害特征,有效提高了识别效率和精度。 展开更多

关键词 水稻叶片病虫害 mobilenet v2 迁移学习 深度学习 注意力机制

在线阅读 下载PDF 职称材料

基于轻量级网络MobileNet V2的二极管玻壳缺陷识别 被引量：7

7

作者 哈马友吉 任万春 +1 位作者 张秤 张华 《传感器与微系统》 CSCD 北大核心 2022年第4期153-155,160,共4页

针对目前二极管玻壳缺陷检测中存在的自动化程度低、效率低、错误率高和成本高等问题,提出了一种基于MobileNet V2卷积神经网络模型的图像识别算法,实现对二极管玻壳缺陷的准确识别。实验结果表明:该模型能够准确识别二极管玻壳缺陷,网... 针对目前二极管玻壳缺陷检测中存在的自动化程度低、效率低、错误率高和成本高等问题,提出了一种基于MobileNet V2卷积神经网络模型的图像识别算法,实现对二极管玻壳缺陷的准确识别。实验结果表明:该模型能够准确识别二极管玻壳缺陷,网络模型收敛后对玻壳缺陷的总体识别准确率达到93.3%,同时具备了检测速度快(图像识别速度不小于5张/s),模型体量小(不大于26.8 M)等特点,具有一定的实际工业应用价值。 展开更多

关键词 玻壳 卷积神经网络 缺陷识别 mobilenet v2网络

在线阅读 下载PDF 职称材料

基于MobileNet V2和迁移学习的番茄病害识别 被引量：9

8

作者 王哲豪 范丽丽 何前 《江苏农业科学》 北大核心 2023年第9期215-221,共7页

番茄叶部病害严重影响了番茄的产量和质量,为实现在移动设备实时对番茄进行病害识别,提高番茄的产量,减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合,对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、... 番茄叶部病害严重影响了番茄的产量和质量,为实现在移动设备实时对番茄进行病害识别,提高番茄的产量,减少种植者的损失。本研究提出将轻量级网络模型MobileNet V2和迁移学习的方式相结合,对番茄早疫病、番茄细菌性斑疹病、番茄晚疫病、番茄叶霉病、番茄斑枯病、番茄红蜘蛛病、番茄褐斑病、番茄花叶病、番茄黄化曲叶病等9种叶部病害图像以及健康番茄叶片图像进行分类识别,首先将数据集按照9∶1的比例分为训练集和验证集,对于训练模型根据迁移学习的方式分别采用不冻结卷积层、冻结部分卷积层、全部冻结卷积层的方式获得3种模型,然后在模型最后加上2层全连接层并用Dropout层防止过拟合,接着通过Softmax层输出实现对番茄病害图像分类识别,最后利用验证集来统计模型的准确率和损失值。其中,冻结部分卷积层准确率最高,达到93.67%。另外,通过试验对比传统网络VGG16、ResNet50训练集和验证集的准确率、损失值及运行时间,其中迁移学习的MobileNet V2模型的准确率最高,运行时间最短。该研究提出的基于MobileNet V2和迁移学习的番茄病害识别研究方法识别效果较佳,速度较快,为在移动设备实时对番茄病害识别提供了技术支持。 展开更多

关键词 mobilenet v2 迁移学习 病害识别 番茄

在线阅读 下载PDF 职称材料

基于MobileNet V2迁移学习的中药材图像识别 被引量：4

9

作者 刘雪纯 刘大铭 +1 位作者 常佳鑫 王博 《长江信息通信》 2022年第7期33-37,44,共6页

中药材对人体疾病的预防及控制具有重要的作用,然而普通百姓对药材知识了解过少,可能滥用草药从而带来不可控的后果。因此,对药材进行精准识别是一项紧迫的任务。文章将改进的深度卷积神经网络应用到药材识别中,提出了基于MobileNet V2... 中药材对人体疾病的预防及控制具有重要的作用,然而普通百姓对药材知识了解过少,可能滥用草药从而带来不可控的后果。因此,对药材进行精准识别是一项紧迫的任务。文章将改进的深度卷积神经网络应用到药材识别中,提出了基于MobileNet V2模型进行迁移学习的中药材识别系统。该模型将标准卷积改进为深度可分离卷积形式,在ImageNet数据集上进行了预训练。通过对MobileNet V2的预训练模型参数进行多次微调,在全连接层采用softmax激活函数实现药材分类,使用交叉熵损失函数定量表达与理想模型之间的差异,最后使用adam优化算法实现最优梯度下降,实现了12类中药材图片识别,最终在验证集上精度可达93%,表明中药材图像识别系统具有较好的实际应用场景。同时MobileNet V2的轻量级模型在训练时间上也比普通卷积神经网络节省了2倍以上的时间,在药材识别上的鲁棒性和范化性得到了较大提升。 展开更多

关键词 深度卷积神经网络 药材识别 mobilenet v2 迁移学习

在线阅读 下载PDF 职称材料

基于改进MobileNet v2的垃圾图像分类算法 被引量：53

10

作者 陈智超 焦海宁 +1 位作者 杨杰 曾华福 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第8期1490-1499,共10页

针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络.通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网... 针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络.通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网络对特征的细化能力;设计多尺度特征融合结构,增强网络对尺度的适应性;利用迁移学习的方式优化模型参数,进一步提高模型精度.实验结果表明,算法在自建数据集上的平均准确率为94.6%,分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0%、3.4%、3.2%、2.3%、1.2%;所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现;模型参数量仅为0.83 M,体积约为基础模型的2/5,在边缘设备JETSON TX2上的单次推理耗时68 ms,实现了推理速度和预测准确率的提升. 展开更多

关键词 垃圾图像分类 mobilenet v2 注意力机制 多尺度特征融合 迁移学习

在线阅读 下载PDF 职称材料

基于MobileNet V2的口罩佩戴识别研究 被引量：7

11

作者 金映谷 张涛 +2 位作者 杨亚宁 王月 楚艳丽 《大连民族大学学报》 2021年第5期404-409,431,共7页

针对目前主流口罩佩戴检测算法均需要对样本进行标注,使用的网络模型对电脑硬件配置要求高,无法适用于便携设备或移动端的问题,提出了一种基于MobileNet V2的口罩佩戴识别方法。首先,对口罩佩戴数据集进行构建,并进行数据扩充;然后,通... 针对目前主流口罩佩戴检测算法均需要对样本进行标注,使用的网络模型对电脑硬件配置要求高,无法适用于便携设备或移动端的问题,提出了一种基于MobileNet V2的口罩佩戴识别方法。首先,对口罩佩戴数据集进行构建,并进行数据扩充;然后,通过搭建MobileNet V2模型实现对口罩佩戴的识别;最后,通过选择合适的评价标准进行结果分析。结果表明:该方法对是否佩戴口罩的检测准确率可达99.83%,对口罩佩戴是否标准的检测准确率可达98.97%。该方法在保证准确率和速度的基础上,减小网络体积,适用性更加广泛。 展开更多

关键词 目标分类 口罩佩戴 mobilenet v2

在线阅读 下载PDF 职称材料

基于MobileNet v2的智能垃圾分类系统 被引量：1

12

作者 张兆屹 李和福 王明红 《现代计算机》 2022年第14期96-101,116,共7页

随着生活水平的不断提高,我国生活垃圾总量不断增长,但生活垃圾的分类处理能力及技术相对有限和落后。现有的垃圾分类方式主要依靠人工分辨,很多居民对于垃圾分类的意识不足,往往无法做到正确有效的分类。本系统由主控板、机器视觉模块... 随着生活水平的不断提高,我国生活垃圾总量不断增长,但生活垃圾的分类处理能力及技术相对有限和落后。现有的垃圾分类方式主要依靠人工分辨,很多居民对于垃圾分类的意识不足,往往无法做到正确有效的分类。本系统由主控板、机器视觉模块及云服务器后台组成。利用Tensorflow框架下的MobileNet v2网络模型进行识别分类,借助STM32F103ZET6主控核心对识别结果进行处理,并通过WiFi模块上传至云服务器实现数据存储。云服务器使用腾讯云部署的EMQ服务器,作为本系统后台以供后续数据分析使用。实验结果表明,在网络模型文件仅占697KB的情况下,训练集的准确率达到93%,可以实现可回收垃圾较为准确的智能分类。 展开更多

关键词 mobilenet v2 垃圾分类 机器视觉 STM32

在线阅读 下载PDF 职称材料

基于MobileNet V2的口罩人脸检测

13

作者 付美伦 洪悦 《沈阳化工大学学报》 CAS 2023年第2期159-163,共5页

很多场所和环境要求人员佩戴口罩才准许进入.当由人工进行口罩人脸检测时,耗时且漏检率、错检率高.因此,设计一个用于检测人脸是否佩戴口罩的模型显得十分重要,并且该模型需要具备轻量、快速、精度高的特点,以便将其应用于实时视频检测... 很多场所和环境要求人员佩戴口罩才准许进入.当由人工进行口罩人脸检测时,耗时且漏检率、错检率高.因此,设计一个用于检测人脸是否佩戴口罩的模型显得十分重要,并且该模型需要具备轻量、快速、精度高的特点,以便将其应用于实时视频检测.首先,对传统MobileNet V2模型进行改进,缩小模型深度,提高其计算速率;然后,建立了1 600张图像的人脸数据库,并进行手工标注;最后,利用该人脸数据库对改进后的模型进行训练,最终训练完成的模型仅11.5 MB.通过实验对比该模型与其他三种口罩检测模型的检测精确度、损失值和检测速度,对戴口罩的人脸该检测模型的平均检测精确度提高了3%以上,检测速度也快于其他三类. 展开更多

关键词 口罩人脸检测 人脸识别 mobilenet v2 CNN

在线阅读 下载PDF 职称材料

基于MobileNet-V2-SSD的矿井机电设备工作状态检测方法

14

作者 郭刘勇 《机械管理开发》 2025年第1期287-289,共3页

为了实现矿井作业过程中机电设备工作状态的有效检测,研究并提出了一种基于单次多盒探测器的智能检测方法。所提模型进行了轻量化操作,并引入了特征金字塔网络,能够有效提升整体模型的计算速度和检测精度。仿真实验结果显示,所提模型在... 为了实现矿井作业过程中机电设备工作状态的有效检测,研究并提出了一种基于单次多盒探测器的智能检测方法。所提模型进行了轻量化操作,并引入了特征金字塔网络,能够有效提升整体模型的计算速度和检测精度。仿真实验结果显示,所提模型在第176次迭代时,损失值趋于平稳,计算准确性和稳定性未出现较大波动;实际应用效果显示,构建的系统能够有效捕捉设备的振动加速信号,矿井机电设备的振动强度超过81 m/s^(2),可能存在一定的故障,验证了所提系统的有效性,因此具有较大的应用潜力。 展开更多

关键词 mobilenet-v2-SSD 矿井 机电设备 目标检测 FPN

在线阅读 下载PDF 职称材料

基于MobileNet-V2迁移学习的异常流量检测方法

15

作者 陈庚 《舰船电子工程》 2024年第2期133-137,204,共6页

针对越来越多的不同种类恶意流量给网络安全带来的巨大隐患,构建大规模机器学习系统复杂、昂贵和现今国内特定场景下快速搭建模型的研究较少的问题,论文提出了一种基于MobileNet-V2模型,采用迁移学习技术快速搭建异常流量检测模型的方... 针对越来越多的不同种类恶意流量给网络安全带来的巨大隐患,构建大规模机器学习系统复杂、昂贵和现今国内特定场景下快速搭建模型的研究较少的问题,论文提出了一种基于MobileNet-V2模型,采用迁移学习技术快速搭建异常流量检测模型的方法。首先,利用迁移学习的方式,基于MobileNet-V2模型,采用三通道变换与零填充等方式构建异常流量模型,使其符合实际流量异常检测分类的应用场景。其次,数据集采用USTC-TFC2016公开流量数据集,通过预处理将其转换为类似二维图片的数据格式,输入构建的模型中进行训练与测试。实验结果表明,该模型具有良好的检测性能,在精确度、查准率、查全率、F1分数等主要性能指标上均有很好的表现,可为防火墙等其他嵌入式设备提供一个高效的流量检测方案。 展开更多

关键词 异常流量检测 迁移学习 mobilenet-v2 USTC-TFC2016

在线阅读 下载PDF 职称材料

基于改进MobileNetV2轻量级网络的步态识别研究 被引量：2

16

作者 卢兆一 赵鑫泽 代雪晶 《信息记录材料》 2023年第6期245-248,共4页

为了解决目前深度学习中大型网络计算复杂、难以在嵌入式等移动设备进行部署及应用的问题,在MobileNet V2网络的基础上,提出一种改进型轻量级网络进行步态识别。将CASIA-B数据集进行预处理生成步态能量图,通过调整网络中深度可分离卷积... 为了解决目前深度学习中大型网络计算复杂、难以在嵌入式等移动设备进行部署及应用的问题,在MobileNet V2网络的基础上,提出一种改进型轻量级网络进行步态识别。将CASIA-B数据集进行预处理生成步态能量图,通过调整网络中深度可分离卷积模块,使用H-swish激活函数并引入SE注意力机制(squeeze-and-excitation networks),对行人步态进行分组实验。实验结果表明,改进后的网络模型能有效进行数据集的分类识别,模型大小为12.55 M,在测试集上的平均识别准确率达到94.27%,比原始网络提高了2.29%。同时,在精度和复杂度上获得了较好的平衡,为步态识别方法在移动端等资源受限的设备上提供思路和参考。 展开更多

关键词 深度学习 步态识别 mobilenet v2轻量级网络 步态能量图

在线阅读 下载PDF 职称材料

基于优化MobileNet-V2的桥梁病害多标签分类识别 被引量：3

17

作者 张昊宇 刘振奎 +2 位作者 高磊 张奎 崔雪松 《兰州交通大学学报》 CAS 2023年第2期7-15,共9页

为将桥梁表观病害图像进行多标签分类,部署在嵌入式设备和移动终端中以实现智能化桥梁病害检测,采用优化的轻量化卷积神经网络MobileNet-V2构建桥梁表观病害图像识别模型。将收集到的8000张桥梁表观病害图像按8∶1∶1建立训练集、验证... 为将桥梁表观病害图像进行多标签分类,部署在嵌入式设备和移动终端中以实现智能化桥梁病害检测,采用优化的轻量化卷积神经网络MobileNet-V2构建桥梁表观病害图像识别模型。将收集到的8000张桥梁表观病害图像按8∶1∶1建立训练集、验证集和测试集,为解决数据集样本过少的情况,对训练集进行数据增强处理。通过将MobileNet-V2模型与迁移学习相结合,设计了递进式分类器和跨局部连接的网络骨干对模型进行优化,并对比不同学习率下其与原始的MobileNet-V2模型对分类结果准确率,选出最优学习率及最佳模型。通过与3种传统卷积神经网络模型进行对比分析,优化的MobileNet-V2模型和ResNet50模型均有较高的准确率,并且优化的MobileNet-V2模型相比ResNet50模型,参数量和计算量分别降低了92.39%、97.44%,训练时间降低了60.56%,该模型在拥有较低参数量和模型计算量的同时可以得到较高的准确率及训练速度。将该模型用于某桥梁进行表观病害图像的分类,其准确率为95%,与ResNet50模型相比识别耗时降低了82.6%。实例研究表明:与传统的神经网络模型相比,优化的MobileNet-V2模型能够准确识别桥梁表观病害。 展开更多

关键词 病害检测 卷积神经网络 多标签分类 迁移学习 mobilenet-v2

在线阅读 下载PDF 职称材料

融合U-Net及MobileNet-V2的快速语义分割网络 被引量：7

18

作者 兰天翔 向子彧 +1 位作者 刘名果 陈凯 《计算机工程与应用》 CSCD 北大核心 2021年第17期175-180,共6页

传统U-Net网络模型大,处理图片速度慢,难以适应工业生产中实时的需求。针对该问题,设计并实现了一个轻量级全卷积语义分割网络LU-Net。LU-Net网络以U-Net框架为主体,结合MobileNet-V2的思想,利用深度可分离卷积参数少、计算量小的特点... 传统U-Net网络模型大,处理图片速度慢,难以适应工业生产中实时的需求。针对该问题,设计并实现了一个轻量级全卷积语义分割网络LU-Net。LU-Net网络以U-Net框架为主体,结合MobileNet-V2的思想,利用深度可分离卷积参数少、计算量小的特点轻量化网络模型。网络综合利用bottleneck模块与普通卷积的优点,并高效利用了高层特征,在保持精度的同时,大幅缩短了分割所需时间。经公开数据集DRIVE及自制凹陷字符数据集上实验的验证,相较于原U-Net网络模型,提出的LU-Net模型参数量缩小至0.59×10^(6),为原模型的1.9%,运行速度提高5倍,处理一张360×270图片的平均耗时为25 ms。LU-Net基本满足工业生产对图像实时处理的要求。 展开更多

关键词 U-Net 语义分割 mobilenet-v2 深度可分离卷积

在线阅读 下载PDF 职称材料

基于改进MobileNet轻量级网络的水稻病害识别

19

作者 郑超 张华民 《荆楚理工学院学报》 2024年第4期26-32,共7页

目的:针对传统MobileNet-v2模型水稻叶面病害识别过程中出现的准确率低、运行速度慢、特征提取难等问题,提出一种基于改进MobileNet-v2轻量级网络的水稻叶面病害识别模型。方法:该模型采用增加注意力机制模块的结构方法增强图像的特征提... 目的:针对传统MobileNet-v2模型水稻叶面病害识别过程中出现的准确率低、运行速度慢、特征提取难等问题,提出一种基于改进MobileNet-v2轻量级网络的水稻叶面病害识别模型。方法:该模型采用增加注意力机制模块的结构方法增强图像的特征提取,然后将预训练好的权重参数迁移到改进的模型中,进而对水稻4种叶面病害进行识别研究。结果:该模型在50个epoch的训练测试过程中,训练速度和过拟合问题得到了较大的改善,最终测试识别准确率较传统MobileNet-v2模型准确率提高了7.97%。结论:该模型在水稻叶面病害识别中准确率较高,识别速度较快,为水稻叶面病害的识别与研究提供了参考和借鉴意义。 展开更多

关键词 图像识别 水稻病害 迁移学习 mobilenet-v2

在线阅读 下载PDF 职称材料

基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计 被引量：3

20

作者 买买提·沙吾提 李荣鹏 +2 位作者 蔡和兵 赵明 梁嘉曦 《森林工程》 北大核心 2025年第2期277-287,共11页

新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识... 新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识别模型。其中融入轻量型的归一化注意力机制,提高模型对特征信息的敏感度,使模型关注显著性特征。同时,将L1正则化(L1 regularization或losso)添加到损失函数中,对权重进行稀疏性惩罚,抑制非显著性权重。试验结果表明,在叶片分类中,模型对自构建植物叶片病害识别数据集(Plant Village)、混合数据集的分类结果均表现良好,准确率分别达到97.05%、98.73%、94.91%,具有较好的泛化能力。在病害识别中,MobileNet-V2 NAM模型实现94.55%的识别准确率,高于深度卷积神经网络(AlexNet)、视觉几何群网络(VGG16)经典卷积神经网络(Convolutional Neural Networks,CNN)模型,且模型参数量只有3.56 M。MobileNet-V2 NAM在具有良好准确率同时保持了较低的模型参数量,为深度学习模型嵌入到移动设备提供技术支持。 展开更多

关键词 新疆 果树分类 病害识别 归一化注意力轻量级深度卷积神经网络(mobilenet-v2 NAM) 归一化注意力机制

在线阅读 下载PDF 职称材料