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1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SAM-CenterNet的马铃薯与杂质分类识别方法
1
作者 张杨 刘发英 +4 位作者 杨振宇 文永双 耿良月 魏忠彩 李学强 《农业机械学报》 北大核心 2025年第11期480-489,共10页
针对马铃薯收获入库过程中杂质(土块、石块)需要识别并剔除的问题,提出基于CenterNet改进的薯杂分类识别方法。首先,搭建六通道薯杂识别与杂质剔除装置,采集源图像;其次,在主干网络特征提取阶段,将传统卷积下采样替换为SPD-Conv下采样,... 针对马铃薯收获入库过程中杂质(土块、石块)需要识别并剔除的问题,提出基于CenterNet改进的薯杂分类识别方法。首先,搭建六通道薯杂识别与杂质剔除装置,采集源图像;其次,在主干网络特征提取阶段,将传统卷积下采样替换为SPD-Conv下采样,提高识别网络对薯杂不同尺度的细粒度识别能力,解决土石块与部分马铃薯存在特征相似导致漏识别的问题;然后,为了抑制背景无效特征,加入ACmix注意力机制,增强薯杂表面的有效特征,解决马铃薯表面和图像背景粘连泥土导致误识别的问题;最后,构建多层级特征融合结构,获取更加丰富的薯杂表面纹理特征信息,解决模型输出特征单一而导致识别精度低的问题。构建薯杂图像数据集对改进后的薯杂分类识别方法进行试验,试验结果表明,改进后算法的模型参数量为1.013×10~7,前向推理时间为27 ms,平均精度均值为97.5%。与原CenterNet模型相比,模型参数量增加1.66×10~6,前向推理时间增加2 ms,但平均精度均值提高8.2个百分点。该薯杂分类识别方法能够满足马铃薯收获入库过程中杂质识别并剔除的技术要求。 展开更多
关键词 马铃薯 杂质 sam-centernet ACmix 深度学习
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