基于HMS-ShuffleNet V2模型的奶牛个体识别研究

1

作者 林雨欣 高迪 +2 位作者 秦岭 李宝山 杜永兴 《黑龙江畜牧兽医》 北大核心 2025年第10期53-60,共8页

为了在大型现代化牧场中实现无接触、高准确率和低成本的奶牛个体识别,试验通过构建HMS-ShuffleNet V2模型的方法来识别奶牛个体,通过视频帧分解技术从获取到的视频数据中截取奶牛图像,并将其进行去背景处理构建试验数据集;在ShuffleNet... 为了在大型现代化牧场中实现无接触、高准确率和低成本的奶牛个体识别,试验通过构建HMS-ShuffleNet V2模型的方法来识别奶牛个体,通过视频帧分解技术从获取到的视频数据中截取奶牛图像,并将其进行去背景处理构建试验数据集;在ShuffleNet V2 Unit中使用Hardswish激活函数代替Relu激活函数增强模型的非线性表达能力,使用最大池化代替部分DW卷积增强模型特征提取能力,引入SE注意力机制提升模型对特征通道的权重分配能力;调整单元堆叠数防止模型过拟合;使用Ghost模块代替Conv5层的3×3卷积进一步减少模型参数量,将构建的HMSShuffleNet V2模型与VGG16、ResNet50、DenseNet121、MobileNet_V2、Swin_transformer和Vision_transformer模型在相同试验环境与相同数据集上进行对比试验。结果表明:HMS-ShuffleNet V2模型在推理速度(128.78帧/s)较快的情况下,识别准确率(99.56%)高于VGG16(90.01%)、ResNet50(97.43%)、DenseNet121(92.99%)、MobileNet_V2(96.94%)、Swin_transformer(92.51%)和Vision_transformer(90.29%)模型,并且模型参数量(1.28 M)、计算量(32.54 M)、模型大小(4.89 MB)、延迟时间(7.77 ms)与内存占用(7.88 MB)均低于上述模型。说明HMS-ShuffleNet V2模型很好地平衡了模型复杂度和识别准确率。 展开更多

关键词 卷积神经网络 奶牛 个体识别 shufflenet v2模型 轻量化

原文传递

基于知识蒸馏及改进ShuffleNet v2的棉花病虫害识别方法 被引量：5

2

作者 戴硕 白涛 +2 位作者 李东亚 王震鲁 陈珍 《江苏农业科学》 北大核心 2024年第15期222-232,共11页

为探索及时、准确识别危害棉花叶片病虫害的方法,做好防护和治理工作。针对自然环境下棉花叶片图像受复杂背景影响导致分类精度降低以及模型参数量大使其不便于移动端部署的问题,提出了一种基于知识蒸馏的棉花病虫害识别模型ESSKNet。... 为探索及时、准确识别危害棉花叶片病虫害的方法,做好防护和治理工作。针对自然环境下棉花叶片图像受复杂背景影响导致分类精度降低以及模型参数量大使其不便于移动端部署的问题,提出了一种基于知识蒸馏的棉花病虫害识别模型ESSKNet。首先构建了包含8种类别的棉花病虫害图像数据集,其次通过在ShuffleNet v2模型引入SK-Attention自适应调整卷积核的大小关注棉花叶片不同尺寸大小的病斑信息并降低棉花病虫害图像复杂背景对模型的影响,将卷积核大小从3×3调整为5×5使神经网络更好地捕捉图像中的上下文信息和长程依赖关系。然后选取EfficientNet v2模型作为教师模型,ESSKNet模型作为学生模型,使用MGD方法进行知识蒸馏。试验结果表明,改进后的模型对棉花病虫害的识别准确率达96.06%,并且该模型参数量仅有EfficientNet v2的6.6%。该模型能有效识别棉花病虫害且更便于部署在移动设备上,以实现对棉花病虫害图像实时、精确地识别。 展开更多

关键词 棉花病虫害 ESSKNet 知识蒸馏 图像分类 SK-Attention shufflenet v2

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2的柑橘病害识别研究 被引量：3

3

作者 于雁南 莫泳彬 +3 位作者 严继池 熊春林 窦世卿 杨荣峰 《河南农业科学》 北大核心 2024年第1期142-151,共10页

大型卷积神经网络因模型复杂难以部署于实际应用,而轻量级网络因优化模型结构而导致精度往往不如前者理想。针对上述问题,对ShuffleNet V2进行改进,提出一种轻量化MAM-ShuffleNet柑橘病害识别模型。首先,在ShuffleNet V2中引入混合注意... 大型卷积神经网络因模型复杂难以部署于实际应用,而轻量级网络因优化模型结构而导致精度往往不如前者理想。针对上述问题,对ShuffleNet V2进行改进,提出一种轻量化MAM-ShuffleNet柑橘病害识别模型。首先,在ShuffleNet V2中引入混合注意力模块(Mixed attention module,MAM),提升模型对病害特征提取能力。其次,利用Ghost模块优化网络中卷积层,有效降低网络模型参数量和计算成本。最后,调整网络结构中ShuffleNet V2单元堆叠次数,进一步简化网络参数。结果表明,在自建柑橘叶片数据集中,MAM-ShuffleNet模型平均识别准确率达到97.7%;与原始ShuffleNet V2相比,其参数量降低了45.7%,识别准确率提升了1.2百分点;综合性能明显优于ResNet50、DenseNet121等模型。 展开更多

关键词 柑橘病害 图像识别 shufflenet v2 深度学习 注意力机制

在线阅读 下载PDF 职称材料

基于改进ShuffleNet v2模型的苹果叶片病害识别方法 被引量：4

4

作者 王浩宇 崔艳荣 《江苏农业科学》 北大核心 2024年第13期214-222,共9页

针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高,且一些大型网络在分类任务中参数量较大,迁移到移动设备和嵌入式设备上时存在难以存储等问题,提出一种改进轻量化网络ShuffleNet v2的识别方法。首先收集了斑点落叶病、灰斑病... 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高,且一些大型网络在分类任务中参数量较大,迁移到移动设备和嵌入式设备上时存在难以存储等问题,提出一种改进轻量化网络ShuffleNet v2的识别方法。首先收集了斑点落叶病、灰斑病、花叶病、锈斑病、褐斑病5类常见苹果叶片病害图像样本,通过镜像高斯和旋转等方式对图像进行处理,以增加图片数量,提升模型识别和泛化能力。接着基于轻量化ShuffleNet v2网络为主体,调整第1层卷积核的尺寸,将3×3、步长为2的卷积核调整为1×1、步长为1的卷积核。最后融合空间注意力机制,并进行加权,增强模型对重要信息的注意,再引入Ghost模块,提高模型表征能力。结果表明,改进后的模型相比ShuffleNet v2总体平均精确率提升1.23百分点,平均F 1分数提升了1.21百分点,平均召回率提升了1.20百分点,Top-1准确率提升了1.17百分点,参数量仅为9.8 MB,说明本研究得出的方法具有较高的准确率,为真实场景下苹果叶片病害识别提供了一种有效的解决方案,并为未来工作提供新方向。 展开更多

关键词 苹果 叶片病害 图像分类 shufflenet v2 Ghost模块 空间注意力机制

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2的轻量化农作物害虫识别模型 被引量：27

5

作者 彭红星 徐慧明 刘华鼐 《农业工程学报》 EI CAS CSCD 北大核心 2022年第11期161-170,共10页

及时准确地识别害虫是有效防治的重要前提。针对现有基于卷积神经网络的害虫识别模型实时性差、识别率低、结构复杂不易部署等问题,提出基于改进ShuffleNet V2的农作物害虫识别模型。首先,在ShuffleNet V2中引入多尺度特征融合模块LMFF(... 及时准确地识别害虫是有效防治的重要前提。针对现有基于卷积神经网络的害虫识别模型实时性差、识别率低、结构复杂不易部署等问题,提出基于改进ShuffleNet V2的农作物害虫识别模型。首先,在ShuffleNet V2中引入多尺度特征融合模块LMFF(Lightweight Multi-scale Feature Fusion),加强模型对不同尺度害虫的特征提取能力;其次,在ECA(Efficient Channel Attention)注意力机制中增加并行路径,并通过可学习参数自适应更新不同路径的权重,提出AECA(Adaptive and Efficient Channel Attention)注意力机制,将AECA注意力机制嵌入到ShuffleNet V2中,提高模型的跨通道交互能力;然后,使用SiLU(Sigmoid Weighted Liner Unit)替换ReLU激活函数,增强模型的泛化能力;最后,通过调整输出通道数和核心模块的堆叠次数重新设计ShuffleNet V2的整体架构,降低模型的计算量和参数量,从而提出轻量化的农作物害虫识别模型SNPF(ShuffleNet for Pest Field)。试验结果表明,SNPF模型在自建害虫数据集上的平均识别准确率和F1分数为79.49%和78.54%,较改进前分别提高了4.00个百分点和3.09个百分点,而参数量和浮点运算量为3.74 M和0.48 G,较改进前分别下降了30.60%和18.60%。SNPF模型对单张害虫图像的平均推理时间为11.9 ms,与ResNet 50、GoogLeNet、EfficientNet B1等模型相比,SNPF模型的识别精度更高,并且识别时间分别减少了57.04%、50.21%和40.50%。该研究提出的SNPF模型能够较好地识别农作物害虫、并且具有识别速度快和轻量化的特点,可以为农作物害虫的防治提供帮助。 展开更多

关键词 农作物 害虫识别 shufflenet v2 多尺度特征融合 ECA注意力机制 轻量化模型

在线阅读 下载PDF 职称材料

改进ShuffleNet V2的轻量级农作物病害识别方法 被引量：29

6

作者 李好 邱卫根 张立臣 《计算机工程与应用》 CSCD 北大核心 2022年第12期260-268,共9页

针对目前有关深度学习的农作物病害识别方法中存在模型较为复杂,部署在计算资源有限的边缘设备和移动终端上适应性不强,实时准确识别作物病害较差的问题,提出一种改进ShuffleNet V2的轻量级农作物病害识别方法。以ShuffleNet V2单元为基... 针对目前有关深度学习的农作物病害识别方法中存在模型较为复杂,部署在计算资源有限的边缘设备和移动终端上适应性不强,实时准确识别作物病害较差的问题,提出一种改进ShuffleNet V2的轻量级农作物病害识别方法。以ShuffleNet V2单元为基础,引入ECA(efficient channel attention)注意力模块,使用H-Swish激活函数以便减少网络结构每个Stage模块中ShuffleNet V2单元使用个数,使用轻量化网络设计组件深度可分离卷积。在PlantVillage病害数据集上进行实验。结果表明,模型的参数量约为2.95×10^(5),计算量为3.388×10^(7)(FLOPs)和6.674×10^(7)( MAdd),病害识别平均准确率达到了99.24%,为农作物病害识别方法在移动终端等资源受限设备上部署应用提供参考。 展开更多

关键词 农作物病害识别 shufflenet v2 轻量级 ECA注意力模块

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2网络的核桃破壳物料壳仁分类识别方法 被引量：2

7

作者 张超宇 王应彪 +4 位作者 颜旭 王周梅 李九峰 刘梦迪 周丹 《江苏农业学报》 CSCD 北大核心 2023年第4期1015-1025,共11页

核桃破壳后壳仁物料的高效无损分类检测是云南深纹核桃加工的关键技术缺口。本研究首先使用单独的下采样模块、网络浅层不使用深度卷积及网络深层使用H-Swish激活函数替代ReLu激活函数等优化策略,将ShuffleNet V2-0.5网络模型改进为C-Sh... 核桃破壳后壳仁物料的高效无损分类检测是云南深纹核桃加工的关键技术缺口。本研究首先使用单独的下采样模块、网络浅层不使用深度卷积及网络深层使用H-Swish激活函数替代ReLu激活函数等优化策略,将ShuffleNet V2-0.5网络模型改进为C-ShuffleNet网络模型,实现轻量化的核桃破壳物料壳仁分类检测;然后,用核桃破壳物料壳仁数据集对改进前后的模型进行训练,进而对改进后的模型进行评估与检验;最后,将改进后的模型C-ShuffleNet与AlexNet、ResNet、EfficientNet、MobileNet等经典分类网络模型进行综合性能比较。结果表明,改进后的C-ShuffleNet模型大小比改进前的ShuffleNet V2-0.5压缩了8.9%,测试集准确率达到98.34%,比改进前提高了1.28个百分点,模型推理速度两者相差不大;与AlexNet、ResNet、EfficientNet、MobileNet等模型相比,C-ShuffleNet模型不但能保证较高的识别准确率,同时所占内存空间较小,识别时间更短,更加适合在嵌入式平台上开发应用。本研究结果为深纹核桃破壳物料壳仁自动化分类检测平台的开发提供了算法支持。 展开更多

关键词 C-shufflenet模型 shufflenet v2模型 深纹核桃 分类识别 轻量化网络

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2的轻量级防风药材道地性智能识别 被引量：4

8

作者 赵毓 任艺平 +2 位作者 朴欣茹 郑丹阳 李东明 《智慧农业（中英文）》 CSCD 2023年第2期104-114,共11页

[目的/意义]目前,对于防风药材产地和品质的鉴别方法主要是根据其物理或化学特征,其方法需对中药材进行分离提取,存在耗时长,费用高,专业性强,技术难度大等问题,不利于推广应用。随着深度学习的不断发展,其无需人工提取特征、分类精度... [目的/意义]目前,对于防风药材产地和品质的鉴别方法主要是根据其物理或化学特征,其方法需对中药材进行分离提取,存在耗时长,费用高,专业性强,技术难度大等问题,不利于推广应用。随着深度学习的不断发展,其无需人工提取特征、分类精度高等优点被广泛应用在中药材的识别之中。[方法]针对大多数卷积神经网络模型在识别防风药材时计算量大、精度低的问题,本研究提出了一种改进的ShuffieNet V2的轻量级防风道地性识别模型。在不降低网络性能的情况下调整模型架构,减少模型参数量和计算量,用沙漏残差网络(Hourglass Residual Network)代替传统残差网络,同时引入SE(Squeeze-and-Excitation)注意力机制,把具有附加信道注意力的沙漏残差网络嵌入到ShuffleNet V2中,使用SiLU激活函数替换ReLU激活函数,丰富局部特征学习,从而提出轻量化的中药防风道地性识别模型Shuffle-Hourglass SE。为了验证本文所提出模型的有效性,选用VGG16、MobileNet V2、ShuffleNet V2和SqueezeNet V2四种经典网络模型进行对比实验。[结果和讨论]结果表明,本研究提出的模型Shuffle-Hourglass SE获得了最佳性能。在测试集上取得95.32%的准确率、95.28%的召回率,F_(1)分数达到95.27%,测试时间、模型大小为246.34 ms和3.23 M,不仅在传统CNN网络中是最优的,在轻量级网络中也具有较大优势。[结论]本研究所提出的模型在保持较高识别精度的同时占用较少的储存空间,有助于在未来的低性能终端上实现防风道地性的实时诊断。 展开更多

关键词 防风 道地性识别 shufflenet v2 SE注意力机制 沙漏残差网络 中药材 轻量级模型

在线阅读 下载PDF 职称材料

基于ShuffleNet V2算法的三维视线估计 被引量：1

9

作者 王宇 宁媛 陈进军 《计算技术与自动化》 2022年第1期87-92,共6页

为了解决当前视线估计网络复杂度较深、精度不高的问题,同时为了未来将网络部署在移动设备端,提出了一种基于ShuffleNet V2算法的视线估计网络,其由脸部和眼睛两个子网络构成。脸部子网络通过ResNet V2网络对脸部图片进行特征处理,并加... 为了解决当前视线估计网络复杂度较深、精度不高的问题,同时为了未来将网络部署在移动设备端,提出了一种基于ShuffleNet V2算法的视线估计网络,其由脸部和眼睛两个子网络构成。脸部子网络通过ResNet V2网络对脸部图片进行特征处理,并加入人脸对齐算法,减少头部角度误差的影响。眼睛子网络通过ShuffleNet V2与ResNet V2算法进行眼睛图片的并行特征处理。网络对特征图片处理后得到角度参数,最后通过坐标变换得到视线角度。并在MPIIGaze数据集上进行了实验。针对精度的不足对算法进行改进,在ShuffleNet V2中加入注意力机制(逐点平方操作模块),并进行了改进算法的验证实验,最后和多种先进的算法进行了实验对比。实验表明,改进后的算法比其他算法的精度要高。 展开更多

关键词 神经网络 三维视线估计 shufflenet v2 ResNet v2 坐标变换 人脸对齐 注意力机制 MPIIGaze

在线阅读 下载PDF 职称材料

WTB-Net:基于ShuffleNet V2的轻量级风机叶片表面缺陷识别算法 被引量：1

10

作者 张睿 文传博 《复合材料科学与工程》 CAS 北大核心 2023年第8期66-71,128,共7页

由于现有风机叶片(WTB)的缺陷检测技术尚未得到广泛应用,且传统检测方法的鲁棒性较差,本文提出了一种轻量级风机叶片表面缺陷识别算法WTB-Net。通过无人机拍摄华东某沿海风电场的2569张风机叶片图像,通过筛选分类和数据扩充建立WTB表面... 由于现有风机叶片(WTB)的缺陷检测技术尚未得到广泛应用,且传统检测方法的鲁棒性较差,本文提出了一种轻量级风机叶片表面缺陷识别算法WTB-Net。通过无人机拍摄华东某沿海风电场的2569张风机叶片图像,通过筛选分类和数据扩充建立WTB表面缺陷数据集。以ShuffleNet V2核心骨干特征提取网络为基础,引入选择性卷积核注意力机制SKNet,自适应地调整感受野大小,增强有用特征,抑制无用特征。最后采用激活函数Leaky-ReLU,减少沉默神经元的出现,避免了在输入为负值时使用ReLU导致的神经元失活。实验结果表明,算法在WTB数据集上的准确度达到了98.12%,比ShuffleNet V2提高了6.53%,且模型参数量仅为1.4 M。 展开更多

关键词 深度学习 图像分类 shufflenet v2 风机叶片 复合材料

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2网络的轴承故障诊断方法 被引量：3

11

作者 赵志宏 李春秀 +1 位作者 杨绍普 张然 《轴承》 北大核心 2022年第9期70-77,共8页

针对深度神经网络故障诊断方法存在参数量大、难以应用在移动设备上的问题,提出一种改进ShuffleNet V2网络故障诊断模型。改进ShuffleNet V2基本单元可降低模型的参数量,并将模型中的标准卷积替换为空洞卷积,在不增加参数的条件下提高... 针对深度神经网络故障诊断方法存在参数量大、难以应用在移动设备上的问题,提出一种改进ShuffleNet V2网络故障诊断模型。改进ShuffleNet V2基本单元可降低模型的参数量,并将模型中的标准卷积替换为空洞卷积,在不增加参数的条件下提高感受野,增强特征提取能力。利用CMOR小波将轴承振动信号变换为时频谱输入到改进ShuffleNet V2网络模型进行故障特征提取与识别,试验结果表明,改进ShuffleNet V2网络模型对西储大学轴承数据集的分类准确率超过99.5%,对实际工况下铁路货车轮对轴承数据集的分类准确率也高达97%以上,识别率和泛化性能都优于其他轻量级神经网络。 展开更多

关键词 滚动轴承 故障诊断 深度学习 shufflenet v2 小波变换 空洞卷积

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2模型的苹果叶部病害识别及应用 被引量：17

12

作者 张旭 周云成 +1 位作者 刘忠颖 李昕泽 《沈阳农业大学学报》 CAS CSCD 北大核心 2022年第1期110-118,共9页

苹果生长过程中容易受到病害影响而减产,造成经济损失。大型卷积神经网络可准确识别出苹果病害,但移动设备有限的计算资源限制了该类网络在其上的具体应用。轻量级卷积神经网络可运行在移动端,并能够实现病害的实时识别,但其识别精度往... 苹果生长过程中容易受到病害影响而减产,造成经济损失。大型卷积神经网络可准确识别出苹果病害,但移动设备有限的计算资源限制了该类网络在其上的具体应用。轻量级卷积神经网络可运行在移动端,并能够实现病害的实时识别,但其识别精度往往不如前者。为解决该问题,在轻量级卷积神经网络ShuffleNet V2基础上,通过调整基本残差单元结构和网络宽度,同时引入卷积块注意模块(convolutional block attention module,CBAM),提出了改进型ShuffleNet#苹果叶部病害诊断模型。以苹果疮痂病、黑腐病、锈病、健康叶片为研究对象,收集简单和复杂背景图像各2000张,通过数据增广将其扩充至40000张,构建苹果叶部病害图像数据集,应用该数据集,对苹果叶部病害诊断模型进行训练和测试。以识别准确率、模型复杂度、平均推理时间等为判别标准,并与多个现有卷积神经网络模型进行比较。结果表明:改进后的模型能有效地识别出上述2种不同背景的4类图像,在测试集上识别准确率达到98.95%,移动端单张图像的平均推理时间为39.38ms。相较于大型的ResNet101网络,该模型在准确率上仅降低0.05%,但平均推理时间缩减87.94%,在识别速度和精度上获得了较好的平衡。基于该模型,开发了一款面向Android移动端的苹果叶部病害识别应用,测试结果表明,该应用能够满足果园内上述3种病害和健康叶片的实时识别需求,可为设计高效、轻量的病害诊断模型提供思路和参考。 展开更多

关键词 病害识别 shufflenetv2 轻量化 卷积块注意模块 ANDROID

在线阅读 下载PDF 职称材料

基于改进ShuffleNet V2的室内可见光指纹定位算法 被引量：5

13

作者 曲佳 王旭东 吴楠 《中国激光》 EI CAS CSCD 北大核心 2024年第13期191-203,共13页

为增强室内可见光定位系统准确性及实时性,提出了基于改进ShuffleNet V2神经网络的可见光指纹定位算法。该算法使用参考节点的接收信号强度和到达角度作为联合指纹特征,并使用接收器坐标作为训练标签来创建指纹数据库。通过消融实验,改... 为增强室内可见光定位系统准确性及实时性,提出了基于改进ShuffleNet V2神经网络的可见光指纹定位算法。该算法使用参考节点的接收信号强度和到达角度作为联合指纹特征,并使用接收器坐标作为训练标签来创建指纹数据库。通过消融实验,改进了ShuffleNet V2网络结构,将指纹数据库引入改进ShuffleNet V2网络训练,实现不同数据通道之间的信息交流,提高了神经网络的特征提取能力。为比较和分析其他多种可见光室内定位算法的性能,体现所提算法的技术优势,进行了仿真实验,在室内5 m×5 m×3 m的定位场景下,提出的定位算法平均定位时间为174 ms,平均定位误差为2.30 cm,同时针对室内不同高度的定位精度也达到厘米级。 展开更多

关键词 光通信 室内可见光定位 shufflenet v2网络 指纹定位 接收信号强度 到达角度

原文传递

基于改进ShuffleNetV2的荔枝叶片病虫害图像识别 被引量：12

14

作者 谢家兴 陈斌瀚 +7 位作者 彭家骏 何培华 景庭威 孙道宗 高鹏 王卫星 郑代德 李君 《果树学报》 CAS CSCD 北大核心 2023年第5期1024-1035,共12页

【目的】探索及时、准确识别危害荔枝叶片病虫害的方法,做好防护和治理工作。【方法】以常见荔枝叶片病虫害图像为研究对象,针对荔枝病虫害图像的病斑分布区域广、面积大小不一等特点,对ShuffleNet V2模型进行相应改进。首先,采集荔枝5... 【目的】探索及时、准确识别危害荔枝叶片病虫害的方法,做好防护和治理工作。【方法】以常见荔枝叶片病虫害图像为研究对象,针对荔枝病虫害图像的病斑分布区域广、面积大小不一等特点,对ShuffleNet V2模型进行相应改进。首先,采集荔枝5类叶片病虫害制作数据集,采用数据增强操作构建更加丰富的数据集;其次,在网络特征提取模块采用混合空洞卷积,避免传统卷积在下采样过程中造成图像分辨率降低及信息丢失;然后,通过嵌入轻量型通道注意力模块ECA(efficient channel attention),增进特征图之间相互依赖关系。此外,删减模型中不必要的层数和通道数,降低模型的参数量及运算量。【结果】研究所改进模型在5类荔枝病虫害图像(毛毡病、炭疽病、煤烟病、叶瘿蚊、藻斑病)中达到了99.04%的识别准确率,比原网络ShuffleNet V2高出2.55%。相较于经典网络AlexNet、ResNet-18、DenseNet和MobileNet V2等,改进模型不仅有着更高的识别准确率,并且改进后模型参数量仅为0.059×10^(6),为原模型的4.92%,浮点运算量仅为0.183×10^(9)。【结论】研究结果适合部署在移动终端等嵌入式资源受限设备上,有助于实现对作物病虫害实时、准确地识别。 展开更多

关键词 荔枝 叶斑症状 图像识别 shufflenetv2模型 模型参数

在线阅读 下载PDF 职称材料

基于YOLO-SSAR的自然环境下红花检测算法 被引量：4

15

作者 陈金荣 许燕 +3 位作者 周建平 王小荣 罗鸣 徐声彪 《农业工程学报》 北大核心 2025年第2期215-223,共9页

针对自然环境中红花智能采摘存在红花尺度变化大、遮挡情况复杂的问题,该研究对YOLOv5s模型进行优化,提出了一种基于多尺度特征提取的YOLO-SSAR目标检测算法。首先,采用ShuffleNet v2轻量化结构对Backbone层主干特征提取网络进行替换,... 针对自然环境中红花智能采摘存在红花尺度变化大、遮挡情况复杂的问题,该研究对YOLOv5s模型进行优化,提出了一种基于多尺度特征提取的YOLO-SSAR目标检测算法。首先,采用ShuffleNet v2轻量化结构对Backbone层主干特征提取网络进行替换,减少模型参数量和计算量;其次,在Neck层添加基于空洞卷积和共享权重的Scale-Aware RFE模块,提高模型对于多尺度特征信息的提取能力;最后,为解决目标检测中类内、类间遮挡问题,在Head层引入排斥损失函数对原损失函数进行替换,减少因非极大值抑制(non-maximum suppression,NMS)阈值选取不当造成的漏检或误检,提高模型的检测精度。试验结果表明,YOLO-SSAR算法在测试集上的精确率、召回率和平均精度均值分别为90.1%、88.5%、93.4%,比YOLOv5s原始模型分别提升了5.9、9.2和7.7个百分点,推理速度为115帧/s,模型大小为9.7 MB,与主流算法YOLOv4、YOLOv7、YOLOV8s、Faster R-CNN、SSD相比,精确率分别高出6.8、7.2、6.3、16.2和10.8个百分点、召回率高出9.4、10.3、9.5、17.3和59.4个百分点,平均精度均值高出8.8、8.2、8.1、14.9和19.4个百分点。研究表明,YOLO-SSAR算法在提升综合检测性能的同时也降低了计算复杂度,研究结果可以为红花智能采摘研究提供算法参考。 展开更多

关键词 目标检测 红花 YOLOv5s shufflenet v2 多尺度 排斥损失函数

在线阅读 下载PDF 职称材料

针对移动除草设备的YOLOv5轻量级网络优化与杂草检测方法

16

作者 何滨 荆振鹏 《农业与技术》 2025年第1期50-56,共7页

针对当前杂草检测算法普遍面临的模型参数量庞大、实时检测性能不佳以及难以适配移动除草设备等挑战,提出了一种高效且轻量化的网络模型。该模型的核心在于对YOLOv5框架的整体改造与优化,旨在实现资源占用最小化与检测性能的最优化平衡... 针对当前杂草检测算法普遍面临的模型参数量庞大、实时检测性能不佳以及难以适配移动除草设备等挑战,提出了一种高效且轻量化的网络模型。该模型的核心在于对YOLOv5框架的整体改造与优化,旨在实现资源占用最小化与检测性能的最优化平衡。具体而言,引入了基于Bottleneck设计的ShuffleNet V2网络作为YOLOv5的骨干架构,这一举措有效利用了ShuffleNet V2在保持高效推理速度的同时减少参数量的优势。进一步地,将原卷积模块与C3模块分别替换为CSconv模块和C3Ghost模块,这些轻量化组件不仅减轻了计算负担,还通过更高效的特征提取机制提升了模型性能。为增强模型在复杂多变环境中的目标识别能力,融入了无参数SimAM注意力机制,该机制无需额外学习参数即可动态调整特征图的重要性,从而增强了模型对关键信息的敏感度。同时,还集成了轻量级的空间组增强模块(SGE),该模块通过优化空间特征分布,进一步提升了模型的鲁棒性和准确性。为了验证改进后的模型能够适配移动设备,将此模型移植到Jetson nano开发板上进行试验,数据集为芝麻作物与杂草检测数据集。实验数据表明:经过这一系列改进后,新模型的参数量仅为原始YOLOv5网络的1/5,模型体积压缩至2.9MB,在开发板上的帧率为23fps,一般摄像头拍摄的视频帧率为25fps,基本可以在开发板上流畅运行,尽管模型准确率略有下降(仅0.09%),但这一微小牺牲换来了模型在资源受限条件下的卓越表现,实现了检测精度与计算效率的完美平衡。 展开更多

关键词 轻量化网络 YOLOv5 shufflenet v2 SimAM注意力机制

在线阅读 下载PDF 职称材料

基于雾天模拟图像的能见度估计方法研究

17

作者 邱实卓 叶青 +1 位作者 黄佳恒 刘建平 《电光与控制》 北大核心 2025年第3期94-100,共7页

针对带有能见度标签的雾天图像数据集匮乏的问题,提出一种基于雾天模拟图像的能见度检测方法。通过无监督深度估计模型构建户外清晰图像的深度图,并且利用特征融合来细化深度图细节,采用暗通道法筛选天空区域估计大气光值,获得设定能见... 针对带有能见度标签的雾天图像数据集匮乏的问题,提出一种基于雾天模拟图像的能见度检测方法。通过无监督深度估计模型构建户外清晰图像的深度图,并且利用特征融合来细化深度图细节,采用暗通道法筛选天空区域估计大气光值,获得设定能见度下户外图像的透射率图,进一步获得带有不同能见度标签的雾天模拟图像数据集,基于此利用改进后的ShuffleNet V2网络训练能见度估计模型。对数据集和真实雾天图像进行了能见度等级估计的验证实验,实验结果表明,对能见度小于500 m的雾天图像具有良好的能见度估测结果,对小于200 m的检测准确率高于90%,总体准确率为87.8%,表明该方法具有可行性,可用于大雾条件下的道路能见度等级估测。 展开更多

关键词 雾天模拟 深度图 特征融合 shufflenet v2 能见度估计

在线阅读 下载PDF 职称材料

基于Transformer的报纸版面分割方法研究

18

作者 朱一凡 高华 业宁 《南京师大学报(自然科学版)》 北大核心 2025年第1期109-118,共10页

大数据背景下信息的检索与研究对海量传统纸媒的数字化提出了挑战,得益于不断发展的计算机视觉与人工智能方法,DETR模型可被应用于报纸版面分割.针对原模型在版面分割中存在的检测速度慢、参数量大及分类不精准等问题,本文提出了采用Shu... 大数据背景下信息的检索与研究对海量传统纸媒的数字化提出了挑战,得益于不断发展的计算机视觉与人工智能方法,DETR模型可被应用于报纸版面分割.针对原模型在版面分割中存在的检测速度慢、参数量大及分类不精准等问题,本文提出了采用ShuffleNet V2轻量级主干网络的改进模型,该方法可有效提升计算效率并减少模型参数量,从而缓解Transformer结构的计算压力.同时,通过特征金字塔结构,该模型能够充分融合全局信息及细节信息,显著增强多尺度目标的识别能力.此外,该模型还引入高效通道注意力(ECA)模块来提取关键目标特征,以此有效抑制无关背景信息,在保证分割性能的同时实现轻量化设计.实验结果表明,改进模型在报纸版面分割任务中的参数量为38.5 M,帧率(FPS)高达47.5 img/s,mAP_(0.5)达到了0.806.与原DETR模型相比,改进模型在参数量上减少了2.8 M,帧率提高了28.3 img/s,mAP_(0.5)提升了3.2%.本文提出的模型还可以为报纸版面的OCR识别提供前期技术支持. 展开更多

关键词 版面分割 DETR shufflenet v2 特征金字塔 ECA通道注意力

在线阅读 下载PDF 职称材料

基于改进轻量化YOLOv5s的万寿菊识别方法

19

作者 李欣 徐博 +3 位作者 张雷 于浩 贾英新 刘子剑 《计算机测量与控制》 2025年第6期185-192,199,共9页

针对传统识别网络结构冗余且普适性低,导致推理过程复杂、效能低下,难以满足密集生长的万寿菊检测需求的问题,提出了一种改进的轻量化YOLOv5s万寿菊识别方法,并通过适宜的数据集增强技术为识别方法提供可靠的数据支撑;该方法采用Shuffle... 针对传统识别网络结构冗余且普适性低,导致推理过程复杂、效能低下,难以满足密集生长的万寿菊检测需求的问题,提出了一种改进的轻量化YOLOv5s万寿菊识别方法,并通过适宜的数据集增强技术为识别方法提供可靠的数据支撑;该方法采用ShuffleNet V2替代CSPDarknet53作为主干网络,并引入SimAM注意力机制,以减小网络规模并提升密集目标检测效能;颈部网络采用Slim-neck结构,结合GSConv和VoV-GSCSP模块提升密集目标的特征提取效率;训练过程中,使用WIoU误差函数并通过Soft-NMS动态调整边界框,以增强网络的泛化能力;算例分析及产地实测结果表明,所改进的轻量化YOLOv5s网络的平均精度均值较现有常用模型提高了3%,参数量减少了6.44 MB,每秒浮点运算次数减少了14.70 G,模型体积减少了12.24 MB,每秒帧数增加了47.19帧,且网络鲁棒性强,极大地降低了其应用与推广成本。 展开更多

关键词 万寿菊识别 轻量化模型 改进YOLOv5s模型 shufflenet v2 注意力机制

在线阅读 下载PDF 职称材料

基于对比自监督的钢铁表面缺陷检测轻量化模型研究

20

作者 郑玉洁 邱儒 项云淋 《办公自动化》 2025年第12期98-101,共4页

实现高效准确且轻量化的钢铁缺陷检测任务对于控制生产过程中的质量至关重要。然而,标注数据集的稀缺对现有方法提出严峻挑战。鉴于此,文章提出一种融合轻量化网络ShuffleNet-V2的自监督学习模型,旨在有效利用未标注数据集及少量标注数... 实现高效准确且轻量化的钢铁缺陷检测任务对于控制生产过程中的质量至关重要。然而,标注数据集的稀缺对现有方法提出严峻挑战。鉴于此,文章提出一种融合轻量化网络ShuffleNet-V2的自监督学习模型,旨在有效利用未标注数据集及少量标注数据集进行训练来完成钢铁表面缺陷的高效检测。首先,结合随机数据增强技术扩充数据集;然后,通过采用Sim CLR模型结合轻量级编码器进行预训练,并采用NT-Xent损失函数;最后,通过少数有标签数据对模型进行微调。通过对比目前公认的几种高效轻量化网络,文章提出的融合ShuffleNet-V2的对比自监督学习模型在确保效率同时有更高的准确性达到98.07%,该模型即有效地从未标注图像数据中提取特征表示,还能在下游钢铁缺陷分类任务中提高质量控制效率并降低检测成本。 展开更多

关键词 钢铁表面缺陷 自监督学习 轻量级网络 shufflenet-v2 迁移学习

在线阅读 下载PDF 职称材料