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2,207篇文章
< 1 2 … 111 >
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MobileNet V3的半导体芯片缺陷检测方法研究 被引量：1
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
基于Kinect V3传感器的叶菜类作物三维重建与表型参数获取 被引量：2
2
作者 陈允琳 兰玉彬 +3 位作者 韩鑫 王娟 王会征 傅亮 《农业机械学报》 北大核心 2025年第3期101-110,197,共11页
作物三维重建是实现作物表型量化和精准获取的有效手段,可为育种和栽培提供基础数据支撑。本文提出了一种基于Kinect V3传感器的叶菜类作物三维重建与表型参数无损获取方法。首先,设计了一种可实现作物多视角点云快速采集的低成本三维... 作物三维重建是实现作物表型量化和精准获取的有效手段,可为育种和栽培提供基础数据支撑。本文提出了一种基于Kinect V3传感器的叶菜类作物三维重建与表型参数无损获取方法。首先,设计了一种可实现作物多视角点云快速采集的低成本三维重建平台,其载物台面设计成多个标定点,可利用台面信息进行点云水平校准。其次,采用载物台恢复与广义迭代最近点(Generalized iterative closest point,GICP)算法相结合的方式对获取的多视角点云进行配准拼接,实现叶菜类作物三维重建。最后,借助有效的表型参数测量,实现对叶菜类作物株高、叶长、叶宽、叶面积等表型参数的精准获取。为评估该方法相似度,选取木耳菜、甘蓝、茄子、紫背天葵的苗期植株为试验对象,将其与SFM-MVS方法进行对比。试验结果表明,木耳菜、甘蓝、茄子、紫背天葵点云间平均距离误差分别为0.381、0.340、0.195、0.270 cm,二者的三维重建结果具有较高相似度。与人工实测值相比,借助该方法提取木耳菜和紫背天葵株高、叶长、叶宽、叶面积决定系数均不低于0.903,平均绝对百分比误差不高于9.759%,木耳菜和紫背天葵株高、叶长、叶宽、叶面积均方根误差分别为0.366 cm、0.203 cm、0.290 cm、3.182 cm^(2)和0.496 cm、0.344 cm、0.282 cm、0.825 cm^(2),表明其具有较高测量精度。上述方法可为设施农业育种和栽培提供快捷、高效的作物表型获取途径。 展开更多
关键词 叶菜类作物 三维重建 表型参数 Kinect v3传感器 相似度
在线阅读 下载PDF
基于改进MobileNet v3-small模型的苹果叶片病害识别方法 被引量：2
3
作者 王浩宇 胡玉荣 +3 位作者 崔艳荣 陈华锋 李素若 刘奕 《江苏农业科学》 北大核心 2025年第5期113-120,共8页
针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的现状,提出基于改进MobileNet v3-small模型的苹果叶片病害识别方法,根据苹果叶片病害特征,在模型主干网络前嵌入Inception v2模型,不仅可增强模型对特征的多尺度感知能力,还... 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的现状,提出基于改进MobileNet v3-small模型的苹果叶片病害识别方法,根据苹果叶片病害特征,在模型主干网络前嵌入Inception v2模型,不仅可增强模型对特征的多尺度感知能力,还能使模型更好地捕捉到病害的细微差异,有助于提升特征的多样性;同时在池化层前引入通道混洗,将输入通道分成2个组进行混洗操作,便于通道之间的信息交互,使得模型对特征的整合能力有所提升,有助于提升模型对复杂背景下病害特征的识别效果。采用覆盖斑点落叶病、褐斑病、花叶病、灰斑病和锈病等5种常见病害的图像数据集进行试验。结果表明,改进的模型比原模型平均召回率提升1.98百分点,平均F1分数提升1.97百分点,Top-1准确率提升1.89百分点,平均精确率提升1.88百分点,而参数量仅为17.7 M,与其他经典网络模型相比,性能评估指标均有不同程度的提升。改进的模型可为真实场景下苹果叶片病害的识别提供一种新颖且有效的方法。 展开更多
关键词 苹果叶片病害 图像识别 MobileNet v3-small模型 通道混洗 Inception v2模型
在线阅读 下载PDF
基于改进YOLOv3的变电站设备巡检识别方法
4
作者 蔡玺 陈辉 牛建鑫 《微型电脑应用》 2025年第8期286-289,共4页
针对变电站远程巡检设备目标识别准确率低的问题,提出一种基于改进YOLOv3的变电站设备巡检识别方法。采用轻量级MobileNet-v3网络替代YOLOv3网络中的骨干网络DarkNet53,减少传统YOLOv3网络参数,将改进后的YOLOv3网络应用于变电站远程巡... 针对变电站远程巡检设备目标识别准确率低的问题,提出一种基于改进YOLOv3的变电站设备巡检识别方法。采用轻量级MobileNet-v3网络替代YOLOv3网络中的骨干网络DarkNet53,减少传统YOLOv3网络参数,将改进后的YOLOv3网络应用于变电站远程巡检设备的目标检测与识别中并进行仿真。结果表明,相较于改进前和常用的目标检测识别网络,所提方法在变电站设备巡检识别中,准确率、精确度、召回率、平均精度和识别时长,分别达到99.01%、93.56%、96.38%、97.78%、5.23 ms,实现了对变电站远程巡检设备状态图像的实时检测与识别,具有一定的工程参考价值。 展开更多
关键词 图像识别 变电站远程巡检 设备状态识别 改进的YOLOv3网络 MobileNet-v3网络
在线阅读 下载PDF
基于多阶段特征融合的MobileNet v3-ULAM茶叶病害识别
5
作者 董虎胜 鲜学丰 +1 位作者 孙逊 杨元峰 《江苏农业科学》 北大核心 2025年第15期200-211,共12页
为了实现对茶园种植的智能化与精准化管理,针对自然场景下茶叶病害的快速与准确识别问题,提出了应用多阶段特征融合策略与ULAM超轻量注意力对MobileNet v3网络作改进的轻量级茶叶病害识别模型。该模型在MobileNet v3网络中新增了1个分支... 为了实现对茶园种植的智能化与精准化管理,针对自然场景下茶叶病害的快速与准确识别问题,提出了应用多阶段特征融合策略与ULAM超轻量注意力对MobileNet v3网络作改进的轻量级茶叶病害识别模型。该模型在MobileNet v3网络中新增了1个分支,对网络各中间阶段的特征作拼接与变换处理,然后与原主干网络提取的特征融合,实现对中间阶段特征的复用,有效增强特征的判别力。为了改进MobileNet v3网络中SE注意力对空间信息处理不足和运算量较大的问题,还设计了一款ULAM注意力模块;ULAM不仅实现了对空间与通道信息的协同处理,还借助转置卷积运算显著降低了运算量,在该注意力模块中只有54个需要学习的参数,具有极为轻量的优势。在CIFAR10通用图像分类任务上,改进后的模型达到94.18%的识别准确率,比原MobileNet v3提高4.13百分点,综合性能优于常见CNN模型。在自建的茶叶常见病害数据集上,直接使用原始数据训练本研究模型可达到95.46%的平均识别准确率,相较于MobileNet v3提升3.34百分点。进一步采用数据平衡处理后,模型平均识别精度提升至98.88%,能够准确地识别白星病、藻斑病、炭疽病等茶叶病害。本研究模型在参数量上比原始MobileNet v3进一步降低,因而适合在移动设备与农机等资源受限的场景中部署。 展开更多
关键词 茶叶病害识别 MobileNet v3 注意力机制 边缘计算 卷积神经网络
在线阅读 下载PDF
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
6
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
ORYZA(V3)模型对珠三角地区双季稻参数的模拟效果及验证分析
7
作者 叶树春 王广伦 +3 位作者 钟珑 曾繁威 陈元哲 孔正圆 《湖北农业科学》 2025年第2期64-68,74,共6页
以珠三角地区为研究区,基于2018—2020年不同播期双季稻的生长发育观测数据以及当地气象和土壤数据,利用2018—2019年的数据对ORYZA(V3)模型进行校准,以调整和确定作物的基本参数,使用2020年双季稻的生育期、叶面积指数和生物量等数据... 以珠三角地区为研究区,基于2018—2020年不同播期双季稻的生长发育观测数据以及当地气象和土壤数据,利用2018—2019年的数据对ORYZA(V3)模型进行校准,以调整和确定作物的基本参数,使用2020年双季稻的生育期、叶面积指数和生物量等数据对模型进行验证。结果表明,ORYZA(V3)模型对珠三角双季稻的生育期具有较高的模拟精度,与实测值相比误差范围为0~3 d。ORYZA(V3)模型对2020年早稻和晚稻叶面积指数动态变化的模拟准确率高,模拟值的平均线性回归系数(α值)接近于1,相关系数(R^(2))分别为0.670 4和0.766 0,t检验结果显示,模拟值与实测值之间没有显著差异(P>0.05)。ORYZA(V3)模型对水稻地上部各器官生物量的模拟误差较大,但从统计学角度来看但仍在合理范围内,且对晚稻的模拟效果优于早稻。由此可知,通过校准作物参数,ORYZA(V3)模型能准确地模拟水稻的生长情况,可以应用于珠三角地区的水稻生产。 展开更多
关键词 ORYZA(v3)模型 双季稻 模型校准 模拟效果 验证 珠三角地区
在线阅读 下载PDF
基于DeepLab v3+的涂鸦式图像分割算法
8
作者 俞颖晖 洪茂雄 《科学与信息化》 2025年第2期95-97,共3页
在现有的基于深度学习的交互式图像分割算法的研究中,主要以点击以及边界框的交互方式为主。本文在Deep GrabCut算法的基础上,选择DeepLab v3+作为模型的架构,并提出了“米”字形采样策略,经过大量的训练,最终生成的模型能够很好地适应... 在现有的基于深度学习的交互式图像分割算法的研究中,主要以点击以及边界框的交互方式为主。本文在Deep GrabCut算法的基础上,选择DeepLab v3+作为模型的架构,并提出了“米”字形采样策略,经过大量的训练,最终生成的模型能够很好地适应涂鸦的交互方式。在分割精度上比原方法提升了5%以上,并有效地简化了用户交互要求,拓展了基于深度学习的交互式图像分割技术在涂鸦交互方式上的研究。 展开更多
关键词 深度学习 交互式图像分割 Deep GrabCut DeepLab v3+
在线阅读 下载PDF
新能源高压连接器V3振动失效分析及性能优化
9
作者 赖登辉 徐永卓 +2 位作者 熊丽 李伟 景瑞 《机电元件》 2025年第6期43-45,64,共4页
某高压连接器在进行V3振动实验过程中,功率端子出现瞬断,不满足振动等级要求。本文以该高压连接器为分析对象,结合试验现象分析以及仿真手段进行分析,对连接器端子结构,内部安装方式、材料选择、振动工装进行分析及优化,优化后的连接器... 某高压连接器在进行V3振动实验过程中,功率端子出现瞬断,不满足振动等级要求。本文以该高压连接器为分析对象,结合试验现象分析以及仿真手段进行分析,对连接器端子结构,内部安装方式、材料选择、振动工装进行分析及优化,优化后的连接器产品抗振动性能提高,顺利通过SAE/USCAR-2标准的V3振动等级测试。 展开更多
关键词 连接器 仿真分析 v3振动 正压力 共振 磨损 屈服 接触电阻
在线阅读 下载PDF
基于项目化学习的课内课外协同育人模式研究——以篮球3V3赛事为例
10
作者 李运锋 《当代体育科技》 2025年第20期195-198,共4页
基于文献研究与逻辑分析等方法,以篮球3V3半场比赛作为实践载体,探索项目化学习驱动课内课外协同育人模式。研究发现,项目化学习驱动课内课外协同育人具有认知深化驱动能力进阶、情境迁移赋能素养生成、主体觉醒激发成长自觉、资源整合... 基于文献研究与逻辑分析等方法,以篮球3V3半场比赛作为实践载体,探索项目化学习驱动课内课外协同育人模式。研究发现,项目化学习驱动课内课外协同育人具有认知深化驱动能力进阶、情境迁移赋能素养生成、主体觉醒激发成长自觉、资源整合拓展育人疆域等价值。结合课内课外协同育人存在的目标体系二元割裂、实施载体单向脱节、资源通道阻滞淤塞、评价维度线性单一等困境,提出重构目标体系以贯通素养培育、创设任务情境以打通学用闭环、激活资源网络以搭建共享平台、创新评价机制以引领全面发展等路径。 展开更多
关键词 项目化学习 3v3篮球项目 课内课外 协同育人
在线阅读 下载PDF
改进DeepLabV3+在遥感影像建筑物提取中的应用
11
作者 邬思燕 欧泽强 《北京测绘》 2025年第11期1580-1586,共7页
针对复杂城市场景下城市建筑物高精度提取需求,本文在传统深度学习语义分割V3+(DeepLabV3+)模型基础上,采用深度残差网络-50(ResNet-50)作为主干特征提取网络,利用多尺度特征增强(Do-ASPP)模块增强多尺度建筑物特征表达,结合特征金字塔... 针对复杂城市场景下城市建筑物高精度提取需求,本文在传统深度学习语义分割V3+(DeepLabV3+)模型基础上,采用深度残差网络-50(ResNet-50)作为主干特征提取网络,利用多尺度特征增强(Do-ASPP)模块增强多尺度建筑物特征表达,结合特征金字塔融合(FPN)结构提升空间分辨率与边界细节捕捉能力,并融合有效通道注意力机制(ECA)优化光谱特征响应,构建更适配复杂城市场景的改进DeepLabV3+建筑物提取模型。以广东省某地区多源遥感影像为实验数据,同步构建端到端训练的语义分割网络(SegNet)、计算机视觉语义分割模型(U-Net)、DeepLabV3+及改进DeepLabV3+模型进行对比实验,结果表明,改进模型在精确率、召回率、F1及交并比等关键精度指标上均优于其他模型,且在大尺度、小尺度以及混合尺度建筑物提取任务中均表现出较高的适用性,漏检与误检现象显著减少,建筑物边界轮廓更加完整,细节表达更为精准,验证了改进DeepLabV3+模型在复杂城市场景建筑物提取中的优越性能,为城市规划、灾害评估及地理信息更新等领域的高精度遥感解译提供了可靠的技术支持。 展开更多
关键词 遥感影像 改进深度学习语义分割v3+模型 建筑物提取 精度评价 消融实验
在线阅读 下载PDF
改进Deeplab V3+网络在视觉SLAM三维地图构建应用 被引量：3
12
作者 屈航 嵇启春 段中兴 《小型微型计算机系统》 CSCD 北大核心 2022年第10期2174-2178,共5页
针对传统同时定位与地图构建(SLAM)算法在构建三维地图过程中缺少语义信息问题,本文在视觉SLAM算法基础上,结合基于深度学习的Deeplab V3+语义分割模型,构建包含几何信息与语义信息的三维稠密语义地图.对Deeplab V3+模型结合视觉SLAM造... 针对传统同时定位与地图构建(SLAM)算法在构建三维地图过程中缺少语义信息问题,本文在视觉SLAM算法基础上,结合基于深度学习的Deeplab V3+语义分割模型,构建包含几何信息与语义信息的三维稠密语义地图.对Deeplab V3+模型结合视觉SLAM造成语义地图构建难以满足实时性问题,精简Deeplab V3+模型参数,主干网络选用轻量级卷积网络MobileNetV3进行特征提取,同时对空洞空间金字塔池化模块中卷积层采用非对称卷积运算.最后利用贝叶斯更新方法将对RGB图像分割后获得的语义信息增量融合进三维地图,实现在三维空间对不同物体进行语义标注,最终完成三维稠密语义地图构建.实验采用NYU v2数据集进行语义地图构建,结果表明,改进后的Deeplab V3+可以精确快速进行语义分割,应用于三维稠密语义地图构建,满足系统实时性要求. 展开更多
关键词 视觉SLAM Deeplab v3+ 语义地图 MobileNetv3 贝叶斯更新
在线阅读 下载PDF
改进YOLO v3的安全帽佩戴检测方法 被引量：116
13
作者 施辉 陈先桥 杨英 《计算机工程与应用》 CSCD 北大核心 2019年第11期213-220,共8页
在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生。为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLO v3算法的安全帽佩戴检测方法。通过采用图像金字塔结构获取不同尺度的特征图,用于位置和... 在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生。为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLO v3算法的安全帽佩戴检测方法。通过采用图像金字塔结构获取不同尺度的特征图,用于位置和类别预测;使用施工现场出入口监控视频作为数据集进行目标框维度聚类,确定目标框参数;在训练迭代过程中改变输入图像的尺寸,增加模型对尺度的适应性。理论分析和实验结果表明,在安全帽佩戴检测任务中,mAP(Mean Average Precision)达到了92.13%,检测速率提高到62 f/s,其检测准确率与检测速率相较于YOLO v3均略有提高,所提算法不仅满足安全帽佩戴检测中检测任务的实时性,同时具有较高的检测准确率。 展开更多
关键词 图像处理 深度学习 YOLO v3 安全帽佩戴检测
在线阅读 下载PDF
基于改进YOLO v3网络的夜间环境柑橘识别方法 被引量：80
14
作者 熊俊涛 郑镇辉 +3 位作者 梁嘉恩 钟灼 刘柏林 孙宝霞 《农业机械学报》 EI CAS CSCD 北大核心 2020年第4期199-206,共8页
为研究夜间环境下采摘机器人的视觉检测技术,实现采摘机器人的夜间作业,提出了一种多尺度卷积神经网络Des-YOLO v3算法,可实现夜间复杂环境下成熟柑橘的识别与检测。借鉴残差网络和密集连接网络,设计了Des-YOLO v3网络结构,实现了网络... 为研究夜间环境下采摘机器人的视觉检测技术,实现采摘机器人的夜间作业,提出了一种多尺度卷积神经网络Des-YOLO v3算法,可实现夜间复杂环境下成熟柑橘的识别与检测。借鉴残差网络和密集连接网络,设计了Des-YOLO v3网络结构,实现了网络多层特征的复用和融合,加强了小目标和重叠遮挡果实识别的鲁棒性,显著提高了果实检测精度。柑橘识别试验结果表明,Des-YOLO v3网络的精确率达97.67%、召回率为97.46%、F1值为0.976,分别比YOLO v3网络高6.26个百分点、6.36个百分点和0.063。同时,经过训练的模型在测试集下的平均精度(m AP)为90.75%、检测速度达53 f/s,高于YOLO v3_DarkNet53网络的平均精度88.48%,m AP比YOLO v3_Dark Net53网络提高了2.27个百分点,检测速度比YOLO v3_DarkNet53网络提高了11 f/s。研究结果表明,本文提出的Des-YOLO v3网络对野外夜间复杂环境下成熟柑橘的识别具有更强的鲁棒性和更高的检测精度,为柑橘采摘机器人的视觉识别提供了技术支持。 展开更多
关键词 柑橘 采摘机器人 YOLO v3 夜间图像 密集连接网络 残差网络
在线阅读 下载PDF
基于MHSA+DeepLab v3+的无人机遥感影像小麦倒伏检测 被引量：15
15
作者 杨蜀秦 王鹏飞 +3 位作者 王帅 唐云松 宁纪锋 奚亚军 《农业机械学报》 EI CAS CSCD 北大核心 2022年第8期213-219,239,共8页
倒伏是影响小麦产量和质量的重要因素之一,及时准确获取倒伏信息有利于小麦良种选育中的倒伏损失鉴定。本文以小麦灌浆期和成熟期两个生长阶段的可见光无人机遥感影像为依据,构建多生长阶段小麦倒伏数据集,通过在DeepLab v3+模型中添加... 倒伏是影响小麦产量和质量的重要因素之一,及时准确获取倒伏信息有利于小麦良种选育中的倒伏损失鉴定。本文以小麦灌浆期和成熟期两个生长阶段的可见光无人机遥感影像为依据,构建多生长阶段小麦倒伏数据集,通过在DeepLab v3+模型中添加不同的注意力模块进行比较分析,提出一种基于多头自注意力(MHSA)的DeepLab v3+小麦倒伏检测模型。试验结果表明,提出的MHSA+DeepLab v3+模型的平均像素精度(Mean pixel accuracy,mPA)和均交并比(Mean intersection over union,mIoU),灌浆期分别为93.09%和87.54%,成熟期分别为93.36%和87.49%。与代表性的SegNet、PSPNet和DeepLab v3+模型相比,在灌浆期mPA提高了25.45、7.54、1.82个百分点和mIoU提高了36.15、11.37、2.49个百分点,在成熟期mPA提高了15.05、6.32、0.74个百分点,mIoU提高了23.36、9.82、0.95个百分点。其次,相比于CBAM和SimAM两种注意力模块,在灌浆期及成熟期基于多头自注意力的DeepLab v3+表现均为最优,在灌浆期其mPA和mIoU分别提高了1.6、2.07个百分点和1.7、2.45个百分点,成熟期提高了0.27、0.11个百分点和0.26、0.15个百分点。研究表明提出的改进的DeepLab v3+模型能够有效地捕获灌浆期和成熟期的无人机小麦遥感图像中的倒伏特征,准确识别不同生育期的倒伏区域,具有良好的适用性,为利用无人机遥感技术鉴定小麦倒伏灾害等级和良种选育等提供了参考。 展开更多
关键词 小麦 倒伏 深度语义分割 无人机遥感 注意力机制 DeepLab v3+
在线阅读 下载PDF
基于改进DeepLab V3+的果园场景多类别分割方法 被引量：10
16
作者 刘慧 姜建滨 +3 位作者 沈跃 贾卫东 曾潇 庄珍珍 《农业机械学报》 EI CAS CSCD 北大核心 2022年第11期255-261,共7页
果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数... 果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数,并在空洞空间金字塔池化(Atrous spatial pyramid pooling, ASPP)模块中运用ReLU6激活函数减少部署在移动设备的精度损失,此外结合混合扩张卷积(Hybrid dilated convolution, HDC),以混合扩张卷积替代原有网络中的空洞卷积,将ASPP中的扩张率设为互质以减少空洞卷积的网格效应。使用视觉传感器采集果园场景RGB图像,选取果树、人、天空等8类常见的目标制作了数据集,并在该数据集上基于Pytorch对改进前后的DeepLab V3+进行训练、验证和测试。结果表明,改进后DeepLab V3+模型的平均像素精度、平均交并比分别达到62.81%和56.64%,比改进前分别提升5.52、8.75个百分点。模型参数量较改进前压缩88.67%,单幅图像分割时间为0.08 s,与原模型相比减少0.09 s。尤其是对树的分割精度达到95.61%,比改进前提高1.31个百分点。该方法可为喷雾机器人精准施药和安全作业提供有效决策,具有实用性。 展开更多
关键词 果园 喷雾机器人 语义分割 DeepLab v3+ 混合扩张卷积 感受野
在线阅读 下载PDF
基于YOLO V3的葡萄病害人工智能识别系统 被引量：11
17
作者 王超学 祁昕 +3 位作者 马罡 朱亮 王白暄 马春森 《植物保护》 CAS CSCD 北大核心 2022年第6期278-288,共11页
葡萄在生长过程中会感染各种病害,葡萄病害的高效识别是防治葡萄病害的关键。本文提出了一个基于YOLO V3的葡萄病害智能识别系统,由微信小程序、云服务器和葡萄病害识别模型构成。其中的葡萄病害识别模型以植物病虫害生物学国家重点实... 葡萄在生长过程中会感染各种病害,葡萄病害的高效识别是防治葡萄病害的关键。本文提出了一个基于YOLO V3的葡萄病害智能识别系统,由微信小程序、云服务器和葡萄病害识别模型构成。其中的葡萄病害识别模型以植物病虫害生物学国家重点实验室提供的2 566张原始葡萄病害图片为基础,构建了32 871张葡萄病害图片数据集,采用改进的YOLO V3训练得到。本系统能对手机保存的或现场拍摄的自然条件下的12类葡萄病害图像进行识别,准确率达98.60%。识别结果、病害特征、发病原因、病害地理分布和防治建议可立刻反馈至用户。本系统不但识别率高,而且涵盖了目前大多数常见葡萄病害种类,可作为辅助果农、消费者和相关科研人员甄别葡萄病害的智能工具。 展开更多
关键词 葡萄病害 目标检测 YOLO v3 微信小程序 人工智能 深度学习
在线阅读 下载PDF
基于多尺度融合与无锚点YOLO v3的鱼群计数方法 被引量：22
18
作者 张璐 黄琳 +2 位作者 李备备 陈鑫 段青玲 《农业机械学报》 EI CAS CSCD 北大核心 2021年第S01期237-244,共8页
准确实现鱼群计数对于水产养殖中的生物量估算、存活率评估、养殖密度控制和运输销售管理等有着重要的指导作用。针对目前鱼群计数方法难以处理复杂背景、多尺度鱼群图像的问题,提出了一种基于多尺度融合与无锚点YOLO v3(Multi-scale fu... 准确实现鱼群计数对于水产养殖中的生物量估算、存活率评估、养殖密度控制和运输销售管理等有着重要的指导作用。针对目前鱼群计数方法难以处理复杂背景、多尺度鱼群图像的问题,提出了一种基于多尺度融合与无锚点YOLO v3(Multi-scale fusion and no anchor YOLO v3,MSF-NA-YOLO v3)的鱼群计数方法。首先采集多源鱼群图像,构建鱼群计数数据集,其次采用基于多尺度融合的方法提取鱼群图像特征,最后基于CenterNet目标检测网络识别出鱼群图像中的鱼体目标,实现鱼群计数。在真实的鱼群数据集上进行测试,计数准确率为96.26%,召回率为90.65%,F1值为93.37%,平均精度均值为90.20%。与基于YOLO v3、YOLO v4和ResNet+CenterNet的鱼群计数方法相比,召回率分别提高了5.80%、1.84%和3.48%,F1值分别提高了2.26%、0.33%和1.68%,平均精度均值分别提高了5.96%、1.97%和3.67%,表明基于本研究方法的计数结果与实际计数结果相差较小,综合性能更好。 展开更多
关键词 鱼群 水产养殖 深度学习 计数 YOLO v3 CenterNet
在线阅读 下载PDF
基于改进YOLO v3模型与Deep-SORT算法的道路车辆检测方法 被引量：33
19
作者 马永杰 马芸婷 +1 位作者 程时升 马义德 《交通运输工程学报》 EI CSCD 北大核心 2021年第2期222-231,共10页
针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题,提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法;为提高模型对道路车辆的检测能力,采用K-meansSymbolk@pSymbolk@p聚类算法对目标候选框进行聚类分析,选择合适的... 针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题,提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法;为提高模型对道路车辆的检测能力,采用K-meansSymbolk@pSymbolk@p聚类算法对目标候选框进行聚类分析,选择合适的Anchor box数量,并在网络浅层增加了特征提取层,可提取到更精细的车辆特征;为加强网络对远近不同目标的鲁棒性,在保留原YOLO v3模型输出层的同时,增加了一层输出层,将52像素×52像素输出特征图经过上采样后得到104像素×104像素特征图,并将其与浅层同尺寸特征图进行拼接,实现车辆目标的检测;为了降低目标遮挡对检测效果的影响,提高对视频上下帧之间关联信息的关注度,将改进YOLO v3模型和Deep-SORT算法相结合,以此来弥补两者之间的不足。试验结果表明:改进YOLO v3模型有效地提高了车辆检测的性能,与在网络浅层增加特征提取层的模型相比,平均精度提高了1.4%,与增加一层输出层的模型相比,平均精确度提高了0.8%,说明改进YOLO v3模型提取的特征表达能力更强,增强了网络对小目标的检测能力;改进YOLO v3模型在引入Deep-SORT算法后,查准率和召回率分别达到90.16%和91.34%,相比改进YOLO v3模型,查准率和召回率分别提高了1.48%和4.20%,同时保证了检测速度,对于不同大小目标的检测具有良好的鲁棒性。 展开更多
关键词 交通图像识别 卷积神经网络 车辆检测 YOLO v3模型 Deep-SORT算法 K-means++聚类算法
原文传递
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 2 … 111 下一页 到第 页
使用帮助 返回顶部