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2,199篇文章
< 1 2 … 110 >
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
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
基于改进MobileNet v3-small模型的苹果叶片病害识别方法 被引量：2
2
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
3
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Kinect V3传感器的叶菜类作物三维重建与表型参数获取
4
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
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
9
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DeepLab v3+模型下的梯田遥感提取研究 被引量：2
10
作者 张俊 陈雨艳 +2 位作者 秦震宇 张梦瑶 张军 《智慧农业（中英文）》 CSCD 2024年第3期46-57,共12页
[目的与意义]梯田作为农业生产的关键要素之一,其面积估算对于农业政策制定、土地规划和资源管理至关重要。为解决复杂的地形条件、种植环境导致传统遥感数据和监测方法难以开展梯田自动化提取问题,探索一种利用深度学习技术在高分辨率... [目的与意义]梯田作为农业生产的关键要素之一,其面积估算对于农业政策制定、土地规划和资源管理至关重要。为解决复杂的地形条件、种植环境导致传统遥感数据和监测方法难以开展梯田自动化提取问题,探索一种利用深度学习技术在高分辨率遥感影像中精准提取梯田面积的方法。[方法]以休耕期梯田高分六号影像构建语义分割数据集,同时提出一种改进的DeepLab v3+模型。该模型使用轻量级网络MobileNet v2作为骨干网络,为了同时兼顾局部细节和全局语境,使用多尺度特征融合(Multi-scale Feature Fusion module,MSFF)模块代替空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,利用扩张率依次增大的空洞卷积级联模式改善信息丢失的问题。此外,对浅层特征和深层特征使用坐标注意力机制以加强网络对于目标的学习。[结果与讨论]利用红、绿和近红外波段组合方式在梯田提取的精度和效果上表现最佳。相比于原始DeepLab v3+网络,精确率、召回率、F_(1)评分和交并比指标分别提升4.62%、2.61%、3.81%和2.81%。此外,与UNet和原始DeepLab v3+相比,改进的DeepLab v3+在参数量上和浮点运算数有着更为优越的性能,其参数量仅为UNet的28.6%和原始DeepLab v3+的19.5%,同时浮点运算数仅为UNet和DeepLab v3+的1/5。这不仅提高了计算效率,也使得改进后的模型更适用于资源有限或计算能力较低的环境中。[结论]深度学习在高分辨率遥感影像梯田识别中具有较高的精度,有利于为梯田精细化监测和管理提供参考依据。 展开更多
关键词 梯田提取 遥感 卷积神经网络 高分六号卫星 DeepLab v3+
在线阅读 下载PDF
改进Deeplab V3+在复合绝缘子红外热像分割中的应用
11
作者 黄靖 林杨 +1 位作者 林朝晖 陈斌艺 《电瓷避雷器》 CAS 2024年第3期157-166,共10页
针对现有无人机红外巡检复合绝缘子使用的分割算法精度较低且模型较大的问题,提出一种基于改进Deeplab V3+的复合绝缘子红外热像实时分割方法。首先,将修改后的MobileNet V3作为Deeplab V3+骨干网络以降低模型复杂度,并将空洞卷积池化... 针对现有无人机红外巡检复合绝缘子使用的分割算法精度较低且模型较大的问题,提出一种基于改进Deeplab V3+的复合绝缘子红外热像实时分割方法。首先,将修改后的MobileNet V3作为Deeplab V3+骨干网络以降低模型复杂度,并将空洞卷积池化金字塔中卷积层采用空间可分离卷积运算,提高了网络的推理速度;其次,为了平衡模型参数量减少所带来的解码网络中特征信息缺失和模型精度下降,在MobileNet V3网络中嵌入了超强通道注意力模块(ECA-Net)来加强绝缘子有效特征的提取能力;最后,增加点渲染(PointRend)环节来优化采样点分布,使边缘分割更加精细。通过与主流算法进行实验对比,优化后网络的平均交并比提高了1.24%,能够从红外热像中分割出更精细的绝缘子,并且网络参数量仅为原模型的9.2%,分割分辨率512×512的红外热像速度达到了56 fps,为后续复合绝缘子实时缺陷检测提供了精确有效的预处理手段。 展开更多
关键词 复合绝缘子 红外热像 实时语义分割 Deeplab v3+模型
原文传递
改进Deeplabv3+的双注意力融合作物分类方法 被引量：5
12
作者 郭金 宋廷强 +4 位作者 孙媛媛 巩传江 刘亚林 马兴录 范海生 《计算机工程与应用》 CSCD 北大核心 2024年第8期110-120,共11页
近年来,卷积神经网络(convolutional neural networks,CNN)在农作物分类研究中不断取得新进展,但在建模长期依赖关系方面表现出一定的局限性,对农作物全局特征的捕获存在不足。针对以上问题,将Transformer引入Deeplab v3+模型,提出了一... 近年来,卷积神经网络(convolutional neural networks,CNN)在农作物分类研究中不断取得新进展,但在建模长期依赖关系方面表现出一定的局限性,对农作物全局特征的捕获存在不足。针对以上问题,将Transformer引入Deeplab v3+模型,提出了一种用于无人机影像农作物分类的并行分支结构--DeepTrans(Deeplab v3+with Trans-former)模型。DeepTrans以一种并行的方式将Transformer和CNN结合在一起,利于全局特征与局部特征的有效捕获。通过引入Transformer来增强图像中信息的远距离依赖关系,提高了作物全局信息的提取能力;加入通道注意力机制和空间注意力机制加强Transformer对通道信息的敏感度及ASPP(atrous spatial pyramid pooling)对作物空间信息捕获能力。实验结果表明,DeepTrans模型在MIoU指标上可达0.812,相较于Deeplab v3+模型提高了3.9%,该模型在五类作物的分类中精度均有提升,对于容易错分的甘蔗、玉米和香蕉三种作物,其IoU分别提高了2.9%、4.7%、13%。由此可见,DeepTrans模型在农作物分类图像的内部填充和全局预测方面有着更好的分割效果,有助于更准确地监测农田作物的种植结构及规模。 展开更多
关键词 农作物分类 无人机影像 Deeplab v3+ TRANSFORMER 注意力机制
在线阅读 下载PDF
基于改进MobileNet v3的苹果叶片病害识别研究 被引量：1
13
作者 李豫晋 沈陆明 +2 位作者 何少芳 余文强 滕明洪 《江苏农业科学》 北大核心 2024年第12期224-231,共8页
为解决移动端和嵌入式设备中苹果叶片病害识别准确率不高、效率低下的问题,提出了一种新的基于MobileNet v3网络的分类模型,以实现更加高效和准确的苹果叶片病害识别。首先通过数据增广方法增强数据集,按照9∶1的比例划分训练集和验证集... 为解决移动端和嵌入式设备中苹果叶片病害识别准确率不高、效率低下的问题,提出了一种新的基于MobileNet v3网络的分类模型,以实现更加高效和准确的苹果叶片病害识别。首先通过数据增广方法增强数据集,按照9∶1的比例划分训练集和验证集;然后在MobileNet v3网络核心倒残差结构的升维部分引入全维动态卷积,以加强对不同维度注意力权重的学习,从而增强网络的拟合能力;最后在降维部分引入修改后的ConvNext Block模块,减少信息损失并增加全局感受野。采用PyTorch作为分类网络的深度学习框架,使用交叉熵损失函数作为分类任务的损失函数,Adam作为优化器,通过多组对比试验可知,MobileNet v1、MobileNet v2、ResNet34、MobileNet v3以及改进后的MobileNet v3 ODConvNext网络的准确率分别为94.5%、95.7%、97.2%、96.9%及97.5%。可见,MobileNet v3 ODConvNet网络拥有最高的Top-1准确率,相较于MobileNet v3网络和结构更为复杂的ResNet34网络分别提升了0.6、0.3百分点;在运算频率方面,相对于MobileNet v3网络仅增加了1.00×10^(6)次/s,并且仅为ResNet34网络参数量的11.84%。因此,该试验结果证明了改进后的MobileNet v3 ODConvNext模型具有更加轻量级和更高准确率的优点,满足在移动端真实场景下进行苹果叶片病害识别的要求,有助于苹果叶片病害的防治工作。 展开更多
关键词 苹果叶片 病害识别 MobileNet v3 全维动态卷积 ConvNext 深度学习
在线阅读 下载PDF
基于改进MobileNet v3-Small模型的草莓病害识别方法 被引量：4
14
作者 王晶 崔艳荣 《江苏农业科学》 北大核心 2024年第10期225-234,共10页
为了对草莓病害进行及时的诊断与治疗而提升草莓产量,将深度学习与农业生产结合以快速高效地进行病害检测。传统神经网络进行病害识别时间较长,参数量较大,难以迁移到移动端设备上,基于此提出一种改进MobileNet v3-Small模型的识别方法... 为了对草莓病害进行及时的诊断与治疗而提升草莓产量,将深度学习与农业生产结合以快速高效地进行病害检测。传统神经网络进行病害识别时间较长,参数量较大,难以迁移到移动端设备上,基于此提出一种改进MobileNet v3-Small模型的识别方法。首先收集了7类常见草莓病害图像样本(如角斑病、叶斑病等),通过旋转、镜像等多种数据增强方式对图像进行处理以增加图片数量,提高模型泛化能力。接着以MobileNet v3-Small模型为基础,基于原始Inception_A提出部分卷积权值共享的多尺度卷积结构,以更高效地提取草莓病害不同尺度特征。随后,在网络深层引入了ULSAM轻量级子注意力机制,形成草莓病害更高层次的抽象表示。同时,将深度可分离卷积中的第2个PW卷积替换为CondConv卷积形成PDC结构,克服了PW卷积只拥有局部感受野的缺陷,同时也降低了模型参数量。试验结果表明,改进后的MobileNet v3-Small模型准确率达到98.62%,较原模型94.91%的准确率提高了3.71百分点,并且参数量减少了0.04 M,远优于同级轻量化模型,且以远低于ResNet18的参数量取得更好的特征提取效果。综上所述,本研究所提出的改进后的MobileNet v3_Small模型能更好地在真实场景下进行草莓病害识别,为草莓生产贡献了一份力量,助力智慧农业发展。 展开更多
关键词 草莓病害 图像分类 MobileNet v3-Small Inception_A ULSAM轻量级子注意力机制 CondConv
在线阅读 下载PDF
基于改进YOLO v3的轴承端面缺陷检测算法 被引量：3
15
作者 余浪 苗鸿宾 +1 位作者 苏赫朋 申光鹏 《机床与液压》 北大核心 2024年第9期209-214,共6页
为提高轴承端面缺陷检测的速度以及检测精度,提出一种基于改进YOLO v3的轴承端面缺陷检测算法。首先,对图像数据集进行数据增强处理以防止产生过拟合现象;其次,通过改进K-means聚类算法重新聚类出目标检测的Anchor Boxes,并引入SKNet注... 为提高轴承端面缺陷检测的速度以及检测精度,提出一种基于改进YOLO v3的轴承端面缺陷检测算法。首先,对图像数据集进行数据增强处理以防止产生过拟合现象;其次,通过改进K-means聚类算法重新聚类出目标检测的Anchor Boxes,并引入SKNet注意力机制模块对原网络结构以及输出层结构进行改进;最后对改进的YOLO v3算法进行实验验证,并与原YOLO v3算法进行对比分析。结果表明,改进后的YOLO v3算法相比原YOLO v3算法对轴承端面缺陷检测的mAP值提升了7.03%,检测速度提升了34.7帧/s,验证了改进算法的有效性。 展开更多
关键词 轴承 YOLO v3算法 缺陷检测 聚类算法
在线阅读 下载PDF
基于改进MobileNet v3的苹果叶片病害识别方法及移动端应用 被引量：2
16
作者 张风伟 朱成杰 朱洪波 《江苏农业科学》 北大核心 2024年第7期205-213,共9页
准确识别苹果叶片病害种类以进行及时防治对于苹果增量增产具有重要的意义,为实现在移动设备实时对苹果叶片进行病害识别,提高苹果的产量,减少种植者的损失。首先收集了黑星病、斑点落叶病、锈病、白粉病、混合病、褐斑病等6种苹果叶部... 准确识别苹果叶片病害种类以进行及时防治对于苹果增量增产具有重要的意义,为实现在移动设备实时对苹果叶片进行病害识别,提高苹果的产量,减少种植者的损失。首先收集了黑星病、斑点落叶病、锈病、白粉病、混合病、褐斑病等6种苹果叶部病害和健康叶片的图像,并使用Retinex算法对图像进行数据增强,以提高数据集质量,然后将数据集按照8∶1∶1的比例划分为训练集、验证集和测试集;其次对MobileNet v3网络模型进行改进优化调整,在精简网络结构的同时减少冗余参数,并在非线性激活层后加入批归一化层,以提高网络的特征提取能力;同时,为了提升在低精度移动设备上的准确性和模型运行效率,将全连接层中的激活函数替换为ReLU6函数;最后,在模型训练时使用动量随机梯度下降优化器来进行模型权重系数的寻优,以减少训练时间和达到更高的分类准确率。试验结果表明,改进后的MobileNet v3-A3网络对苹果叶片病害图像的识别准确率为96.48%,模型权重为2.98 MB,识别速率为8.82 ms/幅图片,与其他同量级卷积神经网络相比识别精度更高、模型更小、识别速度更快。本研究使用Android Studio将权重模型封装到安卓软件中,实现了移动设备对苹果叶片病害的准确快速识别。 展开更多
关键词 苹果 叶部病害 图像识别 MobileNet v3 ANDROID
在线阅读 下载PDF
基于v3洋葱域名的比特币地址威胁程度分析
17
作者 胡锦枫 徐晓瑀 +1 位作者 陈云芳 张伟 《计算机工程》 CAS CSCD 北大核心 2024年第3期173-181,共9页
比特币可以在不透露使用者身份的情况下进行交换,导致其成为不法分子在暗网上进行违法活动的主要方式。为了追踪比特币非法交易,传统方法根据比特币的伪匿名性,在整个区块链上进行启发式地址聚类,没有充分利用比特币地址在暗网上的信息... 比特币可以在不透露使用者身份的情况下进行交换,导致其成为不法分子在暗网上进行违法活动的主要方式。为了追踪比特币非法交易,传统方法根据比特币的伪匿名性,在整个区块链上进行启发式地址聚类,没有充分利用比特币地址在暗网上的信息。2021年Tor官方全面启用v3洋葱域名,使得以往的v2洋葱域名数据无法再作为分析的依据。设计并实现基于v3洋葱域名的比特币地址威胁程度的一体化分析框架TLAFDB。信息收集模块使用境外服务器解决地域限制并设置socks5h代理以支持暗网爬虫运行,使用洋葱种子地址在暗网中爬行收集最新的v3洋葱域名数据,信息清洗模块采用可同时覆盖Base58和Bech32编码的正则表达式以提取v3洋葱域名网页中的比特币地址,通过区块链搜索引擎Blockchain.com筛选存在真实交易的比特币地址,并建立其和所在v3洋葱域名的关联关系,信息分析模块采用人工分析和关键词匹配相结合的方法分类v3洋葱域名,赋予其关联的比特币地址类别和流行度并判定威胁程度。实验结果表明,TLAFDB收集了23627个v3洋葱域名网页,提取并分析1141个存在真实交易的比特币地址的类别、流行度和威胁程度,发现在暗网中同一个比特币地址常出现在大量的镜像洋葱域名网页上,超过95%的比特币地址被恶意使用,并且庞氏骗局交易量占高危比特币地址总交易量的99%。 展开更多
关键词 暗网 爬虫 v3洋葱域名 比特币地址 分类
在线阅读 下载PDF
基于DeepLab v3+的综放工作面含矸率预测研究
18
作者 王志峰 王家臣 +1 位作者 李良晖 安博超 《工矿自动化》 CSCD 北大核心 2024年第10期90-96,共7页
针对综放工作面真实煤矸堆叠状态下的体积含矸率很难获取的问题,提出一种基于DeepLab v3+的综放工作面含矸率预测方法。构建了煤矸堆积体图像数据集,采用半自动的数据标注方法和限制对比度自适应直方图均衡化法对煤矸图像进行预处理。运... 针对综放工作面真实煤矸堆叠状态下的体积含矸率很难获取的问题,提出一种基于DeepLab v3+的综放工作面含矸率预测方法。构建了煤矸堆积体图像数据集,采用半自动的数据标注方法和限制对比度自适应直方图均衡化法对煤矸图像进行预处理。运用DeepLab v3+模型进行煤矸图像语义分割,进而计算煤矸图像的投影面积含矸率。利用PFC3D数值模拟软件,基于重建的三维煤矸块体建立数值模型,模拟顶煤放落和刮板输送机运煤过程,通过fish语言读取每个矸石或煤的体积,计算得到煤矸堆积体体积含矸率。通过分析不同顶煤厚度条件下刮板输送机上煤矸堆积体的投影面积含矸率与体积含矸率的量化关系,建立了煤流的体积含矸率预测模型。实验结果表明:DeepLab v3+模型的准确率、平均像素准确率和平均交并比分别为97.68%,97.72%,95.33%,均高于经典语义分割模型FCN8s和PSPNet,实现了煤矸堆积体投影面积含矸率的精准快速识别;体积含矸率预测模型的决定系数R^(2)为0.9828,预测效果较好。 展开更多
关键词 智能放煤 综放工作面 含矸率 煤矸识别 体积含矸率 语义分割 DeepLab v3+模型
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 2 … 110 下一页 到第 页
使用帮助 返回顶部