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271篇文章
< 1 2 … 14 >
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UMS-YOLO v7的面向样本不均衡的水下生物多尺度目标检测方法 被引量：3
1
作者 张明华 黄基萍 +2 位作者 宋巍 肖启华 赵丹枫 《农业机械学报》 北大核心 2025年第1期388-396,409,共10页
针对水下目标检测面临着生物尺度变化大以及样本不均衡的问题,本文提出一种水下生物多尺度目标检测方法(Underwater multi-scale-YOLO v7,UMS-YOLO v7)。首先,设计一种由可切换空洞卷积组成的特征提取模块,该模块可在不同大小的感受野... 针对水下目标检测面临着生物尺度变化大以及样本不均衡的问题,本文提出一种水下生物多尺度目标检测方法(Underwater multi-scale-YOLO v7,UMS-YOLO v7)。首先,设计一种由可切换空洞卷积组成的特征提取模块,该模块可在不同大小的感受野上捕获多尺度目标特征,使得提取的特征信息更加全面;其次,使用轻量级的上采样算子融合上下文信息,提高模型对目标的特征学习能力;最后,通过结合Wise-IoU和归一化Wasserstein距离两种相似性度量,提高了不同尺度目标的定位精度,同时降低了多尺度样本分布不均衡对模型的影响。实验结果表明,该模型相较于当前其他模型在检测精度方面表现出明显的提升,在RUOD和DUO数据集上平均精度均值分别达到64.5%和68.9%。与YOLO v7模型相比,UMS-YOLO v7提高了多种尺度目标检测精度,在DUO数据集上,针对大、中、小3种尺度目标平均精度均值分别提升8.3、4.8、12.5个百分点,其中小目标提升效果最为显著。与现有的其他模型相比,改进的模型具有更高的检测精度,更适用于水下生物多尺度目标检测任务,并且针对不同数据分布的样本具有泛化性和鲁棒性。 展开更多
关键词 水下生物 多尺度目标检测 YOLO v7 空洞卷积 上采样算子 相似性度量
在线阅读 下载PDF
基于改进YOLO v7的番茄黄化曲叶病毒病分级检测方法
2
作者 杨玮 伏冬朔 +3 位作者 吴龙起 李民赞 张焕春 夏秀波 《农业机械学报》 北大核心 2025年第6期527-534,共8页
为解决自然环境下人肉眼鉴定发病番茄植株效率低、主观性强的问题,提出一种基于改进YOLO v7的番茄黄化曲叶病毒病分级检测模型,分别对轻度、中度、重度发病植株进行检测。模型在主干网络中引入了DCN模块,以加强对复杂病变区域的感知能力... 为解决自然环境下人肉眼鉴定发病番茄植株效率低、主观性强的问题,提出一种基于改进YOLO v7的番茄黄化曲叶病毒病分级检测模型,分别对轻度、中度、重度发病植株进行检测。模型在主干网络中引入了DCN模块,以加强对复杂病变区域的感知能力;同时,Pconv模块替换主干网络中部分普通卷积,以更高效地提取空间特征,降低冗余计算和内存访问;在检测头中引入SimSPPF模块,极大地减少浮点运算量,提高感受野,增强特征提取能力。经测试,改进YOLO v7模型对轻度发病、中度发病、重度发病番茄植株检测的平均精度分别为97.5%、92.1%和93.6%。改进模型平均精度均值为95.0%,较原模型提升0.8个百分点,参数量减少8.2×10~5,浮点运算量减少2.7×1010,模型内存占用量减少15.7 MB,在保证检测精度的同时减小模型体量。与Faster R-CNN、YOLOX、YOLO v5l、YOLO v8m模型相比,平均精度均值分别提高11.2、5.7、1.4、8.7个百分点。试验结果表明,该模型能够实现对番茄黄化曲叶病毒病的分级检测识别,为实现番茄种植智能化提供支持。 展开更多
关键词 深度学习 番茄黄化曲叶病毒病 目标检测 YOLO v7 病害检测
在线阅读 下载PDF
基于YOLO v7和改进U-Net模型的鸡冠肉垂提取与面积计算方法
3
作者 杨断利 沈洪硕 +1 位作者 陈辉 高媛 《农业机械学报》 北大核心 2025年第4期415-426,共12页
传统人工测量方法在蛋鸡鸡冠肉垂面积测算中存在接触性应激风险、人畜共患病隐患及测量误差较大等问题。为此,本研究提出基于YOLO v7与改进U-Net的鸡冠肉垂自动分割与面积计算方法。构建两阶段检测框架:利用YOLO v7完成鸡头姿态筛选与RO... 传统人工测量方法在蛋鸡鸡冠肉垂面积测算中存在接触性应激风险、人畜共患病隐患及测量误差较大等问题。为此,本研究提出基于YOLO v7与改进U-Net的鸡冠肉垂自动分割与面积计算方法。构建两阶段检测框架:利用YOLO v7完成鸡头姿态筛选与ROI提取,有效消除非正视角图像干扰;提出融合Contextual Transformer的CoT-UNet模型:通过将CoT块融入U-Net编码器实现动态和静态上下文特征融合,结合本文构建的DyC-UP上采样模块(采用动态可调卷积核强化不规则边缘特征提取),显著提升不同鸡冠特征分割能力;建立像素-面积转换算法:基于标定系数实现从图像空间到物理空间的精准映射。实验结果表明,改进CoT-UNet相较基线模型,在鸡冠和肉垂分割任务中,IoU提升4.77、8.75个百分点,精确率提升5.31、5.06个百分点,分割质量改善显著。在面积计算精度方面,鸡冠面积绝对误差(0.62~3.50 cm^(2))和肉垂面积绝对误差(0.10~2.93 cm^(2))较传统手工测量(3.58~7.27 cm^(2))具有明显优势。多场景验证显示,在不同姿态(3类)、拍摄角度(2种)和距离(2种)条件下,鸡冠面积相对误差为2.41%~13.62%,肉垂面积相对误差为1.00%~29.21%。本研究实现了非接触式禽类生物特征精准测量,为智慧化种鸡选育提供了可靠的技术支持。 展开更多
关键词 鸡冠肉垂 深度学习 语义分割 育种 YOLO v7 CoT-UNet
在线阅读 下载PDF
基于改进Yolo-v7算法的充填料浆均质化检测方法
4
作者 郭进平 孙源泽 +3 位作者 张超 王小林 李想 孔德浩 《矿冶工程》 北大核心 2025年第5期41-48,共8页
为解决充填料浆搅拌过程中均质化程度无法自动判断的问题,采用CBAM注意力模块和SPD-Conv小目标检测模块对Yolo-v7算法进行改进,并基于改进后的Yolo-v7算法对充填料浆均质化进行自动判断。研究结果表明,改进后的Yolo-v7算法在性能上较原... 为解决充填料浆搅拌过程中均质化程度无法自动判断的问题,采用CBAM注意力模块和SPD-Conv小目标检测模块对Yolo-v7算法进行改进,并基于改进后的Yolo-v7算法对充填料浆均质化进行自动判断。研究结果表明,改进后的Yolo-v7算法在性能上较原始模型有显著提升,其准确率、召回率和平均精度均值分别提高了17.5、28.8和32.4百分点。料浆参数敏感性分析结果表明,料浆浓度是影响料浆非均质化识别的主要因素,其次是灰砂比,而延长搅拌时间在高料浆浓度条件下可显著提升充填料浆的均质化水平。 展开更多
关键词 充填料浆 Yolo-v7算法 非均质特征 均质化 智能检测 机器学习 机器视觉
在线阅读 下载PDF
基于改进YOLO v7模型的冰山检测方法研究
5
作者 章文俊 房振 +4 位作者 周翔宇 孟祥坤 杨雪 胡浩帆 王锐 《舰船科学技术》 北大核心 2025年第12期175-180,共6页
冰山是威胁极地船舶航行安全的重要原因之一,其漂移轨迹难以预测,在能见度不良的条件下极易与船舶碰撞导致船舶破损、沉没等严重事故。现有的冰山检测方法受环境因素影响较大,难以同时满足冰山检测高精度和实时性的需求。为实现极地能... 冰山是威胁极地船舶航行安全的重要原因之一,其漂移轨迹难以预测,在能见度不良的条件下极易与船舶碰撞导致船舶破损、沉没等严重事故。现有的冰山检测方法受环境因素影响较大,难以同时满足冰山检测高精度和实时性的需求。为实现极地能见度不良条件下的冰山检测,首先,对YOLO系列模型进行归纳总结,提出一种融合注意力机制的改进YOLO v7冰山检测算法;其次,改进k-means算法,提高了先验框与冰山的匹配度;最后,引入CA(Coordinate Attention)注意力机制,提升模型对冰山关键特征识别能力。研究结果表明,相比于YOLO v7原始模型,改进后的模型在维持计算性能的同时mAP(mean Average Precision)提升了5.41%。模型对于极地环境下的冰山具有较好的检测能力,可为极地航行中避免船冰碰撞提供参考。 展开更多
关键词 YOLO v7 冰山检测 船冰碰撞 注意力机制
在线阅读 下载PDF
基于轻量级CDW-YOLO v7的鱼类排便行为自动检测方法 被引量：1
6
作者 徐龙琴 郑钦月 +3 位作者 高学凯 崔猛 刘双印 谢彩健 《农业机械学报》 北大核心 2025年第6期554-564,共11页
粪便是集约化水产养殖系统中有机废物的主要来源,排便数量的增加和时间的延长都会加快养殖水质中氨氮、亚硝酸盐等污染物的积累浓度和速度,因此,排便行为模式对于维持最佳水环境和确保可持续的鱼类生产至关重要。为解决传统排便行为分... 粪便是集约化水产养殖系统中有机废物的主要来源,排便数量的增加和时间的延长都会加快养殖水质中氨氮、亚硝酸盐等污染物的积累浓度和速度,因此,排便行为模式对于维持最佳水环境和确保可持续的鱼类生产至关重要。为解决传统排便行为分析费时费力的问题,本研究提出一种基于改进YOLO v7-tiny的高性能、轻量级的鱼类排便行为识别模型CDW-YOLO v7。该模型采用基于C2f结构的双向特征金字塔网络(C2f-bidirectional feature pyramid network,C2f-BiFPN)优化识别排便行为的多尺度和非线性特征融合能力,同时引入具有注意力机制的动态检测头(Dynamic head,DyHead)以增强模型在复杂环境中对鱼类排便行为关键特征的提取能力,并结合WIoU损失函数,减少因鱼类遮挡、重叠等造成的漏检现象,提高模型的准确性。实验结果表明,与基线模型YOLO v7-tiny相比,CDW-YOLO v7模型具有更好的性能,参数量减少2.56×10^(6),浮点运算量降低5.90×10^(9),同时平均精度均值(mean Average Precision,mAP)提高2.04个百分点。此外,该模型在模型大小、精度和检测速度等方面,均优于3种经典目标检测算法(YOLO v3-tiny、YOLO v4-tiny和YOLO v5s)。本研究为鱼类排便行为的精准检测和智能化水产养殖系统的发展提供了理论基础。 展开更多
关键词 鱼类排便行为 水产养殖 YOLO v7-tiny 目标检测
在线阅读 下载PDF
基于改进YOLO v7-tiny的农药残留消解过程多品种果蔬精准识别方法
7
作者 丁志康 兰玉彬 +3 位作者 韩鑫 赵硕 白京波 王娟 《农业机械学报》 北大核心 2025年第10期725-735,共11页
利用具有强氧化性、无毒无污染的臭氧水,借助工厂化、无人化处理设备和工艺,根据果蔬种类和农药残留状况,喷淋不同浓度的臭氧水,是实现果蔬农药残留自动化、智能化、绿色、高效消解处理的有效手段。而快速、精准识别果蔬种类是指导工厂... 利用具有强氧化性、无毒无污染的臭氧水,借助工厂化、无人化处理设备和工艺,根据果蔬种类和农药残留状况,喷淋不同浓度的臭氧水,是实现果蔬农药残留自动化、智能化、绿色、高效消解处理的有效手段。而快速、精准识别果蔬种类是指导工厂化、无人化处理设备针对性喷淋所需浓度臭氧水的前提。本文提出一种基于改进YOLO v7-tiny的农残消解过程中多品种果蔬精准识别方法。首先,在Head部分引入渐近特征金字塔网络AFPN(Asymptotic feature pyramid network)来替换原有YOLO v7-tiny的金字塔网络,在实现网络结构轻量化的同时进一步提高模型准确率;其次,在Backbone部分加入多尺度注意力模块EMA(Efficient multi-scale attention)来提高模型对果蔬图像中有效特征信息的提取能力;最后,将原有YOLO v7-tiny网络的损失函数替换为Wise-IoU(Wise intersection over union)以提高模型的泛化能力。试验结果表明,改进后YOLO v7-tiny模型(YOLO v7-AEW)的参数量、浮点数计算量和模型存储占用量分别达到4.5×10^(6)、1.28×10^(10)和8.9 MB,较原模型分别减少25.0%、3.0%和27.6%;准确率与平均精度均值达到97.9%和96.8%,较原模型分别提高2.3、1.3个百分点;改进后模型与Faster R-CNN、SSD、YOLO v5s、YOLO v8算法对比,平均识别精度均值分别提高37.1、38.0、32.5、7.1个百分点。搭建基于改进YOLO v7-tiny的农残消解装置并进行检测试验,改进后模型的检出率和漏检率分别为97%和3%,检测效果优于其他网络模型,证明改进后模型具有较高的实际应用价值。本研究可为基于臭氧水的工厂化、无人化果蔬农药残留消解一体机研制提供深度学习识别方法参考。 展开更多
关键词 农药残留消解 臭氧水 果蔬识别 YOLO v7-tiny
在线阅读 下载PDF
基于改进YOLO v7的黄瓜霜霉病菌侵染结构识别方法
8
作者 乔琛 韩宗桓 +2 位作者 张一丁 韩梦瑶 张领先 《农业机械学报》 北大核心 2025年第11期528-537,共10页
黄瓜霜霉病由古巴假霜霉病菌通过侵染引起,严重影响了黄瓜的品质和产量,因此霜霉病菌侵染结构的早期识别对病害预警与防控至关重要,本文提出了一种基于改进YOLO v7的黄瓜霜霉病菌侵染结构(孢子囊、孢子、菌丝和产孢结构)识别模型。通过... 黄瓜霜霉病由古巴假霜霉病菌通过侵染引起,严重影响了黄瓜的品质和产量,因此霜霉病菌侵染结构的早期识别对病害预警与防控至关重要,本文提出了一种基于改进YOLO v7的黄瓜霜霉病菌侵染结构(孢子囊、孢子、菌丝和产孢结构)识别模型。通过引入SE(Squeeze and excitation)注意力机制增强了对孢子和孢子囊等小目标的特征提取能力,采用归一化Wasserstein距离(Normalized Wasserstein distance, NWD)优化了边界框回归精度,使模型能更精确地定位孢子等侵染结构小目标,同时缓解了传统IoU方法对小目标位置偏差的敏感性问题,减少了误差并提升了模型的鲁棒性。在检测头部分通过引入DyHead(Dynamic head)模块动态调整感受野大小,增强了不同尺度特征的融合能力,特别是在处理微小目标和复杂背景时,显著提高了多尺度目标检测的表现,同时探究了DyHead堆叠次数对模型性能和计算复杂度的影响。试验结果表明,当DyHead堆叠至4次时,模型mAP@0.5和mAP@0.5:0.95均达到最优。改进YOLO v7的mAP@0.5达到86.5%,较原始YOLO v7提升3.9个百分点,与YOLO v3、YOLO v5s、YOLO v8x、SSD和Faster R-CNN等多种经典目标检测模型相比,在mAP@0.5和mAP@0.5:0.95均达到最优。此外,基于改进的YOLO v7模型开发了面向实际应用场景需求的黄瓜霜霉病菌侵染结构识别系统,可以实现对黄瓜霜霉病菌的孢子、孢子囊、菌丝及产孢结构等侵染结构的精确识别及定量统计。 展开更多
关键词 黄瓜霜霉病 侵染结构 YOLO v7 DyHead SE NWD
在线阅读 下载PDF
基于结构光反射成像和YOLO v7-CA的柑橘早期腐烂检测方法
9
作者 蔡仲磊 石瑞瑶 +4 位作者 张君仪 蔡乐天 张译之 张亚伟 李江波 《农业机械学报》 北大核心 2025年第8期479-486,495,共9页
由于早腐区域在水果表面难以用肉眼直接观测,检测由真菌感染引起的柑橘早期腐烂成为柑橘产业面临的主要难题。为此开发一种基于可见LED结构光源的结构光反射成像系统,并提出结合螺旋相位变换(SPT)的解调方法。在解调原始图像过程中,使用... 由于早腐区域在水果表面难以用肉眼直接观测,检测由真菌感染引起的柑橘早期腐烂成为柑橘产业面临的主要难题。为此开发一种基于可见LED结构光源的结构光反射成像系统,并提出结合螺旋相位变换(SPT)的解调方法。在解调原始图像过程中,使用3种不同的解调方法(三步相移法、二相SPT和一相SPT)。通过解调相移模式图像,可以得到直流分量(DC)和交流分量(AC)图像。与DC图像相比,AC图像和比值(RT)图像(AC/DC)可以清晰地显示早腐区域。在实际检测中,果梗会被误判为腐烂区域。针对柑橘早腐区域和果梗之间存在易误判的问题,提出一种基于YOLO v7的改进模型(YOLO v7-CA),即在YOLO v7模型骨干网络中引入坐标注意力机制(Coordinate attention,CA),从而提高模型对早腐区域的关注度。YOLO v7-CA模型结合二相螺旋相位变换(SPT)下的RT图像对柑橘早腐区域和果梗取得较好的检测结果。采用不同年份的早腐柑橘进行试验,检测精度达到98.5%。该研究为柑橘早期腐果检测提供了参考。 展开更多
关键词 柑橘 早期腐烂 结构光反射成像 YOLO v7 CA
在线阅读 下载PDF
基于EBS-YOLO v7的轻量化葡萄病害识别方法
10
作者 杨宏宇 谢小龙 +1 位作者 郭容 张佳进 《江苏农业科学》 北大核心 2025年第5期165-174,共10页
为了解决葡萄病害检测过程中存在的识别精度低、模型计算复杂度高及参数量大等问题,提出一种基于EBS-YOLO v7的轻量化葡萄病害识别方法。该方法使用EfficientNet轻量化网络结构替换YOLO v7主干网络,使模型在降低计算量及参数量的同时保... 为了解决葡萄病害检测过程中存在的识别精度低、模型计算复杂度高及参数量大等问题,提出一种基于EBS-YOLO v7的轻量化葡萄病害识别方法。该方法使用EfficientNet轻量化网络结构替换YOLO v7主干网络,使模型在降低计算量及参数量的同时保持检测精度;在主干网络不同尺度特征输出层嵌入BiFormer注意力机制,强化模型对病害区域特征的提取能力,提高对细节、全局信息的理解能力;采用SIoU(SCYLLA交并比)损失函数作为边界框损失函数,加快模型收敛速度并提高边界框预测精度。结果表明,EBS-YOLO v7模型的准确率、召回率、平均精度均值分别达到97.4%、96.2%、98.3%,相较于YOLO v7模型分别提高了2.4、2.3、2.8百分点,参数量、计算量分别减少至原模型的32.5%、20.0%。与SSD、Faster-RCNN、YOLO v5模型相比,改进模型的平均精度均值分别提高6.0、11.9、7.2百分点,且参数量、计算量也均低于其他模型。研究结果显示,EBS-YOLO v7模型在保持高检测精度的同时,大幅降低了计算资源的消耗,可为葡萄病害的精准快速识别提供技术支持。 展开更多
关键词 目标检测 病害识别 轻量化 YOLO v7 注意力机制 SIoU
在线阅读 下载PDF
往日重现:2025 Moto Guzzi V7 Sport
11
作者 方云飞 《摩托车》 2025年第10期44-49,共6页
2025 Moto Guzzi V7 Sport规格参数发动机型式:风冷,90°夹角,横置V型双缸排量:853.4m L缸径×冲程:84mm×77mm最大功率:49.5k W(6900r/min)最大扭矩:79N·m(4400r/min)燃油供应:电子燃油喷射系统启动方式:电启动.
关键词 2025 Moto Guzzi v7 Sport
在线阅读 下载PDF
基于改进YOLOv7的电力调度控制系统图元识别方法研究
12
作者 张文广 曾祥玖 刘重阳 《电气技术》 2025年第5期1-9,共9页
针对电力调度控制系统图中图元分布密集、图元相似和小尺寸图元较多导致识别效果差的问题,本文提出一种基于改进YOLOv7的电力调度控制系统图元识别方法。首先,使用轻量化的DRBNCSPELAN模块替换主干网络中的ELAN模块,以同时捕获不同尺度... 针对电力调度控制系统图中图元分布密集、图元相似和小尺寸图元较多导致识别效果差的问题,本文提出一种基于改进YOLOv7的电力调度控制系统图元识别方法。首先,使用轻量化的DRBNCSPELAN模块替换主干网络中的ELAN模块,以同时捕获不同尺度的空间模式;其次,提出一种信息引导融合模块,替代颈部网络中的Concat,并融合SE注意力机制,以增强信息全局交互能力;接着,引入MPDIoU损失函数,以改善图元边界框的识别效果;最后,利用电力调度控制系统图数据集进行验证。结果表明,与基准模型相比,所提方法的精确率、召回率和平均精确率均值分别提高了5.1个百分点、3.1个百分点和3.5个百分点,有助于实现对电力调度控制系统图元的精准识别。 展开更多
关键词 深度学习 电力调度控制系统图 图元识别 YOLOv7 SE注意力机制
在线阅读 下载PDF
基于CBAM-YOLO v7的自然环境下棉叶病虫害识别方法 被引量：22
13
作者 张楠楠 张晓 +3 位作者 白铁成 尚鹏 王文瀚 李莉 《农业机械学报》 EI CAS CSCD 北大核心 2023年第S01期239-244,共6页
针对自然环境下棉花叶片病害检测难度大和人工设计特征提取器难以获取与棉叶病虫害相近特征表达的问题,提出一种改进的注意力机制YOLO v7算法(CBAM-YOLO v7)。该模型在YOLO v7模型基础上,在Backbone与Head中间增加注意力机制CBAM,并在H... 针对自然环境下棉花叶片病害检测难度大和人工设计特征提取器难以获取与棉叶病虫害相近特征表达的问题,提出一种改进的注意力机制YOLO v7算法(CBAM-YOLO v7)。该模型在YOLO v7模型基础上,在Backbone与Head中间增加注意力机制CBAM,并在Head部进行4倍下采样,然后将CBAM-YOLO v7模型用于棉叶病虫害识别,并与YOLO v5和YOLO v7进行对比试验。试验结果表明:蚜虫和正常叶片检测方面,YOLO v7可取得好的检测结果;CBAM-YOLO v7对黄萎病、棉盲蝽、红蜘蛛棉叶病虫害图像检测的准确率高于其他模型。CBAM-YOLO v7的mAP为85.5%,相较于YOLO v5提高21个百分点,相较于YOLO v7提高4.9个百分点;单幅图检测耗时为29.26 ms,可为棉叶病害在线监测提供理论基础。 展开更多
关键词 棉叶 病虫害 目标检测 注意力机制 YOLO v7
在线阅读 下载PDF
基于改进YOLO v7的农田复杂环境下害虫识别算法研究 被引量：22
14
作者 赵辉 黄镖 +1 位作者 王红君 岳有军 《农业机械学报》 EI CAS CSCD 北大核心 2023年第10期246-254,共9页
为使巡检机器人能够对体积小且密集、形态多变、数量多且分布不均的害虫进行高效精准识别,提出了一种基于改进YOLO v7的害虫识别方法。该方法将CSP Bottleneck与基于移位窗口Transformer(Swin Transformer)自注意力机制相结合,提高了模... 为使巡检机器人能够对体积小且密集、形态多变、数量多且分布不均的害虫进行高效精准识别,提出了一种基于改进YOLO v7的害虫识别方法。该方法将CSP Bottleneck与基于移位窗口Transformer(Swin Transformer)自注意力机制相结合,提高了模型获取密集害虫目标位置信息的能力;在路径聚合部分增加第4检测支路,提高模型对小目标的检测性能;将卷积注意力模块(CBAM)集成到YOLO v7模型中,使模型更加关注害虫区域,抑制背景等一般特征信息,提高被遮挡害虫的识别精确率;使用Focal EIoU Loss损失函数减少正负样本不平衡对检测结果的影响,提高识别精度。采用基于实际农田环境建立的数据集的实验结果表明,改进后算法的精确率、召回率及平均精度均值分别为91.6%、82.9%和88.2%,较原模型提升2.5、1.2、3个百分点。与其它主流模型的对比实验结果表明,本文方法对害虫的实际检测效果更优,对解决农田复杂环境下害虫的精准识别问题具有参考价值。 展开更多
关键词 农田复杂环境 害虫识别 目标检测 深度学习 YOLO v7 Swin Transformer
在线阅读 下载PDF
基于改进YOLO v7-tiny的玉米种质资源雄穗检测方法 被引量：7
15
作者 马中杰 罗晨 +3 位作者 骆巍 王利锋 冯晓 李会勇 《农业机械学报》 EI CAS CSCD 北大核心 2024年第7期290-297,共8页
针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异,无人机搭载可见光传感器相比地面采集图像分辨率低,以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题,提出了一... 针对玉米种质资源遗传多样性丰富导致雄穗大小、形态结构及颜色呈现较大差异,无人机搭载可见光传感器相比地面采集图像分辨率低,以及图像中部分雄穗过小、与背景相似度高、被遮挡、相互交错等情况带来的雄穗检测精度低的问题,提出了一种改进YOLO v7-tiny模型的玉米种质资源雄穗检测方法。该方法通过在YOLO v7-tiny中引入SPD-Conv模块和VanillaBlock模块,以及添加ECA-Net模块的方式,增强模型对雄穗特征的提取能力。利用自建的玉米种质资源雄穗数据集,训练并测试改进模型。结果表明,改进YOLO v7-tiny的平均精度均值为94.6%,相比YOLO v7-tiny提升1.5个百分点,相比同等规模的轻量级模型YOLO v5s、YOLO v8s分别提升1.0、3.1个百分点,显著降低了图像中雄穗漏检及背景误检为雄穗的发生,有效减少了单穗误检为多穗和交错状态下雄穗个数误判的情况。改进YOLO v7-tiny模型内存占用量为17.8 MB,推理速度为231 f/s。本文方法在保证模型轻量化的前提下提升了雄穗检测精度,为玉米种质资源雄穗实时、精准检测提供了技术支撑。 展开更多
关键词 种质资源 玉米雄穗 目标检测 无人机 可见光影像 YOLO v7-tiny
在线阅读 下载PDF
基于改进YOLO v7的生猪群体体温热红外自动检测方法 被引量：9
16
作者 刘晓文 曾雪婷 +3 位作者 李涛 刘刚 丁向东 米阳 《农业机械学报》 EI CAS CSCD 北大核心 2023年第S01期267-274,共8页
针对当前生猪规模化养殖过程中基于热红外技术的生猪体温测量效率低的问题,提出了一种基于改进YOLO v7的生猪群体体温检测方法。改进YOLO v7算法在Head层引入VoV-GSCSP结构,降低网络结构复杂度;使用内容感知特征重组(Content-aware reas... 针对当前生猪规模化养殖过程中基于热红外技术的生猪体温测量效率低的问题,提出了一种基于改进YOLO v7的生猪群体体温检测方法。改进YOLO v7算法在Head层引入VoV-GSCSP结构,降低网络结构复杂度;使用内容感知特征重组(Content-aware reassembly of features, CARAFE)替换模型原始上采样算子,提高特征图放大后的品质,强化生猪头部区域有效特征;引入感受野增强模块(Receptive field enhancement module, RFE),增强特征金字塔对生猪头部特征的提取能力。本文改进YOLO v7算法对于生猪头部的检测精确率为87.9%,召回率为92.5%,平均精度均值(Mean average precision, mAP)为94.7%。与原始YOLO v7相比,精确率提高3.6个百分点,召回率提高7.0个百分点,mAP提高3.6个百分点。该方法首先自动检测生猪头部区域,再利用头部最大温度与耳根温度的高相关性,最终自动获取生猪体温。温度提取平均绝对误差仅为0.16℃,检测速度为222 f/s,实现了生猪群体体温的实时精准检测。综合上述试验结果表明,该方法能够自动定位生猪群体的头部区域,满足生猪群体体温测定的高效和高精度要求,为群养生猪体温自动检测提供了有效的技术支撑。 展开更多
关键词 生猪群体 体温检测 深度学习 改进YOLO v7 热红外技术 目标检测
在线阅读 下载PDF
怒江上游TRMM 3B42V7降水产品资料时空验证及降水特征分析 被引量：13
17
作者 李蒙 秦天玲 +1 位作者 刘少华 卢亚静 《高原气象》 CSCD 北大核心 2017年第4期950-959,共10页
利用1998-2013年热带测雨卫星TRMM 3B42V7降水数据产品和18个气象站点观测数据对怒江上游进行了降雨时空分布特征的对比分析,研究了TRMM 3B42V7数据产品在该区域的精度。结果显示:研究区内TRMM 3B42V7数据和站点数据相关性月尺度最强(R&... 利用1998-2013年热带测雨卫星TRMM 3B42V7降水数据产品和18个气象站点观测数据对怒江上游进行了降雨时空分布特征的对比分析,研究了TRMM 3B42V7数据产品在该区域的精度。结果显示:研究区内TRMM 3B42V7数据和站点数据相关性月尺度最强(R>0.9),年尺度次之(R>0.5),日尺度较差(R<0.5);流域面雨量两组数据在月尺度上有极强的相关性(R≈0.98),时间序列拟合较好,但在降水量大的月份TRMM 3B42V7数据较站点观测数据略偏大;不同时间尺度下两组数据的空间分布特征总体具有较好的一致性,局部分布特征有差异;流域西北和东南局部区域TRMM降水分别有低估和高估趋势,其他大部区域相当。利用TRMM 3B42V7数据对流域降水进行季节占比分析,结果显示,流域降水季节分配不均匀,夏季(6-8月)降水占全年降水总量的比例较大,高达42%~72%;其他春(3-5月)、秋(9-11月)、冬(12月至次年2月)三季节降水整体较少,总占比为28%~58%。 展开更多
关键词 怒江上游 TRMM 3B42v7 降水 时空分布 精度分析
在线阅读 下载PDF
基于改进YOLO v7轻量化模型的自然果园环境下苹果识别方法 被引量：24
18
作者 张震 周俊 +1 位作者 江自真 韩宏琪 《农业机械学报》 EI CAS CSCD 北大核心 2024年第3期231-242,262,共13页
针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先,引入部分卷积(Partial convolution, PConv)替换多分支堆叠模块... 针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先,引入部分卷积(Partial convolution, PConv)替换多分支堆叠模块中的部分常规卷积进行轻量化改进,以降低模型的参数量和计算量;其次,添加轻量化的高效通道注意力(Efficient channel attention, ECA)模块以提高网络的特征提取能力,改善复杂环境下遮挡目标的错检漏检问题;在模型训练过程中采用基于麻雀搜索算法(Sparrow search algorithm, SSA)的学习率优化策略来进一步提高模型的检测精度。试验结果显示:相比于YOLO v7原始模型,改进后模型的精确率、召回率和平均精度分别提高4.15、0.38、1.39个百分点,其参数量和计算量分别降低22.93%和27.41%,在GPU和CPU上检测单幅图像的平均用时分别减少0.003 s和0.014 s。结果表明,改进后的模型可以实时准确地识别复杂果园环境中的苹果,模型参数量和计算量较小,适合部署于苹果采摘机器人的嵌入式设备上,为实现苹果的无人化智能采摘奠定了基础。 展开更多
关键词 苹果识别 自然果园环境 YOLO v7 PConv 高效通道注意力机制 麻雀搜索算法
在线阅读 下载PDF
基于改进YOLO v7-tiny的甜椒畸形果识别算法 被引量：15
19
作者 王昱 姚兴智 +3 位作者 李斌 徐赛 易振峰 赵俊宏 《农业机械学报》 EI CAS CSCD 北大核心 2023年第11期236-246,共11页
甜椒在生长发育过程中容易产生畸形果,机器代替人工对甜椒畸形果识别和摘除一方面可提高甜椒品质和产量,另一方面可解决当前人工成本过高、效率低下等问题。为实现机器人对甜椒果实的识别,提出了一种基于改进YOLO v7-tiny目标检测模型,... 甜椒在生长发育过程中容易产生畸形果,机器代替人工对甜椒畸形果识别和摘除一方面可提高甜椒品质和产量,另一方面可解决当前人工成本过高、效率低下等问题。为实现机器人对甜椒果实的识别,提出了一种基于改进YOLO v7-tiny目标检测模型,用于区分正常生长和畸形生长的甜椒果实。将无参数注意力机制(Parameter-free attention module,SimAM)融合到骨干特征提取网络中,增强模型的特征提取和特征整合能力;用Focal-EIOU(Focal and efficient intersection over union)损失替换原损失函数CIOU(Complete intersection over union),加快模型收敛并降低损失值;使用SiLU激活函数代替原网络中的Leaky ReLU,增强模型的非线性特征提取能力。试验结果表明,改进后的模型整体识别精确度、召回率、平均精度均值(Mean average precision,mAP)mAP0.5、mAP0.5-0.95分别为99.1%、97.8%、98.9%、94.5%,与改进前相比,分别提升5.4、4.7、2.4、10.7个百分点,模型内存占用量为10.6 MB,单幅图像检测时间为4.2 ms。与YOLO v7、Scaled-YOLO v4、YOLOR-CSP等目标检测模型相比,模型在F1值上与YOLO v7相同,相比Scaled-YOLO v4、YOLOR-CSP分别提升0.7、0.2个百分点,在mAP0.5-0.95上分别提升0.6、1.2、0.2个百分点,而内存占用量仅为上述模型的14.2%、10.0%、10.0%。本文所提出的模型实现了小体量而高精度,便于在移动端进行部署,为后续机械化采摘和品质分级提供技术支持。 展开更多
关键词 甜椒畸形果 YOLO v7-tiny 目标检测 机器视觉
在线阅读 下载PDF
基于融合GhostNetV2的YOLO v7水稻籽粒检测 被引量：10
20
作者 刘庆华 杨欣仪 +2 位作者 接浩 孙世诚 梁振伟 《农业机械学报》 EI CAS CSCD 北大核心 2023年第12期253-260,299,共9页
水稻籽粒检测在粮食储存中凸显重要作用,直接影响粮食销售的价格。针对一般机器视觉检测算法在水稻籽粒小目标的密集场景下存在难以识别且网络模型参数大,检测速度较慢、成本高等问题,提出一种基于YOLO v7优化的水稻籽粒检测算法。首先... 水稻籽粒检测在粮食储存中凸显重要作用,直接影响粮食销售的价格。针对一般机器视觉检测算法在水稻籽粒小目标的密集场景下存在难以识别且网络模型参数大,检测速度较慢、成本高等问题,提出一种基于YOLO v7优化的水稻籽粒检测算法。首先将部分高效聚合网络模块(Efficient layer aggregation network,ELAN)替换成轻量级网络模块GhostNetV2添加到主干及颈部网络部分,实现网络参数精简化的同时也减少了通道中的特征冗余;其次将卷积和自注意力结合的注意力模块(Convolution and self-attention mixed model,ACmix)添加到MP模块中,平衡全局和局部的特征信息,充分关注特征映射的细节信息;最后使用WIoU(Wise intersection over union)作为损失函数,减少了距离、纵横比之类的惩罚项干扰,单调聚焦机制的设计提高了模型的定位性能。在水稻籽粒图像数据集上验证改进后的模型检测水平,实验结果表明,改进后的YOLO v7模型的mAP@0.5达96.55%,mAP@0.5:0.95达70.10%,训练模型参数量也有所下降,在实际场景以暗黑色为背景的水稻杂质检测中的效果优于其他模型,满足了水稻籽粒的实时检测要求,可将此算法应用于自动化检测粮食系统中。 展开更多
关键词 水稻籽粒检测 YOLO v7 轻量级网络 注意力模块
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 … 14 下一页 到第 页
使用帮助 返回顶部