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8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：
基于改进YOLO v7-tiny的玉米种质资源雄穗检测方法 被引量：6
1
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
基于轻量化YOLOv7-tiny的铝材表面缺陷检测方法 被引量：3
2
作者 席凌飞 伊力哈木·亚尔买买提 《科学技术与工程》 北大核心 2024年第27期11786-11794,共9页
为了提高铝材表面缺陷小目标检测效率,轻量化检测网络,提出一种基于改进YOLOv7-tiny的铝材表面缺陷检测算法。首先,在网络中加入SimAM(similarity-based attention module)注意力机制,使网络更多的注意到有用的信息,抑制图像中无效样本... 为了提高铝材表面缺陷小目标检测效率,轻量化检测网络,提出一种基于改进YOLOv7-tiny的铝材表面缺陷检测算法。首先,在网络中加入SimAM(similarity-based attention module)注意力机制,使网络更多的注意到有用的信息,抑制图像中无效样本的干扰。其次,将主干网络中的sppcspc结构改进为Ghostsppcspc,减少的模型训练时的参数冗余,同时在检测层用GSconv代替普通卷积,轻量化网络的同时加强特征融合,提升网络检测精度,最后引入NWD(normalized wasserstein distance)结合原有的CIOU(complete intersection over union)损失函数,提升网络对小目标检测精度。将改进算法应用到天池铝材数据集中进行验证,实验结果表明,该模型能够有效识别铝型材表面不同种类的缺陷,较原YOLOv7-tiny算法mAP提高10.1%,参数量较原模型下降6.4%,计算量较原模型下降12.2%。所提方法实现了轻量化网络模型的同时,能够满足目前铝型材工厂生产现场缺陷检测要求。 展开更多
关键词 缺陷检测 YOLO v7-tiny 注意力机制 NWD GSconv Ghostsppcspc
在线阅读 下载PDF
基于轻量化改进YOLO v7-Tiny算法的苹果检测与分类 被引量：1
3
作者 徐江鹏 王传安 《江苏农业科学》 北大核心 2024年第23期221-229,共9页
为了解决传统苹果分拣方法效率低下、实时性差等问题,提出一种基于轻量化YOLO v7-Tiny算法的改进方法,用于检测和分类苹果的好果和坏果。首先,为提升非线性和泛化能力,采用深度可分离卷积策略,并对PReLU激活函数进行重新设计以减少参数... 为了解决传统苹果分拣方法效率低下、实时性差等问题,提出一种基于轻量化YOLO v7-Tiny算法的改进方法,用于检测和分类苹果的好果和坏果。首先,为提升非线性和泛化能力,采用深度可分离卷积策略,并对PReLU激活函数进行重新设计以减少参数量。同时,为增强对目标轮廓和空间位置的特征感知能力,引入CBAM和ECA 2种注意力机制,以防止梯度消失和过拟合问题。试验结果表明,改进后的YOLO v7-Tiny网络模型对苹果好果和坏果的识别精度均值达到了97.3%,相比原始YOLO v7-Tiny提高了0.4百分点。与原模型相比,改进后的模型在参数量、浮点运算数、模型大小和单张图片推理时间方面都具有显著优势,分别降低了28.3%、25.0%、27.6%、3.8%。这一改进模型不仅实现了苹果好果和坏果的可靠检测与分类,还成功平衡了识别准确率和实时性能的需求。综上所述,本研究通过优化YOLO v7-Tiny算法,实现了对苹果好果和坏果的高效检测和分类。采用深度可分离卷积策略、重新设计激活函数以及引入注意力机制,有效提升了模型的性能。这一改进方法在试验中表现出了良好的精度和鲁棒性,为苹果检测分类领域的自动化与智能化发展提供了重要支持。 展开更多
关键词 苹果 分类 轻量化 YOLO v7-tiny算法 深度可分离卷积 激活函数 注意力
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：14
4
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
5
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》 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
基于轻量级CDW-YOLO v7的鱼类排便行为自动检测方法
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的笼养鸡/蛋自动识别与计数方法 被引量：27
7
作者 赵春江 梁雪文 +3 位作者 于合龙 王海峰 樊世杰 李斌 《农业机械学报》 EI CAS CSCD 北大核心 2023年第7期300-312,共13页
笼养模式下鸡/蛋自动识别与计数在低产能鸡判别及鸡舍智能化管理方面具有重要作用,针对鸡舍内光线不均、鸡只与笼之间遮挡及鸡蛋粘连等因素导致自动计数困难的问题,本研究以笼养鸡只与鸡蛋为研究对象,基于YOLO v7-tiny提出一种轻量型网... 笼养模式下鸡/蛋自动识别与计数在低产能鸡判别及鸡舍智能化管理方面具有重要作用,针对鸡舍内光线不均、鸡只与笼之间遮挡及鸡蛋粘连等因素导致自动计数困难的问题,本研究以笼养鸡只与鸡蛋为研究对象,基于YOLO v7-tiny提出一种轻量型网络YOLO v7-tiny-DO用于鸡只与鸡蛋识别,并设计自动化分笼计数方法。首先,采用JRWT1412型无畸变相机与巡检设备搭建自动化数据采集平台,获取2146幅笼养鸡只图像用于构建数据集。然后,在YOLO v7-tiny网络基础上应用指数线性单元(Exponential linear unit,ELU)激活函数减少模型训练时间;将高效层聚合网络(Efficient layer aggregation network,ELAN)中的常规卷积替换为深度卷积减少模型参数量,并在其基础上添加深度过参数化组件(深度卷积)构建深度过参数化深度卷积层(Depthwise over-parameterized depthwise convolutional layer,DO-DConv),以提取目标深层特征;同时在特征融合模块引入坐标注意力机制(Coordinate attention mechanism,CoordAtt),提升模型对目标空间位置信息的感知能力。试验结果表明,YOLO v7-tiny-DO识别鸡只和鸡蛋的平均精确率(Average precision,AP)分别为96.9%与99.3%,与YOLO v7-tiny相比,鸡只与鸡蛋的AP分别提高3.2、1.4个百分点;改进后模型内存占用量为5.6 MB,比原模型减小6.1 MB,适合部署于算力相对有限的巡检机器人;YOLO v7-tiny-DO在局部遮挡、运动模糊和鸡蛋粘连情况下均能实现高精度识别与定位,在光线昏暗情况下识别结果优于其他模型,具有较强的鲁棒性。最后,将本文算法部署到NVIDIA Jetson AGX Xavier边缘计算设备,在实际场景下选取30个鸡笼开展计数测试,持续3 d。结果表明,3个测试批次鸡只与鸡蛋的计数平均准确率均值分别为96.7%和96.3%,每笼平均绝对误差均值分别为0.13只鸡和0.09枚鸡蛋,可为规模化养殖场智能化管理提供参考。 展开更多
关键词 笼养鸡/蛋 YOLO v7-tiny 深度过参数化深度卷积层 计数 边缘计算
在线阅读 下载PDF
基于KSGM-YOLO的轻量级小目标实蝇检测模型
8
作者 邓泓 王祖明 +5 位作者 尹乘乐 李越千 黄伟继 桂露 周帅 彭莹琼 《江苏农业科学》 北大核心 2025年第5期213-223,共11页
实蝇害虫会对果蔬作物造成减产,进而影响农民的果蔬经济效益。由于实蝇类间相似性高且采集的样本多为小目标,导致传统的害虫识别模型不准确。为此,提出一种基于YOLO v7-tiny的轻量级小目标检测模型KSGM-YOLO。该模型首先设计了针对实蝇... 实蝇害虫会对果蔬作物造成减产,进而影响农民的果蔬经济效益。由于实蝇类间相似性高且采集的样本多为小目标,导致传统的害虫识别模型不准确。为此,提出一种基于YOLO v7-tiny的轻量级小目标检测模型KSGM-YOLO。该模型首先设计了针对实蝇数据集的锚框聚类算法,生成了更有效的锚框;其次在Backbone中引入SimAM注意力机制,以增强模型对实蝇语义信息的特征提取能力;同时在原模型的Neck层中设计了GSCBL与GSELAN,以降低模型的参数量与计算量;最后采用MPDIoU损失函数计算定位损失,优化模型对小目标实蝇标注框的计算。此外本研究创建了实蝇数据集Drosophila-Four并在此数据集上进行了多项试验。试验结果显示,KSGM-YOLO相较于原模型,在精度方面提高了2.3百分点且参数量和计算量分别下降了6.3%和8.3%。这表明本研究提出的模型实现了更为准确的小目标实蝇检测需求,同时也取得了一定的轻量级优化效果。综上所述,本研究结果为果蔬作物提供了一种更准确的针对小目标害虫的轻量级检测方法,并为在边缘设备部署提供了可行性,能帮助农业工作者及时发现实蝇害虫,提高果蔬作物的产量和质量。 展开更多
关键词 实蝇 YOLO v7-tiny KSGM-YOLO 小目标检测 轻量级
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