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3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 v8m的柑橘花期与花量识别方法
1
作者 潘鹤立 肖松 +5 位作者 杨晓霞 胡子钰 陈思虞 林洁雯 王会全 兰连清 《农业机械学报》 北大核心 2026年第5期186-196,共11页
为实现山地果园柑橘花期准确检测,提出了一种基于YOLO v8m改进的柑橘花期检测方法(YOLO v8m-CFDNet)。在YOLO v8m框架上,引入花瓣感知卷积(PAC)优化C2f模块以增强细粒度特征提取;结合MS-CAM与SAM提升多尺度注意力表达;采用DySample动态... 为实现山地果园柑橘花期准确检测,提出了一种基于YOLO v8m改进的柑橘花期检测方法(YOLO v8m-CFDNet)。在YOLO v8m框架上,引入花瓣感知卷积(PAC)优化C2f模块以增强细粒度特征提取;结合MS-CAM与SAM提升多尺度注意力表达;采用DySample动态上采样缓解边缘模糊;设计光照自适应加权交叉熵以增强逆光场景鲁棒性;并利用Linear Soft-NMS优化后处理,减少密集目标漏检。在福建永春芦柑和福州福橘数据集上进行训练与验证,采用消融实验、对比实验及泛化实验综合评估模型性能。消融实验表明,各模块均能独立提升性能,最终模型mAP@0.5达83.07%,较基准提升8.55个百分点;对比实验中,YOLO v8m-CFDNet在SSD、YOLO v5m、YOLO v6、YOLO v9e、YOLO v10m等模型中性能最优,检测速度达91.94 f/s,参数量仅2.839×10^(7);泛化实验显示,在福州福橘数据集上mAP@0.5提升6.64个百分点,逆光条件下召回率提升7.2个百分点。混淆矩阵分析表明,开放期识别准确率最高(86.91%)。本文所提出的YOLO v8m-CFDNet在检测精度、实时性与计算复杂度之间实现了良好平衡,具备跨品种与复杂光照条件下的鲁棒性与泛化能力,为柑橘花期自动化监测与智能农业管理提供了有效技术支撑。 展开更多
关键词 柑橘 花朵识别与计数 YOLO v8m 密集分布
在线阅读 下载PDF
基于深度学习的曲面体层片颌骨病变辅助诊断技术研究 被引量：2
2
作者 高歌 刘畅 +3 位作者 曾梦雨 彭俊杰 郭际香 汤炜 《口腔疾病防治》 2024年第10期789-796,共8页
目的 探讨深度学习应用于曲面体层片辅助诊断颌骨透射病变、颌骨阻射病变的效果,以减少漏诊,辅助医生早期筛查、提高诊断准确性。方法 本研究通过四川大学华西口腔医院伦理委员会批准。以443例曲面体层片为研究对象,构建YOLO v8m-p2神... 目的 探讨深度学习应用于曲面体层片辅助诊断颌骨透射病变、颌骨阻射病变的效果,以减少漏诊,辅助医生早期筛查、提高诊断准确性。方法 本研究通过四川大学华西口腔医院伦理委员会批准。以443例曲面体层片为研究对象,构建YOLO v8m-p2神经网络模型,将标注后的图像分为训练集354例,验证集45例和测试集44例,用于模型训练、验证和测试。采用精确率、召回率、F-1分值、G分值、mAP50评价模型的检测性能。结果 443例曲面体层片涵盖颌骨常见的良性病变,其中颌骨透射病变数量为318,包括含牙囊肿、牙源性角化囊肿、成釉细胞瘤3类病变;颌骨阻射病变数量为145,包含特发性骨硬化、牙瘤、牙骨质瘤、牙骨质-骨结构不良4类病变,样本有良好的代表性。YOLO v8m-p2神经网络模型识别颌骨病变的性能:精确率为0.887,召回率为0.860,F-1分值为0.873,G分值为0.873,mAP50为0.863。其中,含牙囊肿、牙源性角化囊肿、成釉细胞瘤召回率分别为0.833、0.941、0.875。结论 YOLO v8m-p2神经网络模型应用于初步检测口腔曲面体层片中的颌骨透射病变及颌骨阻射病变以及多分类检测颌骨透射病变时诊断性能表现良好,可辅助医生筛查曲面体层片的颌骨疾病。 展开更多
关键词 颌骨囊肿 颌骨肿瘤 影像诊断 曲面体层片 人工智能 深度学习 目标检测 YOLO v8m 神经网络模型
暂未订购
宝马M5型V8发动机
3
作者 殷博聪 《中国汽车维修市场》 2000年第15期42-43,共2页
关键词 宝马M5型V8发动机 轿车 双VAN05系统
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