检索结果-南通市图书馆

基于GoogLeNet和无人机图像的水稻秧苗形态识别

在线全文

学校读者我要写书评

暂无评论

华南农业大学学报 2022年第3期43卷 99-106页

作者：朱伟马立新张平刘德营南京农业大学工学院江苏南京210031 江苏省农业机械试验鉴定站江苏南京210017

【目的】针对目前国内评价插秧质量主要以人工观察和随机抽样的现状,提出一种基于卷积神经网络GoogLeNet对水稻秧苗图像进行形态识别的方法。【方法】首先,利用无人机超低空航拍获取清晰、完整的稻田秧苗图像,通过裁剪标记制作漂秧、伤... 详细信息

【目的】针对目前国内评价插秧质量主要以人工观察和随机抽样的现状,提出一种基于卷积神经网络GoogLeNet对水稻秧苗图像进行形态识别的方法。【方法】首先,利用无人机超低空航拍获取清晰、完整的稻田秧苗图像,通过裁剪标记制作漂秧、伤秧和合格秧苗数据集;然后,基于GoogLeNet结构训练数据,得到最佳网络识别模型;最后,对单穴秧苗图像进行分类试验,并与传统图像分类算法(SVM、BP神经网络)进行对比。【结果】在相同样本的条件下,基于GoogLeNet的秧苗形态识别方法更快、更准确地完成了判断分类,秧苗形态识别的平均正确率为91.17%,平均耗时0.27 s;与SVM和BP神经网络相比,分类平均精度分别提高了21和13个百分点,检测时间分别缩短了1.09和0.58 s。【结论】本研究可为水稻插秧质量评价提供相关支持。

关键词：水稻插秧质量秧苗形态 GoogLeNet 无人机图像分类

基于GoogLeNet的混凝土细观模型应力-应变曲线预测

在线全文

学校读者我要写书评

暂无评论

应用数学和力学 2022年第3期43卷 290-299页

作者：周杰赵婷婷陈青青王志勇王志华太原理工大学机械与运载工程学院应用力学研究所太原030024 材料强度与结构冲击山西省重点实验室太原030024

非均质复合材料的宏观力学性能往往取决于细观组分的分布方式和力学性能,但是建立明确的关系表达式极其困难.为了应对这一挑战,以混凝土为研究对象,提出了一种基于深度学习的策略,能够高效、准确地通过细观模型图像信息获取应力-应变曲... 详细信息

非均质复合材料的宏观力学性能往往取决于细观组分的分布方式和力学性能,但是建立明确的关系表达式极其困难.为了应对这一挑战,以混凝土为研究对象,提出了一种基于深度学习的策略,能够高效、准确地通过细观模型图像信息获取应力-应变曲线.首先,使用基于卷积神经网络(convolutional neural network,CNN)的GoogLeNet模型进行图像信息识别和提取,并针对应力-应变曲线的复杂性特点,进行了数据预处理操作,并且设计了相应的多任务损失函数.数据集中的细观模型图像采用基于Monte-Carlo的随机骨料模型生成,并且使用数值模拟试验获取对应细观模型的单轴压缩应力-应变曲线.最后,通过对神经网络的训练和测试评估了所提出方法的可行性.结果表明,GoogLeNet模型训练效率和预测精度均优于AlexNet和ResNet模型,具有良好的泛化能力和鲁棒性.

关键词：混凝土细观模型 GoogLeNet 卷积神经网络应力-应变曲线

基于GoogLeNet和空间谱变换的高光谱图像超分辨率方法

在线全文

学校读者我要写书评

暂无评论

光学技术 2022年第1期48卷 93-101页

作者：王溢琴董云云刘慧玲晋中学院信息技术与工程学院山西晋中030619 太原理工大学软件学院山西太原030600 晋中学院机械学院山西晋中030619

为了提高高光谱图像的空间分辨率,提出了一种基于GoogLeNet和空间谱变换的高光谱图像超分辨率(SR)方法。设计出遥感图像的光谱SR框架,对图像中不同反射光谱进行提取;采用GoogLeNet的稀疏编码对粗像素光谱进行放大,并投影到高分辨率字典... 详细信息

为了提高高光谱图像的空间分辨率,提出了一种基于GoogLeNet和空间谱变换的高光谱图像超分辨率(SR)方法。设计出遥感图像的光谱SR框架,对图像中不同反射光谱进行提取;采用GoogLeNet的稀疏编码对粗像素光谱进行放大,并投影到高分辨率字典上,将潜在SR表示进行反转,以获得超分辨光谱;为了提高图像重构的保真度,利用GoogLeNet网络的编解码结构实现空间光谱先验变换。在KSC等数据集对所提方法进行验证,实验结果表明,所提方法能够有效重建图像细节信息与纹理结构,平均峰值信噪比(APSNR)、平均结构相似度(ASSIM)以及光谱角映射(SAM)均优于其他对比方法,且能够较好地保持光谱信息。以KSC数据集为例,APSNR、ASSIM和SAM的值分别为25.643dB、0.789和0.084。

关键词：高光谱图像超分辨率 GoogLeNet 空间谱变换稀疏编码图像重构

基于GoogLeNet的稻米品种识别与碎米检测

在线全文

学校读者我要写书评

暂无评论

中国粮油学报 2023年第2期38卷 146-152页

作者：陈文博刘昌华刘春苔孙开琼武汉轻工大学数学与计算机学院武汉430048

稻米是我国人民食用的主要粮食作物,因此稻米的品种识别与质量检测有着重要的意义。在以前,通常使用的是人工的方式用眼睛观察来识别不同品种的稻米,这种方法效率低下,而且容易受主观的影响导致识别出错,从而影响准确率。本文基于MATLA... 详细信息

稻米是我国人民食用的主要粮食作物,因此稻米的品种识别与质量检测有着重要的意义。在以前,通常使用的是人工的方式用眼睛观察来识别不同品种的稻米,这种方法效率低下,而且容易受主观的影响导致识别出错,从而影响准确率。本文基于MATLAB平台设计一套稻米品种识别系统,首先使用图像处理将实际拍摄稻米图片进行目标检测和提取,再采用迁移学习的方式训练GoogLeNet深度神经网络模型对稻米图片进行识别,该模型还能检测出每一粒稻米是否为整精米,且识别准确率可达到96.46%。在相同训练参数下对比VGG19训练结果,验证精度提高1.46%,调整数据量探究其对模型性能影响,模型准确率随着数据集增大而提高,精度维持在94.17%以上。

关键词：稻米 GoogLeNet 迁移学习深度神经网络

在线全文

学校读者我要写书评

暂无评论

基于GoogLeNet模型的剪枝算法

控制与决策 2019年第6期34卷 1259-1264页

作者：彭冬亮王天兴杭州电子科技大学自动化学院杭州310018

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实... 详细信息

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.

关键词：剪枝算法 GoogLeNet Inception模块权重阈值参数冗余过拟合

基于GoogLeNet的混凝土活动裂纹电磁辐射信号识别方法

在线全文

学校读者我要写书评

暂无评论

中国测试 2024年

作者：侯春尧谭大文黄松岭张敬华张洪毅毛延翩周益三峡金沙江川云水电开发有限公司永善溪洛渡电厂清华大学电机系清华大学水沙科学与水利水电工程国家重点实验室中国长江电力股份有限公司

混凝土随结构构件的受力、变形和温度等变化容易形成无法维持稳定的活动裂纹，并在裂纹产生瞬间向空间中发射电磁辐射信号。针对混凝土开裂产生的电磁辐射信号的幅值低、频带宽，容易与电磁环境噪声混淆的问题，该文提出一种基于GoogLe... 详细信息

混凝土随结构构件的受力、变形和温度等变化容易形成无法维持稳定的活动裂纹，并在裂纹产生瞬间向空间中发射电磁辐射信号。针对混凝土开裂产生的电磁辐射信号的幅值低、频带宽，容易与电磁环境噪声混淆的问题，该文提出一种基于GoogLeNet的混凝土活动裂纹电磁辐射信号识别方法。该方法搭建电磁信号采集实验平台，通过实际混凝土开裂实验构建原始信号数据集，利用连续小波变换（CWT）将混凝土活动裂纹电磁辐射原始时域信号转化为二维时频域图以强化信号在开裂早期的局部时频域变化特征，并在GoogLeNet基础上构建并迭代训练模型。结果表明，该文提出的方法平均识别准确率为99.63%，泛化识别成功率高于97%，与支持向量机和残差网络等信号识别方法相比，更适合判定混凝土结构是否存在活动裂纹。

关键词：混凝土活动裂纹电磁辐射 GoogLeNet 信号识别

基于GoogLeNet的多级液压缸故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

液压与气动 2024年第6期48卷 33-43页

作者：曹秋涵赵俊鹏石健薛子良吴鹏辉曹向荣天目山实验室浙江杭州310023 北京航天发射技术研究所北京100076 北京航空航天大学自动化科学与电气工程学院北京100191

针对多级缸故障模式复杂且难以实现精准诊断的问题,提出一种基于GoogLeNet神经网络的多级缸故障诊断方法。以多级缸伸出动作时的工作原理为出发点,通过对其建立动力学模型,搭建包含多种故障模式的仿真模型,获得不同状态下的多级缸故障... 详细信息

针对多级缸故障模式复杂且难以实现精准诊断的问题,提出一种基于GoogLeNet神经网络的多级缸故障诊断方法。以多级缸伸出动作时的工作原理为出发点,通过对其建立动力学模型,搭建包含多种故障模式的仿真模型,获得不同状态下的多级缸故障信号。提取关键故障特征,并采用GoogLeNet神经网络构建故障诊断模型,实现多级缸故障诊断与故障定位。仿真和试验结果表明,所建立的多级缸仿真模型与实际相契合,且据此提出的故障诊断方法能够精准识别多级缸的不同故障模式,从而为多级缸维护维修工作的开展提供重要依据。

关键词：多级液压缸升降系统 GoogLeNet 故障诊断

基于GoogLeNet深度迁移学习的苹果缺陷检测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2020年第7期51卷 30-35页

作者：薛勇王立扬张瑜沈群中国农业大学食品科学与营养工程学院北京100083 中国农业大学国家果蔬加工工程技术研究中心北京100083 中国农业大学信息与电气工程学院北京100083 中国农业大学植物蛋白与谷类加工北京市重点实验室北京100083

针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测... 详细信息

针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性。

关键词：苹果缺陷检测 GoogLeNet 深层卷积神经网络

基于改进GoogLeNet的玻璃安瓿瓶微孔检测

在线全文

学校读者我要写书评

暂无评论

四川大学学报（自然科学版） 2022年第5期59卷 47-53页

作者：曹林杰任德均任秋霖闫宗一李鑫唐洪四川大学机械工程学院成都610065

在玻璃安瓿瓶包装完整性检测领域,常用高压放电法对微米级漏孔缺陷进行检测,针对现有方法存在的难以找到合适滤波方式、判别阈值依赖人工设计、检测准确率较低的问题,提出一种基于改进的GoogLeNet的微孔检测方法.对于原始放电电流数据,... 详细信息

在玻璃安瓿瓶包装完整性检测领域,常用高压放电法对微米级漏孔缺陷进行检测,针对现有方法存在的难以找到合适滤波方式、判别阈值依赖人工设计、检测准确率较低的问题,提出一种基于改进的GoogLeNet的微孔检测方法.对于原始放电电流数据,利用小波变换(WT),以广义Morse小波函数(GMW)为基小波,将一维的电流时间序列转换为二维的时频索引图以呈现数据完整的细节信息.在GoogLeNet原型基础上引入Relu激活函数以减少过拟合,将输入端卷积缩减至1层,然后进行了三种不同层次的Inception模块裁剪,对比分析发现只用前6个Inception模块并调高Inception(4d)的大尺寸卷积核占比时,模型能在参数量更少的情况下同样达到很好的微孔判别效果.在生产现场工控机中用训练好的模型替换原有算法,进行1000个正负样本的验证测试,结果表明该算法的准确率达到99.15%,阳性样品漏检率仅0.8%,优于现有方法的96.45%准确率和5.3%漏检率,具有较好实用价值.

关键词：玻璃安瓿高压检漏时间序列分类 GoogLeNet 小波变换