检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的香花油茶无性系识别研究

基于深度学习的香花油茶无性系识别研究

作者：尹显明中南林业科技大学

学位级别：硕士

香花油茶(Camellia osmantha Ye CX,Ma JL et Ye H)是 2012 年在广西发现的具有早实、丰产、多抗等优良特性的山茶属新种,在我国油茶产业发展中具有广阔的应用前景。近十多年来,广西壮族自治区林业科学研究院已经培育一大批香花油茶通... 详细信息

香花油茶(Camellia osmantha Ye CX,Ma JL et Ye H)是 2012 年在广西发现的具有早实、丰产、多抗等优良特性的山茶属新种,在我国油茶产业发展中具有广阔的应用前景。近十多年来,广西壮族自治区林业科学研究院已经培育一大批香花油茶通过国家和自治区审、认定的良种,并在生产中广泛推广应用。本文针对香花油茶无性系品种众多、难以通过表型性状进行有效区别的突出问题,运用深度学习方法,开展基于叶、花、果等器官的香花油茶无性系品种识别研究,旨在为香花油茶生产提供一种科学、技术含量高、能快速有效分辨香花油茶无性系品种的技术方法。研究具有智慧植物形态分类学意义和种苗生产真实性的应用价值。研究结果如下:(1)针对没有可用于深度学习模型训练的香花油茶无性系图像数据库的问题,本文从确定香花油茶无性系图像的采集方案着手,分别采集香花油茶无性系叶、花、果图像,建立数字化香花油茶叶、花、果图像数据库。根据香花油茶无性系叶、花、果的特点,有针对性地采集图像,最终得到21 876张图像,建立包含20个香花油茶无性系的叶、花、果图像数据库。通过数据筛选去除低质量图像,按6:2:2将图像随机分配为训练集、验证集和测试集,再使用数据增强方法增加训练集、验证集图像数据,构建香花油茶无性系叶、花、果数据集。(2)对于构建的叶、花、果数据集,及将叶、花、果数据集以一定比例混合得到的新数据集,使用googlenet-V3在同一平台、同一训练参数下分别训练180 000次,最后对最优模型使用测试集数据进行模型检测。通过多分类模型混淆矩阵评价方法分别对三种模型的各类别识别准确率、召回率,混合模型内叶、花、果识别准确率、召回率及混合模型与单独模型的识别准确率、召回率进行对比评价。结果表明,香花油茶叶、花、果及混合模型识别准确率、召回率均超过88%,其中最高的花模型达到93%;混合模型内则表现为对叶、花图像的识别准确率、召回率均超过93%,而对果图像的识别准确率、召回率仅达到74%。总体来说,香花油茶无性系叶、花、果及混合模型均能对香花油茶无性系进行有效识别,但同一无性系在不同特征、不同无性系在同一特征上的识别准确率均有所不同,结合多种模型进行综合评价可能得到更好的结果。(3)根据得到的香花油茶无性系叶、花、果图像分类模型,使用Android Studio设计并开发可用于香花油茶无性系叶、花、果识别的移动端APP。该移动端APP能通过相机拍摄图像和相册图库选取图像的方法识别叶、花、果图像。经测试,该移动端APP能实现与PC端训练模型一致的识别效果,可为香花油茶的推广提供一种客观、便捷的无性系识别新途径。

关键词：香花油茶品种识别深度学习 googlenet 数字化图像数据库

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积神经网络的水稻穗瘟病检测方法

农业工程学报 2017年第20期33卷 169-176页

作者：黄双萍孙超齐龙马旭汪文娟华南理工大学电子与信息学院广州510641 华南农业大学工程学院广州510642 广东省农业科学院植物保护研究所广州510640

穗瘟是一种严重影响水稻产量及品质的多发病害,有效地检测穗瘟是水稻病害防治的重要任务。该文提出基于深度卷积神经网络googlenet模型的水稻穗瘟病检测方法,该方法利用Inception基本模块重复堆叠构建主体网络。Inception模块利用多尺... 详细信息

穗瘟是一种严重影响水稻产量及品质的多发病害,有效地检测穗瘟是水稻病害防治的重要任务。该文提出基于深度卷积神经网络googlenet模型的水稻穗瘟病检测方法,该方法利用Inception基本模块重复堆叠构建主体网络。Inception模块利用多尺度卷积核提取不同尺度穗瘟病斑分布式特征并进行级联融合。googlenet利用其结构深度和宽度,学习复杂噪声高光谱图像的隐高维特征表达,并在统一框架中训练Softmax分类器,实现穗瘟病害预测建模。为验证该研究所提方法的有效性,以1 467株田间采集的穗株为试验对象,采用便携式户外高光谱成像仪Gaia Field-F-V10在自然光照条件下拍摄穗株高光谱图像,并由植保专家根据穗瘟病害描述确定其穗瘟标签。所有高光谱图像-标签数据对构成googlenet模型训练和验证的原始数据集。该文采用随机梯度下降算法(SGD,stochastic gradient descent)优化googlenet模型,提出随机扔弃1个波段图像和随机平移平均谱图像亮度的2种数据增强策略,增加训练数据规模,防止模型过拟合并改善其泛化性能。经测试,验证集上穗瘟病害预测最高准确率为92.0%。试验结果表明,利用googlenet建立的深度卷积模型,可以很好地实现水稻穗瘟病害的精准检测,克服室外自然光条件下利用光谱图像进行病害预测面临的困难,将该类研究往实际生产应用推进一大步。

关键词：病害模型图像处理高光谱成像穗瘟病检测深度卷积神经网络 googlenet

在线全文

学校读者我要写书评

暂无评论

基于改进残差网络的油气柱高度预测

海南大学学报(自然科学版) 2023年

作者：杜睿山程永昌孟令东油气藏及地下储库完整性评价黑龙江省重点实验室东北石油大学计算机与信息技术学院

针对目前油气柱高度预测技术局限于传统的地质方法且预测效果不太理想的现状，展开一种基于改进残差神经网络的油气柱高度预测的研究.该模型从断层解释和油藏解剖提取的圈闭结构化特征数据中提取特征信息，以估计油气柱高度.模型将原始... 详细信息

针对目前油气柱高度预测技术局限于传统的地质方法且预测效果不太理想的现状，展开一种基于改进残差神经网络的油气柱高度预测的研究.该模型从断层解释和油藏解剖提取的圈闭结构化特征数据中提取特征信息，以估计油气柱高度.模型将原始残差块中的串行连接网络变成多个并行连结的网络，可以在多个尺度上同时进行卷积再聚合，能提取到不同尺度的特征，使其变成一个稀疏性、高计算性能的网络结构；同时保留了网络中跳跃连接的结构，缓解了在深度神经网络中增加深度带来了梯度消失和网络退化的问题，通过直接将输入信息绕道传到输出，保护信息的完整性；并在模型的首层和尾层增加注意力模块，来捕获集中于某个局部信息，使模型其能更快的收敛.此外对机器学习中常用的RF和BP神经网络以及深度学习中CNN、googlenet、ResNet和ResNet+Atten在圈闭数据上的应用进行了比较和分析.实验结果表明，改进的ResNet对油气柱高度预测有更加准确的结果.

关键词：油气柱高度 ResNet googlenet Attention机制预测

基于深度卷积神经网络的仿野生种植金银花遥感识别方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国中药杂志 2020年第23期45卷 5658-5662页

作者：史婷婷张小波郭兰萍景志贤黄璐琦中国中医科学院中药资源中心道地药材国家重点实验室培育基地北京100700

中药材识别是现代中药材产业的基础部分与重要前提。对于仿野生种植的中药材,由于其分散、不规则、细碎化等种植特点,使得利用传统分类方法对其进行精细识别的精度较低,因此将深度卷积神经网络模型用于仿野生种植的中药材识别。该研究... 详细信息

中药材识别是现代中药材产业的基础部分与重要前提。对于仿野生种植的中药材,由于其分散、不规则、细碎化等种植特点,使得利用传统分类方法对其进行精细识别的精度较低,因此将深度卷积神经网络模型用于仿野生种植的中药材识别。该研究以平邑县裴家沟村为研究区,通过无人机获取遥感数据并进行数据预处理,建立样本数据集,利用googlenet网络模型对大量训练样本的学习,提取无人机遥感影像中的金银花特征,通过调整网络参数,进一步优化网络结构,构建金银花识别模型,并利用该模型提取金银花种植空间信息,通过地面样方数据验证金银花提取精度。研究结果表明:经训练优化后的模型对金银花整体分类精度可达97.5%,面积总精度为94.6%。基于googlenet的深度卷积神经网络能够有效地提取影像中分布较为破碎的金银花信息,实现金银花精细分类。可为深度卷积神经网络方法在中药材遥感分类中的应用提供参考。

关键词：深度学习卷积神经网络无人机遥感金银花 googlenet

在线全文

学校读者我要写书评

暂无评论

基于CNN的一种错误率可控图像分类算法

哈尔滨商业大学学报:自然科学版 2023年第5期39卷 533-540,549页

作者：杨林周跃进安徽理工大学数学与大数据学院安徽淮南232001

传统的卷积神经网络(Convolutional Neural Network,CNN)的预测结果错误率不可控并且不具备置信度衡量,当面对高风险低容错率的问题时,这种方法的预测结果可靠性低.针对这个缺点,基于归纳一致性预测提出一种错误率可控的图像分类算法.... 详细信息

传统的卷积神经网络(Convolutional Neural Network,CNN)的预测结果错误率不可控并且不具备置信度衡量,当面对高风险低容错率的问题时,这种方法的预测结果可靠性低.针对这个缺点,基于归纳一致性预测提出一种错误率可控的图像分类算法.该算法通过训练更小的训练集有效缩短了卷积神经网络的训练时间,并根据奇异值函数衡量测试样本与各个类别之间的一致性程度,使得输出结果具有极高的可靠性.实验结果表明,提出的算法能够有效地控制神经网络的预测准确率,并且能够提供具有可靠置信度的预测集合.

关键词：归纳一致性预测卷积神经网络 googlenet ResNet50 域预测图像分类

基于改进的Faster R-CNN网络的绝缘子识别算法

在线全文

学校读者我要写书评

暂无评论

云南民族大学学报:自然科学版 2023年第5期32卷 595-600页

作者：徐武高寒王欣达张强秦浩然吴庆畅云南民族大学电气信息工程学院云南昆明650500 中国石油运输公司乌鲁木齐830014 云南民族大学澜湄职业技术学院云南昆明650500

在绝缘子检测过程中,航拍绝缘子图像中存在多个绝缘子串,且目标较小,背景复杂,导致绝缘子特征极其不明显.为解决以上问题,从提高网络模型对于小目标和多目标物体检测能力的角度对Faster R-CNN进行改进.首先,选用对提取特征信息利用率更... 详细信息

在绝缘子检测过程中,航拍绝缘子图像中存在多个绝缘子串,且目标较小,背景复杂,导致绝缘子特征极其不明显.为解决以上问题,从提高网络模型对于小目标和多目标物体检测能力的角度对Faster R-CNN进行改进.首先,选用对提取特征信息利用率更高的GoolgeNet进行特征提取,利用Inception结构高效地利用计算资源;其次,针对一张航拍图像中有多个绝缘子目标,且大小不一,特征不易提取,对Inception结构进行改进;最后,在通用的数据集上进行测试,实现对绝缘子的精确检测.实验结果表明:该方法与传统的Faster R-CNN算法相比,准确率提高了约6%,召回率提升了约8%,能够较好地识别出绝缘子,且对于多目标和小目标的检测效果良好.

关键词：绝缘子区域建议网络 Inception googlenet

在线全文

学校读者我要写书评

暂无评论

基于深度学习的香蕉病害远程诊断系统

华南农业大学学报 2020年第6期41卷 92-99页

作者：史红栩李修华李民赞王伟温标堂广西大学电气工程学院广西南宁530004 广西甘蔗生物学重点实验室广西南宁530004 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 广西捷佳润科技有限公司广西南宁530001

【目的】实现香蕉病害的远程诊断。【方法】基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像,按7∶1∶2分为训练集、验证集和测试集。利用迁移学习对googlenet深度卷积神经网络训练获取诊断模型... 详细信息

【目的】实现香蕉病害的远程诊断。【方法】基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像,按7∶1∶2分为训练集、验证集和测试集。利用迁移学习对googlenet深度卷积神经网络训练获取诊断模型。进一步开发了包含手机移动应用程序(APP)和远程服务器的软件系统。【结果】通过对比不同迭代次数及不同优化器,最终采用了MomentumOptimizer迭代10000次的模型,平均测试精度达到了98%。设计的APP能够就地获取香蕉图像,并通过网络与集成了诊断模型的远程服务器通信,实时获取诊断结果。【结论】该病害诊断模型识别主要病害的精度高,在线诊断系统简单易操作,可快速有效地在线诊断香蕉常见病害,具有良好的应用前景。

关键词：香蕉病害深度学习 googlenet 图像识别移动应用迁移学习

在线全文

学校读者我要写书评

暂无评论

卷积神经网络在图像目标检测中的应用

电视技术 2023年第11期47卷 209-211,215页

作者：程卓贵阳职业技术学院贵州贵阳550081

分析卷积神经网络(Convolutional Neural Networks,CNN)在图像目标检测中的性能,重点比较AlexNet、googlenet和ResNet50这3个流行模型在不同数据集上的表现。在CIFAR-100和CIFAR-10数据集上,googlenet和ResNet50表现出更精确的物体识别... 详细信息

关键词：图像目标检测卷积神经网络(CNN) googlenet ResNet50

基于卷积神经网络的高速公路拥堵识别技术研究

在线全文

学校读者我要写书评

暂无评论

信息与电脑 2022年第14期34卷 82-85页

作者：刘宇峰山西交通控股集团有限公司山西太原030000

目前,交通拥堵问题日趋严重,对交通安全构成极大威胁,为提高监控视频识别准确率,文章基于卷积神经网络中googlenet模型,提出了一种高速拥堵识别技术,利用卷积神经网络(Convolutional Neural Networks,CNN)在图像识别领域较强的学习能力... 详细信息

目前,交通拥堵问题日趋严重,对交通安全构成极大威胁,为提高监控视频识别准确率,文章基于卷积神经网络中googlenet模型,提出了一种高速拥堵识别技术,利用卷积神经网络(Convolutional Neural Networks,CNN)在图像识别领域较强的学习能力,解决了监控视频识别准确率低的问题,促进了交通安全发展。

关键词：交通拥堵卷积神经网络(CNN) googlenet