检索结果-南通市图书馆

渔业现代化 2024年第1期51卷 90-97页

作者：涂雪滢钱程刘世晶刘晃李国栋中国水产科学研究院渔业机械仪器研究所上海200092 农业农村部渔业装备与工程技术重点实验室上海200092

鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于resnet34的大菱鲆鱼苗识别计数方法。首先,设计... 详细信息

鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于resnet34的大菱鲆鱼苗识别计数方法。首先,设计了一套适用于微小目标计数需要的图像采样装置,采用图像预处理方法实现鱼苗前景分割和初步定位。为了有效统一样本空间和待识别目标空间,利用最小外接矩规则化初步定位前景图像,构建图像样本集。大菱鲆鱼苗识别阶段,利用相同预处理方法获取待识别目标区域,并引入resnet34模型作为识别模型实现待识别目标区域苗种识别;最后,通过统计所有待识别目标识别数量结果实现大菱鲆苗种计数。结果显示:本方法在微小鱼苗识别计数方面取得了较好的精度,利用resnet34模型的大菱鲆鱼苗的识别平均准确率达到94.27%,比基于SVM方法(识别精度85.8%)和AlexNet(识别精度87.04%)方法识别精度分别提高7.4个百分点和8.64个百分点,优于resnet18(识别精度93.21%)和resnet50(识别精度93.83%)等相似结构的识别效果。本模型鱼苗计数的平均准确率达到96.28%。研究表明,提出的样本集构建和识别方法能够满足微小目标计数需求,可为鱼类苗种计数提供了技术借鉴。

关键词：鱼苗计数图像识别大菱鲆 resnet34模型

来源：

维普期刊数据库

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

基于resnet模型的聚乙烯燃气管道接头缺陷识别算法

引用

压力容器 2023年第7期40卷 73-80页

作者：凌晓程凌宇郭凯杨凯孙宝财兰州理工大学石油化工学院兰州730050 甘肃省特种设备检验检测研究院兰州730050

接头是聚乙烯燃气管道容易出现危害性缺陷的薄弱环节,需对此薄弱区域进行定期检测,以确保聚乙烯燃气管道的安全运行。为提高聚乙烯燃气管道接头缺陷图像识别能力,提出了一种基于resnet网络模型的改进型卷积神经网络识别算法。首先运用La... 详细信息

接头是聚乙烯燃气管道容易出现危害性缺陷的薄弱环节,需对此薄弱区域进行定期检测,以确保聚乙烯燃气管道的安全运行。为提高聚乙烯燃气管道接头缺陷图像识别能力,提出了一种基于resnet网络模型的改进型卷积神经网络识别算法。首先运用Laplacian算子、中值滤波等方式实现对PE燃气管道接头缺陷图像的预处理;然后,将dropout层和ELU函数加入在resnet34网络模型中完成图像识别模型的构建;最后,采用改进的resnet34网络模型通过试验对包含6种热熔缺陷类型的数据集进行训练和测试。试验结果表明,改进后的resnet34网络模型对缺陷图像的训练正确率可达到97.3%,且拥有比原始的resnet34网络模型和DenseNet网络模型更高的正确率,验证了此模型对于热熔接头缺陷图像识别的有效性。

关键词：聚乙烯燃气管道缺陷检测图像识别卷积神经网络 resnet34模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进resnet34的玉米病害分类研究

引用

无线互联科技 2023年第13期20卷 127-130页

作者：李涵唐友辛鹏杨牧吉林化工学院吉林吉林132022 吉林农业科技学院吉林吉林132101 一汽东机工减振器有限公司吉林长春130001

玉米病害分类是一个具有挑战性的问题,因为病害的形态和颜色等特征相似,使得分类难度较大。文章基于深度学习技术,对玉米病害进行分类研究,提出了一种名为CBAM_resnet34的卷积神经网络模型。该模型在resnet34基础上加入了CBAM注意力模块... 详细信息

玉米病害分类是一个具有挑战性的问题,因为病害的形态和颜色等特征相似,使得分类难度较大。文章基于深度学习技术,对玉米病害进行分类研究,提出了一种名为CBAM_resnet34的卷积神经网络模型。该模型在resnet34基础上加入了CBAM注意力模块,可以更好地提取玉米病害特征,以提高模型的分类性能。本文使用公开玉米病害数据集,共包含8种类别,通过数据增强技术进行数据扩充得到17 670张图片,可以有效提高模型的泛化能力。将改进后的模型与resnet34模型进行实验对比,实验结果表明,CBAM_resnet34模型的分类准确率为88.1%,相比resnet34提高了1.1%。该模型能够有效地对玉米病害进行分类识别,为玉米产业的发展和可持续利用提供了一种新的方法和思路。

关键词： resnet34模型卷积神经网络数据增强 CBAM注意力模块玉米病害分类

来源：

维普期刊数据库

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

基于改进残差网络的柑橘病害识别

引用

中南民族大学学报（自然科学版） 2021年第6期40卷 621-630页

作者：帖军罗均郑禄莫海芳隆娟娟中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心武汉430074

针对复杂自然环境下柑橘病害图像识别准确率不高的问题,提出一种基于resnet34深度学习模型的多类别柑橘病害图像识别方法.通过舍弃部分残差结构中的identity映射,进一步提取柑橘病害图像的低层特征,降低消极特征在低层特征的占比,得到... 详细信息

针对复杂自然环境下柑橘病害图像识别准确率不高的问题,提出一种基于resnet34深度学习模型的多类别柑橘病害图像识别方法.通过舍弃部分残差结构中的identity映射,进一步提取柑橘病害图像的低层特征,降低消极特征在低层特征的占比,得到改进后的S-resnet模型.与resnet34模型相比:S-resnet模型对自然环境下柑橘病害图像的识别准确率提高了3.9%.为提取柑橘病害图像中更具表达力的深层特征,使用3×3卷积核替换resnet34首层中的7×7卷积核,得到改进后的M-resnet模型.使用模型融合方法将S-resnet与M-resnet进行融合,得到融合模型F-resnet,解决了单一模型中泛化能力弱、鲁棒性较差等问题.实验结果表明,F-resnet对自然环境下柑橘病害图像的识别准确率达到93.6%,可以很好地满足实际生产环境中果园病害识别需求,具有良好的应用前景.

关键词：病害识别 resnet34模型融合模型卷积神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：