检索结果-南通市图书馆

作者：高轩塔里木大学

学位级别：硕士

新疆作为中国重要的番茄种植基地,凭借其得天独厚的自然环境,培育出了品质卓越的番茄,其种植面积和产量在全国名列前茅。为确保番茄品质,对病害的及时防控至关重要。番茄的病害最初表现在叶片上,虽然传统深度学习被用于叶片病害检测,但... 详细信息

新疆作为中国重要的番茄种植基地,凭借其得天独厚的自然环境,培育出了品质卓越的番茄,其种植面积和产量在全国名列前茅。为确保番茄品质,对病害的及时防控至关重要。番茄的病害最初表现在叶片上,虽然传统深度学习被用于叶片病害检测,但由于背景复杂和病害特征多样化的原因,造成了模型检测准确率低、计算量大等问题,且现有方法仅限于识别病害类型,未对病害程度进行评估。因此,本文按照先检测病害叶片、再识别具体病害的两阶段的研究思路,利用目标检测与多任务学习相关技术,对以上问题展开深入研究,主要研究内容和成果如下:(1)针对现有yolov7-tiny检测模型在复杂背景下对叶片细节特征提取能力不足的问题,本文提出一种用于番茄病害叶片检测的DA-YOLO模型。首先,在yolov7-tiny主干网络之后添加一个可变形卷积DCN模块,增强网络对叶片边缘细节特征的提取能力;其次,将yolov7-tiny中的特征融合网络PAFPN替换为渐进特征金字塔网络AFPN,使得不同尺度的特征可以充分融合,提高模型在复杂背景下对病害叶片的检测能力;最后,使用通道剪枝策略对模型进行轻量化,便于后续移动端部署。实验结果表明,本文方法与原番茄叶片病害检测模型相比,在复杂背景数据集上的m AP、精确率和召回率分别提高了3.05%,3.16%和2.56%,同时,该模型的参数量仅为原模型的44.7%,GFLOPS仅为7.7。(2)针对传统番茄叶片病害单任务分类模型在利用病害特征方面存在不足且计算效率低的问题,本文提出了一种番茄叶片多任务分类模型Multi-Mobilenet,通过共享叶片的浅层特征,对第一阶段DA-YOLO模型检测到的叶片的病害类型和病害程度进行细粒度分类。首先,利用轻量级ECA模块替换共享特征层中的通道注意力模块SE,来降低多任务网络模型的复杂度;其次,在共享特征网络之后加入了ASPP以扩大感受野,提高对病害叶片不同尺度变化的适应性;最后,在两个支任务分别加入了CBAM以提高模型对细节的关注度。实验结果表明,本文提出的Multi-Mobilenet模型对番茄叶片病害类型和程度的分类准确率分别为98.62%和90.29%,模型参数量仅为0.95M。(3)结合本文提出的两个模型,搭建了番茄叶片病害智能诊断系统的移动端客户端和服务端,用户通过拍摄并上传番茄病害叶片图片,即可在移动端本地对病害类型和程度进行识别,并可将结果反馈至专家获取相关防治建议。

关键词：番茄叶片病害识别 yolov7模型多任务学习轻量化注意力机制

来源：

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

基于监控图像的银行安全检测算法研究与系统设计

基于监控图像的银行安全检测算法研究与系统设计

引用

作者：冮震沈阳航空航天大学

学位级别：硕士

随着智能算法和计算机技术的广泛应用,监控网络和监控硬件产品设备的不断更新,为银行监控系统实现数字化、智能化创新应用提供了理论和技术基础。因此,本文以银行的监控图像为基础数据,提出了基于改进VGGNet16与Dense Net融合的身份识... 详细信息

随着智能算法和计算机技术的广泛应用,监控网络和监控硬件产品设备的不断更新,为银行监控系统实现数字化、智能化创新应用提供了理论和技术基础。因此,本文以银行的监控图像为基础数据,提出了基于改进VGGNet16与Dense Net融合的身份识别方法和基于改进yolov7的火灾图像检测方法。在此基础上,设计开发了安全检测应用系统。该系统不仅能有效地识别出客户身份是否人证相符,还可以有效地检测出监控环境火灾,进一步加强银行的智能安全防范体系。具体工作如下:首先,提出了基于改进VGGNet16与Dense Net融合的身份识别方法。该方法是将VGGNet16的3层全连接层改进为2层卷积层和1层全连接层形式,利用现有的监控摄像头采集客户图像,将改进的VGGNet16和Dense Net方法进行串联,并对客户进行身份识别。并在人脸数据库和身份证联网核查数据中进行人证相似度比对,给出相似度来判断是否人证相符,以此达到客户身份的有效确认。同时,该方法与现有的自助银行和手机银行人脸识别功能进行了对比分析。实验结果表明,该方法具有较高识别率及时效率。其次,提出了基于改进yolov7的火灾图像检测方法。对yolov7模型的改进包括两个方面:一是用改进的VGGNet16网络来替代主干网络中的前4层卷积层;二是在主干网络中引入CA注意力机制和CBMA注意力机制。首先,火焰及烟雾经过形态特征处理后,运用YCb Cr彩色空间、YUV颜色空间来实现提取火焰、烟雾颜色特征。然后,在改进的VGGNet16网络中充分提取特征,并按照是否存在火焰或烟雾进行分类输出。最后,将输出的图像通过改进的yolov7模型进行火焰及烟雾融合检测训练。经过测试,该方法能够快速检测火焰或烟雾,为发现初期火灾提供有效的数据图像。最后,设计开发了身份识别和火灾检测相结合的安全检测应用系统。该系统利用同一套监控设备提供的图像,对客户身份进行识别时,客户身份(人证相符)识别准确率达到98.4%,客户身份(人证不相符)识别准确率达96.6%;对监控图像进行火灾检测时,检测出图像中火焰和烟雾的平均精度均值为83.8%,反映出系统能够快速地检测火灾和准确地识别出客户身份。因此,本文研究成果具有良好的实际应用价值。

关键词：人脸识别火灾检测监控图像深度学习 yolov7模型

来源：

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Canny-YOLO的目标检测方法改进研究

引用

中国科技论文 2024年第6期19卷 733-740页

作者：李军海祎飞北京信息科技大学人工智能安全创新团队北京100192 北京信息科技大学信息安全系北京100192

针对当前军工工业产品缺陷检测能力不足的问题,以生产中普遍存在的小目标缺陷检测为切入点,提出了一种基于Canny-yolov7算法的融合增强模型。该模型主要通过Canny边缘检测算法识别图像中的潜在缺陷区域并对缺陷区域特征进行增强,在此基... 详细信息

针对当前军工工业产品缺陷检测能力不足的问题,以生产中普遍存在的小目标缺陷检测为切入点,提出了一种基于Canny-yolov7算法的融合增强模型。该模型主要通过Canny边缘检测算法识别图像中的潜在缺陷区域并对缺陷区域特征进行增强,在此基础上对yolov7模型进行针对性改进以提升泛化能力。首先,为增强模型对于细微缺陷特征的提取能力,使用Swin Transformer (STR)模块替换原始主干网络中的ELAN模块。其次,采用SIOU损失函数使得改进模型能快速学习到准确的目标定位。最后,采用LeakyReLU激活函数减少函数计算开销,进一步提升模型检测速度。实验结果表明,在相同数据集下,提出的增强模型平均检测精度达到97.5%,相较于原始yolov7模型提升了4.6%,检测速度(FPS)为52.45,满足实时检测需求。

关键词：深度学习缺陷检测 yolov7模型 Canny算法 Swin Transformer

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

基于红外图像的电力设备故障识别技术研究

引用

中国新技术新产品 2024年第21期 33-35页

作者：吴建江王博浙江华业电力工程股份有限公司浙江台州317604

目前电力设备故障尚未应用温度变化率进行变压器故障诊断,因此本文提出利用基于模糊温差法的隶属函数方法对红外图像进行预处理,并利用yolov7模型对红外图像进行处理,以提升红外图像的辨识度。试验结果表明,yolov7算法的红外图像处理模... 详细信息

目前电力设备故障尚未应用温度变化率进行变压器故障诊断,因此本文提出利用基于模糊温差法的隶属函数方法对红外图像进行预处理,并利用yolov7模型对红外图像进行处理,以提升红外图像的辨识度。试验结果表明,yolov7算法的红外图像处理模型的节点数量仅为121个,比yolov3和yolov4分别降低80.9%、81.03%。并且yolov7算法在图像处理时间方面具有较好的性能,检测时间仅为10 s,比yolov3和yolov4的检测时间分别降低50%和30%。

关键词：红外图像 yolov7模型电力设备故障识别图像处理

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

轻量化垃圾目标检测算法研究

引用

电脑编程技巧与维护 2024年第10期 21-23页

作者：蔡温娜贵州师范大学电子科学学院贵阳550025

为提高垃圾分类效果,利用深度学习模型yolov7,实现垃圾的智能识别与分类。居民可用手机拍摄垃圾,算法将自动分析并给出垃圾分类建议。该模型在自制数据集上的准确率达到90.7%,具有较高准确性。为优化模型,采用GSConv和PConv替换原卷积,... 详细信息

为提高垃圾分类效果,利用深度学习模型yolov7,实现垃圾的智能识别与分类。居民可用手机拍摄垃圾,算法将自动分析并给出垃圾分类建议。该模型在自制数据集上的准确率达到90.7%,具有较高准确性。为优化模型,采用GSConv和PConv替换原卷积,实现轻量化处理,删减冗余参数。实验显示,轻量化后模型参数减少23.1%,推理速度提升30.1%,为居民垃圾分类提供了实用方案,有效提升了居民端垃圾目标检测的准确率,进而为居民日常垃圾分类提供了可行性技术方法参考。

关键词：深度学习目标检测垃圾识别轻量化 yolov7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

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

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

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：