检索结果-南通市图书馆

基于轻量化高效层聚合网络的黄花成熟度检测方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第2期55卷 268-277页

作者：吴利刚陈乐周倩史建华马宇波山西大同大学机电工程学院大同037003 山西大同大学煤炭工程学院大同037003 山西大同大学商学院大同037003 山西大同大学物理与电子科学学院大同037003

针对黄花传统人工识别效率低,辨识标准不统一的问题,提出基于轻量化和高效层聚合过渡网络的黄花成熟度识别方法LSEB YOLO v7。首先,引入轻量化卷积对高效层聚合网络和过渡模块进行轻量化处理,减少模型计算量。其次,在特征提取与特征融... 详细信息

针对黄花传统人工识别效率低,辨识标准不统一的问题,提出基于轻量化和高效层聚合过渡网络的黄花成熟度识别方法LSEB YOLO v7。首先,引入轻量化卷积对高效层聚合网络和过渡模块进行轻量化处理,减少模型计算量。其次,在特征提取与特征融合网络之间增加通道注意力机制,提升模型检测性能。最后,在特征融合网络中,优化通道信息融合方式,使用双向特征金字塔网络替换Concatenate,增加信息融合通道,持续提升模型性能。实验结果表明:与原始模型相比,在黄花成熟度检测中,改进后的LSEB YOLO v7模型参数量和浮点运算量分别减少约2.0×10^(6)和7.7×10^(9)。训练时长由8.025 h降低至7.746 h,模型体积压缩约4 MB。同时,训练精确率和召回率分别提升约0.64个百分点和0.14个百分点,mAP@0.5和mAP@0.5:0.95分别提升约1.84个百分点和1.02个百分点。此外,调和均值性能保持不变,均为84.00%。LSEB YOLO v7算法可均衡模型复杂性与性能,为黄花成熟度检测和智能化采摘设备提供技术支持。

关键词：黄花成熟度深度学习注意力机制信息融合机制轻量化

维普期刊数据库博看期刊

随机多属性子空间的ReliefF加权邻域粗糙集与属性约简

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第8期60卷 69-77页

作者：王莉山西大同大学计算机与网络工程学院山西大同037009

属性约简是一种重要的数据降维预处理方法,然而现有的属性约简方法大多没有考虑信息系统中属性权重的信息。ReliefF算法是一种实现简单且运算效率高的属性权重评估方法,提出一种随机多属性子空间的ReliefF加权邻域粗糙集和属性约简算法... 详细信息

属性约简是一种重要的数据降维预处理方法,然而现有的属性约简方法大多没有考虑信息系统中属性权重的信息。ReliefF算法是一种实现简单且运算效率高的属性权重评估方法,提出一种随机多属性子空间的ReliefF加权邻域粗糙集和属性约简算法。该方法生成了多组具有相同大小随机子空间的属性集划分,并对每组划分的随机子空间利用ReliefF算法计算得到属性的局部权重,将所有组得到的属性局部权重求取平均值,得到了信息系统每个属性最终的全局权重;基于属性权重的结果,提出一种新的加权邻域粗糙集模型,并证明了相关理论和性质;在该模型的基础上通过加权邻域依赖度提出一种信息系统的属性约简算法。在公开数据集上的属性约简实验结果表明,所提出的属性约简算法比已有的同类型算法整体上具有更优的约简性能。

关键词：属性约简 ReliefF算法随机子空间加权邻域邻域粗糙集模型

基于改进YOLOv5的轻量级黄花成熟检测方法

在线全文

学校读者我要写书评

暂无评论

中国农机化学报 2024年第7期45卷 235-242,268页

作者：吴利刚吕媛媛周倩陈乐张梁史建华山西大同大学机电工程学院山西大同037003 山西大同大学煤炭工程学院山西大同037003 山西大同大学商学院山西大同037003

黄花菜具有较短的采摘周期和相对严格的采摘要求,针对传统人工采摘效率低、主观性高的问题,提出一种基于深度学习的SSH-YOLOv5黄花成熟度检测算法。以YOLOv5模型为基础,结合轻量级网络ShuffleNet V2基本残差单元压缩网络模型大小,提升... 详细信息

黄花菜具有较短的采摘周期和相对严格的采摘要求,针对传统人工采摘效率低、主观性高的问题,提出一种基于深度学习的SSH-YOLOv5黄花成熟度检测算法。以YOLOv5模型为基础,结合轻量级网络ShuffleNet V2基本残差单元压缩网络模型大小,提升模型目标检测速度;引入SE Net通道注意力机制模块,增强模型对有用特征信息的敏感度,提高目标检测精度;将普通卷积替换为深度可分离卷积模块,进一步减少模型计算量。试验结果表明,改进后的SSH-YOLOv5模型参数量和浮点运算量分别减少61.6%和68.3%,网络层数减少18%,同时SSH-YOLOv5的检测精度由原算法的88.8%提高到91.2%,实时检测速度达到66.4 f/s,相比原算法提高18.1%,达到实时检测要求。改进后的算法不仅实现模型的轻量化,同时也使黄花成熟度检测更加准确和快速,可以较好地满足黄花检测需求。

关键词：黄花深度学习 YOLOv5算法轻量化注意力机制

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

基于轻量化神经网络的石窟壁画破损检测方法

信息与控制 2024年第1期53卷 108-119页

作者：吴利刚张梁山西大同大学机电工程学院山西大同037003 山西大同大学煤炭工程学院山西大同037003 大连海事大学信息科学与技术学院辽宁大连116026

针对石窟壁画脱落与破损检测过程中存在检测精度低、实时性差的问题,提出了基于轻量化神经网络和多重注意力机制的石窟壁画破损检测方法。首先,引入Ghost Conv完成轻量化特征提取,降低模型复杂度;其次,加入双重注意力机制增加特征提取... 详细信息

针对石窟壁画脱落与破损检测过程中存在检测精度低、实时性差的问题,提出了基于轻量化神经网络和多重注意力机制的石窟壁画破损检测方法。首先,引入Ghost Conv完成轻量化特征提取,降低模型复杂度;其次,加入双重注意力机制增加特征提取的倾向性,加快模型收敛速度;最后,使用加权双向特征金字塔拼接方式高效融合特征信息,通过复合缩放完成预测。实验结果表明:改进后的算法网络层数减少了34.40%。参数量和浮点运算量分别降低了62.98%和68.77%,模型体积压缩了62.78%。检测精度高达64.7%,实时检测速度从63.60帧/s提升至97.56帧/s,提高了约53.39%。

关键词：深度学习神经网络轻量化模型注意力机制壁画破损检测

在线全文

学校读者我要写书评

暂无评论

蜂窝物联网匿名访问用户身份认证算法

吉林大学学报（理学版） 2024年第3期62卷 636-642页

作者：郭文俊山西大同大学计算机与网络工程学院山西大同037009

针对蜂窝物联网涉及大规模设备的连接和身份认证管理,且攻击者会使用各种方法伪造身份信息,使得匿名访问用户身份认证难度增大的问题,提出一种蜂窝物联网匿名访问用户身份认证算法.首先,以5G网络为蜂窝物联网系统的动态应用场景,预置系... 详细信息

针对蜂窝物联网涉及大规模设备的连接和身份认证管理,且攻击者会使用各种方法伪造身份信息,使得匿名访问用户身份认证难度增大的问题,提出一种蜂窝物联网匿名访问用户身份认证算法.首先,以5G网络为蜂窝物联网系统的动态应用场景,预置系统参数;其次,根据用户的身份标识号和公钥,利用伪造名称生成用户的匿名访问信息,注册匿名存至本地;最后,基于去中心化理念,对比单元公钥与邻单元群密钥、随机数加密信息与单元Hash值的解密结果,认证用户身份.实验结果表明,该算法有效缩短了身份认证与批量消息验证所需时间,减少了数据传输所需字节数,时间开销仅为13 ms,计算开销仅为4 ms,通信开销仅为210字节,且能成功抵御15种身份认证攻击类型.

关键词：蜂窝物联网 5G网络匿名访问身份认证椭圆曲线加密 Hash函数

维普期刊数据库博看期刊

基于YOLOv8-ABW的黄花成熟度检测方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第13期40卷 262-272页

作者：吴利刚陈乐刘泽鹏武晔秋马宇波史建华山西大同大学机电工程学院大同037003 山西大同大学煤炭工程学院大同037003 山西大同大学建筑与测绘工程学院大同037003 山西大同大学物理与电子科学学院大同037003

为实现黄花成熟度的快速、高精度识别,针对其相似特征识别精确度低以及相互遮挡检测困难的问题,提出一种基于YOLOv8-ABW的黄花成熟度检测方法。该研究在特征提取网络中加入结合注意力机制的尺度特征交互机制(attention based intra-scal... 详细信息

为实现黄花成熟度的快速、高精度识别,针对其相似特征识别精确度低以及相互遮挡检测困难的问题,提出一种基于YOLOv8-ABW的黄花成熟度检测方法。该研究在特征提取网络中加入结合注意力机制的尺度特征交互机制(attention based intra-scale feature interaction, AIFI),更好地提取黄花特征信息,提高检测的精确度。在特征融合网络中,进一步采用加权的双向特征金字塔特征融合网络(bidirectional feature pyramid network, Bi FPN),实现更高层次的跨通道特征融合,有效减少通道中的特征冗余。此外使用WIoUv3作为损失函数,聚焦普通质量的锚框,提高模型的定位性能。试验结果表明:YOLOv8-ABW模型检测精确度为82.32%,召回率为83.71%,平均精度均值mAP@0.5和m AP@0.5:0.95分别为88.44%和74.84%,调和均值提升至0.86,实时检测速度为214.5帧/s。与YOLOv8相比,YOLOv8-ABW的精确度提高1.41个百分点,召回率提高0.75个百分点,mAP@0.5和m AP@0.5:0.95分别提升1.54个百分点和1.42个百分点。对比RT-DETR、YOLOv3、YOLOv5、YOLOv7模型,YOLOv8-ABW参数量最少,仅为3.65×10~6,且模型浮点运算量比YOLOv7少96.3 G。体现出YOLOv8-ABW模型能够在黄花成熟度检测中平衡检测精确度和检测速度,综合性能最佳,为黄花智能化实时采摘研究提供技术支持。

关键词：机器学习模型 YOLOv8 黄花深度学习成熟度检测

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

14个不同产地藜麦种质染色体核型分析

作物杂志 2024年第3期 82-89页

作者：刘建霞王文庆薛乃雯郭绪虎马赛雅朱国芳温日宇山西大同大学山西大同037009 山西大同大学设施农业技术研发中心山西大同037009 山西农业大学玉米研究所山西忻州034000

为明确不同产地藜麦的染色体数目、核型特征及亲缘与进化关系,采用常规压片法制片比较分析了14个藜麦种质染色体核型特征,对其进行近似数聚类。结果表明,忻藜6的染色体数为2n=54,其余13个种质的染色体数为2n=36;染色体核型共有1A、1B、1... 详细信息

为明确不同产地藜麦的染色体数目、核型特征及亲缘与进化关系,采用常规压片法制片比较分析了14个藜麦种质染色体核型特征,对其进行近似数聚类。结果表明,忻藜6的染色体数为2n=54,其余13个种质的染色体数为2n=36;染色体核型共有1A、1B、1C和2B 4种,总体较为对称;核不对称系数范围为52.06%~59.76%。核型聚类分析结果显示,14个藜麦种质总体聚为两大类,藜麦1605单独为一类,其余13个藜麦种质为一类。来自同一地区的藜麦品种在亲缘关系和进化程度上较为相似,不同产地的藜麦品种因起源或在进化过程中受到外界环境干预程度不同,导致亲缘关系较远。该研究获得14个不同藜麦种质的核型信息,填充了有关藜麦染色体核型的数据库以及在细胞遗传学方面的研究。

关键词：藜麦染色体核型分析

在线全文

学校读者我要写书评

暂无评论

短视频对重点知识教学强化作用的实验分析

山西大同大学学报（自然科学版） 2024年第4期40卷 52-55页

作者：张伟马淑珍秦虹王叶芳石岩岭山西大同大学网络信息中心山西大同037009 北京师范大学大同附属中学校山西大同037009 大同市实验小学山西大同037009 山西大同大学外国语学院山西大同037009

目前网络信息传播中碎片化信息的传播成为新媒体传播的主流方式,如何运用受众对信息传播感知的兴趣点进行有益的信息传播,成为社会进步的助推器,是目前政界及学术界广泛讨论的话题。针对目前网络信息传播中的短视频平台中良莠不齐无营... 详细信息

目前网络信息传播中碎片化信息的传播成为新媒体传播的主流方式,如何运用受众对信息传播感知的兴趣点进行有益的信息传播,成为社会进步的助推器,是目前政界及学术界广泛讨论的话题。针对目前网络信息传播中的短视频平台中良莠不齐无营养内容居多的情况,社会各个工作层面应该肩负起自己应尽的责任,网络技术人员在这种传播方式中应起到确保社会进步有效信息的广泛传播,其他层面的工作人员则应有责任有义务地做出引导性传播本行业本专业的进步信息。网络信息传播中的短视频应该在民众的各阶段教育中得到广泛的重视和应用,尤其是在大、中、小学教育教学乃至全民素质教育中应该得到广泛的重视和应用。

关键词：教学碎片化信息短视频信息传播受众心理多元化教学

基于轻量化与多信息融合的输送带块煤实时监测方法

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年第3期31卷 518-525页

作者：吴利刚陈乐张梁史建华山西大同大学机电工程学院山西大同037003 山西大同大学煤炭工程学院山西大同037003

煤炭在国家工业体系和社会发展中有着举足轻重的作用,针对煤炭运输过程中的块煤监测问题,提出一种基于轻量化和多信息融合(lightweightandmulti-informationfusion,LM)的实时监测方法——LMYOLOv5。首先,利用自适应直方图均衡化进行数... 详细信息

煤炭在国家工业体系和社会发展中有着举足轻重的作用,针对煤炭运输过程中的块煤监测问题,提出一种基于轻量化和多信息融合(lightweightandmulti-informationfusion,LM)的实时监测方法——LMYOLOv5。首先,利用自适应直方图均衡化进行数据预处理;其次,引入Ghost轻量化卷积,减少计算量和特征提取的冗余性;最后,结合协同注意力(coordinate attention, CA)机制改善特征提取的倾向性,引入双向特征金字塔网络(bidirectional feature pyramid network, Bi FPN)机制实现跨阶段的信息融合。实验结果表明,改进后的LMYOLOv5算法有明显优势。参数量和浮点计算量分别减少约62.28%和67.66%。模型训练时长减少约21.78%,模型体积也从92.7 M压缩至35.1 M。此外,精确度和召回率分别提升约0.103%和1.395%,实时监测速度提升约38.05%。

关键词：深度学习神经网络轻量化多信息融合实时监测