检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进ViT模型的水稻叶片病害识别方法

江苏农业科学 2024年第11期52卷 197-204页

作者：刘奕崔艳荣长江大学计算机科学学院湖北荆州434000

针对真实环境下水稻叶片病害识别的背景复杂,且卷积神经网络(CNN)在水稻叶片病害图像识别中仅仅依赖于局部特征信息,识别效果并不理想等问题,提出一种基于改进的vision transformer(ViT)的水稻叶片病害识别方法。首先收集4类常见水稻叶... 详细信息

针对真实环境下水稻叶片病害识别的背景复杂,且卷积神经网络(CNN)在水稻叶片病害图像识别中仅仅依赖于局部特征信息,识别效果并不理想等问题,提出一种基于改进的vision transformer(ViT)的水稻叶片病害识别方法。首先收集4类常见水稻叶片病害图像样本,每一类样本都包含简单和复杂的背景,为了增加样本多样性以及提高模型泛化能力,对图像进行镜像翻转、高斯模糊等图像增强操作。接着以ViT模型为主体,采用Inception v1与Inception v2组合而成的InceptionMLP模块代替原ViT模型中的原始线性卷积层MLP层,通过在不同大小的图像块上评估模型的性能,发现采用16×16图像块时,改进的ViT模型在水稻叶片白叶枯病、稻瘟病、褐斑病和东格鲁病的识别准确率上获得最佳结果,总体准确率达到了99.24%,较原模型的准确率提高了3.23百分点。改进的ViT模型通过增强特征表示能力,能够捕捉到不同感受野的特征,因此,在水稻叶片病害识别中,相比于基于CNN的ResNet和EfficientNet模型,分别提高了2.30、20.11百分点的准确率。此外,与Transformer系列的BEiT、DaViT和Swin-Transformer模型相比,改进的ViT模型也显著提升了准确率,说明本研究得出的方法具有较高的准确率。

关键词：水稻叶片病害图像识别 Transformer ViT Inception 准确率

维普期刊数据库博看期刊

基于YOLO v8-Tea的茶叶病害检测方法

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2024年第15期52卷 213-221页

作者：贾瀛睿龙阳胡蓉华崔艳荣桂余鹏长江大学计算机科学学院湖北荆州434000

针对真实场景下复杂的茶叶病害特征检测准确率低、误检率和漏检率高,以及难以进行移动设备上部署等问题,提出一种基于YOLO v8-Tea的茶叶病害检测算法。该算法是在YOLO v8的基础上做的改进,首先,替换了C2f中的Bottleneck,采用FasterBloc... 详细信息

针对真实场景下复杂的茶叶病害特征检测准确率低、误检率和漏检率高,以及难以进行移动设备上部署等问题,提出一种基于YOLO v8-Tea的茶叶病害检测算法。该算法是在YOLO v8的基础上做的改进,首先,替换了C2f中的Bottleneck,采用FasterBlock来减少参数量和计算量。同时,引入了多尺度注意力EMA模块,以增强全局上下文信息的获取。最后,采用BiFPN模块,以更好地融合多尺度特征,并改进了颈部网络,以提高检测精度。结果表明,YOLO v8-Tea算法在平均精度方面比传统YOLO v8n提高了5.7百分点,从而能更准确地检测复杂的茶叶病害特征。与此同时,模型的参数量和计算量分别减少了47.9%和28.4%,模型的权重文件的大小减小了45.2%,仅为3.4 M。YOLO vs-Tea算法的平均精度比经典的YOLO系列算法中的YOLO v4-tiny、YOLO v5n、YOLO v6n、YOLO v7-tiny分别提高24.6、6.8、5.5、2.5百分点。这些改进使得本研究算法更适合茶叶病害检测任务以及在移动设备中的高效部署。该算法在茶叶病害检测方面取得了显著的性能提升。通过降低参数量和计算量以及优化模型的部署,为实际农业场景中的茶叶病害检测提供了一个更可行的解决方案,为茶叶产业提供了有前景的技术,可以提高茶叶病害检测的效率和准确性。

关键词：茶叶病害检测 YOLO v8-Tea FasterBlock EMA BiFPN

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

改进YOLOv8的金属表面缺陷检测模型

制造技术与机床 2024年第8期 187-194页

作者：龙阳肖小玲长江大学计算机科学学院湖北荆州434100

针对工业制造中金属表面缺陷检测的检测精度低、漏检率和误检率高等问题,文章提出了一种改进YOLOv8的金属表面缺陷检测模型。首先采用CG模块替换掉Backbone的下采样卷积模块,增强模型的上下文信息理解能力;其次采用RepGFPN模块替换原始... 详细信息

针对工业制造中金属表面缺陷检测的检测精度低、漏检率和误检率高等问题,文章提出了一种改进YOLOv8的金属表面缺陷检测模型。首先采用CG模块替换掉Backbone的下采样卷积模块,增强模型的上下文信息理解能力;其次采用RepGFPN模块替换原始的特征金字塔网络,提高模型的多尺度特征提取能力;最后通过对检测头重设计,提出GDetect模块,提升模型的整体性能。实验结果表明,改进后的模型在GC10-DET数据集中准确率、召回率和m AP@0.5达到了71.2%、72.4%和74.5%,分别提高了2.8%、8.1%和6.0%,参数量和计算量分别减少了6%和22%。同时在PASCAL VOC和NEU-DET数据集验证了模型在不同数据集下的鲁棒性和泛化能力,提高了对目标的检测精度。所提出的改进模型在金属缺陷检测领域取得了显著进展,提高了检测精度,解决了常见问题,并在保持轻量级的同时实现了较高的性能,为金属表面缺陷检测提供了一种高效且可行的解决方案。

关键词：金属表面缺陷检测 YOLOv8 CG RepGFPN GDetect

基于改进轻量化YOLO v5n的番茄叶片病害识别方法

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2024年第8期52卷 192-199页

作者：王娜陈勇崔艳荣胡蓉华长江大学计算机科学学院湖北荆州434000

针对现有番茄叶片病害识别存在背景复杂、识别准确率低、模型参数量大、计算量大以及难以部署至移动设备或嵌入式设备等问题,提出一种改进的轻量化YOLO v5n的番茄叶片病害识别方法。首先收集细菌性斑疹病、早疫病、晚疫病、叶霉病、斑... 详细信息

针对现有番茄叶片病害识别存在背景复杂、识别准确率低、模型参数量大、计算量大以及难以部署至移动设备或嵌入式设备等问题,提出一种改进的轻量化YOLO v5n的番茄叶片病害识别方法。首先收集细菌性斑疹病、早疫病、晚疫病、叶霉病、斑枯病、褐斑病等6种常见番茄叶片病害图像以及番茄健康叶片图像,对图像进行镜像翻转、高斯模糊等数据增强方式增加样本多样性,提升模型识别和泛化能力。接着在YOLO v5n网络基础上,选择采用轻量化的C3Ghost模块替换C3模块以压缩卷积过程中的计算量、模型权重和大小,同时在颈部网络中融合轻量级卷积技术GSConv和VOV-GSCSP模块,在增强特征提取能力的同时降低模型参数量。最后引入PAGCP算法对改进后的模型进行全局通道剪枝压缩参数量并减少训练开销。试验结果表明,改进后的YOLO v5n平均精度均值达到99.0%,参数量减少66.67%,计算量降低了2.6 G,模型权重压缩了2.23 MB。本研究提出的番茄叶片病害识别方法在降低了模型大小、参数量、计算量的同时仍保持较高的识别精度,为移动设备上实现番茄叶片病害识别提供技术参考。

关键词： YOLO v5n 番茄病害识别轻量化 C3Ghost GSConv VOV-GSCSP PAGCP

在线全文

学校读者我要写书评

暂无评论

伽罗瓦定理真的错了吗?

中国科技史杂志 2024年第1期45卷 67-76页

作者：杨保强延安大学数学与计算机科学学院

1830年，伽罗瓦提出有关本原方程的一个定理。在数学史上，很多学者认为该定理对于本原群的刻画是错误的，但有一些研究者猜想伽罗瓦的定理可能无误，也许伽罗瓦的本原群隐含地假设了二重传递性。本文通过引入与之相应的“二重传递方程... 详细信息

1830年，伽罗瓦提出有关本原方程的一个定理。在数学史上，很多学者认为该定理对于本原群的刻画是错误的，但有一些研究者猜想伽罗瓦的定理可能无误，也许伽罗瓦的本原群隐含地假设了二重传递性。本文通过引入与之相应的“二重传递方程”的概念，利用古证复原或数学实操的方法复原伽罗瓦对于本原方程的真实认识，证实伽罗瓦定理中的“本原方程”实际所指乃二重传递方程，对应于二重传递群的结果，伽罗瓦的定理并无差错。

关键词：伽罗瓦本原方程二重传递群数学实操古证复原

基于改进MobileNet v3-Small模型的草莓病害识别方法

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2024年第10期52卷 225-234页

作者：王晶崔艳荣长江大学计算机科学学院湖北荆州434000

为了对草莓病害进行及时的诊断与治疗而提升草莓产量,将深度学习与农业生产结合以快速高效地进行病害检测。传统神经网络进行病害识别时间较长,参数量较大,难以迁移到移动端设备上,基于此提出一种改进MobileNet v3-Small模型的识别方法... 详细信息

为了对草莓病害进行及时的诊断与治疗而提升草莓产量,将深度学习与农业生产结合以快速高效地进行病害检测。传统神经网络进行病害识别时间较长,参数量较大,难以迁移到移动端设备上,基于此提出一种改进MobileNet v3-Small模型的识别方法。首先收集了7类常见草莓病害图像样本(如角斑病、叶斑病等),通过旋转、镜像等多种数据增强方式对图像进行处理以增加图片数量,提高模型泛化能力。接着以MobileNet v3-Small模型为基础,基于原始Inception_A提出部分卷积权值共享的多尺度卷积结构,以更高效地提取草莓病害不同尺度特征。随后,在网络深层引入了ULSAM轻量级子注意力机制,形成草莓病害更高层次的抽象表示。同时,将深度可分离卷积中的第2个PW卷积替换为CondConv卷积形成PDC结构,克服了PW卷积只拥有局部感受野的缺陷,同时也降低了模型参数量。试验结果表明,改进后的MobileNet v3-Small模型准确率达到98.62%,较原模型94.91%的准确率提高了3.71百分点,并且参数量减少了0.04 M,远优于同级轻量化模型,且以远低于ResNet18的参数量取得更好的特征提取效果。综上所述,本研究所提出的改进后的MobileNet v3_Small模型能更好地在真实场景下进行草莓病害识别,为草莓生产贡献了一份力量,助力智慧农业发展。

关键词：草莓病害图像分类 MobileNet v3-Small Inception_A ULSAM轻量级子注意力机制 CondConv

基于改进ShuffleNet v2模型的苹果叶片病害识别方法

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2024年第13期52卷 214-222页

作者：王浩宇崔艳荣长江大学计算机科学学院湖北荆州434000

针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高,且一些大型网络在分类任务中参数量较大,迁移到移动设备和嵌入式设备上时存在难以存储等问题,提出一种改进轻量化网络ShuffleNet v2的识别方法。首先收集了斑点落叶病、灰斑病... 详细信息

针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高,且一些大型网络在分类任务中参数量较大,迁移到移动设备和嵌入式设备上时存在难以存储等问题,提出一种改进轻量化网络ShuffleNet v2的识别方法。首先收集了斑点落叶病、灰斑病、花叶病、锈斑病、褐斑病5类常见苹果叶片病害图像样本,通过镜像高斯和旋转等方式对图像进行处理,以增加图片数量,提升模型识别和泛化能力。接着基于轻量化ShuffleNet v2网络为主体,调整第1层卷积核的尺寸,将3×3、步长为2的卷积核调整为1×1、步长为1的卷积核。最后融合空间注意力机制,并进行加权,增强模型对重要信息的注意,再引入Ghost模块,提高模型表征能力。结果表明,改进后的模型相比ShuffleNet v2总体平均精确率提升1.23百分点,平均F 1分数提升了1.21百分点,平均召回率提升了1.20百分点,Top-1准确率提升了1.17百分点,参数量仅为9.8 MB,说明本研究得出的方法具有较高的准确率,为真实场景下苹果叶片病害识别提供了一种有效的解决方案,并为未来工作提供新方向。

关键词：苹果叶片病害图像分类 ShuffleNet v2 Ghost模块空间注意力机制

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于边缘增强和关联损失的服装图像风格迁移

现代纺织技术 2024年第8期32卷 117-126页

作者：陈雨琪薛涛刘俊华西安工程大学计算机科学学院西安710600

服装图案风格的迁移可以依据个人需要调整对应的风格服饰,满足大众对精神生活越来越高的需求。传统的服装图案风格迁移多采用简单纹理,内容较为单一,图像效果不够理想。针对这些问题,提出了一种基于边缘增强和关联损失的服装图案风格迁... 详细信息

服装图案风格的迁移可以依据个人需要调整对应的风格服饰,满足大众对精神生活越来越高的需求。传统的服装图案风格迁移多采用简单纹理,内容较为单一,图像效果不够理想。针对这些问题,提出了一种基于边缘增强和关联损失的服装图案风格迁移方法(EnAdaIN)。首先,依据Kirsch算子对图像的原始边缘特征进行提取,同时结合Mask R-CNN深度学习方法对服装图像进行语义分割;然后,通过改进AdaIN算法构建基于空间关联损失的EnAdaIN方法,并输出风格迁移图像。EnAdaIN方法在融合边缘特征与语义风格图像的基础上实现服装图像的风格迁移,在融合空间关联损失算法的基础上进一步提升图像的特征相似度。研究表明:EnAdaIN方法峰值信噪比相较于其他方法提升超过0.95%,结构相似性提升超过2.43%,迁移效率提升超过了3.53%,生成后的图像信息色彩更为丰富、特征明显,进一步提升了图像的对比度和质量。

关键词： AdaIN 关联损失风格迁移服装图案迁移

在线全文

学校读者我要写书评

暂无评论

时空相关性融合表征的知识追踪模型

计算机应用研究 2024年第5期41卷 1381-1387页

作者：张凯付姿姿覃正楚长江大学计算机科学学院湖北荆州434023

知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的... 详细信息

知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的作用。为了解决上述问题,提出了时空相关性融合表征的知识追踪模型。首先,以知识点之间的时间相关程度为基础,建模历史知识点对当前知识点的时间作用;其次,利用图注意力网络建模习题所包含的若干知识点之间的空间作用,得到蕴涵了时空信息的知识点表示;最后,利用上述知识点的表示推导出习题的表示,通过自注意力机制得到当前的知识状态。在实验阶段,与五种相关知识追踪模型在四个真实数据集上进行性能对比,结果表明提出的模型在性能方面有更出色的表现。特别地,在ASSISTments2017数据集中所提模型比五个对比模型在AUC、ACC方面分别提升了1.7%~7.7%和7.3%~2.1%;消融实验证明了建模知识点之间时空相关影响的有效性,训练过程实验表明了提出的模型在知识点的表示及其相互作用关系的建模等方面具有一定的优势,应用实例也可看出该模型优于其他知识追踪模型的实际结果。

关键词：知识追踪知识点表示时空相关性图注意力网络