题名 一种基于YOLOv5的农业害虫检测方法
被引量：1
1
作者
李宗柱 宋绍剑 李修华
机构
广西大学电气工程学院
出处
《植物保护》
北大核心
2025年第1期111-122,共12页
基金
国家自然科学基金(31760342)。
文摘
虫害是影响农作物产量的重要因素之一,害虫种类的精确识别已成为农业领域目标检测的重要研究课题。但由于害虫样本存在类间相似,标注的害虫样本尺度多样、背景复杂和类别分布不均匀等问题,使害虫的精准识别面临严峻挑战。为此,本文提出一种基于YOLOv5改进模型的农业害虫检测新方法。首先,引入了一种新型特征金字塔(feature pyramid attention,FPA)模块,用于替换基准YOLOv5主干网络的空间金字塔池化(spatial pyramid pooling,SPP)模块。该模块能够进行不同尺度的特征提取,并将提取的特征拼接作为注意力机制指导网络进行细粒度特征提取。然后,在YOLOv5主干网络输出层的特征提取过程中插入全局注意力上采样(global attention upsampling,GAU)模块,用高级特征的全局信息来指导模型从复杂背景中提取特征,使得模型能够从低级特征中更精准地提取类别定位细节特征,进而提高模型的识别精度。本文在IP102害虫数据集上进行算法验证,结果表明,与现有的多尺度注意学习网络(multiscale attention learning network,MS-ALN)相比准确率提升了3.21百分点。
关键词
害虫识别 YOLOv5 数据增强 注意力机制 多尺度特征提取
Keywords
pest identification YOLOv5(You Only Look Once version 5) data augmentation attention mechanism multi-scale feature extraction
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于LSTM网络的光伏发电功率短期预测方法的研究
被引量：44
2
作者
宋绍剑 李博涵
机构
广西大学电气工程学院
出处
《可再生能源》
CAS
CSCD
北大核心
2021年第5期594-602,共9页
基金
国家自然科学基金(61863003) 广西自然科学基金(2016GXNSFAA380327)。
文摘
提高光伏发电功率预测结果的精度对电网规划和调度具有重要意义。基于前向神经网络或回归分析法的传统预测模型因缺乏历史记忆能力而导致自身鲁棒性较差、适应能力较弱。为了解决上述问题,文章提出了一种基于LSTM网络的光伏发电功率短期预测方法。在预处理过程中,文章先将天气类型依据日照晴朗指数量化为具体数值;然后,利用主成分分析法将与光伏发电功率相关性较高的多元数据序列进行降维,得到主成分数据序列;最后,建立基于LSTM网络的光伏发电功率短期预测模型,并将该模型的预测结果与BP网络预测模型和RNN网络预测模型的预测结果进行对比。模拟结果表明,基于LSTM网络的光伏发电功率短期预测模型能较好地反映时序数据的动态特性,预测精度较高,预测结果能够为电力调度部门提供可靠的数据支持。
关键词
光伏发电功率预测 主成分分析法 长短期记忆 神经网络
Keywords
photovoltaic power forecasting principal component analysis long short-term memory neural network
分类号
TK51
[动力工程及工程热物理—热能工程]
题名 基于双层结构的锂电池主动均衡控制系统
被引量：10
3
作者
林小峰 王志浩 宋绍剑
机构
广西大学电气工程学院
出处
《电子技术应用》
北大核心
2016年第1期119-122,共4页
基金
国家自然科学基金(61364007) 广西科学研究与技术开发计划项目(桂科攻14122007-33) 南宁市科学研究与技术开发计划项目(20141050)
文摘
针对电池组中单体电池的个数较多且控制策略复杂等问题,提出了一种双层结构的主动均衡控制方法,分别控制底层双向Buck-Boost电路和顶层反激式变换器电路的开关通断,实现能量的合理转移,从而达到均衡目的。结合神经网络技术在电池荷电状态(State of Charge,SOC)估算中的应用,设计了一种新的以SOC为均衡判据的控制系统。由实验结果分析可知,所提出的双层主动均衡控制方法解决了单层均衡结构由于均衡路径长而引起的均衡时间过久的问题,均衡效率得到显著提高。
关键词
锂动力电池组 双层结构 主动均衡 SOC
Keywords
lithium-ion power battery pack double-level structure active equalization SOC
分类号
TM912
[电气工程—电力电子与电力传动]
题名 基于PCA-GA-ELM的光伏发电功率预测研究
被引量：21
4
作者
程港 林小峰 宋绍剑 林予彰 黄清宝
机构
广西大学电气工程学院 马萨诸塞大学洛厄尔分校电气与计算机工程学院
出处
《可再生能源》
CAS
北大核心
2019年第10期1440-1447,共8页
基金
国家自然科学基金资助项目(51767005) 广西自然科学基金项目(2017GXNSFAA198225)
文摘
针对目前光伏发电功率预测方法所存在的预测精度较低和不同天气类型适应性较弱的问题,提出一种利用主成分分析(PCA)和遗传算法(GA)改进极限学习机(ELM)的光伏发电功率预测模型(PCA-GA-ELM预测模型)。该模型的计算过程:首先,基于季节因素和天气类型等气象因素对于光伏发电系统的影响,在不同季节下建立了不同的子模型,并利用灰色关联分析法选取同种天气类型下的相似日;然后,利用PCA将多个原始输入变量降维成少数彼此独立的变量;最后,利用GA对ELM的初始权值和阈值进行寻优。此外,文章利用光伏电站的实际发电功率数据对预测模型进行验证。分析结果表明,PCA-GA-ELM预测模型具有较高的预测精度和较强的泛化能力。
关键词
主成分分析法 光伏发电功率预测 遗传算法 极限学习机 灰色关联分析
Keywords
principal component analysis photovoltaic power forecasting genetic algorithm extreme learning machine grey relational analysis
分类号
TK519
[动力工程及工程热物理—热能工程]
TM615
[电气工程—电力系统及自动化]
