期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
核中心驱动混合蛙跳算法及其应用
被引量：
6
1
作者
刘立群
顾任远
《计算机科学与探索》
CSCD
北大核心
2022年第5期1169-1181,共13页
针对混合蛙跳算法(SFLA)青蛙个体当前位置提供的惯性以及跳跃步长引起的进化速度慢,易陷入局部收敛的缺陷,将青蛙个体跳跃进化行为定义为量子力学行为,提出一种核中心驱动混合蛙跳算法(NCSFLA)。在全局寻优中,以原子核为中心的同心圆作...
针对混合蛙跳算法(SFLA)青蛙个体当前位置提供的惯性以及跳跃步长引起的进化速度慢,易陷入局部收敛的缺陷,将青蛙个体跳跃进化行为定义为量子力学行为,提出一种核中心驱动混合蛙跳算法(NCSFLA)。在全局寻优中,以原子核为中心的同心圆作为电子轨道构成青蛙族群;在局部寻优中,分别以跃迁步长为半径向局部最优个体跳跃,以驱动步长为半径向全局最优个体跳跃,随机产生不重复的青蛙个体分量等三种不同的局部搜索策略对族群内最差个体进行更新。以电子轨道中心即局部最优个体为跃迁的惯性指导,使得族群内的收敛更加有利于寻找局部最优解,提升搜索能力;如果陷入局部最优,则以原子核中心即全局最优个体为驱动的惯性指导,使得青蛙个体尽可能聚集在原子核中心周围,从而加快收敛速度。将该算法应用于解决容量限制车辆路径问题(CVRP),提出一种核中心驱动混合蛙跳算法的容量限制车辆路径优化算法(NCSFLA-CVRP)。实验结果显示,在单峰值、多峰值函数以及复合函数等20个测试函数上,改进后的核中心驱动混合蛙跳算法相比其他五种算法具有收敛速度快、精度高的特点。Solomon算例标准测试数据测试结果表明该方法可有效提高容量限制车辆路径的优化性能。
展开更多
关键词
混合蛙跳算法(SFLA)
核中心
轨道中心
驱动策略
容量限制车辆路径问题(CVRP)
在线阅读
下载PDF
职称材料
多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型
2
作者
刘立群
顾任远
+1 位作者
周煜博
火久元
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第17期158-167,共10页
针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)的飞行时间(Time of Flight,ToF)与可见光果园苹果图像融合...
针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)的飞行时间(Time of Flight,ToF)与可见光果园苹果图像融合模型。对SPCNN模型引入带参数优化的双寻优策略,对非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)融合规则进行改进。模型包括配准模块、编码区、多尺度分解模块、单目标SPCNN融合模型、多目标SPCNN融合模型、解码区。模型改进了SPCNN模型的参数优化方式以及迭代次数,模型自适应点火次数较低,在3~7次左右,具有点火次数低、自适应分割、效率高的优点。中光15:00时段点火识别成功率达到了100.00%,点火分割时间达到最低91.91s。与其他融合模型比较,模型在强光12:00、中光15:00、弱光18:20、19:00时段融合图像识别成功率达到100.00%;融合时间低于SPCNN模型,达到最低92.68 s。模型识别精度最优达到了100.00%,融合耗时最低达到了92.68 s,模型大小较SPCNN低一个数量级,可补充和完善图像层次融合理论和方法。
展开更多
关键词
图像识别
模型
非下采样轮廓变换
简化脉冲耦合神经网络
异源图像融合模型
单目标策略
多目标策略
在线阅读
下载PDF
职称材料
YOLO-RD-Apple果园异源图像遮挡果实检测模型
被引量：
7
3
作者
郝鹏飞
刘立群
顾任远
《图学学报》
CSCD
北大核心
2023年第3期456-464,共9页
为探索在自然苹果园环境中对高度遮挡果实进行机器人自动化采摘,提出基于RGB与Depth图像双输入的YOLO-RD-Apple果园异源图像遮挡果实检测模型。使用轻量化的MobileNetV2并在此基础上设计的更加轻量化的MobileNetV2-Lite分别作为RGB和De...
为探索在自然苹果园环境中对高度遮挡果实进行机器人自动化采摘,提出基于RGB与Depth图像双输入的YOLO-RD-Apple果园异源图像遮挡果实检测模型。使用轻量化的MobileNetV2并在此基础上设计的更加轻量化的MobileNetV2-Lite分别作为RGB和Depth图像的特征提取器,保证特征提取能力的同时降低网络的计算量;将CSPNet与深度可分离卷积结合SE注意力模块,提出全新的SE-DWCSP3模块对PANet结构进行改进,提升网络对于残缺苹果目标的特征提取能力;引入SoftNMS算法替代一般NMS算法,以减少对密集目标的错误抑制现象,降低被遮挡苹果的漏检率。实验结果表明,YOLO-RD-Apple在自然遮挡苹果数据集上性能优秀,在测试集上的AP值达到93.1%,较YOLOv4提升了1.4%,参数量则降低了70%,在GPU(V100)的检测速度达到40.5FPS,较YOLOv4速度提升了12.5%,在检测精度和速度上均有不同程度地提升,同时降低了网络参数量,更加适用于实际果园苹果采摘场景。
展开更多
关键词
目标检测
异源图像
YOLOv4
苹果采摘
注意力机制
在线阅读
下载PDF
职称材料
题名
核中心驱动混合蛙跳算法及其应用
被引量：
6
1
作者
刘立群
顾任远
机构
甘肃农业大学信息科学技术学院
出处
《计算机科学与探索》
CSCD
北大核心
2022年第5期1169-1181,共13页
基金
甘肃省科技计划资助项目(20JR5RA032)
甘肃农业大学青年导师基金资助项目(GAU-QDFC-2020-08)
甘肃省高等学校科研项目(2019B-086)。
文摘
针对混合蛙跳算法(SFLA)青蛙个体当前位置提供的惯性以及跳跃步长引起的进化速度慢,易陷入局部收敛的缺陷,将青蛙个体跳跃进化行为定义为量子力学行为,提出一种核中心驱动混合蛙跳算法(NCSFLA)。在全局寻优中,以原子核为中心的同心圆作为电子轨道构成青蛙族群;在局部寻优中,分别以跃迁步长为半径向局部最优个体跳跃,以驱动步长为半径向全局最优个体跳跃,随机产生不重复的青蛙个体分量等三种不同的局部搜索策略对族群内最差个体进行更新。以电子轨道中心即局部最优个体为跃迁的惯性指导,使得族群内的收敛更加有利于寻找局部最优解,提升搜索能力;如果陷入局部最优,则以原子核中心即全局最优个体为驱动的惯性指导,使得青蛙个体尽可能聚集在原子核中心周围,从而加快收敛速度。将该算法应用于解决容量限制车辆路径问题(CVRP),提出一种核中心驱动混合蛙跳算法的容量限制车辆路径优化算法(NCSFLA-CVRP)。实验结果显示,在单峰值、多峰值函数以及复合函数等20个测试函数上,改进后的核中心驱动混合蛙跳算法相比其他五种算法具有收敛速度快、精度高的特点。Solomon算例标准测试数据测试结果表明该方法可有效提高容量限制车辆路径的优化性能。
关键词
混合蛙跳算法(SFLA)
核中心
轨道中心
驱动策略
容量限制车辆路径问题(CVRP)
Keywords
shuffled frog leaping algorithm(SFLA)
nuclear center
track center
driving strategy
capacity-limited vehicle routing problem(CVRP)
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型
2
作者
刘立群
顾任远
周煜博
火久元
机构
甘肃农业大学信息科学技术学院
兰州交通大学电子与信息工程学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第17期158-167,共10页
基金
甘肃农业大学青年导师基金资助项目(GAU-QDFC-2020-08)
甘肃省科技计划项目(20JR5RA032)。
文摘
针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)的飞行时间(Time of Flight,ToF)与可见光果园苹果图像融合模型。对SPCNN模型引入带参数优化的双寻优策略,对非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)融合规则进行改进。模型包括配准模块、编码区、多尺度分解模块、单目标SPCNN融合模型、多目标SPCNN融合模型、解码区。模型改进了SPCNN模型的参数优化方式以及迭代次数,模型自适应点火次数较低,在3~7次左右,具有点火次数低、自适应分割、效率高的优点。中光15:00时段点火识别成功率达到了100.00%,点火分割时间达到最低91.91s。与其他融合模型比较,模型在强光12:00、中光15:00、弱光18:20、19:00时段融合图像识别成功率达到100.00%;融合时间低于SPCNN模型,达到最低92.68 s。模型识别精度最优达到了100.00%,融合耗时最低达到了92.68 s,模型大小较SPCNN低一个数量级,可补充和完善图像层次融合理论和方法。
关键词
图像识别
模型
非下采样轮廓变换
简化脉冲耦合神经网络
异源图像融合模型
单目标策略
多目标策略
Keywords
image recognition
models
Nonsubsampled Contourlet Transform
Simplified Pulse Coupled Neural Network
heterologous image fusion model
single objective strategy
multi-objective strategy
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
YOLO-RD-Apple果园异源图像遮挡果实检测模型
被引量：
7
3
作者
郝鹏飞
刘立群
顾任远
机构
甘肃农业大学信息科学技术学院
出处
《图学学报》
CSCD
北大核心
2023年第3期456-464,共9页
基金
甘肃省高校教师创新基金项目(2023A-051)
甘肃农业大学青年导师基金资助项目(GAU-QDFC-2020-08)
甘肃省科技计划资助项目(20JR5RA032)。
文摘
为探索在自然苹果园环境中对高度遮挡果实进行机器人自动化采摘,提出基于RGB与Depth图像双输入的YOLO-RD-Apple果园异源图像遮挡果实检测模型。使用轻量化的MobileNetV2并在此基础上设计的更加轻量化的MobileNetV2-Lite分别作为RGB和Depth图像的特征提取器,保证特征提取能力的同时降低网络的计算量;将CSPNet与深度可分离卷积结合SE注意力模块,提出全新的SE-DWCSP3模块对PANet结构进行改进,提升网络对于残缺苹果目标的特征提取能力;引入SoftNMS算法替代一般NMS算法,以减少对密集目标的错误抑制现象,降低被遮挡苹果的漏检率。实验结果表明,YOLO-RD-Apple在自然遮挡苹果数据集上性能优秀,在测试集上的AP值达到93.1%,较YOLOv4提升了1.4%,参数量则降低了70%,在GPU(V100)的检测速度达到40.5FPS,较YOLOv4速度提升了12.5%,在检测精度和速度上均有不同程度地提升,同时降低了网络参数量,更加适用于实际果园苹果采摘场景。
关键词
目标检测
异源图像
YOLOv4
苹果采摘
注意力机制
Keywords
target detection
heterogenous images
YOLOv4
apple picking
attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
核中心驱动混合蛙跳算法及其应用
刘立群
顾任远
《计算机科学与探索》
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
2
多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型
刘立群
顾任远
周煜博
火久元
《农业工程学报》
EI
CAS
CSCD
北大核心
2022
0
在线阅读
下载PDF
职称材料
3
YOLO-RD-Apple果园异源图像遮挡果实检测模型
郝鹏飞
刘立群
顾任远
《图学学报》
CSCD
北大核心
2023
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
