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
2
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
基于多路卷积神经网络的大田小麦赤霉病图像识别
被引量：
35
1
作者
鲍文霞
孙庆
+3 位作者
胡根生
黄林生
梁栋
赵健
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第11期174-181,共8页
为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像...
为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像的识别。首先利用深度语义分割网络U-Net对大田环境下的小麦图像进行分割,去除小麦叶片及其他无关背景的影响,从而分割出麦穗图像。然后设计结构较为简单的多路卷积神经网络分别提取麦穗图像R、G、B 3个通道的特征,通过特征融合获得具有高辨识性的麦穗图像语义特征。最后,为了增大赤霉病和健康麦穗图像特征之间的可区分性,同时减小赤霉病麦穗图像类内特征的差异,采用联合损失函数进一步改善网络的性能。该研究对采集的大田环境下的510幅灌浆期小麦群体图像进行分割,选取2745幅完整单株麦穗图像利用所设计的多路卷积神经网络进行赤霉病识别试验,结果表明该研究所提算法对单株麦穗赤霉病识别精度达到100%,能够为小麦病害的智能识别提供帮助。
展开更多
关键词
图像识别
农作物
病害
小麦赤霉病
多路卷积神经网络
联合损失函数
在线阅读
下载PDF
职称材料
基于MAC-WD-CNN-MCNN模型的超短期负荷预测
被引量：
6
2
作者
程江洲
潘飞
+2 位作者
鲍刚
何艳
陈奕睿
《水电能源科学》
北大核心
2021年第9期205-209,共5页
为了充分挖掘电力负荷数据中的有效信息、提高超短期负荷预测精度,提出一种基于多重聚类分析(MAC)、小波分解(WD)、卷积神经网络(CNN)和多路卷积神经网络(MCNN)的超短期负荷预测模型MACWD-CNN-MCNN。通过MAC方法筛选训练集样本,并采用W...
为了充分挖掘电力负荷数据中的有效信息、提高超短期负荷预测精度,提出一种基于多重聚类分析(MAC)、小波分解(WD)、卷积神经网络(CNN)和多路卷积神经网络(MCNN)的超短期负荷预测模型MACWD-CNN-MCNN。通过MAC方法筛选训练集样本,并采用WD算法对负荷进行频段分解,提取负荷细节特征,然后提出了MCNN网络结构,采用CNN网络和MCNN网络分别预测高低频负荷信号,最后通过小波重构输出负荷预测值。试验仿真结果表明,与CNN-GRU模型和MAC-WD-CNN-GRU模型相比,所提超短期负荷预测模型的RRMSE、MMAE、ssMAPE均更小,具有更高的预测精度。
展开更多
关键词
多重聚类分析
小波分解
卷积
神经网络
多路卷积神经网络
超短期负荷预测
在线阅读
下载PDF
职称材料
题名
基于多路卷积神经网络的大田小麦赤霉病图像识别
被引量：
35
1
作者
鲍文霞
孙庆
胡根生
黄林生
梁栋
赵健
机构
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2020年第11期174-181,共8页
基金
国家自然科学基金(61672032,41771463)
安徽省科技重大专项项目(16030701091)
农业生态大数据分析与应用技术国家地方联合工程研究中心开放课题项目(AE2018009)。
文摘
为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像的识别。首先利用深度语义分割网络U-Net对大田环境下的小麦图像进行分割,去除小麦叶片及其他无关背景的影响,从而分割出麦穗图像。然后设计结构较为简单的多路卷积神经网络分别提取麦穗图像R、G、B 3个通道的特征,通过特征融合获得具有高辨识性的麦穗图像语义特征。最后,为了增大赤霉病和健康麦穗图像特征之间的可区分性,同时减小赤霉病麦穗图像类内特征的差异,采用联合损失函数进一步改善网络的性能。该研究对采集的大田环境下的510幅灌浆期小麦群体图像进行分割,选取2745幅完整单株麦穗图像利用所设计的多路卷积神经网络进行赤霉病识别试验,结果表明该研究所提算法对单株麦穗赤霉病识别精度达到100%,能够为小麦病害的智能识别提供帮助。
关键词
图像识别
农作物
病害
小麦赤霉病
多路卷积神经网络
联合损失函数
Keywords
image recognition
crops
diseases
wheat scab
multi-way convolutional neural network
joint loss function
分类号
TP391.41 [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
基于MAC-WD-CNN-MCNN模型的超短期负荷预测
被引量：
6
2
作者
程江洲
潘飞
鲍刚
何艳
陈奕睿
机构
三峡大学电气与新能源学院
出处
《水电能源科学》
北大核心
2021年第9期205-209,共5页
基金
国家自然科学基金项目(61876097)
湖北省科技计划项目技术创新专项重大项目(2016AAA040)。
文摘
为了充分挖掘电力负荷数据中的有效信息、提高超短期负荷预测精度,提出一种基于多重聚类分析(MAC)、小波分解(WD)、卷积神经网络(CNN)和多路卷积神经网络(MCNN)的超短期负荷预测模型MACWD-CNN-MCNN。通过MAC方法筛选训练集样本,并采用WD算法对负荷进行频段分解,提取负荷细节特征,然后提出了MCNN网络结构,采用CNN网络和MCNN网络分别预测高低频负荷信号,最后通过小波重构输出负荷预测值。试验仿真结果表明,与CNN-GRU模型和MAC-WD-CNN-GRU模型相比,所提超短期负荷预测模型的RRMSE、MMAE、ssMAPE均更小,具有更高的预测精度。
关键词
多重聚类分析
小波分解
卷积
神经网络
多路卷积神经网络
超短期负荷预测
Keywords
multiple cluster analysis
wavelet decomposition
CNN
MCNN
ultra-short-term load forecasting
分类号
TM743 [电气工程—电力系统及自动化]
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
基于多路卷积神经网络的大田小麦赤霉病图像识别
鲍文霞
孙庆
胡根生
黄林生
梁栋
赵健
《农业工程学报》
EI
CAS
CSCD
北大核心
2020
35
在线阅读
下载PDF
职称材料
2
基于MAC-WD-CNN-MCNN模型的超短期负荷预测
程江洲
潘飞
鲍刚
何艳
陈奕睿
《水电能源科学》
北大核心
2021
6
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
