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
基于改进EfficientNet的轻量化小麦不完善粒识别模型
1
作者
于锦龙
于俊伟
+2 位作者
张自豪
潘泉
母亚双
《中国粮油学报》
北大核心
2025年第2期192-202,共11页
针对现有基于卷积神经网络的小麦不完善粒识别模型复杂度高、难以部署等问题,提出了一种基于EfficientNet-B0改进的轻量化小麦不完善粒识别模型ML-EfficientNet。首先,对CBAM注意力模块进行改进,提出了一种轻量级的注意力模块LCSA并使用...
针对现有基于卷积神经网络的小麦不完善粒识别模型复杂度高、难以部署等问题,提出了一种基于EfficientNet-B0改进的轻量化小麦不完善粒识别模型ML-EfficientNet。首先,对CBAM注意力模块进行改进,提出了一种轻量级的注意力模块LCSA并使用LCSA模块替换原网络中的SE模块,使模型能同时捕获通道信息与空间信息,提升模型的识别能力。然后,借鉴CSPnet思想对MBConv的结构进行调整,在减少模型参数量的同时提升模型识别正确率。最后,在模型的首个卷积层后加入LCSA模块,进一步增强模型的特征提取能力。实验结果表明,ML-EfficientNet模型的识别准确率为95.71%,参数量为2.863 M、浮点计算量为0.376 G。较改进前识别精度提升了1.57%,参数量减少60%,浮点计算量减少9%,能够有效地进行小麦不完善粒的识别任务,为智慧农业提供有益支持。
展开更多
关键词
小麦不完善粒识别
EfficientNet-B0
轻量化
注意力机制
在线阅读
下载PDF
职称材料
结合图像增强和卷积神经网络的小麦不完善粒识别
被引量：
12
2
作者
贺杰安
吴晓红
+2 位作者
何小海
胡建蓉
卿粼波
《计算机应用》
CSCD
北大核心
2021年第3期911-916,共6页
针对实际应用场景下,小麦籽粒图像背景单一以及小麦不完善粒的不完善特征大多是局部特征而大部分图像特征与正常粒无异的特点,提出一种基于细节的图像增强(IE)的小麦不完善粒识别方法。首先,使用交替最小化算法约束原图在水平方向和竖...
针对实际应用场景下,小麦籽粒图像背景单一以及小麦不完善粒的不完善特征大多是局部特征而大部分图像特征与正常粒无异的特点,提出一种基于细节的图像增强(IE)的小麦不完善粒识别方法。首先,使用交替最小化算法约束原图在水平方向和竖直方向的L0范数来平滑原图作为基础图层,并用原图减去基础图层得到图像的细节层;然后,突出细节层后将其与基础图层叠加以增强图像;最后,将增强后的图像作为卷积神经网络(CNN)的输入,使用加入了批正则化(BN)层的CNN对图像进行识别。分别以经典分类网络LeNet-5、ResNet-34、VGG-16和在其中添加BN层的这些网络作为分类网络,增强前后的图像作为输入来进行分类实验,并以测试集准确率评估性能。实验结果表明,三个经典分类网络均在添加了BN层后而使用相同输入时的测试集准确率提高了5个百分点,在使用细节增强后的图像作为输入时三个网络的测试集准确率提高了1个百分点,以上二者联合使用时三个网络均获得超过7个百分点的测试集准确率提升。
展开更多
关键词
小麦不完善粒识别
卷积神经网络
L0平滑
图像增强
批正则化
分类
在线阅读
下载PDF
职称材料
题名
基于改进EfficientNet的轻量化小麦不完善粒识别模型
1
作者
于锦龙
于俊伟
张自豪
潘泉
母亚双
机构
河南工业大学粮食信息处理与控制教育部重点实验室
河南工业大学河南省粮食光电探测与控制重点实验室
河南工业大学信息科学与工程学院
河南工业大学人工智能与大数据学院
西北工业大学自动化学院
出处
《中国粮油学报》
北大核心
2025年第2期192-202,共11页
基金
国家自然科学基金青年基金项目(62006071)
2021年度河南省科技攻关计划项目(212102210152)
河南工业大学粮食信息处理中心开放课题(KFJJ2023004)。
文摘
针对现有基于卷积神经网络的小麦不完善粒识别模型复杂度高、难以部署等问题,提出了一种基于EfficientNet-B0改进的轻量化小麦不完善粒识别模型ML-EfficientNet。首先,对CBAM注意力模块进行改进,提出了一种轻量级的注意力模块LCSA并使用LCSA模块替换原网络中的SE模块,使模型能同时捕获通道信息与空间信息,提升模型的识别能力。然后,借鉴CSPnet思想对MBConv的结构进行调整,在减少模型参数量的同时提升模型识别正确率。最后,在模型的首个卷积层后加入LCSA模块,进一步增强模型的特征提取能力。实验结果表明,ML-EfficientNet模型的识别准确率为95.71%,参数量为2.863 M、浮点计算量为0.376 G。较改进前识别精度提升了1.57%,参数量减少60%,浮点计算量减少9%,能够有效地进行小麦不完善粒的识别任务,为智慧农业提供有益支持。
关键词
小麦不完善粒识别
EfficientNet-B0
轻量化
注意力机制
Keywords
imperfect wheat grain recognition
EfficientNet-B0
lightweight
attention mechanism
分类号
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
结合图像增强和卷积神经网络的小麦不完善粒识别
被引量：
12
2
作者
贺杰安
吴晓红
何小海
胡建蓉
卿粼波
机构
四川大学电子信息学院
中储粮成都储藏研究院有限公司
出处
《计算机应用》
CSCD
北大核心
2021年第3期911-916,共6页
基金
四川省科技计划项目(2018HH0143)
四川省教育厅项目(18ZB0355)。
文摘
针对实际应用场景下,小麦籽粒图像背景单一以及小麦不完善粒的不完善特征大多是局部特征而大部分图像特征与正常粒无异的特点,提出一种基于细节的图像增强(IE)的小麦不完善粒识别方法。首先,使用交替最小化算法约束原图在水平方向和竖直方向的L0范数来平滑原图作为基础图层,并用原图减去基础图层得到图像的细节层;然后,突出细节层后将其与基础图层叠加以增强图像;最后,将增强后的图像作为卷积神经网络(CNN)的输入,使用加入了批正则化(BN)层的CNN对图像进行识别。分别以经典分类网络LeNet-5、ResNet-34、VGG-16和在其中添加BN层的这些网络作为分类网络,增强前后的图像作为输入来进行分类实验,并以测试集准确率评估性能。实验结果表明,三个经典分类网络均在添加了BN层后而使用相同输入时的测试集准确率提高了5个百分点,在使用细节增强后的图像作为输入时三个网络的测试集准确率提高了1个百分点,以上二者联合使用时三个网络均获得超过7个百分点的测试集准确率提升。
关键词
小麦不完善粒识别
卷积神经网络
L0平滑
图像增强
批正则化
分类
Keywords
imperfect wheat kernel recognition
Conventional Neural Network(CNN)
L0 smoothing
image enhancement
Batch Normalization(BN)
classification
分类号
TP751 [自动化与计算机技术—检测技术与自动化装置]
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
基于改进EfficientNet的轻量化小麦不完善粒识别模型
于锦龙
于俊伟
张自豪
潘泉
母亚双
《中国粮油学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
结合图像增强和卷积神经网络的小麦不完善粒识别
贺杰安
吴晓红
何小海
胡建蓉
卿粼波
《计算机应用》
CSCD
北大核心
2021
12
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
