基于改进LeNet-5模型的木材表面典型缺陷识别方法研究 被引量：7

1

作者 张赛 王应彪 +1 位作者 杨谭 李明 《木材科学与技术》 北大核心 2021年第6期31-37,共7页

针对传统木材缺陷识别方法效率低、精度不高及泛化能力差等问题,对传统LeNet-5模型进行改进:通过分别增加卷积层和池化层的层数至4层,以增加网络深度;采用批量归一化算法,以解决内部协变量位移过拟合的问题;改用Leaky Relu函数作为激活... 针对传统木材缺陷识别方法效率低、精度不高及泛化能力差等问题,对传统LeNet-5模型进行改进:通过分别增加卷积层和池化层的层数至4层,以增加网络深度;采用批量归一化算法,以解决内部协变量位移过拟合的问题;改用Leaky Relu函数作为激活函数,并加入稀疏分类交叉熵作为损失函数,使用Adam作为优化器,来优化网络模型。应用改进LeNet-5模型对辐射松木材常见缺陷(结疤、裂痕)及无缺陷样本集进行识别试验,结果表明:相对于传统LeNet-5模型以及VGG19、AlexNet、ResNet-50三种经典模型,改进LeNet-5模型的训练集准确率最高为99.87%、验证集为99.43%,运算时间缩短,木材缺陷识别精度和效率提高。 展开更多

关键词 木材缺陷检测 改进lenet-5模型 深度学习 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进LeNet-5模型的玉米病害识别 被引量：9

2

作者 何前 郭峰林 +1 位作者 方皓正 李雅琴 《江苏农业科学》 北大核心 2022年第20期35-41,共7页

玉米叶部病虫害严重影响了玉米的产量和质量,为了对玉米叶部病害进行快速识别并进行及时有效的治理、减少玉米的损失、提高种植者的收益,在传统卷积神经网络LeNet-5模型的基础上进行优化改进,提出基于改进的LeNet-5模型,用来分类识别玉... 玉米叶部病虫害严重影响了玉米的产量和质量,为了对玉米叶部病害进行快速识别并进行及时有效的治理、减少玉米的损失、提高种植者的收益,在传统卷积神经网络LeNet-5模型的基础上进行优化改进,提出基于改进的LeNet-5模型,用来分类识别玉米大斑病、锈病、叶斑病3种叶部病害图像及正常玉米图像。首先通过随机旋转、图像增强及尺寸修改方法等对病害图像进行预处理操作,然后增加模型的网络层数,改进后的模型一共有14层,包括输入层、5个卷积层、5个池化层、2个全连接层及输出层,最后用ReLU函数代替传统的Sigmoid激活函数,并且在卷积层和全连接层中加入Dropout策略层,通过试验对比选择合适的丢弃概率,进一步减少参数,防止产生过拟合现象。迭代次数设置为15次,选取11个样本作为1个batch进行训练,通过不断调整参数、优化模型,选择最优的模型在测试集上进行分类识别,最终改进后的模型对玉米叶部病害的识别准确率高达97.3%,为玉米病害的及时防治提供了有效的技术支持。 展开更多

关键词 卷积神经网络 lenet-5模型 病害识别 玉米 病害图像

在线阅读 下载PDF 职称材料

基于改进LeNet-5模型的手写体中文识别 被引量：5

3

作者 何凯 黄婉蓉 +1 位作者 刘坤 高圣楠 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2020年第8期847-853,共7页

手写体中文的自动识别是中文文档数字化的前提和基础,由于中文字符数目繁多、相似性强、字体种类繁多、书写随意、缺乏统一规范等原因,一直是计算机视觉领域中一个具有挑战性的问题.为解决这一难题,提出了一种基于卷积神经网络的手写体... 手写体中文的自动识别是中文文档数字化的前提和基础,由于中文字符数目繁多、相似性强、字体种类繁多、书写随意、缺乏统一规范等原因,一直是计算机视觉领域中一个具有挑战性的问题.为解决这一难题,提出了一种基于卷积神经网络的手写体中文识别方法.在经典LeNet-5网络模型的基础上进行改进,提出了一种LeNet-Ⅱ模型.利用改进的Inception模块和空洞卷积,设计了一种并行的双路卷积神经网络结构;两路分支可分别提取手写中文图像中不同尺度的特征,获得多个尺度的特征图像;通过对其进行特征融合,可以达到丰富特征图像多样性、提升识别准确率的目的;最后经过全连接层进行分类.利用经典手写体中文数据集进行训练,利用该模型实现了3755类手写体中文字符及相关文本的自动识别.实验结果表明,基于改进LeNet-5模型的手写体中文识别方法,在同一训练数据集上的收敛速度和识别准确率明显优于经典LeNet-5模型,对经典数据集的识别准确率可以达到95.21%,也高于其他传统算法;此外,对4幅手写体中文文本的平均识别准确率达到97.30%,超出了人类表现,取得了理想的实际效果. 展开更多

关键词 手写体中文识别 卷积神经网络 lenet-5模型 Inception模块

在线阅读 下载PDF 职称材料

基于YOLOv5改进模型的金属表面缺陷检测实验研究

4

作者 赵辉 陈志峰 +2 位作者 章佳伟 李骁凡 魏震杨 《实验技术与管理》 北大核心 2025年第1期66-74,共9页

金属零部件的表面缺陷检测是汽车等产品生产过程中的重要环节,以往采用人工检视或传统光学筛选方法,该方法难以满足现代工业生产的高效性和准确性要求。该研究源于校企协同育人的创新课题,从企业提出的实际问题出发,选取汽车喷油管表面... 金属零部件的表面缺陷检测是汽车等产品生产过程中的重要环节,以往采用人工检视或传统光学筛选方法,该方法难以满足现代工业生产的高效性和准确性要求。该研究源于校企协同育人的创新课题,从企业提出的实际问题出发,选取汽车喷油管表面缺陷作为研究案例。为了提高对弱小缺陷的检测准确率和速度,提出了一种基于YOLOv5轻量化模型的改进结构:YOLOv5n-STSL。该模型通过改进原模型中的卷积模块C3为C2f模块,在保证轻量化的同时获取了更丰富的梯度信息流;通过往浅层特征图移动检测分支,增加不同层次的特征融合,提高了弱小目标的特征提取和检测能力;同时改进锚框anchors的计算评估策略,确保锚框与真实缺陷的边界框有更高的匹配精度,从而提高定位和分类的准确性。实验表明,缺陷检测精度达到97.8%,相对于原基础模型YOLOv5n,检测精度提高了5%,最后将模型部署到嵌入式设备JestonNano,采用TensorRT推理引擎加速推理实验,帧速可达21帧/s,更好地满足了金属表面缺陷自动检测实时性的应用需求。 展开更多

关键词 缺陷检测 模型改进 YOLOv5n-STSL ANCHORS 设备部署

在线阅读 下载PDF 职称材料

基于改进Yolov5模型的纱筒余纱量检测方法

5

作者 史伟民 李洲 +2 位作者 陆伟健 屠佳佳 徐寅哲 《纺织学报》 EI CAS CSCD 北大核心 2024年第7期196-203,共8页

为实现针织圆纬机纱架上纱筒余纱量的实时检测,提出一种深度学习与传统图像处理相结合的检测方法。通过优化Yolov5的主干网络并加入Shuffle-Attention注意力机制,利用改进后模型在图像中检测并框出纱筒位置;然后利用透视变换、均值偏移... 为实现针织圆纬机纱架上纱筒余纱量的实时检测,提出一种深度学习与传统图像处理相结合的检测方法。通过优化Yolov5的主干网络并加入Shuffle-Attention注意力机制,利用改进后模型在图像中检测并框出纱筒位置;然后利用透视变换、均值偏移、canny轮廓检测、闭操作等处理获取纱筒内外圆轮廓,设计基于梯度下降的圆拟合算法,拟合纱筒内外圆的轮廓,得到纱筒的内外圆半径;最后结合小孔成像的原理完成纱筒余纱量的测量。结果表明:改进后的Yolov5模型在纱筒检测精度上达到99.5%,检测速度可达20帧/s,同时模型参数减少至3.255×106可检测的最小纱筒余纱量为3 mm,当纱筒余纱量小于3 mm后,将其视为空筒,进行延时更换。本文算法拟合圆所花费时间是传统霍夫圆检测算法的1/4左右,因此可满足针织车间的实际应用需求。 展开更多

关键词 改进Yolov5模型 透视变换 均值偏移 梯度下降法 纱筒余纱量 针织圆纬机

在线阅读 下载PDF 职称材料

基于压缩图像与YOLOv5模型的架空输电线路缺陷检测技术 被引量：1

6

作者 刘敏 姜亮 +2 位作者 田杨阳 张璐 陈岑 《沈阳工业大学学报》 北大核心 2025年第2期152-159,共8页

【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,... 【目的】输电线路作为电能传输和使用过程中的重要环节,其安全稳定对电力系统的正常运行起着至关重要的作用,因此输电线路日常巡检具有重要作用。重大事故通常由微小缺陷隐患发展而来,日常巡检通常采用人工、无人机、可视化通道等手段,无论何种方式都需要处理大量可视化、红外或者紫外照片。但由于输电线路的特殊性,架设条件涉及多种环境,其巡检图像背景通常较为复杂,采用人工复核审查的方式精度较高,但对经验依赖较大且效率极低。如何快速、准确地识别架空线路巡检图片是架空输电线路缺陷识别的关键。传统输电线路巡检图片识别方法在复杂背景的干扰下,容易出现缺陷识别精确度不高的问题。【方法】为提高架空输电线路巡检图像复杂背景下的检测准确率,提出了一种兼顾识别效率和准确性的缺陷检测方法。基于压缩图像技术并结合YOLOv5模型,设计了一种基于稀疏卷积的非对称特征聚合压缩算法,将原始图像通过编码减少图像存储所需空间以便于存储和传输,经过信息通道传输到解密器后,再将压缩图像进行解码复原以提升局部集合特征的学习效率。同时,通过融入通道空间注意力模块从特征图中得到注意力通道权重矩阵和空间权重矩阵,并通过权重矩阵判断特征图区域的重要程度,完成对YOLOv5模型处理效率的提升。【结果】将压缩恢复后的图像输入改进YOLOv5模型中,利用通道注意力模块(CAM)和空间注意力模块(SAM)分别对图像进行通道与空间上的注意力数据处理,通过全局平均池化和最大池化处理增强目标区域的特征,并引入空间注意力模块增强通道注意力对特征位置信息的关注,以检测出存在缺陷的设备,并通过实验验证了方法的有效性。【结论】以某架空线路的巡检图像数据集为基础,对检测方法开展训练与测试,结果表明,巡检图像经所提技术压缩后,尺寸明显减小,恢复后的图像尺寸较原图约降低了3 MB且未出现失真;改进YOLOv5模型具有较高的检测精确度,其检测准确率和时间分别为0.91和0.87 s,算法在降低图像尺寸提升检测速度的同时保证了检测准确率。 展开更多

关键词 架空输电线路 缺陷检测 图像压缩 改进YOLOv5模型 非对称特征聚合编解码网络 通道空间注意力模块 逐通道稀疏残差卷积 检测准确率

在线阅读 下载PDF 职称材料

基于LeNet-5模型的太阳能电池板缺陷识别分类 被引量：13

7

作者 吴涛 赖菲 《热力发电》 CAS 北大核心 2019年第3期120-125,共6页

太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率。因此,对太阳能电池板进行缺陷检测具有重要的实际价值。考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络... 太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率。因此,对太阳能电池板进行缺陷检测具有重要的实际价值。考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络对太阳能电池板图像进行自动识别分类。利用Tensorflow平台Tensorboard的可视化性能,对经典卷积神经网络Le Net-5模型进行结构改善和超参数的调整,并将改进LeNet-5模型与经典LeNet-5模型和支持向量机的分类结果互相对比,结果表明改进LeNet-5模型的分类效果最优。 展开更多

关键词 太阳能电池板 lenet-5模型 图像分类 卷积神经网络 超参数 Tensorboard

在线阅读 下载PDF 职称材料

基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断 被引量：10

8

作者 汤亮 凡焱峰 +1 位作者 徐适斐 蔡凯翼 《计量学报》 CSCD 北大核心 2022年第7期913-919,共7页

考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的... 考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的振动信号直接作为改进LeNet-5网络的输入,对池化输出采用批归一化处理和改进池化层激活函数防止过拟合,利用全局平均池化层替代全连接层提高改进LeNet-5网络的泛化能力,用Softmax分类器实现滚动轴承故障的分类。通过轴承数据库开展实验,实验表明,该算法构建的轴承故障诊断模型在训练集上准确率为99.94%,验证集上的准确率为99.89%,测试集准确率也达到99.65%,与一维卷积神经网络和二维卷积神经网络对比分析,基于贝叶斯优化改进LeNet-5算法构建的轴承故障诊断模型在滚动轴承的故障诊断模型具有更高的准确率,更少的训练次数和训练时间。 展开更多

关键词 计量学 滚动轴承 故障诊断 改进lenet-5网络 贝叶斯优化 深度学习

在线阅读 下载PDF 职称材料

基于5GAP模型的医疗服务质量持续改进 被引量：4

9

作者 李晓庆 夏保京 何军 《中国卫生事业管理》 北大核心 2009年第5期305-307,共3页

医疗服务质量持续改进是当前各大医院提高核心竞争力的重要内容。服务质量差异模型(Service QualityModel,5GAP)为医院加快医疗服务质量持续改进提供了有效的工具。文章根据5GAP工具建立了医疗服务质量差距模型,对模型中的5个差距产生... 医疗服务质量持续改进是当前各大医院提高核心竞争力的重要内容。服务质量差异模型(Service QualityModel,5GAP)为医院加快医疗服务质量持续改进提供了有效的工具。文章根据5GAP工具建立了医疗服务质量差距模型,对模型中的5个差距产生的原因进行了分析,并就如何弥合这些差距提出了对策。 展开更多

关键词 服务质量差异模型(5GAP) 医疗服务质量 持续改进

在线阅读 下载PDF 职称材料

基于改进型LeNet-5的工业机器人工件自动识别研究 被引量：6

10

作者 刘东来 崔亚飞 +3 位作者 罗辉 邓子林 秦润华 秦长江 《制造技术与机床》 北大核心 2021年第8期103-107,共5页

针对机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配耗时费力等问题,在经典LeNet-5模型基础上,提出一种改进型LeNet-5网络,该网络输入图像的大小修改为32×32,卷积层增加至4层,激励函数改用Leaky ReLU以防止过... 针对机器人关节工件组装生产过程中,工件种类多、产量大、人工分拣与装配耗时费力等问题,在经典LeNet-5模型基础上,提出一种改进型LeNet-5网络,该网络输入图像的大小修改为32×32,卷积层增加至4层,激励函数改用Leaky ReLU以防止过拟合。同时,将改进型LeNet-5与经典LeNet-5、GoogLeNet模型进行训练、测试与对比,试验结果表明,改进型LeNet-5效果最好,测试集的准确率达到98.32%、曲线下降面积AUC为0.9163,识别一个待装配工件仅需约0.016 s,满足工厂工业机器人实时性检测要求,为类似的识别提供了有效参考,具有较高的应用价值。 展开更多

关键词 工件识别 改进型lenet-5 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进型LeNet-5的苹果自动分级方法 被引量：40

11

作者 王立扬 张瑜 +1 位作者 沈群 薛勇 《中国农机化学报》 北大核心 2020年第7期105-110,共6页

针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。... 针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。同时将此与GoogLeNet迁移模型、初始LeNet-5模型、传统机器学习进行对比。试验对不同等级的红富士苹果进行训练与测试,发现改进后的LeNet-5效果最好,测试集准确率达98.37%、AUC值为0.9075,识别一个苹果仅需0.12 s,能够满足工厂自动化分级的需求。综上,改进型LeNet-5模型可用于苹果的高效分级。 展开更多

关键词 苹果分级 改进型lenet-5 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于改进YOLOv5的轴类零件表面缺陷检测算法 被引量：3

12

作者 张昕楠 李颖 +2 位作者 郝涌汀 付靖凯 于鹏 《组合机床与自动化加工技术》 北大核心 2024年第3期168-171,176,共5页

针对当前轴件表面缺陷种类繁多、缺陷形态复杂等原因导致的检测精度低,提出了一种改进的YOLOv5的目标轴件表面缺陷检测方法。为解决在日常生产中经常出现轴件表面小目标缺陷被漏检、错检的问题,在原YOLOv5基础上,添加一个新的小目标检测... 针对当前轴件表面缺陷种类繁多、缺陷形态复杂等原因导致的检测精度低,提出了一种改进的YOLOv5的目标轴件表面缺陷检测方法。为解决在日常生产中经常出现轴件表面小目标缺陷被漏检、错检的问题,在原YOLOv5基础上,添加一个新的小目标检测层,并将较浅特征图与深特征图拼接,使得整个网络更加关注小目标缺陷。同时为解决多目标缺陷和不完整轴件检测精度低与漏检,自建数据集中添加多目标缺陷与遮挡处理的轴件图像数据,经对比实验可知,改进的YOLOv5模型的检测性能优于FasterRCNN、SSD、原始YOLOv5三种主流算法模型,测试的平均值精度分别高出7%、9%、4%。证明了该方法对轴件的表面缺陷检测精度更高,且对多目标缺陷与不完整的轴件的检测效果有显著提升。 展开更多

关键词 轴件 缺陷检测 改进的YOLOV5模型 小目标 多目标

在线阅读 下载PDF 职称材料

基于YOLO v5s改进模型的玉米作物病虫害检测方法 被引量：10

13

作者 施杰 林双双 +3 位作者 罗建刚 杨琳琳 张毅杰 顾丽春 《江苏农业科学》 北大核心 2023年第24期175-183,共9页

针对玉米作物病虫害目标检测中由于图像背景复杂、无关因素干扰较多而导致的对病虫害目标检测效果不理想等问题,采用深度学习技术,提出一种基于YOLO v5s改进模型的玉米作物病虫害检测方法。该方法通过引入无参SimAM注意力机制对YOLO v5... 针对玉米作物病虫害目标检测中由于图像背景复杂、无关因素干扰较多而导致的对病虫害目标检测效果不理想等问题,采用深度学习技术,提出一种基于YOLO v5s改进模型的玉米作物病虫害检测方法。该方法通过引入无参SimAM注意力机制对YOLO v5s模型进行改进,利用该机制能更全面地评估模型特征权重,以增强玉米病虫害的特征,削弱复杂背景和无关信息的干扰,从而提高模型的检测性能。同时,将模型的损失函数由CIOU替换为EIOU,可使病虫害预测框更加接近真实框,以提升模型检测的准确率。通过自建的玉米病虫害数据集对模型进行试验对比,结果表明,YOLO v5s(EIOU+SimAM)改进模型的精确率为94.6%,召回率为83.4%,平均精度均值为90.1%。经比较发现,改进模型比原始模型在上述3个指标方面分别提升了5.4、0.5、1.9百分点,说明YOLO v5s(EIOU+SimAM)模型对玉米病虫害检测具有较强的鲁棒性和泛化性。 展开更多

关键词 玉米作物病虫害 YOLO v5s改进模型 注意力机制 EIOU 目标检测

在线阅读 下载PDF 职称材料

基于Ghost模块的改进YOLOv5目标检测算法 被引量：9

14

作者 李宇翔 王帅 +2 位作者 陈伟 田子建 侯麟朔 《现代电子技术》 2023年第3期29-34,共6页

现有以YOLOv5为代表的目标检测技术,存在骨干网络对特征提取不充分以及颈部层未高效融合浅层位置信息和深层高级语义信息等问题,这会导致检测精度较低,小目标误检、漏检。针对此问题,从兼顾实时性与检测精度出发,对YOLOv5进行改进,提出... 现有以YOLOv5为代表的目标检测技术,存在骨干网络对特征提取不充分以及颈部层未高效融合浅层位置信息和深层高级语义信息等问题,这会导致检测精度较低,小目标误检、漏检。针对此问题,从兼顾实时性与检测精度出发,对YOLOv5进行改进,提出一种改进网络YOLOv5-CBGhost。首先在骨干网络中引入Ghost模块对模型进行轻量化处理,引入CA模块来更好地获得全局感受野,提高模型获取目标位置的准确度;然后借鉴双向加权特征金字塔网络,对原PAN结构进行改进,有效减少了特征冗余以及参数量,并通过跨层加权连接融合更多特征,提高了模型的目标检测精度;最后,增加多检测头以获取图片更丰富的高层语义信息,有效增加了检测精度。通过在PASCAL VOC2007+2012数据集上实验,YOLOv5-CBGhost的目标精度达到81.8%,相较于YOLOv5s,提高了3.0%,计算量减少42.5%,模型大小减少3.5%。 展开更多

关键词 目标检测 YOLOv5改进 Ghost模块 模型处理 PAN结构改进 特征融合

在线阅读 下载PDF 职称材料

基于改进YOLOv5s的自然环境下猕猴桃花朵检测方法 被引量：22

15

作者 龚惟新 杨珍 +4 位作者 李凯 郝伟 何智 丁辛亭 崔永杰 《农业工程学报》 EI CAS CSCD 北大核心 2023年第6期177-185,共9页

为实现对猕猴桃花朵的快速准确检测,该研究提出了一种基于改进YOLOv5s的猕猴桃花朵检测模型YOLOv5s_S_N_CB_CA,并通过对比试验进行了精度验证。在YOLOv5s基础上引入C3HB模块和交叉注意力(criss-cross atte ntion,CCA)模块增强特征提取能... 为实现对猕猴桃花朵的快速准确检测,该研究提出了一种基于改进YOLOv5s的猕猴桃花朵检测模型YOLOv5s_S_N_CB_CA,并通过对比试验进行了精度验证。在YOLOv5s基础上引入C3HB模块和交叉注意力(criss-cross atte ntion,CCA)模块增强特征提取能力,结合样本切分和加入负样本处理方法进一步提升模型精度。改进模型的检测精确率为85.21%,召回率为90%,模型大小为14.6 MB,交并比(intersection over union,IoU)为0.5下的均值平均精度(mAP0.5)为92.45%,比仅进行样本缩放处理的原始YOLOv5s提高了31.91个百分点,检测速度为35.47帧/s,比原始YOLOv5s提高了34.15%。使用改进模型对自然环境下不同天气、晴天不同时段光照强度下的猕猴桃花朵进行检测,结果表明模型检测晴天、阴天下猕猴桃花朵的mAP0.5分别为91.96%、91.15%,比原始YOLOv5s分别高出2.55、2.25个百分点;检测晴天9:00-11:00、15:00-17:00光强下猕猴桃花朵的mAP0.5分别为92.11%、92.10%,比原始YOLOv5s分别高出2.20、1.32个百分点。结果表明,该研究提出的基于改进YOLOv5s的猕猴桃花朵检测模型在保持轻量化的同时,检测精度高、速度快,可实现对自然环境下猕猴桃花朵的有效检测。 展开更多

关键词 图像处理 模型 目标检测 猕猴桃花朵 改进YOLOv5s 自然环境

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的食品异物自动识别方法 被引量：4

16

作者 邓阿琴 胡平霞 《食品与机械》 北大核心 2022年第7期133-137,共5页

目的:提高食品中异物识别速度和精度。方法:在LeNet-5网络结构的基础上增加批量归一化层和Dropout层得到改进的CNN模型,利用此模型建立识别系统用于食品图像中异物自动识别。通过试验对所建模型性能进行分析。结果:与传统的模型相比,该... 目的:提高食品中异物识别速度和精度。方法:在LeNet-5网络结构的基础上增加批量归一化层和Dropout层得到改进的CNN模型,利用此模型建立识别系统用于食品图像中异物自动识别。通过试验对所建模型性能进行分析。结果:与传统的模型相比,该模型具有更高的检测精度和更快的识别速度,食品异物的识别准确率为99.75%,识别时间仅为0.332 s。结论:建立的饺子图像异物识别模型具有较好的检测速度和识别精度。 展开更多

关键词 食品图像 异物识别 lenet-5网络 CNN模型 饺子图像

在线阅读 下载PDF 职称材料

一种并联机构尺寸与拓扑同步轻量化设计方法

17

作者 罗磊 王猛 《机电工程》 北大核心 2025年第8期1563-1572,共10页

因可重构性好和动态性能优良,并联机构(PKM)在多个领域得到了广泛应用,但其现有设计方法多关注尺寸参数,忽视了结构拓扑的影响。为解决上述问题,提出了一种并联机构尺寸与拓扑同步轻量化设计方法。首先,以质量最小和刚度最小为目标函数... 因可重构性好和动态性能优良,并联机构(PKM)在多个领域得到了广泛应用,但其现有设计方法多关注尺寸参数,忽视了结构拓扑的影响。为解决上述问题,提出了一种并联机构尺寸与拓扑同步轻量化设计方法。首先,以质量最小和刚度最小为目标函数和约束条件,通过参数化设计获得了并联机构所有尺寸参数;然后,通过灵敏度分析确定了关键尺寸参数,在有限元分析(FEA)和响应面法(RSM)的基础上,建立了设计变量与各方向刚度之间的改进刚度-质量元模型;最后,将这些映射关系嵌入并联机构刚度和质量模型中,利用粒子群优化算法(PSO)完成了尺寸参数和结构拓扑的同步设计工作;以平面5R并联机构为例开展了验证与对比分析,完成了平面5R并联机构的轻量化设计工作。研究结果表明:在相同刚度约束下,相比参数化设计方法,采用尺寸与拓扑同步轻量化设计方法获得的质量降低了8.84%,从330.4 kg减少到301.2 kg,证明了该方法的有效性和优越性。该方法可为其他并联机构或类似机器人的轻量化设计提供重要参考。 展开更多

关键词 机构学 平面5R并联机构 改进刚度-质量元模型 灵敏度分析 分层轻量化设计 尺寸参数

在线阅读 下载PDF 职称材料

基于改进禁区判据的电气化铁路车网耦合系统稳定性研究 被引量：4

18

作者 金程 王小君 +1 位作者 姚超 毕成杰 《电工技术学报》 EI CSCD 北大核心 2021年第21期4459-4469,共11页

近年来我国铁路枢纽段内车网耦合低频振荡的现象时有发生,由于机车存在结构复杂、模型参数保密的问题,车网耦合的系统稳定性详细建模分析在实际中存在困难。阻抗法可以通过实际测量车网端口阻抗避免这些问题,具有较好的应用效果,针对车... 近年来我国铁路枢纽段内车网耦合低频振荡的现象时有发生,由于机车存在结构复杂、模型参数保密的问题,车网耦合的系统稳定性详细建模分析在实际中存在困难。阻抗法可以通过实际测量车网端口阻抗避免这些问题,具有较好的应用效果,针对车网耦合系统,如何减小稳定性判据的保守性是阻抗法稳定性判别的关键。该文根据Nyquist准则将判据禁区从单位圆区域改进为射线区域,提出了一种保守性更小的改进禁区判据。首先,针对CRH5车型进行研究,建立了系统小信号模型,分析了稳定性影响因素;然后,结合盖尔圆定理提出基于端口阻抗和导纳矩阵的判据;最后,通过建立的小信号模型分析了改进禁区判据与现有判据的稳定性辨识结果,仿真结果证明了判据的准确性。 展开更多

关键词 电气化铁路 CRH5小信号模型 改进禁区判据 保守性

在线阅读 下载PDF 职称材料

基于深度学习的板栗分级方法研究

19

作者 王培福 孙一丹 +2 位作者 鹿子涵 王伟 陈晓峰 《湖北农业科学》 2022年第21期168-175,共8页

板栗品质分级对板栗产品的标准化和均一性有重要影响,精确的分类有助于板栗商品标准化,发挥出各等级板栗的最大价值。针对中国板栗分级分类大多依靠机器与人工,存在效率低、准确度低等问题,提出利用深度学习方法实现板栗分级分类的自动... 板栗品质分级对板栗产品的标准化和均一性有重要影响,精确的分类有助于板栗商品标准化,发挥出各等级板栗的最大价值。针对中国板栗分级分类大多依靠机器与人工,存在效率低、准确度低等问题,提出利用深度学习方法实现板栗分级分类的自动化与智能化。对经典卷积神经网络LeNet-5模型进行了改进,增加5层卷积层和2层池化层以加深网络,从而更准确地提取板栗特征,同时输入层修改为图像大小256×256的彩色图像;激活函数改进为Leaky ReLu,并加入Dropout算法缓解过拟合现象;使用Adam作为优化器对网络参数进行优化。将改进后的LeNet-5模型与初始LeNet-5模型、AlexNet和VGG16模型进行对比,发现改进后的LeNet-5模型在测试集上识别平均精确率为99.68%、准确率为99.34%、召回率为99.35%,优于其他3种模型,且识别1个样本用时仅0.19 s,改进后的LeNet-5模型可以实现对板栗良好的分级分类,满足工厂对板栗自动分级的需要。 展开更多

关键词 板栗分级 深度学习 卷积神经网络 改进lenet-5模型

在线阅读 下载PDF 职称材料

混合样本训练方式的手写数字识别 被引量：3

20

作者 汪雅琴 夏春蕾 戴曙光 《电子测量技术》 2018年第18期52-56,共5页

近年来,图像识别技术被应用在通信、军事、公安侦测、生物医学等众多领域,而LeNet-5模型作为卷积神经网络模型的典型代表受到广泛青睐。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定... 近年来,图像识别技术被应用在通信、军事、公安侦测、生物医学等众多领域,而LeNet-5模型作为卷积神经网络模型的典型代表受到广泛青睐。在MNIST字符库上运用该模型,通过优化卷积层的样本训练方式,即将原来以每批固定输入样本数量、固定迭代次数的训练方式,优化为以每批不同输入样本数量、不同迭代次数的混合训练样本方式。优化后的训练方式能够减少预处理工作量,加快识别速度。通过实验可知,在相同的训练时间内,分别采用传统样本训练方式和混合样本训练方式,识别率可以提高0.15%左右;改变混合样本的组合方式,识别率也会不断改变,甚至相差0.18%。实验结果表明在保证样本训练时间相等的前提下,优化后的混合样本输入方式可以得到更低的测试错误率,即更高的识别率。 展开更多

关键词 图像识别技术 lenet-5模型 卷积神经网络 MNIST字符库

在线阅读 下载PDF 职称材料