期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进VGG卷积神经网络的叶菜霜霉病智能识别算法研究 被引量:6
1
作者 梅莹 尹艺璐 +2 位作者 石称华 刘哲辉 常丽英 《上海蔬菜》 2021年第6期76-84,共9页
该文针对用传统方法识别叶菜霜霉病难度大、精度低等问题,将卷积神经网络应用于结球白菜、菠菜、莴笋霜霉病的识别与分类。作者通过图像搜集、预处理和扩增,构建了3种叶菜霜霉病图像数据库,并运用于VGG16-1模型构建;通过微调模型中的部... 该文针对用传统方法识别叶菜霜霉病难度大、精度低等问题,将卷积神经网络应用于结球白菜、菠菜、莴笋霜霉病的识别与分类。作者通过图像搜集、预处理和扩增,构建了3种叶菜霜霉病图像数据库,并运用于VGG16-1模型构建;通过微调模型中的部分参数,探究了迭代次数、BATCH_SIZE和卷积核尺寸3种模型参数对VGG16-1模型识别分类效果的影响。试验结果表明,迭代次数为50次、BATCH_SIZE为32、卷积核尺寸为3×3时,VGG16-1模型模拟结果最优,训练用时为20 min,模型识别准确率为95.67%。 展开更多
关键词 卷积神经网络 VGG16 叶菜 霜霉病 智能识别算法
在线阅读 下载PDF
基于卷积神经网络的黄瓜白粉病智能识别算法研究
2
作者 旦真旺姆 全淼儿 +3 位作者 钱婷婷 石称华 刘哲辉 常丽英 《上海农业学报》 2023年第2期127-132,共6页
采用AlexNet、VGG16、GoogLeNet和ResNet50等4种CNN模型对黄瓜4个病害级别的白粉病叶片图像进行反复迭代训练,探究迭代次数、BATCH_SIZE参数对4种模型识别分类效果的影响,分析不同CNN模型的性能,以选择出应用于黄瓜白粉病识别的最优模... 采用AlexNet、VGG16、GoogLeNet和ResNet50等4种CNN模型对黄瓜4个病害级别的白粉病叶片图像进行反复迭代训练,探究迭代次数、BATCH_SIZE参数对4种模型识别分类效果的影响,分析不同CNN模型的性能,以选择出应用于黄瓜白粉病识别的最优模型。结果表明:从训练集损失函数的损失率、识别准确率及训练时间综合考量,在当前试验样本条件下,迭代次数为40次,BATCH_SIZE值等于90时,ResNet50模型结果最优,其训练用时为24 min,模型识别准确率为91.30%,对黄瓜白粉病不同病害级别智能识别具有较好的分类性能。 展开更多
关键词 黄瓜白粉病 卷积神经网络 模型 深度学习 智能识别算法
在线阅读 下载PDF
基于声源定位的信息传输异常点智能识别算法研究
3
作者 柳秀山 蔡君 +1 位作者 张琴 程骏 《现代电子技术》 北大核心 2019年第12期33-36,共4页
为了解决传统方法识别声音信息异常点时存在精确度低的问题,研究基于声源定位的信息传输异常点智能识别算法,采用改进模糊C均值聚类算法得到可能性C均值聚类算法,采用此声源定位算法计算异常声源聚类中心,当聚类符合限制条件时,输出的... 为了解决传统方法识别声音信息异常点时存在精确度低的问题,研究基于声源定位的信息传输异常点智能识别算法,采用改进模糊C均值聚类算法得到可能性C均值聚类算法,采用此声源定位算法计算异常声源聚类中心,当聚类符合限制条件时,输出的聚类中心为异常声源定位结果;以该结果为前提,依据短时幅度与短时过动态门限率变量判断声音信息异常点的起始端与终止端,识别出声音信息传输异常点。实验结果表明,所提算法对识别声音信息传输异常点的丢包率误差最大在3.45~3.7之间,说明所提算法对丢包率存在一定的抵抗能力。 展开更多
关键词 声源定位 可能性C均值 聚类算法 信息传输 异常点识别 智能识别算法
在线阅读 下载PDF
Recognition algorithm for turn light of front vehicle
4
作者 李仪 蔡自兴 唐琎 《Journal of Central South University》 SCIE EI CAS 2012年第2期522-526,共5页
Intelligent vehicle needs the turn light information of front vehicles to make decisions in autonomous navigation. A recognition algorithm was designed to get information of turn light. Approximated center segmentatio... Intelligent vehicle needs the turn light information of front vehicles to make decisions in autonomous navigation. A recognition algorithm was designed to get information of turn light. Approximated center segmentation method was designed to divide the front vehicle image into two parts by using geometry information. The number of remained pixels of vehicle image which was filtered by the morphologic feaatres was got by adaptive threshold method, and it was applied to recognizing the lights flashing. The experimental results show that the algorithm can not only distinguish the two turn lights of vehicle but also recognize the information of them. The algorithm is quiet effective, robust and satisfactory in real-time performance. 展开更多
关键词 intelligent vehicle turn light recognition adaptive threshold front vehicle
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部