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
共找到1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：
基于LW-YOLOv3模型的棉花主茎生长点检测与定位研究 被引量：5
1
作者 孙想 吴华瑞 +4 位作者 朱华吉 杨雨森 陈诚 何思琪 王春山 《河北农业大学学报》 CAS CSCD 北大核心 2021年第6期106-115,共10页
针对大多数目标检测模型存在参数量较多、检测时间慢、缺乏空间定位能力的问题,提出1种基于轻量型LW-YOLOv3的棉花主茎生长点检测与定位方法。首先,对传统YOLOv3深度卷积神经网络架构进行改进,引入轻量级识别模型MobileNet实现对YOLOv3... 针对大多数目标检测模型存在参数量较多、检测时间慢、缺乏空间定位能力的问题,提出1种基于轻量型LW-YOLOv3的棉花主茎生长点检测与定位方法。首先,对传统YOLOv3深度卷积神经网络架构进行改进,引入轻量级识别模型MobileNet实现对YOLOv3特征提取网络的替代,在保证检测精度的同时提高检测速度。其次,为了进一步降低参数量,用深度可分离卷积替换部分标准卷积,在不损失网络性能的前提下减少模型参数。最后,利用Realsense深度相机获取目标图像,建立了棉花主茎生长点三维空间坐标的计算模型。为验证基于LW-YOLOv3模型的棉花主茎生长点检测与定位方法的有效性,对获得的有限棉花主茎生长点图像数据集进行了样本扩充,并基于扩充后的数据集进行了LW-YOLOv3与其他轻量型模型的对比实验。结果表明,LW-YOLOv3模型平均识别准确率可达到88.66%,平均每张图片检测时间为17.8 ms,参数量与权重文件分别降低为原网络的10.85%和12.19%。棉花主茎生长点X、Y、Z三维空间定位平均误差分别小于3.04、3.00、3.53 mm。该方法在目标检测准确率与模型大小之间实现了平衡,有助于将来在机载低性能终端上实现对棉花主茎生长点检测与定位。 展开更多
关键词 轻量化 YOLOv3 定位 实时检测 棉花主茎生长点
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部