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
基于显微光学切片方法的织物绒毛深度信息获取
被引量：
2
1
作者
余灵婕
王荣武
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2018年第3期391-396,408,共7页
在织物绒毛的自动检测中,深度信息是使毛球与织物表面分离的关键信息。基于"显微光学切片"的思想,通过显微镜采集织物表层的同轴序列多焦面图像,并利用聚焦程度获取织物表层各点的深度信息。将序列图层经去噪平滑处理之后,沿...
在织物绒毛的自动检测中,深度信息是使毛球与织物表面分离的关键信息。基于"显微光学切片"的思想,通过显微镜采集织物表层的同轴序列多焦面图像,并利用聚焦程度获取织物表层各点的深度信息。将序列图层经去噪平滑处理之后,沿图层深度方向搜索各平面点(x,y)的成像最清晰位置z,投影至灰度空间之后建立织物表面及绒毛的深度图像。提出了新的清晰度评价标准——基于自适应区域选择的梯度方差算法,并将此方法与3种传统清晰度评价标准进行比较。试验结果表明,提出的新方法不仅能正确测量像素点清晰度,而且抗噪能力较强。
展开更多
关键词
织物起毛起球评价
深度信息获取
显微光学切片
聚焦获得
深度
清晰度评价
在线阅读
下载PDF
职称材料
基于改进神经网络下果园自主寻筐模型的研究
2
作者
张立
《农机使用与维修》
2024年第6期123-126,共4页
果园自主寻筐是指利用先进的技术和装置,让机器或机器人能够在果园中自主地识别、定位和采摘并放入果篮的过程。传统果园自主寻筐模型对于环境变化、光照条件、果篮外观变化等因素的适应能力较弱,容易受到外界干扰影响,导致寻筐任务的...
果园自主寻筐是指利用先进的技术和装置,让机器或机器人能够在果园中自主地识别、定位和采摘并放入果篮的过程。传统果园自主寻筐模型对于环境变化、光照条件、果篮外观变化等因素的适应能力较弱,容易受到外界干扰影响,导致寻筐任务的稳定性和可靠性不高。该文基于改进的神经网络技术,结合YOLOv4-Tiny目标检测算法进行果筐实时目标检测,并优化数据采集、预处理、模型训练等,模型优化后采用大量实地数据进行验证和测试,评估了模型在不同环境下的稳定性和准确性。试验结果表明,改进的神经网络模型在果园自主寻筐任务中表现出良好的效果,具有较高的寻找准确率和鲁棒性。研究结果旨在为果园智能化管理和机械化作业提供了新的技术支持和理论基础。
展开更多
关键词
果园自主寻筐
YOLOv4-Tiny算法
实时目标检测
深度信息获取
优化
在线阅读
下载PDF
职称材料
题名
基于显微光学切片方法的织物绒毛深度信息获取
被引量：
2
1
作者
余灵婕
王荣武
机构
西安工程大学纺织科学与工程学院
东华大学纺织学院
出处
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2018年第3期391-396,408,共7页
文摘
在织物绒毛的自动检测中,深度信息是使毛球与织物表面分离的关键信息。基于"显微光学切片"的思想,通过显微镜采集织物表层的同轴序列多焦面图像,并利用聚焦程度获取织物表层各点的深度信息。将序列图层经去噪平滑处理之后,沿图层深度方向搜索各平面点(x,y)的成像最清晰位置z,投影至灰度空间之后建立织物表面及绒毛的深度图像。提出了新的清晰度评价标准——基于自适应区域选择的梯度方差算法,并将此方法与3种传统清晰度评价标准进行比较。试验结果表明,提出的新方法不仅能正确测量像素点清晰度,而且抗噪能力较强。
关键词
织物起毛起球评价
深度信息获取
显微光学切片
聚焦获得
深度
清晰度评价
Keywords
fabric pilling evaluation
depth information acquisition
optical sectioning microscopy
depth from focus
clarity-evaluation
分类号
TS117 [轻工技术与工程—纺织材料与纺织品设计]
在线阅读
下载PDF
职称材料
题名
基于改进神经网络下果园自主寻筐模型的研究
2
作者
张立
机构
河南工业贸易职业学院
出处
《农机使用与维修》
2024年第6期123-126,共4页
基金
河南省科技攻关计划项目(242102220058)。
文摘
果园自主寻筐是指利用先进的技术和装置,让机器或机器人能够在果园中自主地识别、定位和采摘并放入果篮的过程。传统果园自主寻筐模型对于环境变化、光照条件、果篮外观变化等因素的适应能力较弱,容易受到外界干扰影响,导致寻筐任务的稳定性和可靠性不高。该文基于改进的神经网络技术,结合YOLOv4-Tiny目标检测算法进行果筐实时目标检测,并优化数据采集、预处理、模型训练等,模型优化后采用大量实地数据进行验证和测试,评估了模型在不同环境下的稳定性和准确性。试验结果表明,改进的神经网络模型在果园自主寻筐任务中表现出良好的效果,具有较高的寻找准确率和鲁棒性。研究结果旨在为果园智能化管理和机械化作业提供了新的技术支持和理论基础。
关键词
果园自主寻筐
YOLOv4-Tiny算法
实时目标检测
深度信息获取
优化
Keywords
autonomous basket finding in orchards
YOLOv4-Tiny algorithm
real-time target detection
depth information acquisition
optimization
分类号
S225 [农业科学—农业机械化工程]
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
基于显微光学切片方法的织物绒毛深度信息获取
余灵婕
王荣武
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2018
2
在线阅读
下载PDF
职称材料
2
基于改进神经网络下果园自主寻筐模型的研究
张立
《农机使用与维修》
2024
0
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
