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YOLOv4的烟叶烟梗识别算法研究
1
作者
张江涛
王堃阳
《农业技术与装备》
2024年第4期20-22,共3页
针对烟叶分级系统中烟叶上料、下料中的烟梗识别定位问题,提出了一种新型烟梗检测算法:基于YOLOv4卷积神经网络,将其主干网络修改替换为Efficientdet,降低网络模型的体积并提高模型对烟梗类型的识别准确率,在此基础上引入深度可分离卷积...
针对烟叶分级系统中烟叶上料、下料中的烟梗识别定位问题,提出了一种新型烟梗检测算法:基于YOLOv4卷积神经网络,将其主干网络修改替换为Efficientdet,降低网络模型的体积并提高模型对烟梗类型的识别准确率,在此基础上引入深度可分离卷积,并在深度可分离卷积中引入宽度因子alpha变量,优化了系统参数,简化了网络结构。结果表明,此算法在单姿态烟梗识别中其mAP值均优于SSD、Centernet、Faster-rcnn、YOLOv4little以及YOLOv4这几种目标检测算法,在多姿态烟梗识别中其mAP值和YOLOv4算法相差仅为2%,可减少网络参数,提高模型检测准确率与系统识别速度。
展开更多
关键词
烟梗识别
定位
YOLOv4
EfficientNet
深度可分离卷积
在线阅读
下载PDF
职称材料
基于改进YOLO v4的轻量化烟梗识别方法
被引量：
5
2
作者
郑银环
林晓琛
+2 位作者
吴飞
金圣洁
吴傲男
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2023年第9期1196-1202,1253,共8页
为完成烟叶精选工艺流程中打叶复烤后破碎烟叶的进一步去梗,实现破碎烟叶中烟梗的自动化检测,文章提出基于改进YOLO v4的轻量化烟梗识别方法。在YOLO v4基础模型上先后进行通道剪枝和层剪枝,大幅简化模型结构,改进后模型存储空间下降了9...
为完成烟叶精选工艺流程中打叶复烤后破碎烟叶的进一步去梗,实现破碎烟叶中烟梗的自动化检测,文章提出基于改进YOLO v4的轻量化烟梗识别方法。在YOLO v4基础模型上先后进行通道剪枝和层剪枝,大幅简化模型结构,改进后模型存储空间下降了93.77%,模型平均精度均值(mean average precision,mAP)和前向运算时间与基础模型持平。与同类别算法相比,模型精度平均提升8.7%,模型参数量大幅缩减。实验结果表明该实验剪枝模型更具轻量化,识别效果更好,能够满足实际生产需求。
展开更多
关键词
烟梗识别
YOLO
v4
通道剪枝
层剪枝
轻量化
在线阅读
下载PDF
职称材料
题名
基于YOLOv4的烟叶烟梗识别算法研究
1
作者
张江涛
王堃阳
机构
华北水利水电大学
出处
《农业技术与装备》
2024年第4期20-22,共3页
文摘
针对烟叶分级系统中烟叶上料、下料中的烟梗识别定位问题,提出了一种新型烟梗检测算法:基于YOLOv4卷积神经网络,将其主干网络修改替换为Efficientdet,降低网络模型的体积并提高模型对烟梗类型的识别准确率,在此基础上引入深度可分离卷积,并在深度可分离卷积中引入宽度因子alpha变量,优化了系统参数,简化了网络结构。结果表明,此算法在单姿态烟梗识别中其mAP值均优于SSD、Centernet、Faster-rcnn、YOLOv4little以及YOLOv4这几种目标检测算法,在多姿态烟梗识别中其mAP值和YOLOv4算法相差仅为2%,可减少网络参数,提高模型检测准确率与系统识别速度。
关键词
烟梗识别
定位
YOLOv4
EfficientNet
深度可分离卷积
Keywords
tobacco stem recognition and localization
YOLOv4
EfficientNet
depthwise separable convolution
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于改进YOLO v4的轻量化烟梗识别方法
被引量：
5
2
作者
郑银环
林晓琛
吴飞
金圣洁
吴傲男
机构
武汉理工大学机电工程学院
出处
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2023年第9期1196-1202,1253,共8页
基金
国家自然科学基金资助项目(52005376)。
文摘
为完成烟叶精选工艺流程中打叶复烤后破碎烟叶的进一步去梗,实现破碎烟叶中烟梗的自动化检测,文章提出基于改进YOLO v4的轻量化烟梗识别方法。在YOLO v4基础模型上先后进行通道剪枝和层剪枝,大幅简化模型结构,改进后模型存储空间下降了93.77%,模型平均精度均值(mean average precision,mAP)和前向运算时间与基础模型持平。与同类别算法相比,模型精度平均提升8.7%,模型参数量大幅缩减。实验结果表明该实验剪枝模型更具轻量化,识别效果更好,能够满足实际生产需求。
关键词
烟梗识别
YOLO
v4
通道剪枝
层剪枝
轻量化
Keywords
tobacco stem identification
YOLO v4
channel pruning
layer pruning
lightweight
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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YOLOv4的烟叶烟梗识别算法研究
张江涛
王堃阳
《农业技术与装备》
2024
0
在线阅读
下载PDF
职称材料
2
基于改进YOLO v4的轻量化烟梗识别方法
郑银环
林晓琛
吴飞
金圣洁
吴傲男
《合肥工业大学学报（自然科学版）》
CAS
北大核心
2023
5
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
