检索结果-维普期刊中文期刊服务平台

基于海洋地理景物三维模型的对海飞行器雷达目标粘连概率计算方法: 1; 作者孟浩张立华 +2 位作者胡海饶世钧高保慧《兵器装备工程学报》北大核心 2025年第7期111-119,共9页; 针对现有雷达目标粘连(radar target adhesion, RTA)分析方法难以应用于非掠海飞行器,且未能结合海洋地理景物(marine geographical feature, MGF)高程数据定量计算对海飞行器探测MGF附近水面目标时RTA概率的问题,提出了一种基于MGF三... 展开更多; 关键词对海飞行器雷达分辨率海洋地理景物雷达目标粘连蒙特卡洛概率计算; 在线阅读下载PDF 职称材料

基于YOLO v5-MDC的重度粘连小麦籽粒检测方法被引量：18: 2; 作者宋怀波王云飞 +2 位作者段援朝宋磊韩梦璇《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期245-253,共9页; 小麦籽粒检测在千粒质量计算及作物育种方面有着重要应用,重度粘连籽粒的有效检测是其关键。本研究设计了一种YOLO v5-MDC的轻量型网络用于重度粘连小麦籽粒检测。该网络在YOLO v5s检测网络的基础上,用混合深度可分离卷积(Mixed depthwi... 展开更多; 关键词小麦籽粒粘连目标检测 YOLO v5 混合深度可分离卷积; 在线阅读下载PDF 职称材料

基于YOLOv5n-CND的矿用输送带异物检测被引量：2: 3; 作者孙奥然赵培培 +2 位作者杨迪张君逸于洪健《工矿自动化》北大核心 2025年第1期38-44,共7页; 针对异物图像背景复杂、特征提取能力弱、粘连小目标的检测精度低、检测框定位及尺度失真等问题,提出了一种基于YOLOv5n-CND的矿用输送带目标检测算法。首先,采用C2f对特征金字塔进行优化,使用更少参数解决在井下异物图像采集背景复杂... 展开更多; 关键词矿用输送带异物检测粘连小目标检测 YOLOv5n C2f模块归一化高斯瓦萨斯坦距离模块 Dy Head检测头; 在线阅读下载PDF 职称材料

基于改进Mask-RCNN算法的作物害虫分类识别被引量：5: 4; 作者张佳敏闫科 +4 位作者王一非刘杰曾娟吴鹏飞黄求应《农业工程学报》 EI CAS CSCD 北大核心 2024年第7期202-209,共8页; 智能虫情测报灯对农业生产中及时察觉虫害、虫灾问题有重大作用,准确的害虫分类识别为虫情测报提供可靠数据支撑的关键。该研究对智能虫情测报灯所需核心识别算法进行改进,针对分类目标多尺度、存在多种相似非目标害虫干扰、易产生目标... 展开更多; 关键词目标检测虫害防治分类识别 Mask RCNN 粘连目标; 在线阅读下载PDF 职称材料

基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用被引量：1: 5; 作者周翔郇中丹 +1 位作者黄海洋李宝聚《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心 2011年第2期122-125,共4页; 研究从多目标图像中自动提取单个目标的图像处理方法.从分析曲线的水平集表示入手,首先探讨了水平集动态轮廓分割和配准模型构建的统计思想和变分方法,然后针对多目标粘连图像的特点,提出了含边缘信息和先验形状的水平集图像分割模型,... 展开更多; 关键词图像分割水平集方法先验形状目标粘连自动识别; 在线阅读下载PDF 职称材料

题名基于海洋地理景物三维模型的对海飞行器雷达目标粘连概率计算方法: 1; 作者孟浩张立华胡海饶世钧高保慧; 机构海军大连舰艇学院; 出处《兵器装备工程学报》北大核心 2025年第7期111-119,共9页; 文摘针对现有雷达目标粘连(radar target adhesion, RTA)分析方法难以应用于非掠海飞行器,且未能结合海洋地理景物(marine geographical feature, MGF)高程数据定量计算对海飞行器探测MGF附近水面目标时RTA概率的问题,提出了一种基于MGF三维模型的RTA概率计算方法。首先,基于雷达距离、方位角和额外考虑的俯仰角分辨率建立三维空间中RTA现象的判定标准;然后,综合分析水面目标、飞行器和MGF 3方面的误差;最后,通过蒙特卡洛法仿真计算指定参数下的RTA概率。理论推导与仿真实验结果表明:与仅利用MGF二维轮廓的方法相比,所提方法适用于任意高度的飞行器,具备更强的通用性;2种方法在相同掠海条件下的计算结果相差较小,平均差值约0.004 8,验证了该方法的有效性。; 关键词对海飞行器雷达分辨率海洋地理景物雷达目标粘连蒙特卡洛概率计算; Keywords maritime aircraft radar resolution marine geographical feature radar target adhesion Monte Carlo method probability calculation; 分类号 TJ760.1 [兵器科学与技术—武器系统与运用工程]; 在线阅读下载PDF 职称材料

题名基于YOLO v5-MDC的重度粘连小麦籽粒检测方法被引量：18: 2; 作者宋怀波王云飞段援朝宋磊韩梦璇; 机构西北农林科技大学机械与电子工程学院农业农村部农业物联网重点实验室; 出处《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期245-253,共9页; 基金国家重点研发计划项目(2019YFD1002401)。; 文摘小麦籽粒检测在千粒质量计算及作物育种方面有着重要应用,重度粘连籽粒的有效检测是其关键。本研究设计了一种YOLO v5-MDC的轻量型网络用于重度粘连小麦籽粒检测。该网络在YOLO v5s检测网络的基础上,用混合深度可分离卷积(Mixed depthwise convolutional,MDC)模块进行改进,同时将MDC模块与压缩激励(Squeeze and excitation,SE)模块相结合,以达到在基本不损失模型精度的前提下减少模型参数的目的。YOLO v5-MDC网络将YOLO v5s特征提取网络骨干部分的卷积、归一化、激活函数(Convolution,Batch normal,Hardswish,CBH)模块替换为MDC模块,减少了模型的参数,经过500次迭代训练,模型的精确率P为93.15%,召回率R为99.96%,平均精度均值(mAP)为99.46%。根据模型在测试集上的检测效果,本研究探究了训练次数、不同光源与不同拍摄距离对模型检测结果的影响,统计结果表明,在绿色光源下模型检测精确率最高,为98.00%,在5 cm拍摄高度下图像的检测精确率最高,为98.60%。同时本研究在50次迭代下与YOLO v5s、RetinaNet、YOLO v4网络模型的检测效果进行了对比,结果表明,YOLO v5-MDC的mAP为99.40%,比YOLO v5s模型降低了0.06个百分点,但模型所占存储空间最小,仅为13.4 MB,比YOLO v5s模型减少了0.6 MB,对于单幅图像的最大检测时间为0.08 s,平均检测时间为0.03 s。综上,本研究所设计模型能有效实现重度粘连小麦籽粒的检测,同时模型检测效率高,所占存储小,可为小麦籽粒检测嵌入式设备研发提供技术支持。; 关键词小麦籽粒粘连目标检测 YOLO v5 混合深度可分离卷积; Keywords wheat grain adhesive target detection YOLO v5 mixed depthwise convolutional; 分类号 TP391.4 [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

题名基于YOLOv5n-CND的矿用输送带异物检测被引量：2: 3; 作者孙奥然赵培培杨迪张君逸于洪健; 机构中国矿业大学信息与控制工程学院华北理工大学人工智能学院; 出处《工矿自动化》北大核心 2025年第1期38-44,共7页; 基金国家重点研发计划项目(2022YFC3004700)。; 文摘针对异物图像背景复杂、特征提取能力弱、粘连小目标的检测精度低、检测框定位及尺度失真等问题,提出了一种基于YOLOv5n-CND的矿用输送带目标检测算法。首先,采用C2f对特征金字塔进行优化,使用更少参数解决在井下异物图像采集背景复杂且存在复杂目标干扰对小目标检测不敏感的问题;然后,采用归一化高斯瓦萨斯坦距离(NWD)回归损失函数替代CIoU,改善多尺度异物检测效果不佳的问题,实现粘连小目标的精准检测;最后,添加目标检测头(Dy Head),将尺度、空间和任务3种注意力机制结合,提高对异物轮廓的特征提取能力,增强对多尺度目标的适应能力。实验结果表明:YOLOv5n-CND的mAP@0.5、mAP@0.5∶0.95、参数量及检测速度分别为87.9%,55.9%,4.49×106个,85.5帧/s,满足煤矿井下异物检测需求;YOLOv5n-CND的mAP@0.5和mAP@0.5∶0.95较YOLOv5n分别提高了2.6%和3.4%,较YOLOv5s-CBAM分别提高了1.7%和3.8%;模型参数量在YOLOv5n的基础上略有提升,但较其他模型参数量均有所降低。选取异物与背景相近的细长检测物、光照比较低的锚杆检测物、大量煤矸石混杂的检测物、含有多个异物4种场景进行测试,结果表明:基于YOLOv5n-CND的矿用输送带异物检测算法未出现误检及重复检测的情况,漏检较少,检测框定位准确,对粘连小目标的处理效果更好,能够实现输送带异物的准确检测。; 关键词矿用输送带异物检测粘连小目标检测 YOLOv5n C2f模块归一化高斯瓦萨斯坦距离模块 Dy Head检测头; Keywords mining conveyor belts foreign object detection adhering small object detection YOLOv5n C2f module normalized Gaussian Wasserstein distance module Dyhead detection head; 分类号 TD634.1 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于改进Mask-RCNN算法的作物害虫分类识别被引量：5: 4; 作者张佳敏闫科王一非刘杰曾娟吴鹏飞黄求应; 机构华中农业大学信息学院华中农业大学植物科学技术学院农业智能技术教育部工程研究中心全国农业技术推广服务中心; 出处《农业工程学报》 EI CAS CSCD 北大核心 2024年第7期202-209,共8页; 基金国家重点研发计划项目(2022YFD1400400) 华中农业大学自主科技创新基金项目(2021ZKPY018)。; 文摘智能虫情测报灯对农业生产中及时察觉虫害、虫灾问题有重大作用,准确的害虫分类识别为虫情测报提供可靠数据支撑的关键。该研究对智能虫情测报灯所需核心识别算法进行改进,针对分类目标多尺度、存在多种相似非目标害虫干扰、易产生目标粘连等问题,提出一种基于改进Mask-RCNN(mask region-based convolutional neural network)模型的害虫图像智能识别模型。该模型使用DeAnchor算法改进Mask-RCNN的锚框引导机制,使用NDCC(novelty detection consistent classifiers)训练分类器进行联合分类和检测,改善非目标杂虫的误识别问题。改进后模型对无杂虫、不同虫体密度图像的识别准确率最高达到96.1%,最密集时可达90.6%,在仅有非目标的图片识别中,误检率降至9%,非目标与目标共存且密度为40虫/图的误检率降至15%。试验表明,该文所提模型在现有分类模型的基础上,增强了对密集区域的检测能力,改善了非目标误识别问题,在实际检测环境下的害虫分类识别精度更高,可为虫害防治工作提供数据参考。; 关键词目标检测虫害防治分类识别 Mask RCNN 粘连目标; Keywords target detection pest infestation classification recognition Mask-RCNN adhesion target; 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

题名基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用被引量：1: 5; 作者周翔郇中丹黄海洋李宝聚; 机构北京师范大学数学科学学院中国农业科学院蔬菜花卉研究所; 出处《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心 2011年第2期122-125,共4页; 基金国家自然科学基金资助项目(11071023); 文摘研究从多目标图像中自动提取单个目标的图像处理方法.从分析曲线的水平集表示入手,首先探讨了水平集动态轮廓分割和配准模型构建的统计思想和变分方法,然后针对多目标粘连图像的特点,提出了含边缘信息和先验形状的水平集图像分割模型,并将其应用于病原菌的识别.由于引入边缘信息改进对分割的约束,加强了目标边缘对分割轮廓的吸引,同时消除了一些由噪声、阴影和杂质造成的影响.实验表明,改进后的先验形状水平集图像分割方法能直接从多目标粘连图像中提取单个目标,进一步完善了依据显微镜图像识别病原菌的图像处理方法.; 关键词图像分割水平集方法先验形状目标粘连自动识别; Keywords image segmentation, level set methods, shape prior, overlapped objects, self-motion recognition; 分类号 TP391.41 [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	基于海洋地理景物三维模型的对海飞行器雷达目标粘连概率计算方法	孟浩张立华胡海饶世钧高保慧	《兵器装备工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于YOLO v5-MDC的重度粘连小麦籽粒检测方法	宋怀波王云飞段援朝宋磊韩梦璇	《农业机械学报》 EI CAS CSCD 北大核心	2022	18	在线阅读下载PDF 职称材料
3	基于YOLOv5n-CND的矿用输送带异物检测	孙奥然赵培培杨迪张君逸于洪健	《工矿自动化》北大核心	2025	2	在线阅读下载PDF 职称材料
4	基于改进Mask-RCNN算法的作物害虫分类识别	张佳敏闫科王一非刘杰曾娟吴鹏飞黄求应	《农业工程学报》 EI CAS CSCD 北大核心	2024	5	在线阅读下载PDF 职称材料
5	基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用	周翔郇中丹黄海洋李宝聚	《北京师范大学学报（自然科学版）》 CAS CSCD 北大核心	2011	1	在线阅读下载PDF 职称材料