检索结果-维普期刊中文期刊服务平台

基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶片患病等级检测方法: 1; 作者李洁高尚兵 +7 位作者余骥远张浩淼陈新李士丛蒋东山袁星星刘金洋梁文香《江苏农业科学》北大核心 2025年第5期184-195,共12页; 叶绿素能够准确反映作物疾病进程和等级,通过监测叶绿素能够帮助人们快速评估作物病情;构建精准高效的绿豆叶斑病检测模型对于准确筛选抗病品种和定位抗病基因具有重要意义。针对不同患病等级叶片的病斑大小不一、特征不明显的病斑容易... 展开更多; 关键词绿豆叶斑病检测阶梯式空间金字塔池化坐标注意力机制 EIoU 叶绿素荧光图像; 在线阅读下载PDF 职称材料

时空网络特征融合的病理步态识别方法: 2; 作者李聪聪王斌 +1 位作者李亚南李一帆《计算机工程与设计》北大核心 2025年第7期2109-2116,共8页; 针对病理步态识别方法中存在空间信息或时序信息丢失的问题,提出一种时空网络特征融合的病理步态识别方法。结合卷积网络和时序网络,学习更具判别性的步态时空特征。卷积网络中引入阶梯融合式空洞空间金字塔池化,获得更鲁棒的多尺度融... 展开更多; 关键词病理步态识别时空网络特征融合时空特征阶梯融合式空洞空间金字塔池化多尺度特征全局与局部时空特征融合模块; 在线阅读下载PDF 职称材料

面向嵌入式平台的安全帽实时检测方法被引量：4: 3; 作者农元君王俊杰 +1 位作者徐晓东赵雪冰《计算机工程与应用》 CSCD 北大核心 2022年第9期161-167,共7页; 针对当前基于深度学习的安全帽检测方法因结构复杂和计算量大,难以在嵌入端实现实时检测的问题,提出一种适用于嵌入式平台的轻量化安全帽实时检测方法。该方法以Tiny-YOLOv3检测网络为基础,通过改进特征提取网络和多尺度预测优化网络结... 展开更多; 关键词安全帽检测 Tiny-YOLOv3 嵌入式平台多尺度预测空间金字塔池化; 在线阅读下载PDF 职称材料

基于MobileNetV2和IFPN改进的SSD垃圾实时分类检测方法被引量：13: 4; 作者赵珊刘子路 +1 位作者郑爱玲高雨《计算机应用》 CSCD 北大核心 2022年第S01期106-111,共6页; 针对垃圾分类检测任务中检测目标尺寸不一和小目标检测精度不高等问题,构建一种基于隐式特征金字塔网络(IFPN)和MobileNetV2的改进SSD模型的分类检测方法,对垃圾进行实时分类检测。首先,将改进后的MobileNetV2引入SSD,加入带有空洞卷积... 展开更多; 关键词垃圾分类目标检测 MobileNetV2 SSD 空间金字塔池化隐式特征金字塔网络; 在线阅读下载PDF 职称材料

题名基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶片患病等级检测方法: 1; 作者李洁高尚兵余骥远张浩淼陈新李士丛蒋东山袁星星刘金洋梁文香; 机构淮阴工学院江苏省农业科学院经济作物研究所; 出处《江苏农业科学》北大核心 2025年第5期184-195,共12页; 基金国家食用豆产业技术体系岗位科学家项目(编号:CARS-09-G13) 江苏省种业“揭榜挂帅”项目(编号:JBGS〔2021〕004) 江苏省研究生科研与实践创新计划(编号:SJCX23_1859)。; 文摘叶绿素能够准确反映作物疾病进程和等级,通过监测叶绿素能够帮助人们快速评估作物病情;构建精准高效的绿豆叶斑病检测模型对于准确筛选抗病品种和定位抗病基因具有重要意义。针对不同患病等级叶片的病斑大小不一、特征不明显的病斑容易被忽略等问题,本研究提出一种基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶斑病检测方法。首先设计了阶梯式空间金字塔池化模块,通过多层次特征提取和融合提高了网络学习能力,可以解决特征不明显的病斑易被忽略的问题;其次引入了坐标注意力机制模块,通过分析全局特征图来识别病变区域的关键特征,并据此调整局部特征响应的权重,实现对病变区域的聚焦和对关键特征的选择性增强;最后引入边界框定位损失函数Focal-EIoU Loss,更有效地指导模型学习更准确的边界框位置,提高检测精度。试验数据集由绿豆叶斑病的叶绿素荧光图像构成,其中包含5种抗性类型的绿豆叶斑病图像。本研究提出的YOLO v7-DLM模型在自建数据集上的识别精度和全类平均正确率分别达到65.3%、73.2%,比原YOLO v7模型分别提高了4.5、6.0百分点。该方法可以有效地检测和识别叶片的患病等级,提高检测的鲁棒性,提升模型对特征不明显病斑的提取能力,具有良好的应用前景,对进一步开展绿豆抗病育种工作具有重要意义。; 关键词绿豆叶斑病检测阶梯式空间金字塔池化坐标注意力机制 EIoU 叶绿素荧光图像; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名时空网络特征融合的病理步态识别方法: 2; 作者李聪聪王斌李亚南李一帆; 机构河北农业大学信息科学与技术学院河北农业大学河北省农业大数据重点实验室; 出处《计算机工程与设计》北大核心 2025年第7期2109-2116,共8页; 基金河北省高等学校科学技术研究重点基金项目(ZD2021056) 河北省2023年度引进留学人员基金项目(C20230333)。; 文摘针对病理步态识别方法中存在空间信息或时序信息丢失的问题,提出一种时空网络特征融合的病理步态识别方法。结合卷积网络和时序网络,学习更具判别性的步态时空特征。卷积网络中引入阶梯融合式空洞空间金字塔池化,获得更鲁棒的多尺度融合步态表征。联合卷积核替换和残差块改进对卷积网络进一步优化。时序网络中引入全局与局部时空特征融合模块,形成对时空特征的更细节表达。融合空间特征和时空特征,减轻Bi LSTM学习空间特征中时间模式的过程中丢失空间特征的影响。所提模型在自建数据集和GAIT-IST数据集上的准确率分别达到了97.69%和94.16%,实验结果表明,该方法较其它方法取得了更优的性能。; 关键词病理步态识别时空网络特征融合时空特征阶梯融合式空洞空间金字塔池化多尺度特征全局与局部时空特征融合模块; Keywords pathological gait recognition spatio-temporal network feature fusion spatio-temporal feature step fusion atrous spatial pyramid pooling multi-scale feature global and local spatio-temporal feature fusion module; 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

题名面向嵌入式平台的安全帽实时检测方法被引量：4: 3; 作者农元君王俊杰徐晓东赵雪冰; 机构中国海洋大学工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2022年第9期161-167,共7页; 基金山东省重点研发计划项目(2019GHY112081)。; 文摘针对当前基于深度学习的安全帽检测方法因结构复杂和计算量大,难以在嵌入端实现实时检测的问题,提出一种适用于嵌入式平台的轻量化安全帽实时检测方法。该方法以Tiny-YOLOv3检测网络为基础,通过改进特征提取网络和多尺度预测优化网络结构,引入空间金字塔池化模块丰富特征图的多尺度信息,采用K-means聚类算法确定适合安全帽检测的锚框,引入CIoU边界框回归损失函数以提高检测精度。实验结果表明:在608×608的输入尺寸下,所提方法的平均准确率、召回率、F1值分别达到87.50%、84%、83%,较Tiny-YOLOv3检测方法分别提升了11.27、11和7个百分点;且在嵌入式平台NVIDIA Jetson Nano上实现了20.58 frame/s的实时检测速度,可满足在嵌入端实现安全帽实时检测的需求。该方法在光线不佳、小目标、密集目标等复杂施工环境下具有良好的适应性和泛化性。; 关键词安全帽检测 Tiny-YOLOv3 嵌入式平台多尺度预测空间金字塔池化; Keywords hardhat detection Tiny-YOLOv3 embedded platform multi-scale prediction spatial pyramid pooling; 分类号 TP319.4 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于MobileNetV2和IFPN改进的SSD垃圾实时分类检测方法被引量：13: 4; 作者赵珊刘子路郑爱玲高雨; 机构河南理工大学计算机科学与技术学院; 出处《计算机应用》 CSCD 北大核心 2022年第S01期106-111,共6页; 基金国家自然科学基金资助项目(61572173) 河南省高等学校重点科研项目(18B520017) 河南理工大学博士基金资助项目(B2014⁃043)。; 文摘针对垃圾分类检测任务中检测目标尺寸不一和小目标检测精度不高等问题,构建一种基于隐式特征金字塔网络(IFPN)和MobileNetV2的改进SSD模型的分类检测方法,对垃圾进行实时分类检测。首先,将改进后的MobileNetV2引入SSD,加入带有空洞卷积的空间金字塔池化模块(ASPP),在降低网络模型计算复杂度的同时保证网络实时性和精确性;其次,采用IFPN从网络的深层到浅层逐级融合SSD,更精确地检测出小目标;最后,使用Focal Loss函数调节正负样本之间的权重。实验结果表明,在阈值为0.4时,所提方法比传统SSD平均精确率均值(mAP)提高了4.84个百分点,检测耗时减少了72.7%,能满足边缘计算设备对模型的各项要求。; 关键词垃圾分类目标检测 MobileNetV2 SSD 空间金字塔池化隐式特征金字塔网络; Keywords garbage classification target detection MobileNetV2 Single Shot MultiBox Detector(SSD) Spatial Pyramid Pooling(SPP) Implicit Feature Pyramid Network(IFPN); 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	作者	出处	发文年	被引量	操作
1	基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶片患病等级检测方法	李洁高尚兵余骥远张浩淼陈新李士丛蒋东山袁星星刘金洋梁文香	《江苏农业科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	时空网络特征融合的病理步态识别方法	李聪聪王斌李亚南李一帆	《计算机工程与设计》北大核心	2025	0	在线阅读下载PDF 职称材料
3	面向嵌入式平台的安全帽实时检测方法	农元君王俊杰徐晓东赵雪冰	《计算机工程与应用》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
4	基于MobileNetV2和IFPN改进的SSD垃圾实时分类检测方法	赵珊刘子路郑爱玲高雨	《计算机应用》 CSCD 北大核心	2022	13	在线阅读下载PDF 职称材料