期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于改进高阶残差网络的中红外危化品混合光谱识别研究
1
作者 范炳瑞 翟爱平 +3 位作者 王东 梁婷 张根伟 曹树亚 《光谱学与光谱分析》 2025年第9期2459-2466,共8页
在化学工业快速发展的背景下,大量危险化学品的生产与使用带来了环境风险,也对人类健康带来了潜在威胁。因此,亟需开发高效的监测与识别手段以应对这一挑战。中红外光谱技术凭借其独特的分子“指纹”识别能力和高灵敏性,已广泛应用于危... 在化学工业快速发展的背景下,大量危险化学品的生产与使用带来了环境风险,也对人类健康带来了潜在威胁。因此,亟需开发高效的监测与识别手段以应对这一挑战。中红外光谱技术凭借其独特的分子“指纹”识别能力和高灵敏性,已广泛应用于危险化学品的识别分析。同时,近年来深度学习在特征提取和目标检测领域的显著突破,为解决复杂数据分析问题提供了新思路。为满足在复杂背景下对危险化学品进行精准识别的需求,提出了一种结合深度可分离卷积与高阶残差网络的模型(DSC-HORN),以进一步提升中红外复杂光谱数据的特征提取效率和识别精度。DSC-HORN模型通过深度可分离卷积技术,将标准卷积分解为深度卷积和逐点卷积,从而将参数量和计算复杂度减少了约65.89%。这一优化使DSC-HORN模型的运行速度较一维卷积神经网络提升约4倍,显著降低了内垫消耗,使其在资源受限环境中表现出更高的适应性。在实验方面,本研究采集了10%浓度的DMMP溶液在11类地物背景下的中红外混合光谱数据。经过数据预处理剔除异常样本后,最终得到528组有效光谱数据用于模型构建。为了确保不同标签样本在各子集中保持均衡分布,并真实反映数据的整体分布特征,采用分层随机抽样方法对数据集进行划分,以6∶1∶3的比例分为训练集、验证集和测试集。实验结果显示,DSC-HORN模型在识别效率和准确率方面相较现有模型表现出显著优势。与传统模型(如K-最邻近、随机森林、鲁棒众数回归稀疏非负矩阵分解和反向传播神经网络)以及深度学习模型(如一维卷积神经网络)相比,DSC-HORN模型的识别准确率达到96.84%,较上述模型分别提高了5.7%、13.93%、5.07%、10.76%和6.33%,这一性能提升归因于深度可分离卷积的参数优化和高阶残差连接的高效特征提取能力。结果进一步表明,DSC-HORN模型不仅是一种高效准确的中红外危化品识别模型,还为危险化学品的实时监测与精准识别提供了新的技术路径。此外,基于改进高阶残差网络的中红外危化品识别技术,有望进一步推动中红外光谱技术在复杂场景中的广泛应用。 展开更多
关键词 危险化学品监测 光谱识别 中红外光谱 深度可分离卷积 高阶残差网络
在线阅读 下载PDF
基于改进VGG网络的农作物病害图像识别 被引量:16
2
作者 岳有军 李雪松 +1 位作者 赵辉 王红君 《农机化研究》 北大核心 2022年第6期18-24,共7页
随着计算机技术的飞速发展,使用机器视觉进行农作物病害识别成为了一种趋势。但是,当前农作物病害图像识别研究主要集中在提高其识别精度方面而很少考虑实际复杂自然条件下的鲁棒性研究。在实际复杂自然条件下,噪声和复杂自然条件背景... 随着计算机技术的飞速发展,使用机器视觉进行农作物病害识别成为了一种趋势。但是,当前农作物病害图像识别研究主要集中在提高其识别精度方面而很少考虑实际复杂自然条件下的鲁棒性研究。在实际复杂自然条件下,噪声和复杂自然条件背景会降低识别精度。为此,对VGG网络进行改进,将高阶残差和参数共享反馈子网络添加进VGG网络中,识别实际复杂自然条件下的农作物病害。农作物病害表观的特征表达由高阶残差子网络提供,高阶残差子网络使病害识别的准确率更高;病害图像深层特征中的背景噪声被参数共享反馈子网络削弱,使改进VGG网络具有更强的鲁棒性。实验分析表明:在实际大田环境中,此方法在识别精度和鲁棒性方面比SVM、AlexNET、ResNet-50、VGG-16效果更好。 展开更多
关键词 农作物病害识别 VGG网络 高阶残差网络 参数共享反馈子网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部