-
题名基于Caffe的猪肉新鲜度分级的设计与实现
被引量：10
- 1
-
-
作者
邱洪涛
孙裴
侯金波
辜丽川
乔焰
焦俊
-
机构
安徽农业大学
安徽泓森物联网有限公司
-
出处
《江苏农业学报》
CSCD
北大核心
2019年第2期461-468,共8页
-
基金
国家自然科学基金项目(31671589
31371533
+2 种基金
3177167)
安徽省攻关项目(1804a07020130)
安徽省科技重大专项(16030701092)
-
文摘
为了提高猪肉新鲜度检测的实时性,提出了基于Caffe框架与ResNet残差神经网络的猪肉新鲜度分级的新方法。根据理化试验结果将猪肉的新鲜度分为7级,并在理化试验前拍摄对应的猪肉照片作为样本进行网络训练。在网络训练完成后分别用同源和异源样本图片对系统分级准确率进行验证,结果显示系统分级的准确率均达到95%以上,说明该系统能够很好地对猪肉新鲜度进行分级。与传统的理化试验检测新鲜度的方法相比,在保证了分级准确率较高的同时,检测过程简单、实时性高、无损,是一种更高效的猪肉新鲜度分级方法。
-
关键词
caffe框架
新鲜度
图像识别
残差神经网络
-
Keywords
caffe frame work
freshness
image recognition
residual neural network
-
分类号
TS251.51
[轻工技术与工程—农产品加工及贮藏工程]
-
-
题名基于Caffe卷积神经网络的大豆病害检测系统
被引量：6
- 2
-
-
作者
蒋丰千
李旸
余大为
孙敏
张恩宝
-
机构
安徽农业大学信息与计算机学院
农业农村部农业物联网技术集成与应用重点实验室
-
出处
《浙江农业学报》
CSCD
北大核心
2019年第7期1177-1183,共7页
-
基金
国家农业开发土地治理基金(国农办[2012]3号)
-
文摘
以常见的大豆病害图片为样本,研究分析了大豆的叶斑病、花叶病、霜霉病和灰斑病,并利用卷积神经网络技术设计了针对大豆的病害检测系统。通过对病害图片的二值化和轮廓分割等预处理来获得神经网络模型的训练集,并在此基础上对模型进行了多方面的优化,利用Caffe框架对优化后的网络模型进行了识别率等方面的实验验证。此外,为提高模型使用的便捷性,本实验使用了Qt软件为该系统设计了人机交互界面,从而进一步实现了数据可视化。
-
关键词
大豆病害
卷积神经网络
caffe框架
交互界面
数据可视化
-
Keywords
soybean diseases
convolution neural network
caffe
interactive interface
data visualization
-
分类号
S435.651
[农业科学—农业昆虫与害虫防治]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Caffe的生姜病害识别系统研究与设计
被引量：25
- 3
-
-
作者
蒋丰千
李旸
余大为
孙敏
张恩宝
-
机构
安徽农业大学信息与计算机学院
农业农村部农业物联网技术集成与应用重点实验室(安徽农业大学)
-
出处
《中国农机化学报》
北大核心
2019年第1期126-131,共6页
-
基金
国家农业开发土地治理基金项目(国农办[2012]3号)
-
文摘
以自然环境下采集到的生姜病害图片为基础,对炭疽病、姜瘟病、根结线虫病和白星病进行研究分析,提出一种基于卷积神经网络的生姜病害识别系统。首先是对收集来的图片进行二值化和轮廓分割等预处理,从而增强数据的可靠性。其次,将处理后的图像数据交由优化后的卷积神经网络模型进行分析、学习,并在Caffe框架下进行模拟仿真。最后,在已训练好的网络模型基础上利用Qt软件设计人机交互界面,从而达到数据可视化提高系统使用的便捷性。结果表明优化后的模型识别率达到了96%,可以较好地预测和识别生姜的相关病害。
-
关键词
生姜病害
卷积神经网络
caffe框架
数据可视化
-
Keywords
ginger
convolution neural network
caffe
data visualization
-
分类号
S436.32
[农业科学—农业昆虫与害虫防治]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习电铲铲齿缺失智能监测系统研究
被引量：5
- 4
-
-
作者
周世禄
杨小彬
王逍遥
李娜
-
机构
中国矿业大学(北京)资源与安全工程学院
-
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2020年第S01期119-124,共6页
-
基金
国家自然科学基金资助项目(50904071,51274207).
-
文摘
为解决现有露天矿电铲铲齿缺失状态靠人员观察进行识别的现状,构建一套电铲铲齿缺失状态的实时智能监测系统。该系统基于Caffe的深度学习框架,选择Faster RCNN算法,将铲齿模拟图片分为缺陷和完整2类,并分别对2类图像进行加噪、放缩、旋转、亮度调节等操作,以模拟现场复杂环境对采集样本的影响;为缩短样本图片检测时间,更好地实现系统的实时监测,对Faster RCNN算法中Proposal检测阶段进行改进,构建了电铲铲齿智能监测系统;通过对卷积神经网络和训练模型不断调整和修改,使得缺陷铲齿和正常铲齿的正确识别率达到86.68%,网络损失率也趋于稳定。研究方法可为深度学习应用于矿山的智能视频监控、安全行为和安全状态的智能识别研究提供借鉴。
-
关键词
深度学习
智能监测
卷积神经网络
caffe框架
电铲铲齿
-
Keywords
deep learning
intelligent monitoring
convolutional neural network
caffe framework
shovel teeth
-
分类号
TD263
[矿业工程—矿井建设]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于卷积神经网络的矿工安全帽佩戴识别研究
被引量：23
- 5
-
-
作者
毕林
谢伟
崔君
-
机构
中南大学资源与安全工程学院
中南大学数字矿山研究中心
-
出处
《黄金科学技术》
CSCD
2017年第4期73-80,共8页
-
基金
国家自然科学基金项目"基于深度学习和距离场的复杂金属矿体三维建模技术研究"(编号:41572317)资助
-
文摘
为了解决矿山安全监控监测主要靠人工对视频数据进行识别而存在的诸多人为因素限制的问题,通过构建卷积神经网络实现计算机智能识别矿工安全帽的佩戴,在不增加任何辅助装置的条件下实现矿工安全着装智能识别。从视频数据中提取图像,通过对图像进行旋转、偏移、剪切等预处理,将图像分为矿山背景、戴安全帽的矿工和不戴安全帽的矿工3类。通过构建3种不同深度层次的卷积神经网络进行实验对比,"4个卷积层+3个池化层+3个全连接层"组成的深层网络识别准确率较高,达到91.2%。实验表明利用卷积神经网络可以较好地实现对矿工是否正确佩戴安全帽的智能识别。研究方法为人工智能应用于矿山的安全监控、安全行为及安全状态的智能识别研究提供借鉴。
-
关键词
矿山安全
卷积神经网络
智能识别
安全帽
安全生产
caffe深度学习框架
-
Keywords
mine safety
convolution neural network
intelligent identification
helmet
safety in production
caffe deep learning framework
-
分类号
TD76
[矿业工程—矿井通风与安全]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于深度学习的马铃薯机械损伤检测方法应用研究
被引量：1
- 6
-
-
作者
汪成龙
陈均泳
陈国壮
姚启晨
钟智威
-
机构
惠州学院电子信息与电气工程学院
-
出处
《电子测量技术》
2018年第20期118-122,共5页
-
基金
惠州市科技计划(2015B010002008)
广东省普通高校青年创新人才项目(2015KQNCX156)资助
-
文摘
针对人工难以区分的的马铃薯机械损伤特征的问题,提出了一种基于深度学习的马铃薯机械损伤检测方法,主要研究内容如下：1）研究基于深度学习的模型caffe的神经网络CaffeNet、GoogLeNet、AlexNet的马铃薯机械损伤识别,准确率的对比;2）研究基于MATLAB的caffe模型函数封装,将马铃薯分类模型整合到用MATLAB做的界面壳中,生成应用程序。根据以上研究,使用AlexNet、CaffeNet、GoogLeNet 3个经典的物体识别卷积神经网络对108张马铃薯图片进行识别,识别的准确率都达到了100%,表明该方法具有识别准确率高、识别速度快的特点。
-
关键词
深度学习
深度学习框架caffe
马铃薯
机械损伤检测
-
Keywords
deep learning
deep learning framework caffe
potato
mechanical damage detection
-
分类号
S225.71
[农业科学—农业机械化工程]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
