检索结果-维普期刊中文期刊服务平台

基于改进U-net网络模型的综采工作面煤岩识别方法被引量：35: 1; 作者司垒王忠宾 +1 位作者熊祥祥谭超《煤炭学报》 EI CAS CSCD 北大核心 2021年第S01期578-589,共12页; 煤岩识别是实现工作面智能化开采的核心技术,也是煤炭开采领域的技术难题。针对当前综采工作面煤岩识别精度低的问题,提出了一种基于改进U-net网络模型的煤岩图像识别方法。该方法通过使用深度分离卷积代替传统卷积减少了网络模型的参数... 展开更多; 关键词煤岩识别语义分割深度学习 u-net网络模型; 在线阅读下载PDF 职称材料

基于U-Net模型的含杂水稻籽粒图像分割被引量：32: 2; 作者陈进韩梦娜 +1 位作者练毅张帅《农业工程学报》 EI CAS CSCD 北大核心 2020年第10期174-180,共7页; 含杂率是水稻联合收获机的重要收获性能指标之一,作业过程中收获籽粒掺杂的杂质包含作物的枝梗和茎秆等,为了探索籽粒含杂率和机器作业参数之间的关联,需要实时获取籽粒含杂率数据。该文基于机器视觉的U-Net模型对联合收获机水稻收获籽... 展开更多; 关键词图像处理水稻杂质 u-net网络模型; 在线阅读下载PDF 职称材料

基于MRU-Net++的极薄煤层综采面煤岩界面图像识别被引量：2: 3; 作者张传伟何正伟 +4 位作者路正雄李林岳龚凌霄张刚强潘巧娜《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第11期103-116,共14页; 煤岩识别是极薄煤层综采工作面实现智能化开采的核心技术之一。针对极薄煤层开采时煤岩分界线自然裸露在外的特殊情况,提出了一种基于MRU-Net++网络的极薄煤层煤岩图像识别方法。该网络以U-Net++为基础,通过“剪枝”技术对U-Net++结构... 展开更多; 关键词极薄煤层煤岩识别语义分割 u-net++网络模型深度学习; 在线阅读下载PDF 职称材料

基于深度学习的黑臭水体遥感信息提取模型被引量：15: 4; 作者邵琥翔丁凤 +1 位作者杨健郑子铖《长江科学院院报》 CSCD 北大核心 2022年第4期156-162,共7页; 黑臭水体分布广泛,严重损害人民的居住环境和城市整体美观形象。以河北省廊坊市为研究区,利用高分二号(GF-2)多光谱数据和实测数据,使用PSPNet(Pyramid Scene Parsing Network)和U-Net模型对黑臭水体遥感信息提取进行对比实验研究。基... 展开更多; 关键词黑臭水体深度学习模型 PSPNet网络模型 u-net网络模型 GF-2卫星遥感信息注意力机制; 在线阅读下载PDF 职称材料

题名基于改进U-net网络模型的综采工作面煤岩识别方法被引量：35: 1; 作者司垒王忠宾熊祥祥谭超; 机构中国矿业大学机电工程学院江苏省综采综掘智能化装备工程技术研究中心湖南省鹰眼科技在线电子有限公司; 出处《煤炭学报》 EI CAS CSCD 北大核心 2021年第S01期578-589,共12页; 基金国家自然科学基金资助项目(52074271) 中国博士后科学基金资助项目(2020T130696) 江苏高校优势学科建设工程资助项目(苏政办发〔2018〕87号)。; 文摘煤岩识别是实现工作面智能化开采的核心技术,也是煤炭开采领域的技术难题。针对当前综采工作面煤岩识别精度低的问题,提出了一种基于改进U-net网络模型的煤岩图像识别方法。该方法通过使用深度分离卷积代替传统卷积减少了网络模型的参数,提高了语义分割的效率;添加Res2net模块来提高编码器提取特征的能力,同时加入条件随机场对分割图像进行后处理,提高了网络模型在分割煤岩图像交界区域的精确性。为了获取更加丰富的煤岩分布图像,研制了不同特性的煤岩试样,搭建了采煤机煤岩截割试验台。通过煤岩截割试验获取了煤岩分布图像数据,并对其进行切分、缩放、旋转、裁剪、加噪声等操作,生成了包含8000个样本的煤岩图像语义分割数据集,采用自适应学习算法对模型进行训练,给出了模型训练过程中准确率和损失函数的变化规律。选取像素准确度和交并比对语义分割结果进行评估,结果表明,改进U-net网络模型的像素准确度和交并比的平均值分别为95.81%和91.13%,所占内存为35 M,测试用时为36.45 ms/张,与其他网络模型相比,该方法在煤岩图像分割中具有明显的优越性。在井下现场试验中,通过构建综采工作面煤岩图像语义分割数据集对改进U-net网络模型进行训练和测试,最后实现了综采工作面的煤岩识别,验证了该方法的可行性和实用性。; 关键词煤岩识别语义分割深度学习 u-net网络模型; Keywords coal-rock recognition semantic segmentation deep learning u-net network model; 分类号 TD821 [矿业工程—煤矿开采]; 在线阅读下载PDF 职称材料

题名基于U-Net模型的含杂水稻籽粒图像分割被引量：32: 2; 作者陈进韩梦娜练毅张帅; 机构江苏大学机械工程学院; 出处《农业工程学报》 EI CAS CSCD 北大核心 2020年第10期174-180,共7页; 基金国家重点研发计划重点专项(2016YFD0702001) 江苏省重点研发项目(BE2017358) 江苏省研究生科研与实践创新计划(SJCX19_0550)。; 文摘含杂率是水稻联合收获机的重要收获性能指标之一,作业过程中收获籽粒掺杂的杂质包含作物的枝梗和茎秆等,为了探索籽粒含杂率和机器作业参数之间的关联,需要实时获取籽粒含杂率数据。该文基于机器视觉的U-Net模型对联合收获机水稻收获籽粒图像进行分割,针对传统分割算法中存在运算量大、耗时多、图像过分割严重和分割参数依赖人为经验难以应对各种复杂谷物图像等问题,采用深度学习模型多次训练学习各分割类别的像素级图像特征,提出基于U-Net深度学习模型的收获水稻籽粒图像中谷物、枝梗和茎秆的分割方法,采用改进的U-Net网络增加网络深度并加入Batch Normalization层,在小数据集上获得更丰富的语义信息,解决图像训练数据匮乏和训练过拟合问题。选取田间试验采集的50张收获水稻籽粒图像,采用Labelme方式进行标注和增强数据,裁剪1000张256像素×256像素小样本,其中700张作为训练集,300张作为验证集,建立基于改进U-Net网络的收获水稻籽粒图像分割模型。采用综合评价指标衡量模型的分割准确度,对随机选取的60张8位RGB图像进行验证。试验结果证明,水稻籽粒的分割综合评价指标值为99.42%,枝梗的分割综合评价指标值为88.56%,茎秆的分割综合评价指标值为86.84%。本文提出的基于U-Net模型的收获水稻籽粒图像分割算法能够有效分割水稻籽粒图像中出现的谷物、枝梗和茎秆,时性更强、准确度更高,可为后续收获水稻籽粒图像的进一步识别处理提供技术支撑,为水稻联合收获机含杂率实时监测系统设计提供算法参考。; 关键词图像处理水稻杂质 u-net网络模型; Keywords image processing rice impurities u-net model; 分类号 S147.2 [农业科学—肥料学]; 在线阅读下载PDF 职称材料

题名基于MRU-Net++的极薄煤层综采面煤岩界面图像识别被引量：2: 3; 作者张传伟何正伟路正雄李林岳龚凌霄张刚强潘巧娜; 机构西安科技大学机械工程学院陕西交通职业技术学院西安科技大学安全科学与工程学院; 出处《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第11期103-116,共14页; 基金陕西省重点研发计划资助项目(2022GD-TSLD-63,2022GD-TSLD-64) 陕西省教育厅资助项目(23JP100)。; 文摘煤岩识别是极薄煤层综采工作面实现智能化开采的核心技术之一。针对极薄煤层开采时煤岩分界线自然裸露在外的特殊情况,提出了一种基于MRU-Net++网络的极薄煤层煤岩图像识别方法。该网络以U-Net++为基础,通过“剪枝”技术对U-Net++结构进行优化,在U-Net++网络性能损失最小的同时减少其复杂度,以提高运算速度;采用MobileNetV2轻量化网络,构建一个基于MobileNetV2的核心骨干网络,替代U-Net++原有的网络架构,显著降低了模型的参数数量,提高了模型分割效率;同时引入含有通道注意力机制的ResNeSt模块来增强对煤岩图像边缘细节特征的提取能力,提高分割精度。利用液压支架上的防爆摄像仪采集极薄煤层综采工作面煤岩图像,获取具有煤岩分布信息的高清煤岩图像并对图像进行预处理,创建含有2 536个样本的极薄煤层综采面煤岩图像数据集。设置消融试验,验证改进部分对网络性能的影响,并将该模型与经典FCN、U-Net、U-Net++网络模型进行对比,利用自适应学习算法训练各网络模型,选择像素准确度(Pixel Accuracy, P_(A))、交并比(Intersection over Union, IOU)及测试时间等关键指标评估模型分割效果。结果显示,MRU-Net++网络模型的平均像素准确度P_(AM)和交并比I_(OUM)分别为97.15%和94.16%,模型占用内存25.71 M,每张图像的平均测试时间28.61 ms,充分证明了该方法在极薄煤层特殊环境下进行煤岩识别任务的可行性与有效性。; 关键词极薄煤层煤岩识别语义分割 u-net++网络模型深度学习; Keywords extremely thin coal seam coal rock recognition semantic segmentation u-net++network model deep learning; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于深度学习的黑臭水体遥感信息提取模型被引量：15: 4; 作者邵琥翔丁凤杨健郑子铖; 机构福建师范大学福建省陆地灾害监测评估工程技术研究中心福建师范大学地理科学学院中国科学院空天信息创新研究院; 出处《长江科学院院报》 CSCD 北大核心 2022年第4期156-162,共7页; 基金民用航天“十三五”预研技术项目(y930060k8m) 福建省自然科学基金项目(2017J01463)。; 文摘黑臭水体分布广泛,严重损害人民的居住环境和城市整体美观形象。以河北省廊坊市为研究区,利用高分二号(GF-2)多光谱数据和实测数据,使用PSPNet(Pyramid Scene Parsing Network)和U-Net模型对黑臭水体遥感信息提取进行对比实验研究。基于可见光波段(RGB)及近红外波段(NIR)计算归一化差异植被指数(NDVI)和归一化差异黑臭水体指数(NDBWI),针对细小形状的黑臭水体普遍存在的漏检问题,引入注意力机制模块对模型进行优化改进,构建改进型深度学习黑臭水体遥感信息提取模型。结果表明:输入RGB+NIR+NDVI+NDBW六通道组合遥感影像并引入注意力机制的U-Net网络模型对黑臭水体的提取结果最佳,其精度评价指标F1-srore、MIoU、Recall分别达到了0.8645、0.8681、0.8359。; 关键词黑臭水体深度学习模型 PSPNet网络模型 u-net网络模型 GF-2卫星遥感信息注意力机制; Keywords black and odorous water deep learning model PSPNet model u-net network GF-2 satellite remotely-sensed information attention mechanism; 分类号 P237 [天文地球—摄影测量与遥感] X824 [环境科学与工程—环境工程]; 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	基于改进U-net网络模型的综采工作面煤岩识别方法	司垒王忠宾熊祥祥谭超	《煤炭学报》 EI CAS CSCD 北大核心	2021	35	在线阅读下载PDF 职称材料
2	基于U-Net模型的含杂水稻籽粒图像分割	陈进韩梦娜练毅张帅	《农业工程学报》 EI CAS CSCD 北大核心	2020	32	在线阅读下载PDF 职称材料
3	基于MRU-Net++的极薄煤层综采面煤岩界面图像识别	张传伟何正伟路正雄李林岳龚凌霄张刚强潘巧娜	《煤炭科学技术》 EI CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于深度学习的黑臭水体遥感信息提取模型	邵琥翔丁凤杨健郑子铖	《长江科学院院报》 CSCD 北大核心	2022	15	在线阅读下载PDF 职称材料