期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GoogLeNet深度迁移学习的苹果缺陷检测方法
被引量：
63
1
作者
薛勇
王立扬
+1 位作者
张瑜
沈群
《农业机械学报》
EI
CAS
CSCD
北大核心
2020年第7期30-35,共6页
针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测...
针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性。
展开更多
关键词
苹果
缺陷检测
GoogLeNet
深层卷积神经网络
在线阅读
下载PDF
职称材料
基于改进型LeNet-5的苹果自动分级方法
被引量：
39
2
作者
王立扬
张瑜
+1 位作者
沈群
薛勇
《中国农机化学报》
北大核心
2020年第7期105-110,共6页
针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。...
针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。同时将此与GoogLeNet迁移模型、初始LeNet-5模型、传统机器学习进行对比。试验对不同等级的红富士苹果进行训练与测试,发现改进后的LeNet-5效果最好,测试集准确率达98.37%、AUC值为0.9075,识别一个苹果仅需0.12 s,能够满足工厂自动化分级的需求。综上,改进型LeNet-5模型可用于苹果的高效分级。
展开更多
关键词
苹果分级
改进型LeNet-5
卷积神经网络
深度学习
在线阅读
下载PDF
职称材料
基于卷积神经网络的蜜蜂采集花粉行为的识别方法
被引量：
4
3
作者
薛勇
王立扬
+1 位作者
张瑜
沈群
《河南农业科学》
北大核心
2020年第8期162-172,共11页
实时监测蜜蜂觅食行为不仅有助于评估当地农作物授粉状况,也有助于及时采取措施提升蜜蜂产品的产量和品质。将计算机视觉技术引入蜜蜂觅食行为(是否携带花粉)的监测,设计5种浅层卷积神经网络(CNN)进行对比分析,并与深层网络GoogLeNet V...
实时监测蜜蜂觅食行为不仅有助于评估当地农作物授粉状况,也有助于及时采取措施提升蜜蜂产品的产量和品质。将计算机视觉技术引入蜜蜂觅食行为(是否携带花粉)的监测,设计5种浅层卷积神经网络(CNN)进行对比分析,并与深层网络GoogLeNet V1的迁移学习进行对比,寻找适合监测蜜蜂觅食行为的最优模型。发现GoogLeNet V1的识别准确率最高,达0.9536,但训练耗时最长(7326 s);浅层卷积神经网络中准确率最高的模型为11层神经网络模型(含4层卷积层),测试准确率为0.9036,耗时相对较短(1054 s)。最后,对比传统机器学习算法,发现深度学习优势明显。研究表明,GoogLeNet V1深层网络适用于精度要求高、设备条件好的蜜蜂监测环境;而11层卷积神经网络更符合智能养蜂的实际需求。
展开更多
关键词
蜜蜂觅食行为
农作物授粉
卷积神经网络
对比分析
GoogLeNet
V1
传统机器学习
在线阅读
下载PDF
职称材料
题名
基于GoogLeNet深度迁移学习的苹果缺陷检测方法
被引量：
63
1
作者
薛勇
王立扬
张瑜
沈群
机构
中国农业大学
食品科学与营养工程学院
中国农业大学
国家果蔬
加工
工程技术研究中心
中国农业大学
信息与电气工程学院
中国农业大学植物蛋白与谷类加工北京市重点实验室
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2020年第7期30-35,共6页
基金
国家自然科学基金项目(81803234)。
文摘
针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性。
关键词
苹果
缺陷检测
GoogLeNet
深层卷积神经网络
Keywords
apple
defect detection
GoogLeNet
deep convolutional neural network
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
基于改进型LeNet-5的苹果自动分级方法
被引量：
39
2
作者
王立扬
张瑜
沈群
薛勇
机构
中国农业大学
食品科学与营养工程学院
中国农业大学
信息与电气工程学院
中国农业大学植物蛋白与谷类加工北京市重点实验室
中国农业大学
国家果蔬
加工
工程技术研究中心
出处
《中国农机化学报》
北大核心
2020年第7期105-110,共6页
基金
国家自然科学基金项目(81803234)。
文摘
针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。同时将此与GoogLeNet迁移模型、初始LeNet-5模型、传统机器学习进行对比。试验对不同等级的红富士苹果进行训练与测试,发现改进后的LeNet-5效果最好,测试集准确率达98.37%、AUC值为0.9075,识别一个苹果仅需0.12 s,能够满足工厂自动化分级的需求。综上,改进型LeNet-5模型可用于苹果的高效分级。
关键词
苹果分级
改进型LeNet-5
卷积神经网络
深度学习
Keywords
apple grading
improved LeNet-5
convolution neural network
deep learning
分类号
S24: [农业科学—农业电气化与自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的蜜蜂采集花粉行为的识别方法
被引量：
4
3
作者
薛勇
王立扬
张瑜
沈群
机构
中国农业大学
食品科学与营养工程学院
中国农业大学
国家果蔬
加工
工程技术研究中心
中国农业大学
信息与电气工程学院
中国农业大学
出处
《河南农业科学》
北大核心
2020年第8期162-172,共11页
基金
国家自然科学基金项目(81803234)。
文摘
实时监测蜜蜂觅食行为不仅有助于评估当地农作物授粉状况,也有助于及时采取措施提升蜜蜂产品的产量和品质。将计算机视觉技术引入蜜蜂觅食行为(是否携带花粉)的监测,设计5种浅层卷积神经网络(CNN)进行对比分析,并与深层网络GoogLeNet V1的迁移学习进行对比,寻找适合监测蜜蜂觅食行为的最优模型。发现GoogLeNet V1的识别准确率最高,达0.9536,但训练耗时最长(7326 s);浅层卷积神经网络中准确率最高的模型为11层神经网络模型(含4层卷积层),测试准确率为0.9036,耗时相对较短(1054 s)。最后,对比传统机器学习算法,发现深度学习优势明显。研究表明,GoogLeNet V1深层网络适用于精度要求高、设备条件好的蜜蜂监测环境;而11层卷积神经网络更符合智能养蜂的实际需求。
关键词
蜜蜂觅食行为
农作物授粉
卷积神经网络
对比分析
GoogLeNet
V1
传统机器学习
Keywords
Bee foraging behavior
Crop pollination
Convolutional neural network
Comparative analysis
GoogLeNet V1
Traditional machine learning
分类号
S128 [农业科学—农业基础科学]
S89 [农业科学—特种经济动物饲养]
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GoogLeNet深度迁移学习的苹果缺陷检测方法
薛勇
王立扬
张瑜
沈群
《农业机械学报》
EI
CAS
CSCD
北大核心
2020
63
在线阅读
下载PDF
职称材料
2
基于改进型LeNet-5的苹果自动分级方法
王立扬
张瑜
沈群
薛勇
《中国农机化学报》
北大核心
2020
39
在线阅读
下载PDF
职称材料
3
基于卷积神经网络的蜜蜂采集花粉行为的识别方法
薛勇
王立扬
张瑜
沈群
《河南农业科学》
北大核心
2020
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
