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
共找到1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：
基于MobileNetV2-CBAM的机收场景下冬小麦成熟期在线分类识别方法 被引量：3
1
作者 王发明 倪昕东 +3 位作者 张旗 陶伟 陈度 毛旭 《农业机械学报》 CSCD 北大核心 2024年第S1期71-80,100,共11页
小麦成熟期在线精准分类识别将为实现联合收获机的智能化调控提供有效支撑。本文提出一种基于车载相机和深度学习结合的冬小麦成熟期在线分类方法。以车载相机拍摄的实时图像为主,无人机拍摄的图像为辅,构建小麦乳熟-蜡熟初期、蜡熟后期... 小麦成熟期在线精准分类识别将为实现联合收获机的智能化调控提供有效支撑。本文提出一种基于车载相机和深度学习结合的冬小麦成熟期在线分类方法。以车载相机拍摄的实时图像为主,无人机拍摄的图像为辅,构建小麦乳熟-蜡熟初期、蜡熟后期-完熟初期、完熟后期-枯熟期和已收割区数据集(4400幅)。针对机收环境复杂、小麦图像模糊等问题,以MobileNetV2为基础网络结构,在特征提取后添加卷积注意力模块(Convolutional block attention module,CBAM)提升对图像特征的自适应提取能力。为了评估模型可信度,采用可视化技术观察模型对图像的关注区域。以不同分类模型为对比,对建立的MobileNetV2-CBAM模型性能进行评价。试验结果表明,MobileNetV2-CBAM模型在测试集中的分类识别准确率达到99.5%,相比于MobileNetV2高0.7个百分点;与ResNet和Swin Transformer模型相比,在分类精度未发生明显差异的前提下,MobileNetV2-CBAM模型内存占用量(8.73 MB)仅为其1/8和1/11。为了验证模型实际应用效果,田间试验结果表明,在车速4~6 km/h条件下,每隔1 s识别1幅图像,成熟期分类识别精度为96.8%,满足机收场景下的小麦成熟期在线分类准确性和实时性要求。 展开更多
关键词 小麦 成熟期 MobileNetV2-CBAM 深度学习 车载相机
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部