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
2
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
中小规模牧场粪污资源化利用技术浅析——以山东省滨州市沾化区牧场现状为例
1
作者
白耀国
王海明
刘吉山
《中国农村科技》
2025年第3期78-79,共2页
近年来,山东省滨州市沾化区大力发展畜牧业,拓宽了当地群众增收致富的渠道,但与此同时也给当地生态环境带来了较大压力。中小规模牧场粪污处理设施落后,处理能力不足,传统的沤肥等方式难以将粪污全部消纳。如何处理牧场粪污解决环境污...
近年来,山东省滨州市沾化区大力发展畜牧业,拓宽了当地群众增收致富的渠道,但与此同时也给当地生态环境带来了较大压力。中小规模牧场粪污处理设施落后,处理能力不足,传统的沤肥等方式难以将粪污全部消纳。如何处理牧场粪污解决环境污染问题,成为当地畜牧业发展过程中亟待解决的重点问题。
展开更多
关键词
增收致富
沾化区
山东省滨州市
畜牧业
粪污
当地生态环境
规模牧场
技术浅析
在线阅读
下载PDF
职称材料
基于改进YOLOv4-tiny的安全标志检测
2
作者
赵重保
叶亭君
+4 位作者
费斐
康士明
赵雷
王瑶涵
宋泽阳
《中国安全生产科学技术》
北大核心
2025年第6期149-158,共10页
为有效实现高效安全标志检测和对不安全行为预警,基于深度学习YOLOv4-tiny模型引入ECANet注意力机制,结合Soft-NMS算法提出1种用于检测安全标志的模型。模型中数据集包含2000个安全标志,其中训练集1620张、验证集180张和测试集200张。...
为有效实现高效安全标志检测和对不安全行为预警,基于深度学习YOLOv4-tiny模型引入ECANet注意力机制,结合Soft-NMS算法提出1种用于检测安全标志的模型。模型中数据集包含2000个安全标志,其中训练集1620张、验证集180张和测试集200张。研究结果表明:该模型的检测精度达到97.76%,比YOLOv4-tiny和Faster RCNN卷积神经网络算法分别提高了7.55百分点和9.23百分点;改进的模型可避免YOLOv4-tiny和Faster RCNN卷积神经网络算法中出现的过拟合现象,泛化性能更好,在检测小目标区域和弱光条件下目标时,改进模型优势更加突出。研究结果可为施工场地安全标志的智能化监控与风险预警提供技术参考。
展开更多
关键词
安全标志检测
计算机视觉
YOLOv4-tiny
注意力机制
Soft-NMS算法
在线阅读
下载PDF
职称材料
题名
中小规模牧场粪污资源化利用技术浅析——以山东省滨州市沾化区牧场现状为例
1
作者
白耀国
王海明
刘吉山
机构
山东省
滨州市
沾化区畜牧兽医管理服务中心
山东省滨州市科技创新发展研究院
山东省
滨州
畜牧兽医
研究院
出处
《中国农村科技》
2025年第3期78-79,共2页
基金
山东省牛产业技术体系项目(SDAIT-09-12)。
文摘
近年来,山东省滨州市沾化区大力发展畜牧业,拓宽了当地群众增收致富的渠道,但与此同时也给当地生态环境带来了较大压力。中小规模牧场粪污处理设施落后,处理能力不足,传统的沤肥等方式难以将粪污全部消纳。如何处理牧场粪污解决环境污染问题,成为当地畜牧业发展过程中亟待解决的重点问题。
关键词
增收致富
沾化区
山东省滨州市
畜牧业
粪污
当地生态环境
规模牧场
技术浅析
分类号
F32 [经济管理—产业经济]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv4-tiny的安全标志检测
2
作者
赵重保
叶亭君
费斐
康士明
赵雷
王瑶涵
宋泽阳
机构
西安
科技
大学安全科学与工程学院
华润资产管理有限公司
华润欢乐颂商业管理有限公司
山东省滨州市科技创新发展研究院
出处
《中国安全生产科学技术》
北大核心
2025年第6期149-158,共10页
基金
陕西省高层次科技人才引进青年项目
新疆维吾尔自治区重点研发计划项目(2022B03025-2)。
文摘
为有效实现高效安全标志检测和对不安全行为预警,基于深度学习YOLOv4-tiny模型引入ECANet注意力机制,结合Soft-NMS算法提出1种用于检测安全标志的模型。模型中数据集包含2000个安全标志,其中训练集1620张、验证集180张和测试集200张。研究结果表明:该模型的检测精度达到97.76%,比YOLOv4-tiny和Faster RCNN卷积神经网络算法分别提高了7.55百分点和9.23百分点;改进的模型可避免YOLOv4-tiny和Faster RCNN卷积神经网络算法中出现的过拟合现象,泛化性能更好,在检测小目标区域和弱光条件下目标时,改进模型优势更加突出。研究结果可为施工场地安全标志的智能化监控与风险预警提供技术参考。
关键词
安全标志检测
计算机视觉
YOLOv4-tiny
注意力机制
Soft-NMS算法
Keywords
safety signs detection
computer vision
YOLOv4-tiny
attention mechanism
Soft-NMS algorithm
分类号
X913 [环境科学与工程—安全科学]
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
中小规模牧场粪污资源化利用技术浅析——以山东省滨州市沾化区牧场现状为例
白耀国
王海明
刘吉山
《中国农村科技》
2025
0
在线阅读
下载PDF
职称材料
2
基于改进YOLOv4-tiny的安全标志检测
赵重保
叶亭君
费斐
康士明
赵雷
王瑶涵
宋泽阳
《中国安全生产科学技术》
北大核心
2025
0
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
