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：
基于改进YOLO v7的番茄黄化曲叶病毒病分级检测方法
1
作者 杨玮 伏冬朔 +3 位作者 吴龙起 李民赞 张焕春 夏秀波 《农业机械学报》 北大核心 2025年第6期527-534,共8页
为解决自然环境下人肉眼鉴定发病番茄植株效率低、主观性强的问题,提出一种基于改进YOLO v7的番茄黄化曲叶病毒病分级检测模型,分别对轻度、中度、重度发病植株进行检测。模型在主干网络中引入了DCN模块,以加强对复杂病变区域的感知能力... 为解决自然环境下人肉眼鉴定发病番茄植株效率低、主观性强的问题,提出一种基于改进YOLO v7的番茄黄化曲叶病毒病分级检测模型,分别对轻度、中度、重度发病植株进行检测。模型在主干网络中引入了DCN模块,以加强对复杂病变区域的感知能力;同时,Pconv模块替换主干网络中部分普通卷积,以更高效地提取空间特征,降低冗余计算和内存访问;在检测头中引入SimSPPF模块,极大地减少浮点运算量,提高感受野,增强特征提取能力。经测试,改进YOLO v7模型对轻度发病、中度发病、重度发病番茄植株检测的平均精度分别为97.5%、92.1%和93.6%。改进模型平均精度均值为95.0%,较原模型提升0.8个百分点,参数量减少8.2×10~5,浮点运算量减少2.7×1010,模型内存占用量减少15.7 MB,在保证检测精度的同时减小模型体量。与Faster R-CNN、YOLOX、YOLO v5l、YOLO v8m模型相比,平均精度均值分别提高11.2、5.7、1.4、8.7个百分点。试验结果表明,该模型能够实现对番茄黄化曲叶病毒病的分级检测识别,为实现番茄种植智能化提供支持。 展开更多
关键词 深度学习 番茄黄化曲叶病毒病 目标检测 YOLO v7 病害检测
在线阅读 下载PDF
温室樱桃番茄果实深度学习识别模型研究 被引量：2
2
作者 沈超 夏秀波 +2 位作者 杨玮 张焕春 李民赞 《北方农业学报》 2023年第5期114-122,共9页
【目的】选取樱桃番茄果实深度学习识别模型,实现对温室樱桃番茄果实快速、准确的检测。【方法】采集樱桃番茄果实样本,标注数据,构建数据集,对YOLOv4和YOLOv4-Tiny算法模型进行训练,并对训练得到的模型进行精确率、召回率、平均准确率... 【目的】选取樱桃番茄果实深度学习识别模型,实现对温室樱桃番茄果实快速、准确的检测。【方法】采集樱桃番茄果实样本,标注数据,构建数据集,对YOLOv4和YOLOv4-Tiny算法模型进行训练,并对训练得到的模型进行精确率、召回率、平均准确率、综合评价指标F1值的分析。【结果】在训练好的YOLOv4和YOLOv4-Tiny算法模型上,樱桃番茄果实识别预测准确率分别为100%和96.84%、召回率分别为91.12%和90.53%、平均精确率分别为96.32%和94.18%、综合评价指标F1值分别为0.95和0.94。【结论】YOLOv4算法模型明显优于YOLOv4-Tiny,能够实现对樱桃番茄果实目标的准确检测。 展开更多
关键词 深度学习 樱桃番茄 果实 识别 YOLOv4 YOLOv4-Tiny
在线阅读 下载PDF
基于深度学习的水果果实视觉检测技术研究进展 被引量：7
3
作者 李守豪 孙宇朝 +2 位作者 杨玮 张焕春 夏秀波 《烟台果树》 2022年第4期6-8,共3页
视觉识别系统是水果采摘机器人中的重要组成部分。近年来,基于深度学习的目标检测算法在人工智能领域迅猛发展,对提高采摘机器人的果实视觉检测性能提供了强有力的技术支撑。本文主要介绍了水果果实视觉检测技术中常见的目标检测算法和... 视觉识别系统是水果采摘机器人中的重要组成部分。近年来,基于深度学习的目标检测算法在人工智能领域迅猛发展,对提高采摘机器人的果实视觉检测性能提供了强有力的技术支撑。本文主要介绍了水果果实视觉检测技术中常见的目标检测算法和目标立体定位算法及其优缺点,简要地总结了各算法的应用研究现状,分析了水果果实视觉检测技术中的难点问题,并展望了其应用发展前景。 展开更多
关键词 深度学习 目标检测 立体定位
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