期刊文献+
共找到2,879篇文章
< 1 2 144 >
每页显示 20 50 100
基于轻量级YOLO-v4模型的变电站数字仪表检测识别 被引量:3
1
作者 华泽玺 施会斌 +3 位作者 罗彦 张子原 李威龙 唐永川 《西南交通大学学报》 EI CSCD 北大核心 2024年第1期70-80,共11页
为了在变电站实际场景中准确获取数字仪表读数,智能管控变电站的安全风险,同时推动变电站智能化发展,以实际场景中变电站数字仪表作为研究对象,综合考虑实时性及准确度等,提出一种基于轻量级YOLOv4模型的变电站数字仪表检测识别方法.首... 为了在变电站实际场景中准确获取数字仪表读数,智能管控变电站的安全风险,同时推动变电站智能化发展,以实际场景中变电站数字仪表作为研究对象,综合考虑实时性及准确度等,提出一种基于轻量级YOLOv4模型的变电站数字仪表检测识别方法.首先,通过从鄂尔多斯变电站实际拍摄变电站数字仪表图像数据,使用Albumentations框架对数字仪表图像进行数据扩充,构建变电站数字仪表目标检测数据集;然后,以YOLO-v4网络为基础,结合注意力机制构建一个有效通道注意(efficient channel attention,ECA)改进的深度可分离卷积模块(ECA-bneck-m);最后,提出一个轻量级YOLO-v4模型,进行模型大小与性能的对比实验.实验结果表明:本文方法可以在几乎不损失检测准确度的情况下,将整个模型存储大小压缩为原先的1/5,同时将模型推理速度从24.0帧/s提升至36.9帧/s,其实时性能够满足实际变电站检测识别的工程需要. 展开更多
关键词 数字仪表 检测识别 YOLO-v4 数据增强 轻量化
下载PDF
YOLO V4模型在含硫井站火焰和烟雾检测中的应用 被引量:1
2
作者 向伟 龚云洋 李华昌 《机械设计与制造》 北大核心 2024年第1期261-264,共4页
针对含硫天然气中H2S等腐蚀性物质易导致井站设备、管线等发生泄漏,易引发火灾,但常用的火焰和烟雾检测仪器、算法易受井站复杂环境影响,且含硫井站人工巡检存在一定风险,提出一种基于深度学习目标检测模型的含硫井站火焰和烟雾检测方... 针对含硫天然气中H2S等腐蚀性物质易导致井站设备、管线等发生泄漏,易引发火灾,但常用的火焰和烟雾检测仪器、算法易受井站复杂环境影响,且含硫井站人工巡检存在一定风险,提出一种基于深度学习目标检测模型的含硫井站火焰和烟雾检测方法。首先,将能在移动端实时检测的YOLO V4目标检测模型先对公开火焰、烟雾数据集进行训练;接着,将训练好的模型采用迁移学习方法对井站火焰、烟雾数据集进行训练,提取井站火焰、烟雾特征;最后,经迁移学习训练后的YOLO V4模型对火焰、烟雾检测的平均精度均值高达99.62%,配合巡检机器人将对含硫井站有更好的火灾预警和救援侦察能力。 展开更多
关键词 火灾检测 烟雾检测 深度学习 目标检测 YOLO v4 迁移学习
下载PDF
基于改进YOLO v4的自然场景下冬枣果实分类识别
3
作者 刘天真 苑迎春 +1 位作者 滕桂法 孟惜 《江苏农业科学》 北大核心 2024年第1期163-172,共10页
为实现冬枣园机械化自动化采摘以及冬枣树精准化管理,针对自然场景下冬枣果实的快速、准确分类识别问题,提出一种基于YOLO v4模型改进的冬枣果实分类识别模型CC-YOLO v4。利用改进的CSP跨阶段部分连接结构和多尺度特征融合的CBAM卷积注... 为实现冬枣园机械化自动化采摘以及冬枣树精准化管理,针对自然场景下冬枣果实的快速、准确分类识别问题,提出一种基于YOLO v4模型改进的冬枣果实分类识别模型CC-YOLO v4。利用改进的CSP跨阶段部分连接结构和多尺度特征融合的CBAM卷积注意力模块,减小网络规模的同时增强特征提取能力,改善果实分类识别的误检和遮挡目标的漏检情况;采用Softmax交叉熵损失函数代替Sigmoid二元交叉熵损失函数作为分类损失函数,引入EIoU损失函数代替CIoU损失函数作为边界框回归损失,进一步改善果实分类识别的误检并提升预测框精度。试验结果表明,CC-YOLO v4模型对3类冬枣果实的查准率P均值为81.86%,平均检测精度均值mAP为82.46%,IoU均值为81.35%,模型参数量和大小分别为26.9 M和108 MB,检测速度可达28.8 F/s。与其他模型相比,本模型具有更好的分类识别能力、识别速度和较小的模型复杂度。在不同果实数量情况下进一步试验,本研究方法具有良好的精度和鲁棒性,对解决自然场景下冬枣果实的精准分类识别问题具有重要参考价值。 展开更多
关键词 冬枣 果实识别 YOLO v4 损失函数 自然场景
下载PDF
改进YOLO v4模型在版纳微型猪只行为识别中的研究
4
作者 杨宏宇 陈立畅 +1 位作者 谢小龙 张佳进 《黑龙江畜牧兽医》 CAS 北大核心 2024年第19期46-54,118,119,共11页
为了能够在猪只重叠、遮挡等复杂场景中实现版纳微型猪只行为的准确、高效识别,试验通过改进YOLO v4模型的方法来识别猪只行为,通过视频捕获的方式截取不同角度猪只行为图片,构建行为特征数据集;采用嵌入CBAM注意力机制的Res Net50残差... 为了能够在猪只重叠、遮挡等复杂场景中实现版纳微型猪只行为的准确、高效识别,试验通过改进YOLO v4模型的方法来识别猪只行为,通过视频捕获的方式截取不同角度猪只行为图片,构建行为特征数据集;采用嵌入CBAM注意力机制的Res Net50残差网络结构作为改进YOLO v4模型的主干网络,并引入由深度可分离卷积、批标准化(BN)、Hard Swish激活函数组成的CH模块,代替主干网络中的传统卷积,提升模型检测精度的同时降低参数量;在PANet多尺度特征融合结构中引入双重3层1×1和3×3交替卷积运算替代上、下原采样方式,构成DPANet网络结构,增强对猪只行为图片中细节特征的提取,提高计算效率;基于参数共享理念与二阶段训练的迁移学习方法,优化训练过程以显著缩短训练时间,加速模型的收敛速度。结果表明:改进YOLO v4模型对猪只行为数据集的训练时间仅为6 h,而原模型训练时间则需要19 h;改进YOLO v4模型识别平均精度为93.97%,召回率为96.27%、参数量为0.26×10^(8),与Faster-RCNN、SSD、YOLO v4模型相比,平均精度与召回率分别提升8.88,15.36,8.68个百分点及16.09,41.34,30.40个百分点,参数量最大减少1.11×10^(8)。改进YOLO v4模型对识别爬栏探究、站立行走、进食、躺卧4种行为的准确率达到了98%、88%、92%、97%,与其他3种模型相比,站立行走、进食两种行为的识别效果远大于其他模型。说明改进YOLO v4模型在复杂场景下具有良好的准确性和有效性,能够精准识别猪只的不同行为。 展开更多
关键词 卷积神经网络 图像识别 多目标检测 YOLO v4模型 版纳微型猪
下载PDF
高度近视患者ICL V4c植入术后早期双眼视觉功能评估
5
作者 唐凯莉 王静 +4 位作者 赵振波 韩冬 丁雨溪 张劲松 马立威 《国际眼科杂志》 CAS 2024年第4期634-640,共7页
目的:评估高度近视患者有晶状体眼后房型人工晶状体(ICL V4c)植入术后早期双眼视觉功能。方法:前瞻性研究。观察2019-05/2021-05在我院行双眼ICL植入术的高度近视患者35例70眼。术前和术后1 mo评估双眼全程视力、双眼对比度敏感度、双... 目的:评估高度近视患者有晶状体眼后房型人工晶状体(ICL V4c)植入术后早期双眼视觉功能。方法:前瞻性研究。观察2019-05/2021-05在我院行双眼ICL植入术的高度近视患者35例70眼。术前和术后1 mo评估双眼全程视力、双眼对比度敏感度、双眼立体视、双眼中间视觉及眩光敏感度、单眼波前像差及视觉质量调查问卷。结果:术后1 mo双眼裸眼远视力(UDVA)≤0.00(LogMAR)者35例(100%),双眼UDVA≥术前最佳矫正视力(CDVA)者16例(46%)。术后双眼裸眼远视力(UDVA)、中视力(UIVA,80 cm)较术前CDVA、最佳矫正远视力下中视力(DCIVA,80 cm)均有所提升(均P<0.05);双眼术后UIVA(60 cm)与术前DCIVA(60 cm)、双眼术后裸眼近视力(UNVA,40 cm)较术前最佳矫正远视力下近视力(40 cm),均无差异(均P>0.05)。术后双眼对比度敏感度较术前好转(P=0.001)。术后双眼中间视觉及眩光敏感度(无眩光)、中间视觉及眩光敏感度(眩光),较术前均无差异(均P>0.05)。手术前后双眼5 m和40 cm立体视比较均无差异(均P>0.05)。除在瞳孔直径3.0 mm下右眼全眼彗差术后较术前中位数减小,余全眼总高阶像差、三叶草像差、彗差及球面像差术后较术前中位数均有所增加。患者术前及术后的主观视觉质量量表评分总分均值由54.87分显著提升至80.92分(P<0.05),患者术后满意度高、无明确视觉干扰症状。结论:高度近视患者双眼植入ICL V4c术后早期单眼全眼高阶像差虽有所增加,但双眼视觉功能得到改善。 展开更多
关键词 高度近视 有晶状体眼后房型人工晶状体(ICL v4c) 双眼视觉功能
下载PDF
应用YOLO v4模型的赛道锥桶检测与识别方法
6
作者 李强 陶立波 +1 位作者 杨爱喜 Agyei PHILIP 《机械设计与制造》 北大核心 2024年第10期20-24,33,共6页
为快速检测与准确识别赛道锥桶,提出了一种基于YOLO v4模型的赛道锥桶检测与识别方法。首先依据复杂多变的赛道场景采集了多张锥桶图像作为数据集原始数据,在工控机上进行锥桶数据集制作、训练和模型选取;然后搭建基于YOLO v4模型的锥... 为快速检测与准确识别赛道锥桶,提出了一种基于YOLO v4模型的赛道锥桶检测与识别方法。首先依据复杂多变的赛道场景采集了多张锥桶图像作为数据集原始数据,在工控机上进行锥桶数据集制作、训练和模型选取;然后搭建基于YOLO v4模型的锥桶检测与识别系统,选择三种较为常见赛道场景进行实车试验。试验结果表明,所提出的方法在不同光照条件下仍能快速检测并准确识别目标锥桶,特别是在锥桶较为密集且多个锥桶目标重叠的场景下,置信度达到0.91以上,具有较强的鲁棒性,且实时检测的平均帧率达到35f/s,能够满足无人驾驶方程式赛车对感知系统准确性和实时性的需求。 展开更多
关键词 无人驾驶方程式赛车 YOLO v4 赛道锥桶 目标检测 锥桶识别
下载PDF
Refractive outcomes after V4c Toric collamer lens implantation over 1y of follow-up
7
作者 Humberto Carreras-Díaz Josefina Reñones de Abajo +1 位作者 María del Rosario Carreras-Díaz Amalia Lorente-Velázquez 《International Journal of Ophthalmology(English edition)》 SCIE CAS 2024年第7期1322-1330,共9页
AIM:To evaluate refractive outcomes and corneal astigmatism changes after Toric implantable collamer lens with a central port(V4c T-ICL)implantation over 1y of follow-up.METHODS:A retrospective study was performed inc... AIM:To evaluate refractive outcomes and corneal astigmatism changes after Toric implantable collamer lens with a central port(V4c T-ICL)implantation over 1y of follow-up.METHODS:A retrospective study was performed including 50 eyes of 50 patients that underwent V4c T-ICL implantation.Uncorrected(UDVA)and corrected(CDVA)distance visual acuities,refraction,refractive and corneal astigmatism changes and corneal coupling correction were evaluated preoperatively,1 and 12mo postoperatively.Vector analysis was used for astigmatism changes.Coefficient of adjustment(CAdj)was calculated for corneal coupling analysis.RESULTS:The mean UDVA achieved was 0.03 logMAR at 1mo and remained unchanged throughout the whole follow-up(P=0.193).At the last visit,84%of the eyes achieved a CDVA of 0.00 logMAR or better.Regarding spherical equivalent refraction(SEQ),96%of eyes were ranges of±1.00 D and 84%of them within±0.50 D.Also,94%of eyes had a remaining refractive cylinder within±1.00 D and 78%of them within±0.50 D.Both,SEQ and refractive cylinder,remain stable over the postoperative follow-up(P=1.000 and P=0.660,respectively).In terms of surgically induced astigmatism(SIA),no statistically significant differences were found over the follow-up(P=0.102)and under correction was found with a correction index lower than the unit at each visit.A keratometric astigmatism induced of 0.59±0.53(vector mean:0.26×73º)D was reached at the last visit.No significant changes in terms of corneal astigmatism orientation were reported over post-surgery visits(P=0.129 and P=0.097 at 1 and 12mo respectively).No clinical significance was found for CAdj on with-the-rule astigmatism.No postoperative complications resulting from the surgery were found.CONCLUSION:Refractive outcomes suggest that the V4c T-ICL implantation for correction of myopic astigmatism was satisfactory in terms of effectiveness,safety,and stability during 1y of follow-up.Corneal astigmatism induced by the incision around 0.5 D is achieved according to the remaining refractive cylinder found at one-year post-surgery.Corneal coupling analysis results in no unexpected spherical change. 展开更多
关键词 v4c Toric collamer lens corneal astigmatism surgically induced astigmatism corneal coupling
下载PDF
ICLV4c植入术后远期疗效的研究进展
8
作者 王妙妙 王慧娴 +1 位作者 张旭 李文静 《国际眼科杂志》 2024年第2期260-263,共4页
随着科技的快速发展与电子产品的广泛应用,高度近视患者的数量逐渐增加。同时,由于手术技术的持续优化和后房型人工晶状体材料以及制造工艺的不断进步,ICL V4c植入术已逐渐成为治疗高度近视的主要手术方式之一。在步入社会信息化的高速... 随着科技的快速发展与电子产品的广泛应用,高度近视患者的数量逐渐增加。同时,由于手术技术的持续优化和后房型人工晶状体材料以及制造工艺的不断进步,ICL V4c植入术已逐渐成为治疗高度近视的主要手术方式之一。在步入社会信息化的高速时代,人们对ICL V4c植入术后的远期疗效更加关注。不仅希望视力清晰,更追求视觉的舒适度与持久性。因此,本文将特别针对近3 a内至少有2 a跟踪观察的ICL V4c植入术后疗效的研究进展进行详细探讨,旨在从ICL V4c植入术后的视觉质量,手术的安全性、有效性、稳定性,以及可能出现的手术并发症这三个维度对ICL V4c植入术后远期疗效的最新研究进展进行综述。 展开更多
关键词 ICL v4c植入术 高度近视 远期疗效
下载PDF
高度近视患者植入ICL V4c后眼前节参数的早期结果
9
作者 潘冰心 吴杰 +2 位作者 蒋鹏飞 徐珊 何坤 《国际眼科杂志》 CAS 2024年第3期491-494,共4页
目的:研究高度近视患者植入带中心孔的植入式collamer晶状体(ICL V4c)后眼前节参数的早期结果。方法:纳入2019-02/2022-09在我院行ICL V4c植入术且随访1 a的高度近视患者82例160眼,其中男42例82眼,女40例78眼,年龄26.0±4.6(21-37)... 目的:研究高度近视患者植入带中心孔的植入式collamer晶状体(ICL V4c)后眼前节参数的早期结果。方法:纳入2019-02/2022-09在我院行ICL V4c植入术且随访1 a的高度近视患者82例160眼,其中男42例82眼,女40例78眼,年龄26.0±4.6(21-37)岁。术前检测患者的眼前节一般特征:球镜度数、平均角膜水平曲率、水平角膜直径(WTW)和轴向长度(AL);术前,术后1 d,1 wk,1、3、6 mo测量患者的眼内压(IOP)、内皮细胞密度(ECD)、中央前房深度(CACD)、前房容积(ACV)、前房角(ACA);术后1 d,1 wk,1、6 mo,1 a测量患者ICL V4c光学区后表面中心到晶状体前表面的距离(拱高)。结果:患者术前平均球镜度数为-7.56±2.55 D,平均角膜水平曲率为42.89±1.47 D,WTW为11.64±0.37 mm,AL为26.64±0.93 mm。眼压基线为15.97±2.13 mmHg,ICL V4c植入后各时间点眼压与术前相比无差异(F=0.875,P=0.504);ECD基线为2989.30±140.78 cell/mm^(2),ICL V4c植入后6 mo的ECD与术前相比无差异(t=1.475,P=0.142);CACD基线为3.19±0.21 mm,ACV基线为210.30±27.7 mm 3,术后各时间点CACD、ACV均显著低于术前(F=111.10、288.38,均P<0.001);ACA基线为35.44°±11.27°,ICL V4c植入后各时间点ACA显著低于术前(F=21.23,P<0.001)。术后1 d拱高为665.32±184.03μm,术后1 wk,1、6 mo,1 a与术后1 d相比,拱高继续显著减少(F=52.10,P<0.001),但在术后6 mo,1 a时保持稳定,与1 mo时相比均无差异(P>0.05)。结论:ICL V4c在术后1 a的随访中具有一定安全性和有效性,植入后早期眼前节参数趋于稳定。 展开更多
关键词 高度近视 眼前节 拱高 人工晶状体 带中心孔的植入式collamer晶状体(ICL v4c)
下载PDF
LEEDV4与《绿色建筑评价标准》的对比研究
10
作者 陈刚义 王镜博 +1 位作者 郑建国 祁世鸿 《工程建设与设计》 2024年第15期27-29,共3页
针对我国现阶段绿色建筑的评价体系尚未完善的问题,对国际性绿色建筑评价标准LEED V4和我国的GB/T 50378—2019《绿色建筑评价标准》进行了比较分析,结果表明,GB/T 50378—2019《绿色建筑评价标准》注重均衡评价,而国际性绿色建筑评价标... 针对我国现阶段绿色建筑的评价体系尚未完善的问题,对国际性绿色建筑评价标准LEED V4和我国的GB/T 50378—2019《绿色建筑评价标准》进行了比较分析,结果表明,GB/T 50378—2019《绿色建筑评价标准》注重均衡评价,而国际性绿色建筑评价标准LEED V4侧重能源指标,但是两种体系均体现了节能环保的理念。 展开更多
关键词 LEED v4 绿色建筑 评价标准 对比 节能环保
下载PDF
基于可穿戴设备的不同形式4v4足球小场地训练表现特征分析
11
作者 胡亦男 《文体用品与科技》 2024年第18期70-72,共3页
小场地比赛是一种非常受欢迎的运动训练模式,教练们设计它来模拟正式比赛的动态,并在足球训练期间增加球员的训练强度和个人参与。随着运动员身体和生理条件上的发展,小场地训练在世界各地的足球训练中被广泛使用。随着科技的不断发展,... 小场地比赛是一种非常受欢迎的运动训练模式,教练们设计它来模拟正式比赛的动态,并在足球训练期间增加球员的训练强度和个人参与。随着运动员身体和生理条件上的发展,小场地训练在世界各地的足球训练中被广泛使用。随着科技的不断发展,运动训练也向新思想、新科技、新器材等方面不断发展。基于移动互联和云平台,以及具有无线传输和快速实时反馈功能的可穿戴设备在运动训练中的应用日益广泛和深入,为探究运动训练的生物学意义提供了一种更加便捷、科学的途径。本研究利用MT-SportX1、Catapult、Polar心率表等可穿戴设备对足球比赛中人盯人、队形和比赛形式下的4v4小场地训练的多种表现特征进行分析,借此找出三种不同组织形式下训练表现的特征及差异,构建不同组织训练形式下的小场地训练方法理论,为教练员选择小场地训练方法提供参考,在进行针对控球训练时提高训练效率,为广大教练员足球训练模式提供理论依据。 展开更多
关键词 4v4足球 小场地训练 表现特征
下载PDF
基于MSRCP与改进YOLO v4的躺卧奶牛个体识别方法 被引量:6
12
作者 司永胜 肖坚星 +1 位作者 刘刚 王克俭 《农业机械学报》 EI CAS CSCD 北大核心 2023年第1期243-250,262,共9页
奶牛的躺卧率可以反映奶牛的舒适度和健康情况,躺卧奶牛的个体识别是自动监测奶牛躺卧率的基础。本文提出了一种基于改进YOLO v4模型识别非限制环境下躺卧奶牛个体的方法。为实现对躺卧奶牛全天的准确个体识别,首先对18:00—07:00的图... 奶牛的躺卧率可以反映奶牛的舒适度和健康情况,躺卧奶牛的个体识别是自动监测奶牛躺卧率的基础。本文提出了一种基于改进YOLO v4模型识别非限制环境下躺卧奶牛个体的方法。为实现对躺卧奶牛全天的准确个体识别,首先对18:00—07:00的图像采用MSRCP(Multi-scale retinex with chromaticity preservation)算法进行图像增强,改善低光照环境下的图像质量。其次,在YOLO v4模型的主干网络中融入RFB-s结构,改善模型对奶牛身体花纹变化的鲁棒性。最后,为提高模型对身体花纹相似奶牛的识别准确率,改进了原模型的非极大抑制(Non-maximum suppression,NMS)算法。利用72头奶牛的图像数据集进行了奶牛个体识别实验。结果表明,相对于YOLO v4模型,在未降低处理速度的前提下,本文改进YOLO v4模型的精准率、召回率、mAP、F1值分别提高4.66、3.07、4.20、3.83个百分点。本文研究结果为奶牛精细化养殖中奶牛健康监测提供了一种有效的技术支持。 展开更多
关键词 躺卧奶牛 个体识别 机器视觉 改进YOLO v4
下载PDF
基于改进YOLO v4和ICNet的番茄串检测模型 被引量:1
13
作者 刘建航 何鉴恒 +2 位作者 陈海华 王晓政 翟海滨 《农业机械学报》 EI CAS CSCD 北大核心 2023年第10期216-224,254,共10页
针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分... 针对深层神经网络模型部署到番茄串采摘机器人,存在运行速度慢,对目标识别率低,定位不准确等问题,本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域,利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块,设计了一种基于深度卷积结构的主干网络,在实现模型参数稀疏性的同时提高目标的识别精度,采用K-means++聚类算法获得先验框,并改进了DIoU距离计算公式,进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块(ICNet)中以MobileNetv2为主干网络,减少参数计算量,提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试,结果表明,DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%,比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%,mPA为91.87%,比传统ICNet的mIoU提高2.19个百分点,mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%,完成一次采摘作业耗时约6 s。 展开更多
关键词 番茄串 采摘机器人 深度学习 YOLO v4 ICNet 采摘模型
下载PDF
基于改进YOLO v4的轻量化烟梗识别方法 被引量:2
14
作者 郑银环 林晓琛 +2 位作者 吴飞 金圣洁 吴傲男 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2023年第9期1196-1202,1253,共8页
为完成烟叶精选工艺流程中打叶复烤后破碎烟叶的进一步去梗,实现破碎烟叶中烟梗的自动化检测,文章提出基于改进YOLO v4的轻量化烟梗识别方法。在YOLO v4基础模型上先后进行通道剪枝和层剪枝,大幅简化模型结构,改进后模型存储空间下降了9... 为完成烟叶精选工艺流程中打叶复烤后破碎烟叶的进一步去梗,实现破碎烟叶中烟梗的自动化检测,文章提出基于改进YOLO v4的轻量化烟梗识别方法。在YOLO v4基础模型上先后进行通道剪枝和层剪枝,大幅简化模型结构,改进后模型存储空间下降了93.77%,模型平均精度均值(mean average precision,mAP)和前向运算时间与基础模型持平。与同类别算法相比,模型精度平均提升8.7%,模型参数量大幅缩减。实验结果表明该实验剪枝模型更具轻量化,识别效果更好,能够满足实际生产需求。 展开更多
关键词 烟梗识别 YOLO v4 通道剪枝 层剪枝 轻量化
下载PDF
基于改进YOLO v4的生猪耳根温度热红外视频检测方法 被引量:6
15
作者 刘刚 冯彦坤 康熙 《农业机械学报》 EI CAS CSCD 北大核心 2023年第2期240-248,共9页
基于热红外视频的生猪体温检测过程中,视频中保育期生猪头部姿态变化大,且耳根区域小,导致头部和耳根区域定位精度低,影响生猪耳根温度的精准检测。针对以上问题,本文提出了一种基于改进YOLO v4(Mish Dense YOLO v4,MD-YOLO v4)的生猪... 基于热红外视频的生猪体温检测过程中,视频中保育期生猪头部姿态变化大,且耳根区域小,导致头部和耳根区域定位精度低,影响生猪耳根温度的精准检测。针对以上问题,本文提出了一种基于改进YOLO v4(Mish Dense YOLO v4,MD-YOLO v4)的生猪耳根温度检测方法,构建了生猪关键部位检测模型。首先,在CSPDarknet-53主干网络中,添加密集连接块,以优化特征转移和重用,并将空间金字塔池化(Spatial pyramid pooling,SPP)模块集成到主干网络,进一步增加主干网络感受野;其次,在颈部引入改进的路径聚合网络(Path aggregation network,PANet),缩短多尺度特征金字塔图的高、低融合路径;最后,网络的主干和颈部使用Mish激活函数,进一步提升该方法的检测精度。试验结果表明,该模型对生猪关键部位检测的mAP为95.71%,分别比YOLO v5和YOLO v4高5.39个百分点和6.43个百分点,检测速度为60.21 f/s,可满足实时检测的需求;本文方法对热红外视频中生猪左、右耳根温度提取的平均绝对误差分别为0.26℃和0.21℃,平均相对误差分别为0.68%和0.55%。结果表明本文提出的基于改进YOLO v4的生猪耳根温度检测方法,可以应用于热红外视频中生猪关键部位的精准定位,进而实现生猪耳根温度的准确检测。 展开更多
关键词 热红外视频 生猪 耳根温度 YOLO v4 密集连接网络
下载PDF
基于改进YOLO v4的单环刺螠洞口识别方法 被引量:3
16
作者 冯娟 梁翔宇 +2 位作者 曾立华 宋小鹿 周玺兴 《农业机械学报》 EI CAS CSCD 北大核心 2023年第2期265-274,377,共11页
针对养殖池塘内单环刺螠自动采捕和产量预测应用需求,提出一种基于深度学习的单环刺螠洞口识别方法,以适用于自动采捕船的嵌入式设备。该方法通过将YOLO v4的主干网络CSPDarkNet53替换为轻量型网络Mobilenet v2,降低网络参数量,提升检... 针对养殖池塘内单环刺螠自动采捕和产量预测应用需求,提出一种基于深度学习的单环刺螠洞口识别方法,以适用于自动采捕船的嵌入式设备。该方法通过将YOLO v4的主干网络CSPDarkNet53替换为轻量型网络Mobilenet v2,降低网络参数量,提升检测速度,并在此基础上使用深度可分离卷积块代替原网络中Neck和Detection Head部分的普通卷积块,进一步降低模型参数量;选取带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration,MSRCR)增强算法进行图像增强;利用K-means++算法对数据集进行重新聚类,对获得的新锚点框尺寸进行线性缩放优化,以提高目标检测效果。在嵌入式设备Jetson AGX Xavier上部署训练好的模型,对水下单环刺螠洞口检测的平均精度均值(Mean average precision,mAP)可达92.26%,检测速度为36 f/s,模型内存占用量仅为22.2 MB。实验结果表明,该方法实现了检测速度和精度的平衡,可满足实际应用场景下模型部署在单环刺螠采捕船嵌入式设备的需求。 展开更多
关键词 单环刺螠洞口 目标检测 图像增强 锚点框优化 YOLO v4
下载PDF
基于改进的Yolo v4绝缘子目标识别算法研究 被引量:3
17
作者 许爱华 陈佳韵 +1 位作者 张明文 刘浏 《吉林大学学报(信息科学版)》 CAS 2023年第3期545-551,共7页
针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolo v4进行模型轻量化,在Yolo v4模型中引... 针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolo v4进行模型轻量化,在Yolo v4模型中引入Mobilenet网络和深度可分离模块进行研究。研究结果表明,改进后不同Mobilenet网络的Yolo v4模型检测一张图片的用时均比原始Yolo v4模型减少19 ms以上,准确率都高于92%。其中以Mobilenet v3为主干特征提取网络的改进Yolo v4模型的准确率为95.12%,与原始Yolo v4模型准确率相比提高2.99%,但该模型的参数量约为Yolo v4模型的1/6,模型处理一张巡检图片用时比原Yolo v4模型减少20 ms。绝缘子作为输电线路的重要组成部分,在众多图像中更快地识别出绝缘子能为之后分析输电线路的运行情况提供帮助。 展开更多
关键词 绝缘子 Yolo v4模型 深度可分离卷积块 Mobilenet网络
下载PDF
基于改进YOLO v4的肉鸽行为检测模型研究 被引量:5
18
作者 郭建军 何国煌 +3 位作者 徐龙琴 刘同来 冯大春 刘双印 《农业机械学报》 EI CAS CSCD 北大核心 2023年第4期347-355,共9页
肉鸽行为表现与鸽舍环境舒适度和肉鸽健康状况密切相关。为实现肉鸽行为精准检测、及时掌握肉鸽健康状况,提出了基于改进YOLO v4模型的肉鸽行为检测方法。由于肉鸽社交等行为特征相似性程度高,为了在复杂环境下准确识别肉鸽行为,本文采... 肉鸽行为表现与鸽舍环境舒适度和肉鸽健康状况密切相关。为实现肉鸽行为精准检测、及时掌握肉鸽健康状况,提出了基于改进YOLO v4模型的肉鸽行为检测方法。由于肉鸽社交等行为特征相似性程度高,为了在复杂环境下准确识别肉鸽行为,本文采用自适应空间特征融合(Adaptively spatial feature fusion,ASFF)模块改进YOLO v4模型,在特征金字塔网络中增加ASFF模块,根据特征权值自适应融合多层特征,充分利用不同尺度特征信息,并且ASFF模块能有效过滤空间冲突信息、抑制反向梯度不一致问题、改善特征比例不变性以及降低推理开销。基于多时段的肉鸽清洁和社交行为数据集,自制5类肉鸽行为图像数据库,采用OpenCV工具进行模糊、亮度、水雾和噪声等处理扩充图像数据集(共10320幅图像),增加数据多样性和模拟不同识别场景,提升模型泛化能力。本文按照比例8∶2划分训练集和验证集,训练总共迭代300个周期,对不同时段、角度、尺寸的肉鸽数据集进行检测。检测结果表明,在阈值0.50和0.75时YOLO v4 ASFF检测精度比YOLO v4的mAP50和mAP75提高14.73、14.97个百分点。对比Faster R CNN、SSD、YOLO v3、YOLO v5和CenterNet模型验证本文模型检测性能,在测试集中mAP50分别提高13.98、14.00、18.63、14.16、10.87个百分点。视频检测速度为8.1 f/s,在推理速度相当情况下,本文改进模型识别准确率更高,复杂环境泛化能力更强,且对相似度高的行为误检和漏检情况更少,可为智能化肉鸽养殖和科学管理提供技术参考。 展开更多
关键词 肉鸽行为检测 改进YOLO v4 多尺度特征 自适应空间特征融合
下载PDF
基于改进YOLO v4的煤矸石识别检测技术研究 被引量:2
19
作者 崔斌 陈林 +8 位作者 亓玉浩 张坤 赵得福 黄梁松 李明霞 孔祥俊 杜明超 蒋祥卿 刘源 《煤炭工程》 北大核心 2023年第12期161-166,共6页
为提高煤矸石分拣的精度和可靠性,提出了一种基于改进YOLO v4的煤矸石识别网络,引入了Focal损失函数,使用K-means++聚类算法优化初始锚定框,将PANet中的五次卷积操作替换为CSP结构,同时引入空洞卷积的金字塔结构,降低模型参数,实现模型... 为提高煤矸石分拣的精度和可靠性,提出了一种基于改进YOLO v4的煤矸石识别网络,引入了Focal损失函数,使用K-means++聚类算法优化初始锚定框,将PANet中的五次卷积操作替换为CSP结构,同时引入空洞卷积的金字塔结构,降低模型参数,实现模型的轻量化,增加了一条跨连接边构成BiFPN结构,提高对中等目标的检测能力,得到My-YOLO v4目标检测模型。本研究对所提出的My-YOLO v4识别检测方法与SSD、YOLO v3、YOLO v4三种检测方法进行实验对比分析。实验结果表明,该检测算法在测试集上检测煤与煤矸石混合的mAP值为98.14%,FPS为28.3 f/s,相较于SSD、YOLO v3检测算法识别精度分别提高了5.41%、2.87%,相较于YOLO v4目标检测模型识别速度提高了7.7 f/s,通过对比分析实验数据验证了My-YOLO v4目标检测模型整体性能的有效提高。 展开更多
关键词 煤矸识别 深度学习 目标检测 带式输送系统 My-YOLO v4
下载PDF
基于Compact-YOLO v4的茶叶嫩芽移动端识别方法 被引量:10
20
作者 黄家才 唐安 +3 位作者 陈光明 张铎 高芳征 陈田 《农业机械学报》 EI CAS CSCD 北大核心 2023年第3期282-290,共9页
茶叶嫩芽精准识别是实现嫩芽智能化采摘的前提与基础,采用视觉和深度学习的嫩芽识别方法逐渐成熟,但该方法过度依赖于高性能硬件,不利于采茶机器人移动端的部署,针对这一问题,本文提出一种基于Compact-YOLO v4算法的茶叶嫩芽移动端识别... 茶叶嫩芽精准识别是实现嫩芽智能化采摘的前提与基础,采用视觉和深度学习的嫩芽识别方法逐渐成熟,但该方法过度依赖于高性能硬件,不利于采茶机器人移动端的部署,针对这一问题,本文提出一种基于Compact-YOLO v4算法的茶叶嫩芽移动端识别方法。首先对YOLO v4算法的Backbone网络和Neck网络进行改进,将Backbone网络替换为GhostNet,将Neck网络中传统卷积替换为Ghost卷积,改进后的模型内存占用量仅为原来的1/5。接着运用迁移学习的训练方法提升模型精度,试验表明,Compact-YOLO v4算法模型的精度、召回率、平均精度均值、F1值分别为51.07%、78.67%、72.93%和61.45%。最后将本文算法模型移植到PRO-RK3568-B移动端开发板,通过转换模型、量化处理、改进部署环境3种方式,降低模型推理计算对硬件性能的需求,最终在保证嫩芽识别准确率的前提下,实现了优化模型推理过程、减轻移动端边缘计算压力的目的,为茶叶嫩芽采摘机器人的实际应用提供了技术支撑。 展开更多
关键词 茶叶嫩芽识别 轻量化 Compact-YOLO v4 移动端部署
下载PDF
上一页 1 2 144 下一页 到第
使用帮助 返回顶部