基于多尺度卷积神经网络特征融合的植株叶片检测技术

植株叶片检测是植株科学培育和精准农业过程中重要的环节之一。传统植株叶片检测的做法对操作人员的专业知识提出了较高要求,且人工成本高、耗时周期长。基于此,提出基于多尺度卷积神经网络特征融合(MCFF)的植株叶片检测技术。从深度学习技术辅助植株培育的需求出发,基于多尺度卷积神经网络特征融合,针对莲座模式植物、拟南芥和烟草3种不同类型、不同分辨率的植株进行叶片计数检测。经过与其他主流算法的比较,发现MCFF具备较高的检测精确度,平均精度均值(mAP)为0.662,实现了高度竞争的性能(AP=0.946),各项指标接近实用水平。

发动机技术引进对几何量检测技术的促进作用

想要提高一台航空发动机装备性能,选择先进的计量测试方法和技术非常重要。从表面粗糙度、榫槽涡轮盘拉刀检测法、校准法、放大图检定、表面粗糙度、叶片检测技术等方面,进行几何量检测计量技术的发展情况分析。

发动机技术引进对几何量检测技术的推进

从叶片检测技术、表面粗糙度、放大图检定/校准方法、涡轮盘榫槽拉刀检测方法、低压涡轮长轴内型面测量系统等方面对几何量计量检测技术的迅猛发展进行了详细阐述。