期刊导航
期刊开放获取
河南省图书馆
退出
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
基于Mask R-CNN的复杂环境下辣椒识别方法研究
1
作者
付晓鸽
李涵
+1 位作者
左治江
杜铮
《中国农机化学报》
北大核心
2024年第9期215-219,共5页
针对辣椒采摘机器人在真实场景中辣椒簇状、粘连和光照不均导致无法精准采摘辣椒的问题,提出一种基于Mask R-CNN实例分割网络模型的辣椒识别方法。以真实场景下的辣椒为研究对象,采集自然生长的辣椒图像4496张,对其中的4000张进行数据...
针对辣椒采摘机器人在真实场景中辣椒簇状、粘连和光照不均导致无法精准采摘辣椒的问题,提出一种基于Mask R-CNN实例分割网络模型的辣椒识别方法。以真实场景下的辣椒为研究对象,采集自然生长的辣椒图像4496张,对其中的4000张进行数据标注作为数据集,通过设置不同的学习率、训练周期和模型网络层对数据集进行训练。试验结果表明,Mask R-CNN网络模型对真实场景下辣椒的识别和分割效果较好,平均准确率达到90.34%,平均速度达到0.82 s/幅,为智能辣椒采摘机器人的辣椒分割识别和定位提供有力的技术支撑。
展开更多
关键词
辣椒识别
实例分割
Mask
R-CNN
神经网络
采摘机器人
下载PDF
职称材料
基于改进YOLOv5的辣椒目标检测算法研究
2
作者
王启锟
王旭
《建模与仿真》
2023年第5期4654-4662,共9页
在自然环境下,辣椒果实生长比较密集,目标检测算法很难区分被枝叶遮挡或被其他辣椒遮挡的情况,这对自动检测辣椒果实增加了困难,在本文中,我们采用现有的辣椒数据集,基于YOLOv5算法模型进行了辣椒图像识别。为了更好的对辣椒进行检测,...
在自然环境下,辣椒果实生长比较密集,目标检测算法很难区分被枝叶遮挡或被其他辣椒遮挡的情况,这对自动检测辣椒果实增加了困难,在本文中,我们采用现有的辣椒数据集,基于YOLOv5算法模型进行了辣椒图像识别。为了更好的对辣椒进行检测,减小因为枝叶遮挡和被其他辣椒遮挡而造成的检测难度,我们在原来的YOLOv5模型中加入了CBAM注意力机制,构建了CM-YOLO模型,我们的模型mAP可以达到93.1%,比原来的YOLOv5高0.4个百分点。我们所构建的CM-YOLO模型提高了对辣椒的检测能力,同样该模型也可以应用于农产品识别和分类等其他领域。
展开更多
关键词
辣椒
图像
识别
YOLOv5
CBAM注意力机制
下载PDF
职称材料
题名
基于Mask R-CNN的复杂环境下辣椒识别方法研究
1
作者
付晓鸽
李涵
左治江
杜铮
机构
江汉大学精细爆破国家重点实验室
爆破工程湖北省重点实验室
武汉市农业科学院农业机械化研究所
出处
《中国农机化学报》
北大核心
2024年第9期215-219,共5页
基金
湖北省教育厅百校联百县—高校服务乡村振兴科技支撑行动计划(BXLBX0369)
武汉市知识创新专项曙光计划项目(2022010801020378)。
文摘
针对辣椒采摘机器人在真实场景中辣椒簇状、粘连和光照不均导致无法精准采摘辣椒的问题,提出一种基于Mask R-CNN实例分割网络模型的辣椒识别方法。以真实场景下的辣椒为研究对象,采集自然生长的辣椒图像4496张,对其中的4000张进行数据标注作为数据集,通过设置不同的学习率、训练周期和模型网络层对数据集进行训练。试验结果表明,Mask R-CNN网络模型对真实场景下辣椒的识别和分割效果较好,平均准确率达到90.34%,平均速度达到0.82 s/幅,为智能辣椒采摘机器人的辣椒分割识别和定位提供有力的技术支撑。
关键词
辣椒识别
实例分割
Mask
R-CNN
神经网络
采摘机器人
Keywords
pepper recognition
instance segmentation
Mask R-CNN
neural networks
picking robot
分类号
S225.92 [农业科学—农业机械化工程]
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于改进YOLOv5的辣椒目标检测算法研究
2
作者
王启锟
王旭
机构
贵州大学大数据与信息工程学院
出处
《建模与仿真》
2023年第5期4654-4662,共9页
文摘
在自然环境下,辣椒果实生长比较密集,目标检测算法很难区分被枝叶遮挡或被其他辣椒遮挡的情况,这对自动检测辣椒果实增加了困难,在本文中,我们采用现有的辣椒数据集,基于YOLOv5算法模型进行了辣椒图像识别。为了更好的对辣椒进行检测,减小因为枝叶遮挡和被其他辣椒遮挡而造成的检测难度,我们在原来的YOLOv5模型中加入了CBAM注意力机制,构建了CM-YOLO模型,我们的模型mAP可以达到93.1%,比原来的YOLOv5高0.4个百分点。我们所构建的CM-YOLO模型提高了对辣椒的检测能力,同样该模型也可以应用于农产品识别和分类等其他领域。
关键词
辣椒
图像
识别
YOLOv5
CBAM注意力机制
分类号
S64 [农业科学—蔬菜学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Mask R-CNN的复杂环境下辣椒识别方法研究
付晓鸽
李涵
左治江
杜铮
《中国农机化学报》
北大核心
2024
0
下载PDF
职称材料
2
基于改进YOLOv5的辣椒目标检测算法研究
王启锟
王旭
《建模与仿真》
2023
0
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