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4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：
基于优化Faster R-CNN的棉花苗期杂草识别与定位 被引量：44
1
作者 樊湘鹏 周建平 +2 位作者 许燕 李开敬 温德圣 《农业机械学报》 EI CAS CSCD 北大核心 2021年第5期26-34,共9页
为解决棉花苗期杂草种类多、分布状态复杂,且与棉花幼苗伴生的杂草识别率低、鲁棒性差等问题,以自然条件下新疆棉田棉花幼苗期的7种常见杂草为研究对象,提出了一种基于优化Faster R-CNN和数据增强的杂草识别与定位方法。采集不同生长背... 为解决棉花苗期杂草种类多、分布状态复杂,且与棉花幼苗伴生的杂草识别率低、鲁棒性差等问题,以自然条件下新疆棉田棉花幼苗期的7种常见杂草为研究对象,提出了一种基于优化Faster R-CNN和数据增强的杂草识别与定位方法。采集不同生长背景和天气条件下的杂草图像4 694幅,对目标进行标注后,再对其进行数据增强;针对Faster R-CNN模型设计合适的锚尺度,对比VGG16、VGG19、Res Net50和Res Net101这4种特征提取网络的分类效果,选定VGG16作为最优特征提取网络,训练后得到可识别不同天气条件下的棉花幼苗与多种杂草的Faster R-CNN网络模型。试验表明,该模型可对杂草与棉花幼苗伴生、杂草分布稀疏或分布紧密且目标多等情况下的杂草进行有效识别与定位,优化后的模型对单幅图像平均识别时间为0.261 s,平均识别精确率为94.21%。在相同训练样本、特征提取网络以及环境设置条件下,将本文方法与主流目标检测算法——YOLO算法和SSD算法进行对比,优化后的Faster R-CNN模型具有明显优势。将训练好的模型置于田间实际环境进行验证试验,识别过程对采集到的150幅有效图像进行了验证,平均识别精确率为88.67%,平均每幅图像耗时0.385 s,说明本文方法具有一定的适用性和可推广性。 展开更多
关键词 棉田杂草 识别与定位 优化Faster R-CNN 数据增强 特征提取网络
下载PDF
自然光照影响下基于深度卷积神经网络和颜色迁移的杂草识别方法 被引量：16
2
作者 温德圣 许燕 +2 位作者 周建平 樊湘鹏 刘洋 《中国科技论文》 CAS 北大核心 2020年第3期287-292,共6页
针对光照影响下杂草识别特征信息缺失和精度低等问题,提出了基于深度卷积神经网络和颜色迁移的杂草识别方法。采集不同自然光照影响下(包括阴天、反光、倒影和多云天气等)的杂草图像1334张和未受光照影响的杂草图像1436张。首先,利用优... 针对光照影响下杂草识别特征信息缺失和精度低等问题,提出了基于深度卷积神经网络和颜色迁移的杂草识别方法。采集不同自然光照影响下(包括阴天、反光、倒影和多云天气等)的杂草图像1334张和未受光照影响的杂草图像1436张。首先,利用优化后的Reinhard算法对受光照影响的样本图像进行颜色迁移处理,降低光照影响因素,并将杂草图像通过ExG指数灰度化及Otsu阈值图像分割得到灰度化图像;然后,通过特征提取和融合,利用卷积神经网络(convolutional neural network,CNN)构建的Inception-V3分类器进行训练,以Softmax计算识别率;最后,对比有无颜色迁移算法和ExG灰度化的杂草识别率以及光照环境对杂草识别的影响程度。结果表明,所提方法将光照环境影响下的杂草识别精度提高了15.6%,实现了90.01%的识别率。 展开更多
关键词 光照影响的杂草 深度卷积神经网络 Inception-V3分类器 颜色迁移
下载PDF
基于Faster R-CNN的新疆棉花幼苗与杂草识别方法 被引量：6
3
作者 许燕 温德圣 +2 位作者 周建平 樊湘鹏 刘洋 《排灌机械工程学报》 CSCD 北大核心 2021年第6期602-607,共6页
针对新疆棉田杂草的伴生特点带来的特征过拟合、精确率低等问题,以新疆棉花幼苗与杂草为研究对象,分析杂草识别率低的影响因素,建立了基于Faster R-CNN的网络识别模型.采集不同角度、不同自然环境和不同密集程度混合生长的棉花幼苗与杂... 针对新疆棉田杂草的伴生特点带来的特征过拟合、精确率低等问题,以新疆棉花幼苗与杂草为研究对象,分析杂草识别率低的影响因素,建立了基于Faster R-CNN的网络识别模型.采集不同角度、不同自然环境和不同密集程度混合生长的棉花幼苗与杂草图像5370张.为确保样本质量以及多样性,利用颜色迁移和数据增强来提高图像的颜色特征与扩大样本量,以PASCAL VOC格式数据集进行网络模型训练.通过综合对比VGG16,VGG19,ResNet50和ResNet101这4种网络的识别时间与精度,选择VGG16网络训练Faster R-CNN模型.在此基础上设计了纵横比为1∶1的最佳锚尺度,在该模型下对新疆棉花幼苗与杂草进行识别,实现91.49%的平均识别精度,平均识别时间262 ms.研究结果为农业智能精确除草装备的研发提供了参考. 展开更多
关键词 新疆棉花苗期 杂草识别 卷积神经网络 Faster R-CNN
下载PDF
DRU-HVDC系统海上风电场黑启动与协同控制策略研究
4
作者 张震霄 陶俊 +3 位作者 蔡宗霖 花斌 赵志坚 温德圣 《能源工程》 2024年第6期116-122,共7页
随着风电开发由陆上和近海转向深远海,基于二极管整流单元直流送出的风电送出方案因其经济性优势成为研究热点之一。由于二极管功率传输具有单向性,海上风电场无法依赖于陆上电网进行启动,此时风电机组采用构网型控制可以使海上风电场... 随着风电开发由陆上和近海转向深远海,基于二极管整流单元直流送出的风电送出方案因其经济性优势成为研究热点之一。由于二极管功率传输具有单向性,海上风电场无法依赖于陆上电网进行启动,此时风电机组采用构网型控制可以使海上风电场实现自启动。首先,分析了海上风电经二极管整流直流外送系统的结构与特性,然后提出了一种适用于该场景的具备双模切换功能的双馈风电机组控制策略。研究了风电机组并网时的相位预同步过程,在此基础上提出了海上风电场黑启动策略。然后设计了海上风电场分层控制结构,考虑单台机组故障停机工况提出了基于高速通讯和模式切换的风电场故障应对策略。最后,在matlab/simulink中搭建了海上风电场经二极管整流送出系统的仿真模型,对海上风电场黑启动与机组故障停机工况进行仿真,仿真结果验证了所提风电场黑启动策略与故障协同控制策略的有效性。 展开更多
关键词 构网型风电机组 不控二极管整流单元 黑启动 协同控制 模式切换
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
使用帮助 返回顶部