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：
海流能柔性叶片水轮机获能区的分析与研究
1
作者 王树杰 尹克金 +3 位作者 袁鹏 王俭超 李冬 单忠德 《太阳能学报》 EI CAS CSCD 北大核心 2012年第8期1342-1348,共7页
以柔性叶片水轮机获能区的研究为重点,分析柔性叶片水轮机的受力特性,提出正负获能区的概念,明确获能区的分布情况,在此基础上提出一种通过减小负获能区的不利影响来提高柔性叶片水轮机整体获能能力的方法,并利用数值模拟和水槽模型实... 以柔性叶片水轮机获能区的研究为重点,分析柔性叶片水轮机的受力特性,提出正负获能区的概念,明确获能区的分布情况,在此基础上提出一种通过减小负获能区的不利影响来提高柔性叶片水轮机整体获能能力的方法,并利用数值模拟和水槽模型实验进行分析和验证。最后根据柔性叶片水轮机获能区的特点,针对不同的环境条件提出相关工程应用方案。 展开更多
关键词 柔性叶片 海流能 获能区 获能能力 淹没度
下载PDF
基于轻量化YOLOv4对不同遮挡程度成熟番茄果实的识别
2
作者 李文峰 胡世康 +3 位作者 杨琳琳 李仁智 徐蕾 郑嘉鑫 《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第4期184-189,共6页
【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghost... 【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghostnet,对遮挡程度小于35%、35%~65%以及超过65%的成熟番茄果实进行特征提取和识别分析。【结果】3种YOLOv4轻量化模块对遮挡面积小于65%的番茄果实的识别率超过90%。Ghostnet-YOLOv4算法在3种模块中识别率最高、表现最稳定,平均识别率为94.41%,检测速度为0.012 s;该算法对遮挡面积大于65%的果实识别率明显优于其他2种算法。3种算法的识别率均随遮挡程度的提高而下降。【结论】Ghostnet-YOLOv4算法识别率高、速度快,可用于番茄果实的识别,且优势更为明显。本研究可以为采摘机器人的采摘策略提供更好的思路和技术基础。 展开更多
关键词 番茄识别 YOLOv4 不同遮挡程度 轻量化网络
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