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6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：
基于改进YOLOv3网络模型的茶草位置检测算法 被引量：5
1
作者 王根 江晓明 +2 位作者 黄峰 方迪 张宇钦 《中国农机化学报》 北大核心 2023年第3期199-207,共9页
精准高效的茶草识别是智能茶园植保机械进行除草工作的关键。针对目前茶园除草智能化程度较低等问题,提出改进YOLOv3网络模型的茶草检测算法。首先,分季节和时间段,在多个茶叶品种的种植园中以自适应的距离和角度采集茶草混合图像并建... 精准高效的茶草识别是智能茶园植保机械进行除草工作的关键。针对目前茶园除草智能化程度较低等问题,提出改进YOLOv3网络模型的茶草检测算法。首先,分季节和时间段,在多个茶叶品种的种植园中以自适应的距离和角度采集茶草混合图像并建立试验数据集。接着,使用K均值聚类算法重新设计先验锚框尺度。然后,以YOLOv3网络模型为基础,选取17×17的网格划分图像区域;采用残差网络(ResNet)作为主干网;加入过程提取层,增强草株检测性能。最后在原损失函数中引入广义交并比损失。通过消融试验和不同目标检测算法对比试验验证此改进算法对茶树与杂草的检测效果。试验结果表明,改进YOLOv3网络模型对杂草的检测精确率和召回率分别为85.34%和91.38%,对茶树的检测精确率和召回率最高达到82.56%和90.12%;与原YOLOv3网络模型相比,检测精确率提高8.05%,并且每秒传输帧数达到52.83 Hz,是Faster R-CNN网络模型的16倍。这些数据说明所提算法在茶园复杂环境下,不仅对于茶树和杂草具有更好的识别效果,而且满足实时检测的要求,可以为智能茶园植保机械提供技术支持。 展开更多
关键词 茶园植保机械 茶草检测 yolov3网络模型 GIoU损失
下载PDF
基于改进YOLOv3的输送带纵向撕裂多视角检测方法 被引量：1
2
作者 王文善 郭永存 +2 位作者 刘普壮 杨豚 童佳乐 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2023年第1期28-35,80,共9页
针对输送带纵向撕裂检测中存在的检测视角单一、速度慢、精度低等问题,文章提出一种基于改进YOLOv3算法的输送带纵向撕裂多视角检测方法。首先对原始YOLOv3网络结构进行优化设计,采用29层网络模型(Darknet-29)作为特征提取网络,将原有的... 针对输送带纵向撕裂检测中存在的检测视角单一、速度慢、精度低等问题,文章提出一种基于改进YOLOv3算法的输送带纵向撕裂多视角检测方法。首先对原始YOLOv3网络结构进行优化设计,采用29层网络模型(Darknet-29)作为特征提取网络,将原有的3种不同尺度锚点改用为2种不同尺度(26×26,52×52)锚点;将位于多视角检测点的工业相机所采集的纵向撕裂图像制作成数据集,使用K-means算法对输送带纵向撕裂标签进行维度聚类分析,确定先验框参数;最后将改进的YOLOv3算法在数据集上进行测试与训练,并与其他几种算法进行比较。实验结果表明:该检测方法不仅可以较好地检测出输送带纵向撕裂,还可以分类识别出大裂纹或完全撕裂情形;相较于原始YOLOv3算法,改进后的YOLOv3算法平均检测精度均值提高0.4%,达到98.7%,检测速度提高60.6%,达到53帧/s,模型占用内存减少93 Mb,仅为141 Mb,优于YOLOv2和YOLOv3-Tiny算法。该文提出的输送带纵向撕裂检测方法具有模型占用内存低、检测精度高及速度快等优点,为输送带纵向撕裂提供了一种新的检测方案。 展开更多
关键词 yolov3算法 纵向撕裂 多视角 Darknet-29网络模型 K-MEANS聚类
下载PDF
基于深度学习的无人机激光远程充电识别算法 被引量：2
3
作者 李文峰 杨雁南 《激光与光电子学进展》 CSCD 北大核心 2022年第12期343-350,共8页
为实现激光对飞行无人机远程充电过程中对充电目标的快速识别,提出一种改进的Yolov3算法,采用轻量级网络模型作为特征提取网络,实现了激光发射系统对充电无人机目标的精准快速识别。与原有的Yolov3网络相比,平均检测速度从17 frame/s提... 为实现激光对飞行无人机远程充电过程中对充电目标的快速识别,提出一种改进的Yolov3算法,采用轻量级网络模型作为特征提取网络,实现了激光发射系统对充电无人机目标的精准快速识别。与原有的Yolov3网络相比,平均检测速度从17 frame/s提高到33 frame/s,并将网络模型权值大小从236.0 MB缩小到29.7 MB,大大减少了Yolov3模型对硬件的依赖程度。研究结果表明,改进后的算法具有较高的精确性和实时性,为激光对无人机的实时远程充电提供了一种具有应用价值的技术手段。 展开更多
关键词 机器视觉 无线充电 yolov3算法 目标检测 轻量级网络模型
原文传递
基于YOLOv3的深度学习交通标志识别系统 被引量：3
4
作者 张钟文 高宇 +1 位作者 王静 曹登平 《建筑电气》 2020年第7期64-68,共5页
介绍采用深度学习算法中的目标检测网络模型在禁令交通标志识别研究方面的难点以及国内外对此类问题的相关研究成果;阐述基于YOLOv3目标检测网络模型以及其训练方法;通过测定平均精度及平均召回率对研究结果进行评估。
关键词 交通标志识别 神经网络 深度学习 自动驾驶 yolov3 目标检测网络模型 数据处理 模型训练
下载PDF
基于YOLOv3-satellite的航天器模型目标检测方法
5
作者 田伟杰 郭大波 孙佳 《电子设计工程》 2021年第20期43-47,共5页
文中提出了一种基于YOLOv3-satellite的航天器模型目标检测方法。改进了原先的Dark-net53网络结构,以提高对航天器数据集检测时的精确度;使用航天器特有的特征信息分析选择出更合适的锚框;通过采用DIoU边框回归函数,改善了计算代价函数... 文中提出了一种基于YOLOv3-satellite的航天器模型目标检测方法。改进了原先的Dark-net53网络结构,以提高对航天器数据集检测时的精确度;使用航天器特有的特征信息分析选择出更合适的锚框;通过采用DIoU边框回归函数,改善了计算代价函数时对图片中心不敏感的问题。为验证检测方法的有效性和完备性,在航天器数据集上对YOLOv3-satellite进行了验证对比分析。实验结果表明,基于YOLOv3-satellite的航天器模型目标检测方法,检测正确率达到了93.3%,检测速度达到了30.1 fps,证明该方法具有一定的实践意义和实际价值。 展开更多
关键词 航天器 目标检测 网络模型 正确率 yolov3
下载PDF
面向废线路板拆解的高值电子器件自动识别方法研究 被引量：2
6
作者 陈从平 徐道猛 +4 位作者 李游 邓扬 何枝蔚 张屹 戴国洪 《三峡大学学报（自然科学版）》 CAS 北大核心 2020年第2期87-92,共6页
针对现有对线路板上电子器件采用自定义特征进行机器视觉识别方法的不足,设计开发了一种基于深度学习的多类高值电子器件自动识别方法,通过对典型YOLOv3网络模型结构进行改进,构造新的YOLOv3-Darknet62网络模型,以提高对多类尺寸、形状... 针对现有对线路板上电子器件采用自定义特征进行机器视觉识别方法的不足,设计开发了一种基于深度学习的多类高值电子器件自动识别方法,通过对典型YOLOv3网络模型结构进行改进,构造新的YOLOv3-Darknet62网络模型,以提高对多类尺寸、形状差异较大的高值电子器件检出能力.经对网络参数优化、网络训练与实测,结果表明,该方法对所关注的废线路板上6类高值电子器件的平均识别精度高达79.23%,同等条件下识别率明显高于YOLOv2、YOLOv3、Faster-RCNN等深度学习网络的识别率,且较人工定义特征的识别方法具有更好的可移植性. 展开更多
关键词 废线路板 高值电子器件 识别 yolov3-Darknet62网络模型
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