- 年份
- 2024(4686)
- 2023(6720)
- 2022(5745)
- 2021(5413)
- 2020(4650)
- 2019(10730)
- 2018(10488)
- 2017(20654)
- 2016(10731)
- 2015(11957)
- 2014(11466)
- 2013(10980)
- 2012(9550)
- 2011(8249)
- 2010(7597)
- 2009(6495)
- 2008(5761)
- 2007(4345)
- 2006(3118)
- 2005(2193)
- 学科
- 济(43377)
- 经济(43341)
- 管理(30909)
- 业(29472)
- 方法(26448)
- 企(24675)
- 企业(24675)
- 数学(24596)
- 数学方法(24209)
- 财(11626)
- 农(10140)
- 中国(9094)
- 业经(8424)
- 务(7971)
- 财务(7937)
- 财务管理(7919)
- 企业财务(7532)
- 贸(7339)
- 贸易(7336)
- 易(7183)
- 技术(6976)
- 农业(6839)
- 地方(6588)
- 环境(6352)
- 学(5978)
- 和(5785)
- 制(5721)
- 理论(5709)
- 划(5577)
- 融(4955)
- 机构
- 大学(137052)
- 学院(136965)
- 管理(60145)
- 济(58728)
- 经济(57854)
- 理学(53996)
- 理学院(53554)
- 管理学(52576)
- 管理学院(52321)
- 研究(37374)
- 中国(27287)
- 京(25631)
- 财(25162)
- 科学(22123)
- 财经(21686)
- 业大(20989)
- 经(20086)
- 中心(19624)
- 农(19338)
- 经济学(18979)
- 经济学院(17463)
- 江(17206)
- 财经大学(16676)
- 经济管理(16445)
- 商学(16020)
- 商学院(15884)
- 所(15554)
- 范(15448)
- 农业(15373)
- 师范(15274)
- 基金
- 项目(107931)
- 科学(86840)
- 基金(81512)
- 研究(77153)
- 家(70473)
- 国家(69947)
- 科学基金(62587)
- 社会(51838)
- 社会科(49456)
- 社会科学(49446)
- 基金项目(43586)
- 省(41830)
- 自然(41185)
- 自然科(40332)
- 自然科学(40323)
- 自然科学基金(39582)
- 教育(36394)
- 划(34706)
- 资助(33268)
- 编号(29751)
- 部(24542)
- 重点(23740)
- 创(23329)
- 国家社会(22522)
- 发(22133)
- 教育部(21861)
- 创新(21839)
- 人文(21582)
- 科研(21535)
- 成果(21313)
共检索到171695条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 清华大学学报(自然科学版)
[作者]
邓力 周进 刘全义
由于火灾具有快速蔓延的特性和较高的破坏力,实现火灾的早期探测是十分必要的,针对火灾检测算法的研究也尤为重要。该文提出了一种改进的YOLOv8算法,通过集成轻量型模块Slim Neck和切片辅助推理方法SAHI,分别优化了YOLOv8算法的网络结构和推理框架,将火灾数据集目标分类为火焰(fire)、烟雾(smoke)和干扰项(default)。实验结果表明, Slim Neck-YOLOv8算法比相关的先进算法具有更优的火灾检测性能,与YOLOv8模型相比,查全率(recall)增长了2.7%、平均精度(m AP)增长了0.2%,检测速度提高了35 fps,同时也降低了计算负担。在Slim Neck-YOLOv8基础上进一步优化推理框架所得的Slim Neck-YOLOv8+SAHI算法,有效改善了漏检与误检现象。该研究有助于提升火灾检测系统的速度和精度,为火灾预警工作提供了有力的技术支持。
[期刊] 华中农业大学学报
[作者]
周涛 王骥 麦仁贵
为提高不同成熟度种植区域的机械采摘菠萝准确率，保证菠萝品质，提出了基于改进YOLOv8的实时菠萝成熟度目标检测方法。针对自然环境下菠萝机械采摘中存在目标小、数量密集和光线遮挡等问题，改进模型把原始YOLOv8模型中主干部分、颈部部分的公共卷积替换成深度可分离卷积（Depthwise Separable Convolution,DSConv），精简模型参数；在融合特征前增加了卷积注意力机制模块（Convolutional Block Attention Module,CBAM），使特征融合更关注重要的特征，提升目标检测的准确率；使用EIoU损失函数替换YOLOv8网络原损失函数CIoU，加快网络收敛速度。结果显示，改进模型对菠萝成熟度检测PmA为97.33%，与Faster RCNN、YOLOv4、YOLOv5、YOLOv7对比发现，PmA分别提升5.53、7.91、4.38、4.66百分点；在保证检测精度的前提下，算法模型参数量仅为16.8×10~6。结果表明，改进模型提高了菠萝成熟度识别的精度和推理速度，具有更强的鲁棒性。
关键词：
菠萝成熟度 YOLOv8 目标检测
[期刊] 南京农业大学学报
[作者]
李小祥 张洁 秦柯贝 张泽潇
[目的]本研究旨在开发一种准确检测识别苹果叶片病害的轻量化模型方法。[方法]构建了一个自然复杂场景下的包含15 190张高质量RGB图像的苹果叶片病害数据集ALD6，涵盖了实际生产中最为常见的5种病害类型和一个健康对照类。其次，提出了一个基于YOLOv8s改进的高效苹果叶片病害检测模型，称为ADDN-YOLO。用BoT替换了部分C2f结构以更好地捕捉图像中的全局和局部更丰富的信息，提高模型的特征提取能力，同时降低计算开销；设计了更轻量化的检测头降低了模型复杂性，更易部署于硬件设备上；引入MPDIoU损失函数优化了原CIoU对目标尺寸变化不敏感的问题，更加全面地考虑目标的位置和尺寸差异信息，提高目标的定位能力。[结果]最终在自制ALD6数据集上获得了94.9%的mAP，相较原始基准模型提高了0.7%的精度，计算量和模型大小比基准模型降低了35.6%和35.5%。模型大小为13.8 MB，模型推理速度为175.7 FPS。[结论]实验结果表明所提出的ADDN-YOLO算法在准确性和降低模型复杂性方面都具有明显优势，可以为自然场景下苹果叶片病害的高效、准确检测识别提供可靠的理论支持。
[期刊] 中国科学技术大学学报
[作者]
文泽波 康宇 曹洋 魏梦 宋卫国
利用随机森林算法,提出了一种基于随机森林特征选择的视频烟雾检测方法.首先,提取四种表征烟雾的特征:RGB颜色特征,小波变换高频子图,多尺度局部最大饱和度,多尺度暗通道;其次,根据烟雾图像信息模型利用无烟图片合成烟雾图片并分块得到随机森林训练样本;第三,训练随机森林进行特征选择并通过训练支持向量机得到识别烟雾块和非烟雾块的分类器,并由此得到视频图像帧的疑似烟雾区域;最后通过视频烟雾区域的凸形度和增长率分析,得到烟雾检测的结果。实验结果表明,该方法能够及时的预警烟雾同时降低火灾预警的误报率.
[期刊] 中南林业科技大学学报
[作者]
徐海文 张贵 谭三清 肖化顺 杨志高 文东新 吴鑫
【目的】随着卫星遥感技术的蓬勃发展，卫星遥感已成为林火监测的重要手段。林火发生初期，由于燃烧温度不高致使卫星红外波段接收不到足以成像的能量辐射。林火发生时会首先产生烟雾，采用深度学习方法利用气象卫星影像进行林火烟雾检测，相较于利用卫星红外通道监测林火而言可更早地发现林火。【方法】以高时间分辨率国产静止气象卫星FY-4A数据为基础，采集研究区内1 500张林火烟雾图片和1 500张云图片作为数据集，以4︰1的比例划分训练集与验证集并进行数据预处理，采用卷积神经网络AlexNet、MobileNet、ResNet及Inception-ResNet(IRNet)结构对数据集进行实验分析，采用准确率、精确率、召回率和Kappa系数评价模型的总体效果，选取最优结果建立基于卷积神经网络的林火烟雾检测模型。【结果】利用准确率、精确率、召回率及Kappa系数定量评价各模型的总体效果，得出：AlexNet模型的准确率达89.3%，精确率达100%，召回率达78.7%,Kappa系数为78.7%;MobileNet模型的准确率达98.2%，精确率达99.7%，召回率达96.7%,Kappa系数为96.3%;ResNet模型的准确率达98.0%，精确率达100%，召回率达96.0%,Kappa系数为96.0%;IRNet模型的准确率达99.8%，精确率达100%，召回率达99.7%,Kappa系数为99.7%。IRNet模型的总体效果高于AlexNet模型、MobileNet模型与ResNet模型，选取IRNet为林火烟雾检测的最优模型。【结论】利用高时效性FY-4A静止气象卫星遥感数据，采用IRNet模型进行林火烟雾检测的总体效果最好，能有效地减少卫星监测时的林火漏判和迟判现象，提高对森林火灾的早期监测预警能力。
[期刊] 北京林业大学学报
[作者]
贾一鸣 张长春 胡春鹤 张军国
【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题，实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征，本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法，扩充训练数据的数量同时降低过拟合风险；然后设计特征提取模块与特征聚合模块，在特征提取模块中引入多头注意力机制并探讨引入的合适位置，使模型更多地关注火灾局部特征，解决烟雾图像少造成的信息缺失问题；在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合；最后，设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换，可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法，本方法有更好的检测效果，具体表现为准确率达到了98.79%，召回率98.28%，检测率97.33%，误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比，本方法具有更好的判别能力和泛化能力。
[期刊] 南京农业大学学报
[作者]
张晖耀 黄力湘 陈继清 刘睿 苏子龙 银庆刚 黄敬炎 桂友强 李家鑫
[目的]本文旨在提高机械自动化设备进行草莓采摘时的草莓成熟度检测精度。[方法]针对草莓采摘过程中因枝叶遮挡、检测目标小、同级成熟度果皮纹理特征差异导致成熟度检测精度低的问题，提出一种草莓成熟度检测模型—YOLOv5s-SCW。本模型通过在Backbone中融合Swin Transformer Block，加强相同成熟度草莓果皮纹理特征融合，显著减少模型的参数量；在Neck中采用CA（Coordinate Attention ）注意力机制，引入空间坐标信息，提高模型检测精度；采用Wise-IoU（WIoU）损失函数替换CIoU损失函数，动态调整目标权重，提高模型的检测性能。最后基于草莓数据集进行试验，验证改进模型的性能。[结果]相较于标准YOLOv5s模型，YOLOv5s-SCW模型在精确率、召回率和平均精度均值（mAP）方面分别提升了4.9%、5.6%和4.9%，达到了91.3%、90.6%和95.7%。不同成熟度草莓的平均检测精度（高、中、低）分别为97.1%、93.7%和96.3%，平均检测时间为10.8毫秒，模型参数量为4.84 M。[结论]本研究基于YOLOv5s提出的YOLOv5s-SCW模型显著提高了模型在自然环境下识别不同成熟度草莓的能力，大幅降低了模型的参数量，实现了轻量化，满足农业过程中进行实际草莓采摘的需求。
关键词：
草莓 YOLOv5s 成熟度检测 轻量化
[期刊] 实验技术与管理
[作者]
许程翔 赵明岩 梁喜凤 应欣展 焦俊章
为实现不同品质甘薯的自动化分级，提出一种基于改进YOLOv8的轻量化甘薯品质分级方法。首先该方法将调整后的EdgeNeXt替换原YOLOv8s模型中的主干网络，降低模型的参数量、计算量及权重大小；然后使用SCConv卷积改进的C2f C模块，进一步降低模型的复杂度；考虑到模型因轻量化造成的性能下降，最后使用CARAFE轻量化算子及基于FocalLoss和MPDIo U提出的Focal C-MPDIo U损失函数，替换原模型的上采样模块及损失函数，提高模型检测性能。实验结果显示，改进后的轻量化模型的参数量、计算量和权重大小相比原模型分别下降了38.3%、32.7%和37.8%，精确率和平均精度均值分别提升了0.3和0.9个百分点。对比Faster RCNN、SSD、YOLOv3、YOLOv7-tiny，改进后的模型在模型复杂度及检测性能上具有显著优势，研究结果可为后续甘薯品质分级设备的视觉模块部署提供参考，为甘薯品质自动化分级提供技术支持。
[期刊] 中国农业大学学报
[作者]
余秋冬 杨明 袁红 梁坤
针对目前生猪目标检测算法模型较大,实时性差导致其难以在移动终端中应用等问题,将一种改进的轻量化YOLOv4算法用于生猪目标检测。在群养猪环境下以不同视角和不同遮挡程度拍摄生猪图像,建立生猪目标检测数据集。基于轻量化思想,在YOLOv4基础上缩减模型大小。结果表明,本研究算法的准确率和召回率分别为96.85%和91.75%,检测速度为62帧/s,相比于原模型,本研究算法在不损失精度的情况下,将模型大小压缩了80%,检测速度提高了11帧/s。本研究算法具有轻量化,稳健性强,实时性好的优点,能够更好地实现实际猪舍环境下生猪目标的检测,并有利于嵌入移动端设备中。
关键词：
生猪 深度学习 目标检测 轻量化
[期刊] 北京林业大学学报
[作者]
吴梦宇 罗琴娟 韩宁
为甄别林火烟雾与大气云雾,提出了基于多种运动特征判据的视频烟雾图像检测算法。首先利用烟雾自身的光学动态特征———光流方向性、相关性、扩散性,分别对连续帧包含烟云的可疑区域进行图像特征标志判别;再经数据融合算法有效区分林火烟雾与大气云雾,克服了依靠单一图像特征检测烟雾的不足。结果表明,光流方向性、相关性、扩散性判别相结合的识别算法能提高森林火灾视频图像的有效识别率。
[期刊] 实验技术与管理
[作者]
李志鹏 于鸿彬 邵宏宇
为提高传统Canny算法的灵活度和自适应能力,提出了一种改进的自适应Canny边缘检测算法。采用双边滤波代替高斯滤波滤除噪声并锐化图像边缘;再使用水平、垂直、45°、135°等4个方向的梯度模板对图像的梯度幅值进行计算。对传统的Otsu阈值分割算法进行了改进,改进的思路是找出类内和类间方差的最大值作为阈值,阈值搜索范围的缩小可以使计算量减少,实现快速分割。通过道路标线图像验证,说明改进后的Canny算法对道路标线的分割效果更好,减少了边缘断裂和假边缘,处理的时间也相对缩短。
[期刊] 中国农业大学学报
[作者]
赵颖 王书茂 陈兵旗
针对机器视觉导航中道路引导线检测方法复杂、实时性不能满足使用要求的问题提出了基于改进Hough变换的公路车道线快速检测算法:根据车道线与路面颜色的不同判断车道线位置计算出车道线的方向候补点群,根据车辆所处车道的情况对方向候补点群进行聚类,以每一类的中点为基准点使用基于一点的改进Hough变换算法计算出车道线的斜率。实验结果表明,一幅图片的处理时间约85 ms,处理结果与实际情况吻合。算法能够检测出高速公路上所有车道线的斜率,为道路引导线的实时检测提供了一种新思路。
[期刊] 中南林业科技大学学报
[作者]
叶铭亮 周慧英 李建军
【目的】森林火灾常常会对人类的财产和生态多样性造成巨大损害，传统的森林火灾检测技术存在可靠性低、造价过高等不足。目前基于卷积神经网络的深度学习算法在处理图像型数据上具有准确性高、成本低、速度快等优势，但是其处理视觉要素和物体之间关系的能力不如Transformer。因此，本研究提出一种改进Swin Transformer网络的方法应用于森林火灾检测。【方法】Transformer是一种基于自注意机制的深度神经网络，其强大的表现能力使得其能够在计算机视觉领域大放异彩。Swin Transformer提出将Transformer应用于计算机视觉任务,构建了一种名为Swin Transformer Blocks的骨干网络，并且提出了一种滑动窗口多头自注意力机制。本文结合Transformer与深度学习算法并应用于森林火灾检测领域，在Swin Transformer网络结构中对窗口自注意力机制进行改进，采用了knn自注意力提高对小块噪声的识别，使用Augmentation数据增强方法增加模型的泛化能力。【结果】数据集为自建的森林火灾图像数据集，通过旋转、裁剪、模糊以及色彩调节等数据增广的方法将300张不同环境下的森林火灾图像数据扩充到1 900张图像，最后对Swin Transformer以及改进后的模型进行对比实验，改进后的算法准确率可达98.1%,bbox＿mAP、bbox＿mAP＿50和bbox＿mAP＿75分别达到了66.7%、96.4%和81.3%。【结论】本文提出一种改进Swin Transformer应用于森林火灾检测的方法。研究结果表明，改进的Swin Transformer模型能够有效检测不同环境下的森林火灾。
[期刊] 物流技术
[作者]
范海红
针对目前我国快递包裹中转中心面临的快递包裹文件数量密集型问题以及包裹辨识检测算法技术，提供了一个经过改进的Faster R-CNN辨识检测算法。通过修改Faster R-CNN算法中的损失函数，用RepGT损失函数替代原回归项中的损失函数，使得选取的包裹候选框更接近包裹目标框,完成图像检测。通过数据实验发现，改进后的算法比传统的Faster R-CNN在精度上提升了2.38AP，同时发现当损失函数中参数σ=1时，检测精确度达到最高。
[期刊] 实验技术与管理
[作者]
傅荟璇 刘凌风 王宇超
3D目标检测结合了深度信息,能够提供目标的位置、方向和大小等空间场景信息,在自动驾驶和机器人领域发展迅速。针对PV-RCNN在3D目标检测时不能够充分适应不同的物体尺度、不同的点云密度、部分变形和杂波等问题,对3D目标检测的任务进行实验研究。通过加入自适应可变形卷积、上下文融合模块和Gumbel Subset Sampling模块来训练层级特征,使得编码关键点自适应地朝着最具有判别和代表性的特征对齐,提高提案框回归精度。实验结果表明,改进后的PV-RCNN 3D目标检测精度得到了提升,尤其是在远距离物体识别和检测方面。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
