- 年份
- 2024(4870)
- 2023(7036)
- 2022(5971)
- 2021(5564)
- 2020(4703)
- 2019(10843)
- 2018(10565)
- 2017(20867)
- 2016(10840)
- 2015(12047)
- 2014(11601)
- 2013(11109)
- 2012(9696)
- 2011(8444)
- 2010(7719)
- 2009(6608)
- 2008(5875)
- 2007(4451)
- 2006(3259)
- 2005(2312)
- 学科
- 济(43936)
- 经济(43898)
- 管理(31551)
- 业(29914)
- 方法(26577)
- 企(25012)
- 企业(25012)
- 数学(24679)
- 数学方法(24304)
- 财(11772)
- 农(10668)
- 中国(9310)
- 业经(8576)
- 务(8022)
- 财务(7987)
- 财务管理(7966)
- 企业财务(7602)
- 贸(7415)
- 贸易(7414)
- 易(7258)
- 技术(7049)
- 农业(7014)
- 环境(6825)
- 地方(6678)
- 学(6462)
- 划(5964)
- 和(5886)
- 理论(5856)
- 制(5792)
- 融(5045)
- 机构
- 大学(140137)
- 学院(139993)
- 管理(61061)
- 济(60002)
- 经济(59102)
- 理学(54791)
- 理学院(54345)
- 管理学(53369)
- 管理学院(53112)
- 研究(38823)
- 中国(28348)
- 京(26731)
- 财(25592)
- 科学(23103)
- 财经(22030)
- 业大(21911)
- 农(20650)
- 经(20411)
- 中心(20189)
- 经济学(19332)
- 江(17862)
- 经济学院(17769)
- 财经大学(16923)
- 经济管理(16839)
- 所(16479)
- 农业(16459)
- 商学(16264)
- 商学院(16122)
- 范(15770)
- 师范(15589)
- 基金
- 项目(109893)
- 科学(88989)
- 基金(83542)
- 研究(78588)
- 家(72448)
- 国家(71925)
- 科学基金(64236)
- 社会(52703)
- 社会科(50273)
- 社会科学(50263)
- 基金项目(44643)
- 自然(42468)
- 省(42425)
- 自然科(41579)
- 自然科学(41568)
- 自然科学基金(40820)
- 教育(37071)
- 划(35687)
- 资助(33806)
- 编号(30350)
- 部(25093)
- 重点(24335)
- 创(23951)
- 国家社会(22949)
- 发(22711)
- 创新(22439)
- 教育部(22246)
- 科研(22007)
- 人文(21822)
- 成果(21807)
共检索到176110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] 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] 实验技术与管理
[作者]
张刚 王运明 彭超亮
实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题，提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3＿large网络替代VGG16网络，可减少模型参数，提高检测实时性；利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息；设计改进RFB网络提升小交通标志的检测能力，重新设置预设先验框的尺寸，提升模型对特定数据集的检测能力。实验结果表明，改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%，比MobileNet-SSD算法提高了5.26%；帧率可达60 frames/s，比SSD算法提高了23 frames/s。所提算法具有较高的实时性和检测精度，对复杂交通环境具有更好的鲁棒性。
[期刊] 南京农业大学学报
[作者]
谢州益 胡彦蓉
[目的]花卉多目标识别定位是自动化作业的基础，大型的目标检测网络识别效果好，但由于复杂度高难以满足实时检测需求，本文提出了基于YOLOv4的轻量化目标检测算法。[方法]采用MobileNetV3替换原有的主干特征提取网络；自下而上融合网络的浅层和深层特征；最后简化路径聚合网络进一步减少计算量；结合优化K均值聚类获得的预选框参数来提高算法对特定目标的检测精度，并比较训练策略对模型性能的影响，将优化后的算法集成到用户交互界面，实现花卉识别定位。[结果]该系统实现了操作简单的花卉多目标的识别，具有实时反馈和较高准确率等优势，改进算法在余弦退火方式下训练得到的模型对图像的处理速度为31.85fps，最高检测精确率达96.43%。[结论]这种基于YOLOv4的轻量级目标检测模型具有较高的识别率，系统对多目标花卉的检测具有可行性，为自动化作业提供技术支撑。
[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] 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]
高云茜 邓三鹏
为实现草莓采摘机器人在温室中对草莓的快速、精确检测，该文提出一种yolov5-en算法。在原有yolov5基础上，首先对原始主干网络卷积操作并加入CBAM模块；其次，引入BiFPN模块进行多尺度特征融合；然后，使用直方图均化算法和Mosaic数据增强进行目标检测数据预处理；最后，优化K-means算法对训练数据集聚类分析，同时使用Focal loss损失函数构建yolov5-en目标检测网络。通过对比试验得出：与yolov5、Faster-RCNN ResNet101和Faster-RCNN VGG16模型相比，yolov5-en的mAP分别提升了3.41%、17.85%和14.40%，可达94.36%。通过采摘机器人模拟环境检测验证了该模型的可行性，且达到了应用水平，可为采摘机器人实时小目标检测提供支撑。
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
孙道宗 刘欢 刘锦源 丁郑 谢家兴 王卫星
【目的】提出了一种改进的YOLOv4模型,为自然环境下3种常见茶叶病害(茶白星病、茶云纹叶枯病和茶轮斑病)的快速精准识别提供支持。【方法】使用Mobile Netv2和深度可分离卷积来降低YOLOv4模型的参数量,并引入卷积注意力模块对YOLOv4模型进行识别精度改进。采用平均精度、平均精度均值、图像检测速度和模型大小作为模型性能评价指标,在相同的茶叶病害数据集和试验平台中,对改进YOLOv4模型与原始YOLOv4模型、其他目标检测模型(YOLOv3、SSD和Faster R-CNN)的病害识别效果进行对比试验。【结果】与原始YOLOv4模型相比,改进YOLOv4模型的大小减少了83.2%,对茶白星病、茶云纹叶枯病和茶轮斑病识别的平均精度分别提高了6.2%,1.7%和1.6%,平均精度均值达到93.85%,图像检测速度为26.6帧/s。与YOLOv3、SSD和Faster R-CNN模型相比,改进YOLOv4模型的平均精度均值分别提高了6.0%,13.7%和3.4%,图像检测速度分别提高了5.5,7.3和11.7帧/s。【结论】对YOLOv4模型所使用的改进方法具备有效性,所提出的改进YOLOv4模型可以实现对自然环境下3种常见茶叶病害的快速精准识别。
[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。
[期刊] 西南农业学报
[作者]
李广博 查文文 陈成鹏 时国龙 辜丽川 焦俊
【目的】针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题，采用改进YOLOv5s的模型对猪脸进行非入侵式识别。【方法】首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度；其次，引入CA坐标注意力机制，提高模型特征提取的能力；最后，引入BiFPN特征融合，有效利用特征提高模型的检测能力。试验采用的猪脸数据集共分为5类，数据增强后样本为12 756张，训练集和测试集划分比例为9∶1。【结果】改进后的算法在准确率、召回率、平均精确率(IOU=0.5)分别达到0.926、0.897、0.955,比原始YOLOv5s算法分别提高13.2%、3.0%、2.2%,同时，改进后的算法在单只、多只、小目标、密集、有遮挡的场景下，泛化能力较强、识别精准度高。【结论】利用深度学习算法，可以获取生猪面部信息并准确识别，减少漏检、错检情况，为生猪智能化管理提供较好的技术支持。
[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] 海洋渔业
[作者]
陈子文 李卓璐 杨志鹏 何佳琦 曹立杰 蔡克卫 王其华
为解决传统人工计数存在效率低、成本高、对虾有损伤等问题，本文提出一种基于YOLOv5框架的养殖虾目标检测方法。利用高清摄像机采集高分辨率虾的图像数据样本，并针对高分辨率图像训练集设计自适应图片裁切预处理算法，通过将训练集进行自适应裁切，扩增训练数据量，减少原始图像训练过程中细节特征损失，提升目标检测准确度。实验结果表明：本文所提方法可以实现少量高分辨率图像下养殖虾的准确识别与计数，采用该算法对图像样本进行预处理，相比于原始数据集训练所得检测模型，在相同运算硬件条件下，具有更高的检测准确率，识别准确率为92.55%，召回率为98.78%，平均精度均值为97.5%。
[期刊] 福建农林大学学报(自然科学版)
[作者]
袁红春 白宝来 陶磊
【目的】提出一种基于改进YOLOv5＿OBB的旋转目标检测方法，快速、准确地检测和定位中华绒螯蟹。【方法】首先，在YOLOv5＿OBB的主干网络中引入高效通道注意模块；其次，采用BiFPN网络结构进行特征融合模块设计，实现高效的双向跨尺度连接和加权特征融合；最后，采用变焦损失(varifocal loss)解决正负样本不均衡问题。【结果】改进后YOLOv5＿OBB模型的P(precision)、R(recall)和mAP(mean average precision)分别达到95.4%、95.2%和90.1%,比原模型分别提高了1.0%、1.9%和1.3%。【结论】该模型能够实时、准确地检测和定位中华绒螯蟹，实现自动化养殖。
[期刊] 实验技术与管理
[作者]
王军 李云伟 王恺睿
为了在提高弱小运动目标的检测准确度的同时满足实时性要求,提出了一种基于SVD的改进混合高斯模型弱小运动目标检测算法。针对普通混合高斯模型阈值选取没有针对性的问题,运用基于奇异值分解(SVD)的动态阈值调整更新方法,提高混合高斯模型对弱小运动目标检测准确度。实验结果表明,该算法能够准确、高效地检测特定弱小运动目标。
[期刊] 上海海洋大学学报
[作者]
董兆鹏 岳晓雪 田中旭 侯思凡 姜立盛
基于YOLO的贻贝（Mytilus edulis）识别与检测技术，是实现贻贝分级、分苗等作业环节机械化和智能化的关键。然而，贻贝因外部特征不够清晰明确，给识别准确率的提高带来了挑战。本文提出一种基于改进YOLOv5算法的贻贝目标检测模型（CST-YOLO）。该算法融合CoordAttention注意力机制，以增强特征表达能力；采用SIoU作为边界框回归损失函数，以减少边界框回归损失，提高模型的检测速度；将Head替换为改进的解耦头TSCODE Head来提高检测准确率。并在自制的贻贝数据集上进行算法测试，实验结果显示：相比YOLOv5算法，CST-YOLO算法准确率P提高了0.428%，mAP＿0.5:0.95达到92.221%，提高了1.583%。实验表明CST-YOLO算法在保证检测速度的前提下，有效提高了贻贝目标的检测精度。本研究有助于机器视觉技术在贻贝养殖业自动化与智能化生产加工中的应用。
[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
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
