标题
  • 标题
  • 作者
  • 关键词
登 录
当前IP:忘记密码?
年份
2024(4631)
2023(6611)
2022(5633)
2021(5318)
2020(4538)
2019(10500)
2018(10243)
2017(20268)
2016(10433)
2015(11596)
2014(11104)
2013(10605)
2012(9261)
2011(7981)
2010(7303)
2009(6210)
2008(5459)
2007(4062)
2006(2913)
2005(1987)
作者
(25409)
(21383)
(21265)
(20269)
(13424)
(10249)
(9809)
(8533)
(8218)
(7399)
(7199)
(7026)
(6738)
(6437)
(6378)
(6371)
(6359)
(6287)
(6125)
(6020)
(5037)
(4967)
(4940)
(4925)
(4872)
(4738)
(4475)
(4403)
(4256)
(4203)
学科
(42937)
经济(42901)
管理(30216)
(28901)
方法(26199)
数学(24366)
(24168)
企业(24168)
数学方法(24007)
(11244)
(9976)
中国(8927)
业经(8277)
(7691)
财务(7657)
财务管理(7639)
企业财务(7280)
(7238)
贸易(7237)
(7086)
技术(6911)
农业(6752)
地方(6467)
环境(6278)
(6101)
(5679)
理论(5585)
(5476)
(5463)
(4849)
机构
大学(133721)
学院(133592)
管理(59188)
(57953)
经济(57126)
理学(53238)
理学院(52807)
管理学(51862)
管理学院(51609)
研究(36117)
中国(26516)
(24930)
(24532)
财经(21258)
科学(21145)
业大(19713)
(19704)
中心(18888)
经济学(18828)
(17671)
经济学院(17323)
(16676)
财经大学(16367)
经济管理(16237)
商学(15811)
商学院(15676)
(15071)
(14915)
师范(14895)
北京(14159)
基金
项目(105485)
科学(85704)
基金(80407)
研究(75967)
(69463)
国家(68951)
科学基金(61862)
社会(51284)
社会科(48938)
社会科学(48928)
基金项目(42959)
自然(40677)
(40562)
自然科(39842)
自然科学(39834)
自然科学基金(39112)
教育(35865)
(34182)
资助(32661)
编号(29315)
(24269)
重点(23296)
(23004)
国家社会(22318)
(21818)
教育部(21621)
创新(21531)
人文(21351)
科研(21259)
成果(20871)
期刊
(48255)
经济(48255)
研究(31080)
管理(20585)
(19170)
学报(18197)
科学(17358)
中国(17009)
大学(15021)
学学(14341)
(14098)
技术(13460)
农业(10052)
财经(9902)
教育(9024)
(8471)
业经(8354)
经济研究(8294)
(8278)
金融(8278)
统计(8231)
(7466)
问题(6865)
决策(6816)
技术经济(6733)
理论(6687)
财会(6429)
实践(6202)
(6202)
科技(5831)
共检索到165796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] 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] 水产学报  [作者] 李宏俊  梁瑜  邢坤  苏浩  高祥刚  隋立军  赫崇波  
利用EST数据库开发SNP是筛选SNP标记的重要途径。本研究利用EST数据库开发紫贻贝的SNP标记,利用QualitySNP软件对紫贻贝已有的19 709条EST序列中含有4条以上同源序列的重叠群进行分析,在含有4条以上同源序列的963个重叠群中,筛选得到候选SNP位点4 833个,SNP的平均频率为129.1 bp,其中C/T和A/G突变较多,分别占总数的28.8%和27.4%。根据候选SNP位点设计30组引物,通过等位基因特异性PCR结合溶解曲线分析,在30个野生个体中进行基因分型验证,6组引物(20%)没有扩增产物,10组引物(33%)没有多态性,14组(47%)引物具有二等位基因多态性...
[期刊] 南京农业大学学报  [作者] 刘璎瑛  曹晅  郭彬彬  陈慧杰  戴子淳  龚长万  
[目的]肉鹅姿态是预警肉鹅异常行为、评判肉鹅健康状态的重要指标,针对传统养殖场人工观察肉鹅姿态耗时费力且有很大主观性等问题,提出了一种基于深度学习模型自动识别肉鹅姿态的检测算法。[方法]利用YOLO v5模型对扬州鹅4种姿态进行识别(站立、休憩、饮水和梳羽);对YOLO v5模型加入SENet、CBAM、ECA三种注意力模块改进网络结构,提高模型的识别能力;设计明暗试验和密集场景实验进一步验证模型在复杂场景下的鲁棒性。[结果]YOLO v5+ECA模型的平均检测精度(mAP)为88.93%,相比YOLO v5提升了2.27%。在识别精度(AP)上,站立姿态为91.85%,休憩姿态为93.42%,饮水姿态为90.02%,梳羽姿态为80.42%。在明暗试验和密集场景实验中,YOLO v5+ECA模型性能表现稳定,漏检现象和误检现象相对较少。[结论]该模型可以实现养殖场复杂场景下肉鹅姿态准确快速的检测,为后续的肉鹅行为监控和健康防疫做数据支撑。
[期刊] 水产学报  [作者] 周中盛   贺楚晗   林倩   梁箫   杨金龙  
为了探究生物活性肽对海洋细菌生物被膜形成和贻贝稚贝附着的影响,实验首先通过紫贻贝肽直接刺激厚壳贻贝稚贝,观察其对稚贝附着的诱导能力;随后选用具有不同诱导能力的海洋细菌海假交替单胞菌和南海雷辛格氏菌,在形成生物被膜过程中分别添加不同浓度的紫贻贝肽,分析其对生物被膜形成及膜成分的影响,并进一步研究生物被膜的变化对厚壳贻贝稚贝附着的影响。结果显示,紫贻贝肽可显著诱导稚贝附着,1.0 g/L的紫贻贝肽诱导效果最高,且显著提高生物被膜细菌密度和被膜胞外蛋白含量;10.0 g/L的紫贻贝肽诱导效果最低,且显著降低生物被膜细菌密度和被膜胞外蛋白含量。研究表明,不同浓度的紫贻贝肽对细菌生物被膜产生不同的影响,从而使生物被膜诱导稚贝附着能力受到影响。综上,紫贻贝肽可以直接诱导厚壳贻贝稚贝附着,也能通过影响海洋细菌生物被膜的形成能力和被膜胞外蛋白含量间接影响厚壳贻贝稚贝附着。本研究可为探究生物活性肽的生理功能及其在贻贝稚贝附着阶段的调控提供新的思路。
[期刊] 水产学报  [作者] 邓尚贵  章超桦  
[期刊] 水产学报  [作者] 邓尚贵  章超桦  黄晋  
研究了双酶法水解技术水解翡翠贻贝并制作海鲜调味料。研究结果表明 :(1 )水产品快速自溶技术不能应用于翡翠贻贝贝肉蛋白的水解 ;(2 )翡翠贻贝贝肉蛋白可以用外源酶对其水解 ;(3)枯草杆菌中性蛋白酶和胃蛋白酶都可以对贝肉蛋白水解 ;(4)利用正交试验分别确定了两种酶的最适水解条件并用双酶法水解新技术对贝肉蛋白水解 ;蛋白质水解率达到 82 % ;(5 )试验中确定的酶的水解条件为枯草杆菌中性蛋白酶∶pH7.5 ,温度 45℃ ,酶浓度 0 .2 % ,钙离子浓度 0 .1 % ,水解时间 2 .5h ;胃蛋白酶∶pH4.0 ,温度 5 5℃ ,酶浓度0 .2 % ,水解时间 2 .0h。 (...
[期刊] 渔业科学进展  [作者] 李磊  平仙隐  宋炜  蒋玫  黄艇  王鲁民  
#N/A
[期刊] 华中农业大学学报  [作者] 陈仁凡  谢知  林晨  
为解决温室环境下草莓果实快速准确识别问题,提出一种基于改进YOLOv5s的草莓成熟度检测方法。在主干中引入Shuffle_Block作为特征提取网络,从而实现模型轻量化。同时,在颈部结构中使用全维度动态卷积模块(omni-dimensional dynamic convolution, ODConv),以提高网络对草莓目标的信息挖掘能力,降低计算量,并进一步实现轻量化。结果显示,改进后的YOLO-ODM(YOLO with ODConv module)模型的平均精度均值达97.4%,模型体积是7.79 Mb,在GPU上的单张平均检测时间仅11 ms,浮点运算量为6.9×10~9。与原网络相比,轻量化的YOLO-ODM方法在提高检测精度的同时,模型大小缩减43%,浮点运算量降低52%。以上结果表明,该轻量化方法可快速准确地对温室环境下草莓果实的成熟度进行检测,实现草莓的生长状态监测。
[期刊] 南京农业大学学报  [作者] 朱琦   周德强   盛卫锋   左文娟   朱家豪  
[目的]针对苹果无损检测过程中表面缺陷检测精度低的问题,提出一种基于DSCS-YOLO的苹果表面缺陷检测方法。[方法]首先为提高网络对表面缺陷细节特征的提取能力,设计了一种基于Dense模块以及SE模块的深浅特征选择模块DSCS(Deep and shallow feature selection module),采用DSCS替换Backbone中的C3模块,在保留表面缺陷浅层信息的基础上强化对重要特征的学习,并起到削弱冗余特征的作用;针对由于Backbone与Neck部分输出信息过多导致的参数耦合问题,利用解耦头原理对Head层部分进行分层预测。同时采用ELU激活函数改进原有解耦头,简化了末端结构,使网络训练更加容易;最后针对表面缺陷标注困难的问题,采用Wise-IoU损失函数代替CIoU损失函数,为不同质量的标注提供非线性增益,实现网络的动态聚焦学习。[结果]试验结果表明,DSCS-YOLO对苹果表面缺陷检测的平均精度均值达到90.9%,相较于YOLOv3-tiny、YOLOv5s、YOLOX-s以及SSD分别提高了4.5%、1.9%、6.3%、16.3%。[结论]改进后的DSCS-YOLO提高了YOLOv5s算法的精度,实现了苹果表面缺陷的精准识别。
[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] 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] 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] 中国农业大学学报  [作者] 李庆中  汪懋华  
基于分形图像的自相似特征,提出了一种新的图像边缘检测算法,实验结果证明该算法能有效提取图像边缘,具有较强的抗噪声性能。
文献操作() 导出元数据 文献计量分析
导出文件格式:WXtxt
作者:
删除