排序方式: 共有4条查询结果,搜索用时 125 毫秒
1
1.
针对目前群养生猪智能化养殖中复杂环境下猪只目标检测精度低的问题,提出了一种基于改进YOLOX的群养生猪轻量化目标检测模型Ghost-YOLOX-BiFPN。该模型采用Ghost卷积替换普通卷积,在减少主干网络参数的情况下,提高了模型的特征提取能力。使用加入CBAM注意力机制的BiFPN作为模型的Neck部分,使得模型充分融合不同体型猪只的特征图,并使用Focal Loss损失函数解决猪圈环境下猪只与背景难以区分的问题,增强模型对正样本的学习。实验结果表明,改进后模型对群养生猪检测精度为95.80%,相比于原始YOLOX算法,检测精度提升2.84个百分点,参数量降低63%。最后将本文轻量化模型部署到Nvidia Jetson Nano移动端开发板,通过在开发板上实际运行表明,本文所提模型实现了对不同大小、不同品种猪只的准确识别,为后续智能化生猪养殖提供支持。 相似文献
2.
3.
为了对农田生态环境的污染情况进行监测,并能够实现实时、准确的获取信息,提出了基于移动互联网技术的生态环境的远程信息采集系统,并最终得到了实现。开发了以ARM9系列的S3C2440处理器、GPRS模块和传感器等组成数据采集系统,实现了对农田生态环境信息的无线网络监测和信息的实时采集。同时,通过GPRS模块构建网络实现了嵌入式系统与移动互联网的信息传递,完成了农田生态环境远程监测。系统可将结果在客户端的上位机软件显示,有效地解决了传统监测系统存在的传输距离受限及数据无法实时性等问题。 相似文献
4.
1