排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
本文介绍了智能光网络的特点、体系结构、业务连接方式、主要技术,并结合智能光网络的工程实例,分析了其优秀的智能特性和在电力通信中应用的优点。 相似文献
2.
张白愚 《农业工程技术:农产品加工》2005,(1)
朱新礼同志出生于1952年5月。曾先后毕业于山东经济管理干部学院、中共山东省委党校,大学本科学历,高级经济师,高级职业经理人,中共党员。 1974 年至 建了庞大的果蔬产业化经营体系。汇 1988年,先后担 源产业化经营体系带动了百万农民奔 任山东省沂源 小康,直接或间接地创造了几万个就 东里工业集团 业岗位,累计缴纳税金十几亿元,投 … 相似文献
3.
为解决温室叶菜子叶期幼苗生长密集情况下的图像识别问题,提出一种密集连接型D-YOLOv3检测网络.该网络以YOLOv3为基础构建主干网络,改进检测结构和损失函数.以穴盘培育的油菜幼苗为例展开一系列试验.首先确定了YOLOv3和D-YOLOv3检测网络中损失函数的修正系数;其次通过构建的几种检测网络的对比试验验证了对YOLOv3主干网络、检测结构和损失函数改进的有效性,D-YOLOv3的幼苗检测精度高达93.44%,检测时间低至12.61 ms,与YOLOv3相比精度提升9.4个百分点,时间降低4.07 ms;最后进行不同密集程度和光照环境下幼苗图像的检测性能对比试验,结果表明D-YOLOv3的检测精度、检测时间及对小目标的特征提取能力均优于YOLOv3.D-YOLOv3能够对温室环境下的叶菜幼苗进行有效检测,可以为智能检测装备的作物识别提供依据. 相似文献
4.
5.
基于改进型YOLO的复杂环境下番茄果实快速识别方法 总被引:11,自引:0,他引:11
为实现温室环境下农业采摘机器人对番茄果实的快速、精确识别,提出了一种改进型多尺度YOLO算法(IMS-YOLO)。对YOLO网络模型进行筛选和改进,设计了一种含有残差模块的darknet-20主干网络,同时融合多尺度检测模块,构建了一种复杂环境下番茄果实快速识别网络模型。该网络模型层数较少,能够提取更多特征信息,且采用多尺度检测结构,同时返回番茄果实的类别和预测框,以此提升番茄果实检测速度和精度。采用自制的番茄数据集对IMS-YOLO模型进行测试,并分别对改进前后网络的检测性能以及主干网络层数对特征提取能力的影响进行了对比试验。试验结果表明,IMS-YOLO模型对番茄图像的检测精度为97. 13%,准确率为96. 36%,召回率为96. 03%,交并比为83. 32%,检测时间为7. 719 ms;对比YOLO v2和YOLO v3等网络模型,IMS-YOLO模型可以同时满足番茄果实检测的精度和速度要求。最后,通过番茄温室大棚采摘试验验证了本文模型的可行性和准确性。 相似文献
1