排序方式: 共有17条查询结果,搜索用时 78 毫秒
11.
12.
13.
14.
目的 提升柑橘果园的智能化管理水平,快速无损获取柑橘树冠层的施药情况,改善小规模数据集导致施药情况分类模型易发生过拟合的问题。方法 提出一种基于卷积神经网络的柑橘树冠层施药情况分类模型——VGG_C模型。模型以VGG模型核心思想为基础进行构建,通过交叉熵损失函数优化,加速概率分布与真实分布的迭代过程,并在输出端引入不确定性度量计算以及在下采样模块中插入Droupout方法,降低由于数据较少而发生过拟合的概率。结果 VGG_C模型针对训练集的分类损失值为0.44%,比ResNet和VGG模型分别降低了87%和91%;准确率为95.3%,比ResNet和VGG模型分别提高了5%和10%;验证集的预测平均准确率为96.4%。结论 VGG_C模型通过多层卷积模型协同实现柑橘冠层热红外图像特征的高效提取,通过优化输出端结构提高了柑橘冠层施药情况分类模型在小数据集规模上的训练测试优度,可为柑橘树施药情况的智能化判断提供有效参考。 相似文献
15.
基于改进暗通道先验算法的农田视频实时去雾清晰化系统 总被引:2,自引:1,他引:1
为解决雨雾天气条件下基本农田视频监控图像的退化问题,在暗通道先验(dark channel prior,DCP)去雾算法的基础上,利用拉普拉斯金字塔的区域细节重建方法,实现了大面积亮域场景下自适应去雾的改进暗通道先验算法(modified dark channel prior,MDCP),进而基于该算法提出了一种DSP嵌入式系统的前端化视频图像去雾清晰化处理方案。试验表明:MDCP算法相较于DCP算法和Retinex算法在细节强度、色调还原以及结构信息方面均表现得更为突出,综合评测指标可达0.93;处理后的视频图像对比度良好,彩色图像颜色的饱和度和真实性有效保持,轮廓对比度以及远端天空细节明显增强;MDCP算法的处理速度优势随图像尺寸增大而逐渐增大,在图像尺寸为1 280×720时,MDCP算法比DCP算法的平均处理速度提高5.9%。研究结果为雨雾天气下退化视频图像进行前端化去雾处理方案设计提供理论依据和实践指导。 相似文献
16.
无人机补播是草地修复工作的有效手段之一。针对无人机作业过程中,空斑定位精度不高导致的效率低下、工作量大等问题,该研究提出一种基于无人机图像超分辨率重建和Transformer的退化草地空斑定位方法YOLOFG(YOLO for Gap)。基于YOLOv5s网络框架,在模型颈部设计联级特征纹理选择模块,强化模型特征纹理细节聚焦力,解决无人机空斑影像尺度变化大、纹理模糊问题;其次,以ShuffleNetV2构建主干网络,嵌入信息交互Transformer自注意力结构,提取像素间更多差异化特征,以提升模型对空斑边缘像素的精确捕获能力;最后,基于空斑锚框信息建立无人机位姿信息和空间平面的成像模型,实现目标空斑的精准定位。试验结果表明,YOLOFG模型平均精度均值为96.57%,相较于原始YOLOv5s模型提升3.84个百分点;参数量约为6.24 MB,比原始模型降低约11.2%。与YOLOv4、YOLOv7、YOLOv8模型相比,检测精度分别提高11.86、9.65、6.82个百分点。空斑定位的平均误差为0.4404 m,满足无人机作业对草地空斑精准定位的需求,可为开展退化草地植被恢复与重建工作提供有力技术支持。 相似文献
17.