期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到455篇文章
< 1 2 … 23 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
im6Am-DC:融合DenseNet与注意力机制的RNA序列N6,2'-O-二甲基腺苷修饰预测模型 认领 引用 被引量：1
1
作者 魏欣 涂建 +2 位作者 漆俊 胡思亲 贾建华 《生物工程学报》 EI CAS CSCD 北大核心 2026年第2期955-970,共16页
N6,2'-O-二甲基腺苷(N6,2'-O-dimethyladenosine,m6Am)作为一种重要的RNA表观遗传修饰,其独特的化学结构和生物学功能成为当前研究的热点之一。m6Am不仅能够调控mRNA的稳定性和半衰期,还会调节其与翻译起始因子及RNA结合蛋白的... N6,2'-O-二甲基腺苷(N6,2'-O-dimethyladenosine,m6Am)作为一种重要的RNA表观遗传修饰,其独特的化学结构和生物学功能成为当前研究的热点之一。m6Am不仅能够调控mRNA的稳定性和半衰期,还会调节其与翻译起始因子及RNA结合蛋白的相互作用,从而在转录后调控过程中发挥关键作用。m6Am还与肥胖、2型糖尿病等代谢性疾病以及多种病毒感染和肿瘤的发生密切相关。对m6Am位点的预测研究对于疾病的早期诊断和精准治疗具有重要意义。尽管m6Am修饰的生物学功能正逐渐受到关注,但相关研究仍受限于检测技术的局限与高昂的成本。计算生物学方法为大规模m6Am位点鉴定提供了新的思路。本研究构建了一种非平衡m6Am位点预测模型——im6Am-DC,该模型采用DenseNet网络提取高级局部特征,并引入注意力机制(coordinate attention,CA)以突出重要的特征信息。此外,为解决数据不平衡问题,模型使用了损失函数。结果显示,在full transcript数据集上,im6Am-DC模型的灵敏度(sensitivity,Sn)、特异性(specificity,Sp)、准确度(accuracy,Acc)和马修斯相关系数(Matthews correlation coefficient,MCC)分别为0.5237、0.9884、0.9461和0.6298;在mature RNA数据集上,同指标表现同样优秀。同时,将im6Am-DC模型分别应用于多个不同的数据集进行预测,包括非平衡m6Am位点数据集、平衡m6Am位点数据集,以及其他类型的RNA修饰位点,从而全面、多维度评估该模型的性能与应用潜力。结果表明,im6Am-DC模型在非平衡m6Am位点预测中具有显著优势,模型的建立为m6Am修饰功能研究及相关疾病机制探索提供了有效的技术支持。 展开更多
关键词 RNA表观遗传修饰 N6 2'-O-二甲基腺苷 DenseNet 注意力机制 损失函数
暂未订购 下载PDF
基于改进Densenet的烟草叶片病害识别方法 认领 引用
2
作者 徐天然 王瑞 +4 位作者 韩清林 张斌 赵乾 韩宜彤 许向阳 《中国烟草学报》 CAS CSCD 北大核心 2026年第2期135-145,共11页
【背景和目的】基于改进的DenseNet实现对烟草叶片病害的实时准确识别,保障烟叶的品质和产量。【方法】使用基于多尺度特征融合和注意力机制改进的DenseNet模型,建立一个烟草叶片病害的高精度分类方法。由SEBlock和多尺度特征融合组成SE... 【背景和目的】基于改进的DenseNet实现对烟草叶片病害的实时准确识别,保障烟叶的品质和产量。【方法】使用基于多尺度特征融合和注意力机制改进的DenseNet模型,建立一个烟草叶片病害的高精度分类方法。由SEBlock和多尺度特征融合组成SE-MSFF-Deep Block,以提取多尺度特征。分类层前加入ViT风格的Attention结构,整合分散的病害特征区域。引入Focal Loss函数作为损失函数,提高难分样本的识别准确率。使用迁移学习,解决小数据集的过拟合问题。【结果】SMVF-DenseNet模型的烟草叶片病害准确率达到94.44%,FPS为23.69,相较于其他主流模型,显著降低了难分样本和少数类别样本的类间混淆。同时,SMVF-DenseNet模型在跨作物病害数据集上能保持有竞争力的、甚至领先的分类准确率,显示出良好的泛化能力。【结论】基于多尺度特征融合和注意力机制的烟草叶片病害识别方法有效捕获病害斑块细节与整体的特征与关联,提高模型在易混淆类别上的分类准确率。在其他植物病害数据集上的验证结果表明,该方法不仅在烟草病害识别中表现优异,也具备良好的跨作物泛化性能,为植物病害识别模型的普适化应用提供了可行方案。 展开更多
关键词 烟草病害识别 DenseNet 多尺度特征融合 注意力机制
暂未订购 下载PDF
基于改进DenseNet的福建常见阔叶材显微识别研究 认领 引用 被引量：1
3
作者 党慧滢 冯志伟 +4 位作者 唐利 虞夏霓 罗晓洁 关鑫 林金国 《林业工程学报》 CAS CSCD 北大核心 2026年第1期70-77,共8页
福建森林资源非常丰富,阔叶材树种繁多。为了快速准确地识别阔叶材树种,提出了一种基于改进DenseNet网络模型的树种识别技术。选取24种福建常见的阔叶材作为研究对象,采集木材横切面原始显微图像,采用图像尺寸归一化、图像灰度化等方法... 福建森林资源非常丰富,阔叶材树种繁多。为了快速准确地识别阔叶材树种,提出了一种基于改进DenseNet网络模型的树种识别技术。选取24种福建常见的阔叶材作为研究对象,采集木材横切面原始显微图像,采用图像尺寸归一化、图像灰度化等方法对其进行预处理,以减少处理图像时的计算复杂度;采用水平翻转、随机缩放和镜像翻转,以及调整亮度、对比度和饱和度等方法进行数据集扩充,构建了福建常见阔叶材横切面显微图像数据集。在24种福建常见阔叶材显微图像数据集上分别训练了VGGNet19、InceptionV3、ResNet101和DenseNet121这4种经典卷积神经网络,对比分析了这4种模型的识别准确率、训练时间、参数量和模型文件大小,发现DenseNet121模型识别准确率最高(98.02%),训练时间最短(2.56×104s),参数量最少(7.57×106),模型文件最小(30 MB),说明DenseNet121在该数据集上识别整体性能最优。对整体性能最优的DenseNet121进行改进,通过引入深度可分离卷积降低网络模型的参数量,引入Inception模块和通道注意力机制提升模型的识别性能,结果表明,改进的DenseNet模型识别平均准确率可达98.96%、平均召回率为98.95%,改进DenseNet模型的训练时间、参数量、模型大小与DenseNet121相比,分别降低了0.9×104s、5.66×106、6 MB,其识别性能显著提升且计算资源和存储资源大幅降低。 展开更多
关键词 木材显微识别 卷积神经网络 福建省 阔叶材 改进DenseNet
暂未订购 下载PDF
基于DenseNet和迁移学习的声纹识别方法 认领 引用 被引量：1
4
作者 陈润强 王卫辰 +1 位作者 徐亚博 李烈 《现代电子技术》 北大核心 2026年第2期171-177,共7页
传统的声纹识别方法受环境噪声和个体变化等因素的影响,准确率难以进一步提升。为此,提出一种基于DenseNet和迁移学习的语谱图声纹识别方法,以进一步提高声纹识别系统的性能。使用DenseNet的声纹识别模型对源域语音进行训练;采用迁移学... 传统的声纹识别方法受环境噪声和个体变化等因素的影响,准确率难以进一步提升。为此,提出一种基于DenseNet和迁移学习的语谱图声纹识别方法,以进一步提高声纹识别系统的性能。使用DenseNet的声纹识别模型对源域语音进行训练;采用迁移学习将源域训练的DenseNet模型迁移到目标域训练数据;在目标域测试数据上验证迁移后模型的性能,并对比分析迁移前后DenseNet模型和ResNet模型的声纹识别性能。实验结果表明,与原始ResNet模型、DenseNet模型和经迁移学习的ResNet模型相比,经迁移学习的DenseNet模型的识别准确率分别提高了3.89%、6.67%和3.34%,且具有较快的收敛速度。 展开更多
关键词 声纹识别 DenseNet 迁移学习 语谱图 ResNet 语音信号处理
暂未订购 下载PDF
基于EEMD-PCC与DenseNet的齿轮箱故障诊断 认领 引用
5
作者 尚腾龙 郝如江 +2 位作者 冯鹏帆 王天池 姚勃羽 《机床与液压》 北大核心 2026年第1期21-26,34,共6页
针对齿轮箱在复杂工况下故障特征提取困难、诊断准确率低的问题,提出一种集成经验模态分解-皮尔逊相关系数(EEMD-PCC)与密集卷积网络(DenseNet)相结合的智能诊断模型。采用EEMD-PCC对原始振动信号进行预处理,通过计算本征模态分量与原... 针对齿轮箱在复杂工况下故障特征提取困难、诊断准确率低的问题,提出一种集成经验模态分解-皮尔逊相关系数(EEMD-PCC)与密集卷积网络(DenseNet)相结合的智能诊断模型。采用EEMD-PCC对原始振动信号进行预处理,通过计算本征模态分量与原始信号的皮尔逊相关系数,筛选有效分量进行信号重构,保留关键故障特征。将CBAM注意力机制加入DenseNet网络模型,以增强特征表达能力,采用自适配归一化代替批归一化以提高网络泛化能力。最后,使用动力传动故障诊断综合实验台对该模型性能进行验证。结果表明:在8类齿轮箱状态诊断中,该模型准确率达98.5%,混淆矩阵显示仅少数样本误分类;在添加-6~-2 dB高斯白噪声的条件下,准确率仍保持在94%以上,显著优于对比模型;特征可视化证实模型能有效分离不同故障状态。EEMD-PCC与改进DenseNet相结合的故障诊断方法能够有效提取齿轮箱故障特征,在不同工况和噪声干扰下均保持高诊断精度,为齿轮箱智能故障诊断提供了可靠解决方案。 展开更多
关键词 齿轮箱 故障诊断 密集卷积网络(DenseNet) 经验模态分解-皮尔逊相关系数(EEMD-PCC)
暂未订购 下载PDF
基于改进DenseNet121的牛脸身份轻量化识别方法 认领 引用
6
作者 张瑞峰 曹姗姗 +1 位作者 孔繁涛 孙伟 《农业工程学报》 EI CAS CSCD 北大核心 2026年第3期212-220,共9页
为解决传统接触式牛只识别方式具有维护成本高、易引发应激反应,以及现有机器视觉模型在复杂养殖环境下难以兼顾高精度与轻量化的难题,该研究提出了一种基于改进DenseNetl21的牛脸身份轻量化识别模型LCFINet(lightweight cow face ident... 为解决传统接触式牛只识别方式具有维护成本高、易引发应激反应,以及现有机器视觉模型在复杂养殖环境下难以兼顾高精度与轻量化的难题,该研究提出了一种基于改进DenseNetl21的牛脸身份轻量化识别模型LCFINet(lightweight cow face identification network)。首先,将DenseNet 121模型的主干网络结构性精简为DenseNet Lite,随后引入多尺度注意力密集层(multi-scale attention dense layer,MSAD-Layer),实现多尺度特征融合与注意力机制的结合,增强模型对复杂背景下关键细粒度特征的感知与聚焦能力;然后,使用倒瓶颈结构过渡层(inverted bottleneck transition layer,IB T-Layer)优化跨层信息的传递,在高效降维的同时,最大限度地保留图像特征信息的完整性;最后,以自然复杂环境下采集并构建的高质量牛脸可见光图像数据集对本文模型进行测试。结果表明,LCFI-Net在测试集上的识别准确率为93.54%,比基准模型DenseNetl21提升了2.04个百分点,同时参数量仅为1.02 M,较DenseNetl21降低6.07 M;与MobileNetv2、ShuffleNetv2、MobileFaceNet、ResNet50和ResNet 18主流模型相比,LCFI-Net的准确率分别提升了4.50、4.46、4.08、2.75和2.29个百分点;此外,特征可视化分析结果表明,LCFI-Net提取的特征具备更显著的类内紧凑度与类间分离度,能有效克服光照不均与大角度姿态偏转的干扰,表现出更强的鲁棒性;该研究可为移动机器人或智能装备等计算资源受限场景下的牛只身份机器视觉精准识别提供技术支撑。 展开更多
关键词 机器视觉 特征提取 注意力机制 DenseNet121 模型轻量化
暂未订购 下载PDF
基于改进DenseNet的棉叶螨危害等级识别研究 认领 引用
7
作者 雷竣杰 周保平 张 《中国农机化学报》 北大核心 2026年第2期202-209,共8页
针对传统棉叶螨人工诊断分级方法费工费时且存在滞后性的问题,提出一种基于改进DenseNet—121的棉叶螨危害等级识别模型。依据棉叶螨害分级标准,在单一背景和自然背景下采集不同危害等级的棉叶图像,并对原始数据集进行增强以模拟图像采... 针对传统棉叶螨人工诊断分级方法费工费时且存在滞后性的问题,提出一种基于改进DenseNet—121的棉叶螨危害等级识别模型。依据棉叶螨害分级标准,在单一背景和自然背景下采集不同危害等级的棉叶图像,并对原始数据集进行增强以模拟图像采集时受不同天气情况、拍摄角度和设备噪声等因素的影响。不同螨害等级棉叶间特征相似度高、识别难度大,在优选DenseNet—121模型的基础上,首先,将第一层卷积中的7×7卷积核替换为Inception模块,增强浅层网络的特征提取能力;其次,在Transition Layer后引入SimAM注意力机制,强化棉叶螨害特征并抑制背景特征;最后,在Dense Layer后应用DropBlock正则化,提高模型的鲁棒性和抗过拟合能力。结果表明,所提模型在原始数据集上的识别准确率达到90.76%,较原始模型提高4.21个百分点;数据增强和3项改进策略分别使模型的识别准确率提高1.47、2.74、2.37、1.86个百分点;综合性能明显优于VGG16、ResNet50等模型。 展开更多
关键词 棉叶 螨害分级 改进DenseNet—121 注意力机制 正则化
暂未订购 下载PDF
改进SECBAM-Densenet的配电网谐波水平估计模型 认领 引用
8
作者 汪颖 赵奕帆 +2 位作者 殷毓杉 王心茹 董一帆 《电测与仪表》 CSCD 北大核心 2026年第6期73-83,共11页
配电网谐波水平全景感知是实现电能质量管控的重要手段。但配电网点多面广,受电能质量监测装置(power quality monitoring,PQM)的高昂成本和运维工作量制约,难以在各个节点广泛配置监测装置以实现谐波水平全景感知。为解决上述问题,文... 配电网谐波水平全景感知是实现电能质量管控的重要手段。但配电网点多面广,受电能质量监测装置(power quality monitoring,PQM)的高昂成本和运维工作量制约,难以在各个节点广泛配置监测装置以实现谐波水平全景感知。为解决上述问题,文章提出了一种基于改进空间与通道注意力增强和密集连接网络(spatial and channel boosted attention module-dense convolutional network,SECBAM-Densenet)的谐波水平估计模型,文中先通过便携式PQM在未配备固定式PQM的并网点采集有功功率、无功功率、谐波电压、谐波电流等电气特征数据,以实测数据训练SECBAM-Densenet模型以建立输入特征与谐波水平之间的非线性映射关系,并构建修正矩阵与约束项以提升模型的估计效果,最后应用电能表测得的有功功率、无功功率等运行数据对配电网谐波水平进行了实时有效估计。算例结果验证了所提估计方法的准确性,为配电网中未安装PQM节点的谐波感知提供了一种可行解决方案。 展开更多
关键词 电能质量 数据驱动 谐波水平估计 空间与通道注意力增强 密集连接网络
暂未订购 下载PDF
基于CAN网络和DenseNet的数据治理技术 认领 引用
9
作者 李成虎 王帅帅 何茂良 《软件》 2026年第4期145-147,共3页
本文以提高数据资源应用质量为根本目标,提出了一种以CAN网络为依托的DenseNet数据治理系统。分析了CAN网络与DenseNet模型的工作原理,探究二者的结合应用方法,并通过实例验证应用效果。研究结果表明,在CAN网络作用下,DenseNet数据治理... 本文以提高数据资源应用质量为根本目标,提出了一种以CAN网络为依托的DenseNet数据治理系统。分析了CAN网络与DenseNet模型的工作原理,探究二者的结合应用方法,并通过实例验证应用效果。研究结果表明,在CAN网络作用下,DenseNet数据治理系统能够显著提升图像数据的生成质量和效率,并消除异常数据,促进企业的稳定运营。 展开更多
关键词 CAN网络 DenseNet模型 数据治理
暂未订购 下载PDF
数据增强和DenseNet的局部放电故障识别方法 认领 引用
10
作者 陈丽丹 王磊 +1 位作者 吴超 张哲 《广州航海学院学报》 2026年第1期30-35,共6页
局部放电是表征电力设备绝缘劣化的关键早期征兆之一,但其在现场实际发生的概率较低,且不同放电类型的发生频率存在显著差异,导致可用于智能诊断的训练样本存在严重的类别不平衡。为此,提出一种面向样本不平衡的局部放电缺陷识别方法,... 局部放电是表征电力设备绝缘劣化的关键早期征兆之一,但其在现场实际发生的概率较低,且不同放电类型的发生频率存在显著差异,导致可用于智能诊断的训练样本存在严重的类别不平衡。为此,提出一种面向样本不平衡的局部放电缺陷识别方法,融合加权软动态时间规整重心平均(Dynamic Time Warping Barycenter Averaging,DBA)数据增强与DenseNet分类模型。首先,利用加权软DBA算法对训练集中的少数类样本进行扩充,以重构更均衡的数据分布;然而,采用增强后的数据训练DenseNet网络,实现端到端的故障识别。实验表明,采用所提方法对少数类扩充1000个样本后,模型整体准确率提升至88.5%,在保持多数类高识别率的同时,显著改善了少数类别的检测性能,为复杂现场条件下的设备状态评估提供了可靠依据。 展开更多
关键词 局部放电 故障识别 数据增强 软动态时间规整 密集连接卷积网络
暂未订购 下载PDF
基于DenseNet和多域特征融合的表面肌电手势识别研究 认领 引用 被引量：1
11
作者 金亚辉 刘鑫 +1 位作者 连大山 郭一娜 《传感器与微系统》 北大核心 2026年第1期30-34,共5页
基于表面肌电(sEMG)信号的手势识别在人机交互领域应用广泛,快速准确识别手势动作可以提供更好的用户体验。由于个体差异性导致在多任务中,整体识别准确率低。提出一种密集连接卷积网络(DenseNet)和多域特征融合的sEMG手势识别方法。首... 基于表面肌电(sEMG)信号的手势识别在人机交互领域应用广泛,快速准确识别手势动作可以提供更好的用户体验。由于个体差异性导致在多任务中,整体识别准确率低。提出一种密集连接卷积网络(DenseNet)和多域特征融合的sEMG手势识别方法。首先,从sEMG信号中提取时域和频域特征构成特征集,并与原始信号融合作为网络输入,增强网络输入数据的表达能力。其次,使用融合挤压—激励(SE)注意力和多尺度空洞卷积的DenseNet进行特征提取与分类识别。实验结果表明,在NinaPro DB2数据集中,手势识别整体准确率达到了88.06%,在整体和分类运动中识别性能都有所提升。 展开更多
关键词 表面肌电信号 手势识别 挤压—激励注意力 多尺度空洞卷积 密集连接卷积网络
暂未订购 下载PDF
基于贝叶斯优化多尺度DenseNet的离心泵声信号故障诊断方法 认领 引用 被引量：3
12
作者 陈剑 严明辉 陈品 《中国机械工程》 EI CAS CSCD 北大核心 2025年第9期2032-2038,共7页
由于一维特征向量不能保留时间特征信息,而神经网络对图像识别具有良好效果,因此尝试用离心泵故障声信号构建的图像数据集开展离心泵故障诊断,提出贝叶斯优化多尺度DenseNet的离心泵声信号故障诊断方法。将一维时间序列声信号经过格拉... 由于一维特征向量不能保留时间特征信息,而神经网络对图像识别具有良好效果,因此尝试用离心泵故障声信号构建的图像数据集开展离心泵故障诊断,提出贝叶斯优化多尺度DenseNet的离心泵声信号故障诊断方法。将一维时间序列声信号经过格拉姆角场转化为二维图像,保留其时间信息及故障特征;然后采用多尺度密集块对图像进行特征提取,增强图像特征复用;通过dropout层和L2正则化方法防止过拟合,采用贝叶斯优化算法确定神经网络超参数,最后利用离心泵声信号进行实验验证,与其他诊断方法进行对比。结果表明,贝叶斯优化多尺度DenseNet的诊断模型对测试集具有99.5%的故障识别率。 展开更多
关键词 离心泵 故障诊断 格拉姆角场 贝叶斯优化 多尺度DenseNet
暂未订购 下载PDF
基于I_CBAM-DenseNet模型的小麦发育期识别研究 认领 引用 被引量：2
13
作者 付景枝 马悦 +4 位作者 宏观 刘云平 吴文宇 丁明明 尹泽凡 《南京信息工程大学学报》 CAS 北大核心 2025年第1期42-52,共11页
针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通... 针对我国农作物发育期人工观测效率低、识别准确率不高等问题,提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法.该方法以密集连接卷积网络(DenseNet)为主干提取网络,融入卷积块注意模块CBAM.先将CBAM中的空间注意力模块(SAM)与通道注意力模块(CAM)由传统的串联连接改为并行连接,并将改进的CBAM(I_CBAM)插入到DenseNet最后一个密集网络中,构建一种I_CBAM-DenseNet模型,再选取小麦7个重要发育时期进行自动识别.为最大化提取小麦的特征信息,将超绿特征(ExG)因子和最大类间方差法(Otsu)相结合对采集到的小麦图像进行分割处理.对比分析了I_CBAM-DenseNet、AlexNet、ResNet、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化.结果表明,采取基于I_CBAM-DenseNet的卷积神经网络建立的模型,准确率达到99.64%,高于对比模型. 展开更多
关键词 小麦 发育期 DenseNet 卷积块注意模块(CBAM)
暂未订购 下载PDF
基于DenseNet121和迁移学习的拱结构损伤识别 认领 引用 被引量：2
14
作者 李杰 唐启智 +2 位作者 辛景舟 刘增武 马闻达 《江苏大学学报（自然科学版）》 CAS 北大核心 2025年第3期352-358,共7页
针对传统拱结构损伤识别方法存在提取特征适应性差、识别能力弱的问题,提出一种基于DenseNet121和迁移学习的拱结构损伤识别方法.首先,利用连续小波变换,将拱结构的加速度响应转换成时频图,并以此划分训练集、验证集和测试集样本;其次,... 针对传统拱结构损伤识别方法存在提取特征适应性差、识别能力弱的问题,提出一种基于DenseNet121和迁移学习的拱结构损伤识别方法.首先,利用连续小波变换,将拱结构的加速度响应转换成时频图,并以此划分训练集、验证集和测试集样本;其次,基于迁移学习策略,利用DenseNet121模型对训练集进行特征学习,通过模型优化使其性能达到最优,并作为损伤识别的模型;然后,将测试集送入训练好的最优模型中进行损伤识别;最后,通过钢管混凝土拱结构试验来验证方法的有效性.结果表明:该方法在训练过程中具有良好的稳定性,能够对拱结构损伤程度进行精确识别,识别准确率达到93.33%;与ResNet50、VGG16、AlexNet相比,该方法识别准确率分别提升了2.94%、5.53%、10.53%;采用准确率、精确率、训练损失值、召回率和F1值5个评价指标定量评估模型性能,该方法具有更好的综合识别效果. 展开更多
关键词 拱结构 拱桥 损伤识别 DenseNet121 迁移学习
暂未订购 下载PDF
基于改进DenseNet的光伏组件故障诊断研究 认领 引用 被引量：2
15
作者 何婷 乔俊强 《太阳能》 2025年第8期45-53,共9页
针对光伏组件红外热图像故障检测问题,提出一种改进的DenseNet模型——DenseNet-46模型,改善了原本DenseNet模型网络参数量大、特征通道数目过多、有效特征不明显的问题。利用DenseNet-46模型对光伏组件红外热图像进行特征提取分析,使用... 针对光伏组件红外热图像故障检测问题,提出一种改进的DenseNet模型——DenseNet-46模型,改善了原本DenseNet模型网络参数量大、特征通道数目过多、有效特征不明显的问题。利用DenseNet-46模型对光伏组件红外热图像进行特征提取分析,使用J48算法从提取的特征中进行特征选择,并对DenseNet-46、DenseNet-121、ResNet-50、VGG-19这4种模型在光伏组件故障诊断中的准确率进行对比分析。研究结果表明:J48算法在特征选择阶段具有高效性,可实现96.82%的高分类精准度;DenseNet-46模型的光伏组件故障识别准确率可达99.2%,显著优于其他3种模型,具有良好的光伏组件故障诊断性能。DenseNet-46模型不仅降低了模型复杂性,还减少了特征信息损失,为光伏组件故障检测提供了一种高效、准确的解决方案,有望推动光伏发电系统的智能化运维发展。 展开更多
关键词 DenseNet J48算法 光伏组件 故障诊断 特征提取 红外热成像
暂未订购 下载PDF
基于时频图像组合和DenseNet-CPSAMs的电能质量复合扰动识别 认领 引用
16
作者 毕贵红 杨楠 +3 位作者 刘大卫 杨毅 陈冬静 陈仕龙 《电力系统保护与控制》 EI CSCD 北大核心 2025年第17期156-168,共13页
针对新一代电力系统的电能质量扰动(power quality disturbances, PQDs)识别难题,提出一种改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decompositiom with adaptive noise, ICEEMDAN)、两种模态... 针对新一代电力系统的电能质量扰动(power quality disturbances, PQDs)识别难题,提出一种改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decompositiom with adaptive noise, ICEEMDAN)、两种模态时频图组合和DenseNet-CPSAMs深度学习模型结合的PQDs识别新方法。首先,提出ICEEMDAN分解PQDs信号,并重构分量。其次,通过同步提取变换(synchroextracting transform, SET)和S变换(Stockwell transform,ST)生成对应时频图,组合为6通道输入张量。最后,引入DenseNet-CPSAMs深度学习模型,融合了密集连接卷积神经网络(densely connected convolutional networks, DenseNet)、通道注意力机制(channel attention mechanism,CAM)与并行空间注意力机制(parallel spatial attention mechanisms, PSAMs),实现融合时频图特征深度提取与强化识别。相比于DenseNet-121模型,DenseNet-CPSAMs模型方法在成功减少模型参数6.5 M的同时,在20 dB高信噪比条件下对31类扰动的平均识别率为99.645%,仿真实验表明该方法特征提取能力强、抗噪性能好,并且对复合扰动识别率高。 展开更多
关键词 电能质量扰动 ICEEMDAN 同步提取变换 S变换 DenseNet 深度学习
暂未订购 下载PDF
基于改进DenseNet的拔节期秋玉米干旱胁迫诊断模型 认领 引用
17
作者 赵燕东 胡跃阳 +2 位作者 宋润泽 张忠德 张漫 《农业工程学报》 EI CAS CSCD 北大核心 2025年第20期139-147,共9页
拔节期是玉米植株生长速度最快的时期,此时的玉米植株对干旱胁迫十分敏感。为实现秋玉米拔节期干旱胁迫的准确诊断,该研究构建了一种三级模块化诊断流程,涵盖图像预处理、数据增强和深度学习建模3个阶段。试验采用盆栽控水法,采集不同... 拔节期是玉米植株生长速度最快的时期,此时的玉米植株对干旱胁迫十分敏感。为实现秋玉米拔节期干旱胁迫的准确诊断,该研究构建了一种三级模块化诊断流程,涵盖图像预处理、数据增强和深度学习建模3个阶段。试验采用盆栽控水法,采集不同干旱梯度条件下的拔节期秋玉米冠层可见光图像,共构建原始数据集1338张。图像预处理阶段采用HSV(hue,saturation,value)色彩空间阈值分割以提取玉米植株区域,减少背景干扰;数据增强阶段引入多种图像变换方法以模拟复杂成像环境;深度学习建模阶段以DenseNet-169作为主干网络,在每个Dense Block后引入BAM(bottleneck attention module)注意力机制模块,并结合LDAM(label-distribution-aware margin loss)损失函数,提出DenseNet-BAM模型。结果表明,该方法在测试集上的准确率达到99.59%,比DenseNet-169模型提高了3.91个百分点;与MobileNet-V3、ResNet50、VGG16、Vit_b_16和Convnext_small模型相比,DenseNet-BAM模型的分类准确率分别提高了14.03、5.65、4.07、6.73和4.82个百分点。研究结果可为玉米干旱胁迫诊断与智能灌溉策略提供参考。 展开更多
关键词 拔节期玉米 干旱胁迫 图像识别 注意力机制 DenseNet
暂未订购 下载PDF
Diffraction classification imaging using coordinate attention enhanced DenseNet 认领 引用
18
作者 Tong-Jie Sheng Jing-Tao Zhao +2 位作者 Su-Ping Peng Zong-Nan Chen Jie Yang 《Petroleum Science》 SCIE EI CAS CSCD 2025年第6期2353-2383,共31页
In oil and gas exploration,small-scale karst cavities and faults are important targets.The former often serve as reservoir space for carbonate reservoirs,while the latter often provide migration pathways for oil and g... In oil and gas exploration,small-scale karst cavities and faults are important targets.The former often serve as reservoir space for carbonate reservoirs,while the latter often provide migration pathways for oil and gas.Due to these differences,the classification and identification of karst cavities and faults are of great significance for reservoir development.Traditional seismic attributes and diffraction imaging techniques can effectively identify discontinuities in seismic images,but these techniques do not distinguish whether these discontinuities are karst cavities,faults,or other structures.It poses a challenge for seismic interpretation to accurately locate and classify karst cavities or faults within the seismic attribute maps and diffraction imaging profiles.In seismic data,the scattering waves are associated with small-scale scatters like karst cavities,while diffracted waves are seismic responses from discontinuous structures such as faults,reflector edges and fractures.In order to achieve classification and identification of small-scale karst cavities and faults in seismic images,we propose a diffraction classification imaging method which classifies diffracted and scattered waves in the azimuth-dip angle image matrix using a modified DenseNet.We introduce a coordinate attention module into DenseNet,enabling more precise extraction of dynamic and azimuthal features of diffracted and scattered waves in the azimuth-dip angle image matrix.Leveraging these extracted features,the modified DenseNet can produce reliable probabilities for diffracted/scattered waves,achieving high-accuracy automatic classification of cavities and faults based on diffraction imaging.The proposed method achieves 96%classification accuracy on the synthetic dataset.The field data experiment demonstrates that the proposed method can accurately classify small-scale faults and scatterers,further enhancing the resolution of diffraction imaging in complex geologic structures,and contributing to the localization of karstic fracture-cavern reservoirs. 展开更多
关键词 Diffraction imaging Diffraction classification Azimuth-dip angle image matrix Coordinate attention DenseNet
暂未订购 下载PDF
Channel-Attention DenseNet with Dilated Convolutions for MRI Brain Tumor Classification 认领 引用
19
作者 Abdu Salam Mohammad Abrar +5 位作者 Raja Waseem Anwer Farhan Amin Faizan Ullah Isabel de la Torre Gerardo Mendez Mezquita Henry Fabian Gongora 《Computer Modeling in Engineering & Sciences》 SCIE EI 2025年第11期2457-2479,共23页
Brain tumors pose significant diagnostic challenges due to their diverse types and complex anatomical locations.Due to the increase in precision image-based diagnostic tools,driven by advancements in artificial intell... Brain tumors pose significant diagnostic challenges due to their diverse types and complex anatomical locations.Due to the increase in precision image-based diagnostic tools,driven by advancements in artificial intelligence(AI)and deep learning,there has been potential to improve diagnostic accuracy,especially with Magnetic Resonance Imaging(MRI).However,traditional state-of-the-art models lack the sensitivity essential for reliable tumor identification and segmentation.Thus,our research aims to enhance brain tumor diagnosis in MRI by proposing an advanced model.The proposed model incorporates dilated convolutions to optimize the brain tumor segmentation and classification.The proposed model is first trained and later evaluated using the BraTS 2020 dataset.In our proposed model preprocessing consists of normalization,noise reduction,and data augmentation to improve model robustness.The attention mechanism and dilated convolutions were introduced to increase the model’s focus on critical regions and capture finer spatial details without compromising image resolution.We have performed experimentation to measure efficiency.For this,we have used various metrics including accuracy,sensitivity,and curve(AUC-ROC).The proposed model achieved a high accuracy of 94%,a sensitivity of 93%,a specificity of 92%,and an AUC-ROC of 0.98,outperforming traditional diagnostic models in brain tumor detection.The proposed model accurately identifies tumor regions,while dilated convolutions enhanced the segmentation accuracy,especially for complex tumor structures.The proposed model demonstrates significant potential for clinical application,providing reliable and precise brain tumor detection in MRI. 展开更多
关键词 Artificial intelligence MRI analysis deep learning dilated convolution DenseNet brain tumor detection brain tumor segmentation
暂未订购 下载PDF
基于改进DenseNet模型的多尺度无人机遥感监测关键技术研究 认领 引用 被引量：1
20
作者 刘鹏鹏 杨宁 董拴涛 《自动化与仪器仪表》 2025年第12期186-189,194,共4页
在多尺度无人机遥感监测中,传统的监测技术难以捕捉图像中各类目标之间的上下文关系,影响分割效果。为此,研究引入DenseNet网络,同时采用Inception Block替换原结构中的Dense Block,以提取多尺度的图像特征。采用多尺度特征融合-卷积块... 在多尺度无人机遥感监测中,传统的监测技术难以捕捉图像中各类目标之间的上下文关系,影响分割效果。为此,研究引入DenseNet网络,同时采用Inception Block替换原结构中的Dense Block,以提取多尺度的图像特征。采用多尺度特征融合-卷积块注意力模块,强化网络对不同尺度地面目标的感知能力。最后将改进DenseNet作为路径聚合网络模型的主干网络,以实现图像分割。结果显示,采用改进DenseNet作为主干网络的路径聚合网络模型的平均交并比高达88.96%,平均像素准确率高达95.64%,每秒帧数高达52.34,均优于其余对比模型。说明研究模型能够有效提升遥感图像的分割精度和计算效率,在复杂的多尺度无人机遥感监测任务中具有广泛的应用潜力。 展开更多
关键词 DenseNet 图像分割 PANet 无人机 遥感
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 23 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈