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1,642篇文章
< 1 2 … 83 >
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：
基于SE-ResNet与智能算法的烧结终点预测及优化调控模型 认领 引用
1
作者 赵志伟 孙腾飞 +4 位作者 李大鹏 刘亚双 刘颂 刘小杰 赵环帅 《中国冶金》 EI CAS CSCD 北大核心 2026年第1期199-212,共14页
针对当前烧结终点预测模型精度不足、传统调控方法依赖工艺经验等问题,提出一种基于融合注意力机制卷积神经网络与智能算法的烧结终点预测及优化调控模型。采用孤立森林(IF)算法检测并修复数据列中的异常值,结合工艺机理与最大信息系数(... 针对当前烧结终点预测模型精度不足、传统调控方法依赖工艺经验等问题,提出一种基于融合注意力机制卷积神经网络与智能算法的烧结终点预测及优化调控模型。采用孤立森林(IF)算法检测并修复数据列中的异常值,结合工艺机理与最大信息系数(MIC)方法综合进行特征筛选。在此基础上,通过串行堆叠的多块卷积残差网络有效捕捉多工况烧结历史数据中的复杂模式,并引入挤压-激励(SE)注意力机制增强模型对关键特征的关注能力,使其能够学习不同工况下的烧结特性,从而构建串行多块融合SE注意力机制的卷积残差网络烧结终点预测模型。为验证模型有效性,设计对比试验及消融试验,系统验证注意力机制与残差结构的协同作用及模型最优结构。以该预测模型为核心,建立烧结终点优化调控数学模型,采用非支配排序遗传算法(NSGA-Ⅱ)对烧结过程操作参数进行优化。利用某钢铁厂实际生产数据进行试验验证,结果表明,本文提出的烧结终点预测模型性能优良,相关系数(R2)达到0.84;优化调控模型所得结果较优化前平均绝对偏差(DMA)降低27.1%,能够对烧结终点实现有效调控,为烧结过程的智能控制与优化提供了一种新的方法。 展开更多
关键词 烧结终点 预测模型 卷积神经网络 SE注意力机制 ResNet 智能算法 优化调控
暂未订购 下载PDF
Multi-scale keypoints detection and motion features extraction in dairy cows using ResNet101-ASPP network 认领 引用
2
作者 Saisai Wu Shuqing Han +5 位作者 Jing Zhang Guodong Cheng Yali Wang Kai Zhang Mingming Han Jianzhai Wu 《Journal of Integrative Agriculture》 SCIE CAS CSCD 2026年第5期2028-2040,共13页
Detecting keypoints in dairy cows aims to locate and track the motion trajectories of the body's joints,which plays a crucial role in behavior analysis and lameness detection.However,real farming scenarios,charact... Detecting keypoints in dairy cows aims to locate and track the motion trajectories of the body's joints,which plays a crucial role in behavior analysis and lameness detection.However,real farming scenarios,characterized by occlusions and large variations in object scale may result in poor detection results.Therefore,we introduce the atrous spatial pyramid pooling(ASPP) module into the shallow layers network of ResNet101,designed to improve the multi-scale feature extraction capability of the model.The ASPP module enhances the robustness of recognition for different dimensional sizes and occluded keypoints using different dilatation rates in the parallel atrous convolutional layers to expand the model's receptive field.Furthermore,seven types of motion features,including tracking up,gait symmetry,step height balance,motion speed variability,head swing amplitude,head-neck slope and back curvature are extracted simultaneously by monitoring and tracking the motion trajectory of distinct keypoints.Several of these features represent innovative extraction models and attributes,first proposed in this study.Multiple models are trained and tested on datasets containing 2,385 frames for ablation experiments.The experiments show that,in comparison with the ResNet50,MobileNet_v2_1.0,and EfficientNet-b0backbone networks,the training error and test error of ResNet101 are reduced by 4.04-30.12 pixels and 3.81-28.14 pixels.Therefore,ResNet101 is used as the benchmark for subsequent model improvement by adding the ASPP module.The training error and test error of the ResNet101-ASPP network are reduced by 0.27 and 0.24 pixels,respectively,compared to the benchmark network.The prediction confidence improves by 1.65-2.50% at three different dairy cow object scales.In addition,the keypoints under different occlusion conditions improve considerably,especially for small-scale keypoints,demonstrating the capability of the ASPP module for multi-scale feature extraction.By analyzing the distribution of the seven features and health,mild lameness,and severe lameness in dairy cows,it is shown that all the different features play an important role in distinguishing between different levels of lameness. 展开更多
关键词 dairy cows multi-scale keypoints detection ResNet101-ASPP network motion features
暂未订购 下载PDF
基于累积变换和EResNet-KSLSTM网络的滚动轴承剩余使用寿命预测方法 认领 引用
3
作者 潘作舟 吴一丁 +3 位作者 胡宜成 潘爔宇 赵鹏 蒋飞 《机械强度》 CAS CSCD 北大核心 2026年第5期9-21,共13页
【目的】针对滚动轴承工作环境恶劣、早期退化趋势微弱,导致预测过程的故障特征提取难度大、预测精度不高等问题,提出一种基于累积变换的强化诊断模型,对滚动轴承开展剩余使用寿命预测任务。【方法】首先,提出了基于累积变换的特征强化... 【目的】针对滚动轴承工作环境恶劣、早期退化趋势微弱,导致预测过程的故障特征提取难度大、预测精度不高等问题,提出一种基于累积变换的强化诊断模型,对滚动轴承开展剩余使用寿命预测任务。【方法】首先,提出了基于累积变换的特征强化方法,将提取所得特征量转换为对应的累积变换形式,增强原始特征量的敏感度;其次,构建基于累积特征的新型健康指标,利用连续触发机制算法对健康指标进行状态划分,获得初始故障发生点;最后,强化ResNet的跳连接模块、增加额外的校准通道,提高网络模型对关键退化特征的聚焦能力,并通过带Kolmogorov-Arnold Network(KAN)模块的堆叠长短期记忆(Stacked Long Short-Term Memory with KAN Module,KSLSTM)网络,获取全时空特征,进行轴承剩余使用寿命的精准预测。【结果】结果表明,通过构建累积变换特征和优化网络结构来提高小样本训练环境下的轴承剩余使用寿命预测精度,仿真和试验证明了该方法的有效性。 展开更多
关键词 滚动轴承 累积特征 强化ResNet KSLSTM 剩余使用寿命预测
暂未订购 下载PDF
Quantum toric code decoding method based on syndrome-preliminary error fusion module and ResNet architecture 认领 引用
4
作者 Nai-Hua Ji Ping-Li Song +2 位作者 Wei Wang Hui-Qian Sun Hong-Yang Ma 《Chinese Physics B》 SCIE EI CAS CSCD 2026年第6期649-659,共11页
Quantum error correction technology is based on the principle of redundant encoding,encoding logical quantum information into multiple physical qubits to provide important support for the stable operation of quantum c... Quantum error correction technology is based on the principle of redundant encoding,encoding logical quantum information into multiple physical qubits to provide important support for the stable operation of quantum computers.To address the issues of low decoding accuracy and limited feature extraction in quantum error correction,this paper proposes a toric code decoder based on a syndrome-preliminary error fusion module(SPEFM)and a ResNet architecture.This decoder takes full advantage of the correlations between X and Z errors.In the SPEFM,the syndrome and preliminary error predictions are deeply fused,while a unidirectional Swin transformer architecture is incorporated to extract global error features from the syndrome data,signiffiificantly improving both decoding accuracy and computational efffiificiency.In addition,this paper further extracts local error features from the fused features using the deep residual structure of ResNet,enhancing the decoder's ability to capture quantum error patterns.Experimental results show that the decoder is applicable to different code distances(d=4,6,8,10)under the depolarizing noise model.Its bit error rate is lower than that of the minimum weight perfect matching(MWPM)algorithm,and its logical error rate is lower than both the MWPM algorithm and the ResNet18 decoder.Furthermore,the decoding threshold is increased to 0.163,representing a 3.82%improvement over the MWPM algorithm threshold of 0.157. 展开更多
关键词 quantum error correction toric code ResNet Swin transformer
暂未订购 下载PDF
基于MSD-ResNet50的梅花鹿个体识别方法研究 认领 引用
5
作者 宫鹤 周纪彤 +3 位作者 穆叶 孙宇 郭颖 樊娟娟 《东北师大学报（自然科学版）》 CAS 北大核心 2026年第1期87-96,共10页
个体识别在物种保护和生态监测中起到关键作用,为实现对梅花鹿个体的精确识别,本文在ResNet50基础上引入多尺度动态卷积模块(MSD-Block)和注意力机制(CBAM),优化特征提取与识别效果,并通过加权交叉熵损失函数解决数据不平衡问题,提升对... 个体识别在物种保护和生态监测中起到关键作用,为实现对梅花鹿个体的精确识别,本文在ResNet50基础上引入多尺度动态卷积模块(MSD-Block)和注意力机制(CBAM),优化特征提取与识别效果,并通过加权交叉熵损失函数解决数据不平衡问题,提升对相似斑点梅花鹿个体的区分能力.实验结果表明,相对于基准模型,改进模型在复杂背景下的识别准确率达88.7%,展现了良好的鲁棒性与稳定性. 展开更多
关键词 梅花鹿个体识别 卷积神经网络 计算机视觉 ResNet50
暂未订购 下载PDF
基于改进ResNet18的水果融合图像表面缺陷检测模型 认领 引用
6
作者 司海平 赵文汭 +3 位作者 赵雨洋 李婷婷 Fernado Bacao 李艳玲 《食品与机械》 CAS CSCD 北大核心 2026年第7期90-97,共8页
[目的]提升水果在运输过程中因轻微机械摩擦产生的表面缺陷检测准确性。[方法]提出一种基于改进ResNet18的水果融合图像表面缺陷检测模型。为解决多尺度特征提取难题,设计了MELA模块,以更全面地捕捉图像细节。同时,引入基于能量函数的... [目的]提升水果在运输过程中因轻微机械摩擦产生的表面缺陷检测准确性。[方法]提出一种基于改进ResNet18的水果融合图像表面缺陷检测模型。为解决多尺度特征提取难题,设计了MELA模块,以更全面地捕捉图像细节。同时,引入基于能量函数的正则化损失函数,与交叉熵损失函数协同优化训练流程。此外,采用迁移学习策略以减轻过拟合现象。[结果]改进后的模型在水果表面缺陷检测任务中表现卓越,准确率、精确度、召回率及F1分数分别高达99.53%,99.60%,99.58%,99.58%。[结论]基于改进ResNet18的水果融合图像表面缺陷检测模型显著提升了检测准确性,适用于水果融合图像的表面缺陷检测。 展开更多
关键词 深度学习 缺陷检测 注意力机制 ResNet18 融合图像
暂未订购 下载PDF
基于双路径注意力ResNet18模型的桥梁裂缝识别研究 认领 引用
7
作者 田亮 邓小勇 +2 位作者 樊健生 樊立龙 肖飞知 《石家庄铁道大学学报（自然科学版）》 2026年第1期1-8,106,共8页
针对桥梁表观裂缝智能检测领域所面临的多重技术挑战,包括复杂背景纹理干扰、光照分布不均、识别推理速度慢以及模型泛化能力不足等关键问题,提出了一种集成双路径注意力机制的轻量化残差网络架构解决方案。首先,通过4阶段数据增强流程... 针对桥梁表观裂缝智能检测领域所面临的多重技术挑战,包括复杂背景纹理干扰、光照分布不均、识别推理速度慢以及模型泛化能力不足等关键问题,提出了一种集成双路径注意力机制的轻量化残差网络架构解决方案。首先,通过4阶段数据增强流程,即直方图均衡化、对比度增强、中值滤波、二值化滤波处理,将原始600张样本数据扩展至2400张,有效提升了模型的泛化性能与鲁棒性。然后,在ResNet18骨干网络基础上,融合SE(Squeeze-and-Excitation)注意力模块与CBAM(Convolutional Block Attention Module),构建了SE-CBAM-ResNet18融合模型。其中,SE注意力模块通过特征压缩-激励操作对裂缝敏感的特征通道进行自适应加权;CBAM则利用空间注意力机制聚焦于形态学损伤区域。实验验证表明,所构建的SE-CBAM-ResNet18融合模型在扩增的桥梁裂缝数据集上取得99.44%的验证准确率,相较ResNet18模型准确率提升2.64个百分点。通过消融实验进一步证实了双注意力模块存在协同增效效应,与单一SE模型、单一CBAM模型相比,识别准确率分别提高1.12个百分点和1.53个百分点。该双注意力模块融合模型在减小参数量36.7%(最终为7.71 M)的同时,推理时间缩短了41.6%(单次推理时间3.50 ms)。研究成果为桥梁基础设施智慧管养体系提供了兼具高精度识别能力与轻量化部署特性的技术支撑。 展开更多
关键词 桥梁 裂缝识别 SE注意力模块 CBAM ResNet18模型
暂未订购 下载PDF
基于多尺度特征提取与ResNet-Transformer的抽油机故障诊断 认领 引用
8
作者 韩东颖 朱志洲 +1 位作者 葛子轩 时培明 《计量学报》 CSCD 北大核心 2026年第1期35-41,共7页
提出了一种多尺度特征提取与ResNet-Transformer算法用于抽油机故障诊断。首先,利用深度残差网络ResNet-34的局部特征提取能力捕获示功图空间细节,并借助Transformer编码器上下文建模能力获取全局特征,构建了端到端的抽油机故障诊断框架... 提出了一种多尺度特征提取与ResNet-Transformer算法用于抽油机故障诊断。首先,利用深度残差网络ResNet-34的局部特征提取能力捕获示功图空间细节,并借助Transformer编码器上下文建模能力获取全局特征,构建了端到端的抽油机故障诊断框架;其次,引入多尺度特征提取模块,通过1×1、3×3和5×5卷积核并行提取不同尺度的特征信息,增强对示功图细节的感知能力;最后,设计了特征融合注意力机制,自适应地整合多尺度特征和全局语义信息。在包含7种典型工况的示功图数据集上进行实验,结果表明,该算法在故障诊断任务中取得了94%准确率,验证了所提算法的有效性。 展开更多
关键词 力学计量 故障诊断 抽油机 示功图 多尺度特征提取 ResNet-Transformer模型
暂未订购 下载PDF
融合改进的ResNet50与集成分类器的皮肤癌分类 认领 引用
9
作者 秦传东 索志强 《计算机应用》 CSCD 北大核心 2026年第4期1354-1362,共9页
皮肤癌是全球发病率持续攀升的恶性肿瘤之一,它的早期精准诊断对降低死亡率至关重要。针对现有模型难以满足临床要求及少数类别识别皮肤癌精度低的问题,提出一种融合改进ResNet50与集成分类器的模型。首先,通过灰度黑帽阈值处理和Telea... 皮肤癌是全球发病率持续攀升的恶性肿瘤之一,它的早期精准诊断对降低死亡率至关重要。针对现有模型难以满足临床要求及少数类别识别皮肤癌精度低的问题,提出一种融合改进ResNet50与集成分类器的模型。首先,通过灰度黑帽阈值处理和Telea算法去除毛发噪声,再使用合成少数过采样技术(SMOTE)平衡类别分布;其次,采用ResNet50模型提取深层特征,并引入融合空间与通道注意力的软注意力模块聚焦皮肤病变区域;最后,将随机森林、极限梯度提升(XGBoost)、轻量级梯度提升机(LightGBM)、K-近邻(K-NN)和支持向量机(SVM)作为集成分类器,通过软投票法进行集成,进行皮肤癌的早期诊断。在HAM10000、ISIC2019和ISIC2020数据集上的3次独立实验结果表明,所提模型将准确率分别提升到(98.33±0.03)%、(96.15±0.06)%和(99.19±0.02)%,相较于当前主流网络具有更优的特征提取与分类能力,有助于提升早期诊断效果。 展开更多
关键词 皮肤癌分类 ResNet50 合成少数过采样技术 集成学习 注意力机制
暂未订购 下载PDF
基于ResNet18深度学习模型的翡翠产地图像识别及应用探究 认领 引用
10
作者 孟龑 蒋琪 +3 位作者 王艳楠 杨莉 陈雨帆 李继红 《中国宝玉石》 2026年第1期2-9,18,共8页
当前珠宝市场上主要有产自缅甸和危地马拉的翡翠,如何准确高效区分翡翠产地是一个热门问题,众多研究从宝石学性质、大型仪器测试等找到了二者的差异,也有运用深度学习模型快速处理数据的相关研究。在此基础上,本文探讨了基于ResNet18深... 当前珠宝市场上主要有产自缅甸和危地马拉的翡翠,如何准确高效区分翡翠产地是一个热门问题,众多研究从宝石学性质、大型仪器测试等找到了二者的差异,也有运用深度学习模型快速处理数据的相关研究。在此基础上,本文探讨了基于ResNet18深度学习模型的翡翠产地图像识别方法。通过收集大量缅甸翡翠和危地马拉翡翠图片,按照产地、颜色、透明度进行分类后运用深度学习模型训练,利用图像识别方法对不同颜色、透明度的翡翠图像进行分类识别。实验结果表明,模型在训练30至50个轮次之间即可达到最高准确率,针对当前类别划分的验证集的最高准确率在73%到79%之间,且与有经验的人工鉴别准确率相当,验证了深度学习模型在翡翠产地识别中的有效性,但为提高准确率,还应探索一致性相对强且易获取的拍摄条件。该技术提升了鉴别翡翠产地的效率,为珠宝鉴定和评估提供了新方法新思路,有助于规范市场。 展开更多
关键词 翡翠产地 深度学习 图像识别 ResNet18
暂未订购 下载PDF
基于双重注意力机制与ResNet多层级特征融合的行人轨迹预测 认领 引用
11
作者 朱礼龙 谢进 孙西超 《安徽科技学院学报》 2026年第3期82-92,共11页
准确预测复杂场景下的行人轨迹对于自动驾驶与移动机器人导航至关重要。针对现有方法难以充分利用多尺度场景语义信息的问题,本文提出了一种结合时序动力学与多层级场景特征的多模态轨迹预测框架。首先,采用长短时记忆网络编码行人的历... 准确预测复杂场景下的行人轨迹对于自动驾驶与移动机器人导航至关重要。针对现有方法难以充分利用多尺度场景语义信息的问题,本文提出了一种结合时序动力学与多层级场景特征的多模态轨迹预测框架。首先,采用长短时记忆网络编码行人的历史运动状态。其次,利用ResNet-18作为主干网络提取场景图像的特征,设计了一种包含通道注意力、通道混洗与空间注意力的双重注意力模块,并将其分别嵌入到ResNet-18的C3与C4阶段。最后,将增强后的场景特征与轨迹嵌入向量融合,输入至混合密度网络解码器中,以自回归方式生成符合高斯混合分布的多模态未来轨迹。结果表明,该模型在ETH/UCY数据集上的平均位移误差和终点位移误差分别达到了0.21 m和0.36 m,与在SDD数据集上的位移误差对比分别下降了9.27%和7.69%,展现了更强的场景适应性,有效捕捉了行人运动的多模态特性,在预测精度与合理性上优于现有基准方法。 展开更多
关键词 轨迹预测 双重注意力机制 ResNet-18 混合密度网络 场景感知
暂未订购 下载PDF
基于改进ResNet50模型的葡萄叶部病害识别方法 认领 引用 被引量：1
12
作者 龙结伟 王一波 +1 位作者 张载晖 刘海鹏 《农机化研究》 北大核心 2026年第7期126-134,共9页
葡萄作为一种重要的经济作物,种植过程中病害能否及时发现直接关系其产量与品质。以葡萄叶部病害为研究对象,提出了一种基于改进ResNet50模型的病害识别方法。用改进的自适应残差机制替换传统的残差机制以提高网络在不同数据分布上的泛... 葡萄作为一种重要的经济作物,种植过程中病害能否及时发现直接关系其产量与品质。以葡萄叶部病害为研究对象,提出了一种基于改进ResNet50模型的病害识别方法。用改进的自适应残差机制替换传统的残差机制以提高网络在不同数据分布上的泛化能力,并在Layer1到Layer4后嵌入卷积注意力机制模块(CBAM),以提升模型对关键特征的关注能力,增强全局与局部特征的融合效果。为验证方法的有效性,在PlantVillage公开数据集上开展实验,实验以4种常见葡萄叶部病害为目标类别,并将改进后的模型与ResNet50、VGG19、AlexNet、EfficientNet_B5和Inception_V3等经典模型进行对比,结果表明:改进后的模型相较于ResNet50基础模型准确率、精确率、召回率、F1分数分别提高了4.14、4.05、4.14、4.16个百分点,与其他经典模型相比较,改进模型的收敛速度更快,识别更准确,且模型大小仅为92.37 MB。改进后的ResNet50模型在葡萄叶部病害识别中表现优异,可为农作物病害检测提供新的技术路径。 展开更多
关键词 葡萄 叶部病害 深度学习 注意力机制 残差网络 改进ResNet50
暂未订购 下载PDF
CAM-ResNet:基于ResNet的土地利用类型遥感图像分类 认领 引用 被引量：2
13
作者 王梓鉴 方建军 +1 位作者 袁涌博 刘泽宇 《北京联合大学学报》 2026年第1期49-54,共6页
在土地利用类型图像分类领域,传统分类方法在特征提取准确性与分类精度方面存在局限性,难以满足实际应用需求。本文以ResNet50为核心架构,引入卷积块注意力模块(convolutional block attention module,CBAM),强化特征提取,并采用自动混... 在土地利用类型图像分类领域,传统分类方法在特征提取准确性与分类精度方面存在局限性,难以满足实际应用需求。本文以ResNet50为核心架构,引入卷积块注意力模块(convolutional block attention module,CBAM),强化特征提取,并采用自动混合精度(automatic mixed precision,AMP)技术提高计算效率,构建了CAM-ResNet网络。实验结果显示,CAM-ResNet网络的总体精度达98.19%,较原网络高出10.16个百分点。消融实验进一步证明,CBAM注意力机制显著增强了模型的特征提取能力,AMP训练技术提高了模型的收敛速度,CAM-ResNet网络在土地利用类型遥感图像分类中具有一定的有效性和优越性。 展开更多
关键词 土地利用 ResNet50 卷积块注意力模块(CBAM) 自动混合精度(AMP) 图像分类 卷积神经网络(CNN)
暂未订购 下载PDF
基于改进的ResNet34在甘蔗叶病害识别中的研究 认领 引用 被引量：2
14
作者 刘海鹏 王一波 +1 位作者 龙结伟 张载晖 《现代农业装备》 2026年第1期79-90,共12页
传统的ResNet34模型在甘蔗病害识别中存在泛化能力不足、收敛速度慢且易过拟合等问题,严重制约了模型性能的提升。本研究在ResNet34的基础上进行了多项改进:优化残差模块,引入3×3卷积以降低计算量;增加池化层以增强模型稳定性;嵌... 传统的ResNet34模型在甘蔗病害识别中存在泛化能力不足、收敛速度慢且易过拟合等问题,严重制约了模型性能的提升。本研究在ResNet34的基础上进行了多项改进:优化残差模块,引入3×3卷积以降低计算量;增加池化层以增强模型稳定性;嵌入SE注意力机制以突出关键特征;调整网络层数以提升表达能力;采用迁移学习初始化ImageNet预训练权重,并运用Random Over Sampler对不平衡数据进行重采样。试验在包含5 059张训练图像和1 259张测试图像的甘蔗叶病害数据集上使用PyTorch框架,以交叉熵损失和随机梯度下降优化器训练模型。结果显示该模型准确率达94.51%、召回率达92.54%、F1值达93.49%,模型大小由原来的83.15 MB降至70.77 MB。相比原始ResNet及其他模型性能更优,收敛速度更快,还能有效避免过拟合,可为甘蔗病害识别提供高效方案,并为农业病害识别领域深度学习应用提供参考。 展开更多
关键词 深度学习 甘蔗 注意力机制 残差网络 改进ResNet34
暂未订购 下载PDF
基于Swin-T与ResNet34多尺度特征融合的水稻磷素营养诊断 认领 引用
15
作者 黄带娣 杨红云 +2 位作者 孙爱珍 周雅雯 刘磊锟 《江苏农业科学》 北大核心 2026年第4期115-122,共8页
为实现水稻磷素营养状况的快速、精准诊断,提升科学施肥水平与水稻高效栽培管理能力,提出一种基于Swin Transformer(Swin-T)与ResNet34多尺度特征融合的水稻磷素营养诊断方法。该方法首先采用ResNet34网络提取水稻叶片图像的边缘、纹理... 为实现水稻磷素营养状况的快速、精准诊断,提升科学施肥水平与水稻高效栽培管理能力,提出一种基于Swin Transformer(Swin-T)与ResNet34多尺度特征融合的水稻磷素营养诊断方法。该方法首先采用ResNet34网络提取水稻叶片图像的边缘、纹理与颜色等局部细节特征,利用特征金字塔网络(FPN)实现多尺度特征融合,并引入通道注意力机制(SE模块)强化对关键通道信息的表达能力。最终将融合增强后的特征图输入至Swin-T模块,通过滑动窗口自注意力机制建模全局依赖信息,提升模型对磷素缺失程度的综合判别能力。以晚稻黄华占为试验材料,采集不同磷素梯度条件下的叶片图像构建数据集进行试验验证。结果表明,改进后的Swin-T网络模型的准确率、精确率、召回率以及F1分数分别为95.74%、95.75%、95.74%、95.74%,明显优于AlexNet、MobileNet、ResNet34、ConvNeXt、ShuffleNet、Vision Transformer等主流模型,且模型体积仅为28.94 MB,训练过程更平稳、收敛速度更快。综上,改进后的Swin-T网络模型在水稻磷素营养诊断中表现出较高的准确性与鲁棒性,可为作物营养状态识别与智能施肥提供技术支持,具有广阔的应用前景。 展开更多
关键词 水稻 磷素 营养诊断 ResNet34 Swin-T 特征融合 SE模块
暂未订购 下载PDF
基于SAE-ResNet34的水稻钾素营养胁迫程度识别 认领 引用
16
作者 杨河 杨红云 +2 位作者 孙爱珍 廖宣英 刘智洋 《中国农业气象》 CSCD 2026年第4期627-637,共11页
为实现水稻钾素营养胁迫程度的精准、快速识别,以ResNet34为核心构建一种基于SAE−ResNet34的水稻钾素识别方法。以晚稻‘黄华占’为研究对象,设置6个施钾梯度田间试验,施肥总量分别为0(K1)、3.78g·m−2(K1)、9.45g·m−2(... 为实现水稻钾素营养胁迫程度的精准、快速识别,以ResNet34为核心构建一种基于SAE−ResNet34的水稻钾素识别方法。以晚稻‘黄华占’为研究对象,设置6个施钾梯度田间试验,施肥总量分别为0(K1)、3.78g·m−2(K1)、9.45g·m−2(K2)、14.17(K3)g·m−2、18.90g·m−2(K4)和28.35g·m−2(K5),基于对水稻分蘖期和拔节期各分蘖茎完全展开的顶三叶叶片扫描所得到的图像数据,在数据预处理阶段加入ESRGAN增强型超分辨率生成对抗网络;在每个残差块中将ReLU激活函数换成Swish激活函数,设计Addition特征融合结构和引入ELA高效局部注意力机制模块,以期解决图像resize后分辨率降低引起部分特征值丢失与网络模型分类准确度较低的问题。结果表明:基于SAE−ResNet34快速识别方法,水稻分蘖期和拔节期的6种钾素胁迫程度的平均识别准确率分别达到了82.87%和84.58%,较原始ResNet34网络分别提高了7.1个百分点和6.7个百分点;混淆矩阵结果表明水稻分蘖期和拔节期最佳识别准确率分别为83.67%的K3处理和89.11%的K4处理;与VGG16、ResNet50、Swin Transformer等图像分类网络相比,SAE−ResNet34网络在精确度、召回率和F1分数上的表现仅稍次于VGG16,训练迭代250次的耗时最短,模型大小为97.49MB,仅比ResNet50大7.43MB,综合表现最佳。综上,基于SAE−ResNet34网络模型的识别方法能快速、准确对水稻分蘖期和拔节期的钾素营养胁迫程度进行识别,可为水稻等作物的营养诊断识别提供科学参考。 展开更多
关键词 水稻钾素 胁迫程度识别 ResNet34 特征融合 注意力机制
暂未订购 下载PDF
基于改进ResNet-18与高光谱特征的孵期种蛋性别无损鉴别方法 认领 引用
17
作者 鄢钱 谭周石 +2 位作者 董嘉禾 王毅 王巧华 《农业机械学报》 EI CAS CSCD 北大核心 2026年第9期386-394,426,共9页
针对传统种蛋性别鉴定方法存在的侵入性、效率低、依赖单一时间点数据等问题,为实现孵期种蛋性别无损、高精度检测,以京粉1号种鸡蛋为对象,提出了一种融合高光谱成像与深度学习方法,构建多阶段时序动态检测体系。自主研发双通道高光谱... 针对传统种蛋性别鉴定方法存在的侵入性、效率低、依赖单一时间点数据等问题,为实现孵期种蛋性别无损、高精度检测,以京粉1号种鸡蛋为对象,提出了一种融合高光谱成像与深度学习方法,构建多阶段时序动态检测体系。自主研发双通道高光谱采集系统,于孵化第4、7、10、13天采集400~1 000 nm波段数据,通过椭圆拟合提取蛋体中心感兴趣区域(ROI),经Savitzky-Golay平滑、主成分分析(PCA)降维及数据增强预处理后,构建引入通道注意力(SE)模块的改进ResNet-18模型,并结合长短时记忆(LSTM)模块实现多阶段时序特征融合。结果表明:孵化第10天为最佳检测窗口,单时期模型性别鉴定准确率达82.99%;时序融合模型准确率进一步提升至85.2%,较标准ResNet-18提升3.3个百分点;改进模型参数量仅9.9×10~6,推理时间为47 ms/样本,兼顾检测精度与效率。本研究提出的方法破解了传统技术的滞后性与侵入性缺陷,为家禽养殖智能化、绿色化发展提供了可靠的技术方案。 展开更多
关键词 种蛋 无损检测 性别 ResNet-18 高光谱成像 时序融合
暂未订购 下载PDF
基于1D-2D-GRU-ResNet的辐射源个体识别方法 认领 引用 被引量：1
18
作者 刘恒燕 方君 +3 位作者 凌青 闫文君 于柯远 张立民 《系统工程与电子技术》 EI CSCD 北大核心 2026年第2期727-735,共9页
针对现有辐射源个体识别算法对特征提取不够充分,导致分类准确率提升受限的问题,提出了一种基于一维、二维特征融合的特定辐射源分类方法。该方法通过格拉姆角场将一维序列直接转换为二维数据,分别采用门控循环单元(gated recurrent uni... 针对现有辐射源个体识别算法对特征提取不够充分,导致分类准确率提升受限的问题,提出了一种基于一维、二维特征融合的特定辐射源分类方法。该方法通过格拉姆角场将一维序列直接转换为二维数据,分别采用门控循环单元(gated recurrent unit,GRU)及改进的深度残差网络(residual networks,ResNet)提取一维、二维特征,充分利用原始序列特征及机器学习处理二维数据的优势进行互补。仿真结果表明,GRU-ResNet具有更好的特征提取能力,大大提升了辐射源个体识别准确率,迭代次数为50次时,识别准确率较其他网络提升了10%以上,为特定辐射源识别问题提供了新思路。 展开更多
关键词 特定辐射源识别 门控循环单元 深度残差网络 特征融合
暂未订购 下载PDF
基于改进ResNet-50算法的EMT缺陷成像方法 认领 引用
19
作者 王晋华 王明泉 +2 位作者 路宇鹏 曹振锋 吴志成 《量子电子学报》 CAS CSCD 北大核心 2026年第1期75-87,共13页
针对电磁层析成像(EMT)在金属缺陷检测中因逆问题不适定性和病态性导致重建图像质量差的问题,提出一种基于改进ResNet-50算法的EMT缺陷成像方法。首先,通过对八线圈EMT检测系统进行仿真建模,然后,对被测物体施加电磁场并利用传感器阵列... 针对电磁层析成像(EMT)在金属缺陷检测中因逆问题不适定性和病态性导致重建图像质量差的问题,提出一种基于改进ResNet-50算法的EMT缺陷成像方法。首先,通过对八线圈EMT检测系统进行仿真建模,然后,对被测物体施加电磁场并利用传感器阵列获取其周围电磁场分布信息,来构建训练集并对原始电压数据进行预处理。进而利用深度残差网络的非线性映射能力完成训练集的学习,并通过测试集来评估训练效果。研究结果表明,改进的ResNet-50算法相比Tikhonov正则化法、Landweber迭代法、VGG-16算法和改进的ResNet-18算法,均方根误差分别降低了87.10%、81.63%、57.79%、19.11%,结构相似性指数分别提升了88.87%、71.82%、16.24%、4.54%,能精准还原缺陷位置、形状及大小。综合来看,该改进算法显著提升了图像重建精度、质量与效率,证实了其在EMT缺陷成像中的优越性。 展开更多
关键词 电磁计量 电磁层析成像 改进ResNet-50 缺陷成像 图像重建
暂未订购 下载PDF
基于YOLOv8与改进ResNet50的电子元器件检测与分类 认领 引用 被引量：1
20
作者 郭文琪 杨国威 +1 位作者 黄璐瑶 王飞 《天津科技大学学报》 CAS 2026年第1期61-68,共8页
电子元器件种类繁多且没有一致的细粒度分类标准,为快速满足元器件在不同粒度下的分类需求,提出一种基于深度学习的YOLOR-ECA(YOLOv8 and ResNet50 with efficient channel attention)电子元器件检测算法。首先采用YOLOv8网络定位元器... 电子元器件种类繁多且没有一致的细粒度分类标准,为快速满足元器件在不同粒度下的分类需求,提出一种基于深度学习的YOLOR-ECA(YOLOv8 and ResNet50 with efficient channel attention)电子元器件检测算法。首先采用YOLOv8网络定位元器件位置,然后采用ResNet50网络对定位获取的元器件进行识别分类,通过元器件种类的增减满足不同细粒度的分类标准。为提升模型对尺寸小、特征相似元器件的细节特征提取能力,分类网络引入ECA注意力机制,并对残差结构的捷径连接部分进行改进;为避免神经元失活,采用GELU(Gaussian Error Linear Units)激活函数。实验结果表明,改进的YOLOR-ECA模型的检测准确率为96.6%,并且对于小尺寸元器件的识别精度最高可达100%,对于具有特征相似性元器件的误检率最低可降到0.01%,能实现电子元器件在不同细粒度分类标准下的高效检测。 展开更多
关键词 深度学习 电子元器件 YOLOv8 ResNet50
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 … 83 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈