基于改进的YOLOv5模型的柿子果实检测方法

    公开(公告)号:CN118196757A

    公开(公告)日:2024-06-14

    申请号:CN202410352123.5

    申请日:2024-03-26

    Abstract: 本发明公开了基于改进的YOLOv5模型的柿子果实检测方法,具体为:步骤1,进行柿子图像采集,在进行图像预处理,再将经过预处理的图像划分为验证集、测试集、训练集;步骤2,对YOLOv5模型进行改进,获得改进的YOLOv5模型;步骤3,采用训练集中的图像对改进的YOLOv5模型进行训练,得到最佳权重;步骤4,将最佳权重应用于测试集上,得到模型评价指标,采用经过评价的改进的YOLOv5模型进行柿子果实检测方法。本发明采用双向金字塔网络、挤压和激励注意力机制和EIoU损失函数对现有的YOLOv5进行了改进,可以更有效地实现多尺度特征融合、增加模型的特征提取能力,提高检测效果。

    微小通道内高温高压过冷水流动沸腾特性测量装置及方法

    公开(公告)号:CN115656257A

    公开(公告)日:2023-01-31

    申请号:CN202211372113.5

    申请日:2022-11-03

    Abstract: 本发明公开微小通道内高温高压过冷水流动沸腾特性测量装置,包括有通过管道依次连接的水箱、第一阀门、过滤器、高压恒流泵、质量流量计、第二阀门、加热测试系统、第五阀门、冷凝器、背压阀及浮子流量计,浮子流量计还通过管道与水箱连通;第二阀门与加热单元之间的管道上还设置有第一温度传感器;还包括有数据采集及显示系统,质量流量计、加热测试系统及浮子流量计均与数据采集及显示系统连接。该装置解决了现有技术中存在的高热流过冷沸腾测试平台成本高、运行可靠性低,试验参数不稳定的问题。还公开了微小通道内高温高压过冷水流动沸腾特性测量方法。

    一种光伏板积灰程度识别方法
    6.
    发明公开

    公开(公告)号:CN118628791A

    公开(公告)日:2024-09-10

    申请号:CN202410614537.0

    申请日:2024-05-17

    Abstract: 本发明公开了一种光伏板积灰程度识别方法,具体包括:步骤1,图像采集,步骤2,图像数据制备及预处理,步骤3,构建改进DenseNet169网络的积灰程度识别模型,步骤4,训练数据集,训练完成后,得到光伏板积灰程度识别结果;本发明采用改进Dense Block模块替换原有DenseNet169模型中的Dense Block模块,另外在训练过程中,采用Ranger优化算法进行模型参数更新,并引入迁移学习的方法,改进的DenseNet169网络模型在提高模型准确率的同时,减少了模型的参数量和浮点计算量,与现有的积灰程度识别模型相比有很大的提高,更具有实用性。

    苹果多特征在线分类方法
    7.
    发明公开

    公开(公告)号:CN118941847A

    公开(公告)日:2024-11-12

    申请号:CN202410965404.8

    申请日:2024-07-18

    Abstract: 本发明公开了苹果多特征在线分类方法,采集苹果样本图像并预处理,形成苹果数据集,将数据集划分为训练集和验证集,使用ResNet50作为基础模型,调整网络参数,优化激活函数并将协同注意力机制融合到ResNet50模型中,构建基于深度学习的Scoord‑ResNet37分类模型,对构建的Scoord‑ResNet37进行训练和结果分析,利用分类结果满足评价指标的Scoord‑ResNet37模型对待分类的苹果图像进行分类。本发明的苹果多特征在线分类方法,解决了现有分类识别技术需手动提取特征并进行标记,复杂度高且适用性差,易受外界因素影响的问题。

    基于改进的YOLOv5模型的柿子叶片病害检测方法

    公开(公告)号:CN118736544A

    公开(公告)日:2024-10-01

    申请号:CN202410827090.5

    申请日:2024-06-25

    Abstract: 本发明公开了基于改进的YOLOv5模型的柿子叶片病害检测方法,采集柿子叶片病害图像原始数据集,对现有YOLOv5模型的检测头个数、特征提取模块进行了改进,得到改进后的YOLOv5模型,对改进后的YOLOv5模型进行训练,得到最佳权重,将最佳权重应用于验证集和测试集上,得到模型评价指标,采用改进的YOLOv5模型进行柿子叶片病害检测,输出检测结果。本发明的检测方法根据柿子叶片病害数据集的特点,对原有的检测层和特征提取网络进行了改进。着重考虑了轻量化的需求,在保持原有的检测精度的同时减少模型的复杂度和计算量。

    一种复杂环境下果园苹果的实时检测方法

    公开(公告)号:CN118470521A

    公开(公告)日:2024-08-09

    申请号:CN202410542101.5

    申请日:2024-04-30

    Abstract: 本发明公开一种复杂环境下果园苹果的实时检测方法,包括以下步骤:采用改进的YOLOv4网络模型对实时检测的苹果图像进行实时检测得到苹果果实信息,改进的YOLOv4网络模型由主干特征提取网络、空间金字塔池化模块、路径聚合网络和检测头组成;将主干网络CSPDarknet53内部堆叠的残差模块Resblock_body中的3×3普通卷积改为多尺度卷积,利用金字塔池化和CSP结构构建为空间金字塔池化模块;模型训练时用SIOU损失函数替换CIOU损失函数;用于采摘机器人的移动设备上,能提高采摘机器人在复杂环境中检测苹果的速度和鲁棒性,从而提高劳动生产率,降低采收成本,具有较高的识别精度和准确率有效解决了复杂果园环境下密密麻麻生长在一起且相互遮挡和重叠的苹果果实的检测。

Patent Agency Ranking