排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
为了提高边缘计算设备对植物叶片病害检测的识别速率,本研究采用卷积神经网络搭建了植物叶片目标识别模型和植物叶片病害分类模型,并且使用OpenCV将两个模型整合成植物叶片病害检测系统.通过SSD (single shot multibox detector)算法对植物叶片的目标区域进行定位并裁剪,再利用植物叶片病害分类模型对裁剪的植物叶片区域进行病害分类.同时,通过TensorRT加速推理对分类模型进行优化处理,以及在同一台主机设备和Jetson Nano计算平台上,对优化前后的模型进行了对比实验.实验表明,在同一主机设备上优化后的植物分类模型识别速率提升22倍.同时,优化后的分类模型使植物叶片病害检测系统识别速率提升7倍.而将优化后的系统部署在Jetson Nano计算平台上,对比优化前的植物叶片病害检测速率提升10倍,实现了实时的植物叶片病害检测. 相似文献
3.
为便于对河道水质实现自动、实时在线监测,设计一款较为隐蔽的基于NB-IoT的漂浮式污水监控器。采用STC15F2K60S2为微控制单元(MCU)对水体的温度等参数进行采集,通过NB-IoT通信模块对采集的数据进行实时传输,利用人工神经网络建立水质预测模型,并使用C#和微信小程序分别开发电脑端、手机端监控程序。通过自主研发的终端进行相应实验数据的采集,再使用MATLAB数学软件对实验数据进行分析和拟合,结果表明,漂浮式污水监控器中各类传感器性能符合要求,且轻便、智能,PC端与手机端程序运行良好,实时性、精度等性能均满足实际生产生活要求。 相似文献
1