基于改进Faster R-CNN模型的樱桃缺陷检测

目的：提高工业环境下樱桃分级分拣工作的效率。方法：提出了基于Faster R-CNN框架改进的樱桃缺陷识别分拣模型。结果：通过对比VGG16、MobileNet-V2和ResNet50网络,主干网络为ResNet50的效果最优,改进后的Faster R-CNN模型对樱桃裂口、双生、刺激生长、霉变、褐变腐烂和完好果的检测精度分别为97.75%,99.77%,98.90%,97.56%,96.67%,98.80%,平均检测精度达98.24%,高于其他模型,检测速度为31.16帧/s。结论：试验方法对樱桃缺陷类别的检测具有较高的识别精度。     

高精度轻量级烟叶烘烤阶段识别模型研究

【背景】实时的烟叶状态识别和烘烤阶段判别是实现烘烤工艺精准调节和建立烟叶智能烘烤系统的关键技术。目前烟叶烘烤状态识别方面的研究受到模型规模的制约,难以应用于实际生产,因此有必要研究高精度轻型识别模型。【过程】采用工业摄像头和补光灯组成的图像采集系统采集烘烤过程的烟叶图像,通过伽马变换和HSI颜色空间转化并对烟叶数据集进行处理,使用改进的轻量级EfficientNetB0模型进行训练,并在Jetson Nano嵌入式开发板上进行模型可行性测试。【结果】改进模型在测试集上的准确率达到了96.13%,参数量仅为2.74 M,相比于原始EfficientNetB0,改进模型的识别准确率提高了1.59%,参数量减少了48.50%。在Jetson Nano开发板上,相比于MobileNetv2、MobieleNetv3等轻型模型,改进模型的识别速度和准确率均有明显提升。【结论】改进的EfficientNetB0模型可以实现烟叶烘烤阶段的快速、精准识别。同时本研究可为烟叶智能烘烤系统的建立提供了理论依据和现实参考。     

基于改进YOLOv5s的大米外观品质无损检测模型

针对大米在外观品质中需要快速识别需求,提出了一种基于改进YOLOv5s网络的大米外观品质识别模型(CG-YOLOv5)。为提高大米的识别率,文本增加了小目标检测层。其次,为使模型轻量化,用Ghost模块代替YOLOv5s的骨干网络。为进一步提升模型的性能,通过试验研究了不同的注意力机制对模型性能的影响,最终选取CBAM注意力机制加入到YOLOv5s网络中。为直观CBAM注意力机制的效果,对大米图像进行了特征图可视化。试验结果表明修改后的网络的mAP达到了96.5%,相比YOLOv5s网络提升了4.3个百分点。在相同数据集下,与8种主流的检测网络进行对比,并在不同光照情况下的试验结果表明,该方法的检测mAP和检测时间皆优于其它8种检测网络;在检测时间上,该方法的平均检测时间为41ms,相较于YOLOv3快119ms,相较于YOLOv4-tiny快35ms。该方法具有优异的检测精度以及良好的鲁棒性和实时性,可以用于大米品质检测中。     

让中年男人雄风不失

人过40常会眼袋加深,面颊肌肉下垂,腹部松弛;在体能方面会表现出全身乏力,失眠,没有食欲,周身酸痛;在精神方面表现出健忘,注意力不集中,无缘无故发脾气;在性生活方面表现出性欲降低,勃起功能障碍（印）等,上述表现医学上称之为“男子更年期综合征”或“中老年男子雄激素缺乏综合矿。营养学家研究发现,经常食用富含雄激素的食物可以遏制男子雄激素缺乏综合征,令中年男人雄风不失。     

美卓超滤膜技术——提高水和涂料的循环利用率

造纸行业日趋承受着节水、节能以及环保的压力。也就是说,造纸企业必须寻找新技术,将注意力转移到生产中的整个水质和高效的原料回收系统上。     

基于深度学习的白酒酒花实时分类方法

目的:解决白酒传统摘酒方法“看花摘酒”的主观性和不稳定性,以及现有机器视觉酒花分类方法难以满足实时分类的问题。方法:轻量型YOLOv5以YOLOv5s作为初始模型,使用K-mean聚类的锚框取代默认锚框,以提高模型检测精度和稳定性,使用ShuffleNetV2网络替换YOLOv5s主干网络进行特征提取,以达到轻量化模型的目的,并增加CBAM注意力机制使模型更加关注酒花特征。结果:与YOLOv5s初始模型相比,轻量型YOLOv5模型占用内存减少92.5%,参数量减少93.7%,计算量降低63.4%,检测精度提升2.8%,FPS高达526。结论:轻量型YOLOv5降低了对硬件配置的要求,可以很好地实现酒花实时检测分类。     

厂商联营,抢占市场先机

<正>我们关注家具的销售渠道,往往将注意力首先集中在家具流通大卖场和家具制造商的身上,而对于直接面对消费者的经销商,却重视不够。因为他们往往是以个体的形式出现,势单力薄,虽然他们是家具经销重要的一环,但却左右不了局势。但是,缺了经销商,中国家具业是不可能像今天这样迅速发展壮大的。正是由于庞大的经销商队伍,让家具工厂     

基于CNN-BiGRU-Attention的非侵入式负荷分解

随着智能电网的迅速发展,为了有效提高电能的使用率,合理规划电能资源,建立全国范围内的智能用电和负荷监测系统,非侵入式负荷监测(NILM)和分解问题一直受到广泛关注。为提高非侵入性负载分解性能,提出一种基于耦合神经网络的非侵入式负荷分解方法。首先,对数据集进行归一化和预处理。其次,构建一种将卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的混合深度学习模型,对数据的空间特性和时序特性进行充分挖掘,并加入注意力机制,关注重要信息,剔除冗余特征。最后,采用国内自测数据集进行试验,使用不同的评价指标对该耦合神经网络进行评估,并与其他的常用分解模型进行对比。试验结果表明,所提方法的均值绝对误差与绝对误差和相较于其他分解方法都有所降低,均值绝对误差平均下降了35.9%,绝对误差和平均下降了39.9%。     

基于BERT模型的中医文本分类研究

文本分类是自然语言领域一个重要的研究方向和技术核心,一直受到研究者的热切关注.在医学领域,中医源远流长,在人类历史发展中发挥着不可磨灭的作用.中医语言包含了大量中医领域术语,且多为表述严谨和富含辩证思维的古文,上下文词语关联性较强,且大多是结构化、半结构化或非结构化数据的形式,这些特点给中医病案的智能分析分类造成了很大...     

基于局部自回归模型的压缩感知视频图像递归重建算法

结合预估和残差补偿的递归重建算法是一种有效的压缩感知视频图像重建算法.针对现有算法中‘预估’精度不高的问题,本文基于视频序列中相邻图像的内容相似性和单幅图像的非局部自相似性,分析了相邻图像局部图像块的相似匹配性,并以此作为视频图像的相关性先验,提出了一种基于局部自回归模型的图像预估重建算法.预估算法中当前图像像素点的自回归参数由参考图像中相似图像块的灰度信息通过学习获得.实验结果表明,与同类算法相比,本文预估算法所对应的递归重建算法可获得更高质量的视频图像重建结果.