排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
2.
为了解决传统水果图像分类识别算法人工提取特征的缺陷,将卷积神经网络应用到水果图像识别上,基所创建的数据集,参照经典的卷积神经网络模型Le Net-5结构,提出更适合本数据集的卷积神经网络结构,首先对水果数据集进行分类标签,将苹果、梨、橙子、橘子、桃子分别标记为0、1、2、3、4,然后将图片分批次投入模型训练,该模型构建了一个输入层、两个卷积层、两个池化层、两个全连接层和一个输出层。卷积神经网络通过底层提取特征,再进一步更深层次提取特征,最后得到目标的分类。实验结果表明,所提出的卷积神经网络结构不仅在数据集上取得了较高的识别准确率,而且与传统的水果图像分类识别算法相比较,卷积神经网络避免了人工提取特征的繁琐过程。 相似文献
3.
4.
磷石膏为骨料的充填工艺是采空区和固废处理方式之一,磷石膏的化学活性是影响充填效果的关键.以某矿拟开展的磷石膏充填料为对象,利用生石灰碱基作为激活剂,采用正交实验法设计16组配比组合进行试验.通过极差法分析单一指标(坍落度、3 d强度、7 d强度和28 d强度)下的最优配比,并利用矩阵分析法实现多目标综合分析优化,得到可... 相似文献
5.
改进深度学习框架Faster-RCNN的苹果目标检测 总被引:3,自引:0,他引:3
苹果图像的目标检测是研究苹果采摘机器人的关键技术。本研究以自然光源下的苹果图像为研究对象。首先,针对原始RPN结构的3×3单一小滑动窗口摄取特征信息有限问题,设置不同面积、不同尺寸的9个候选框,同时增加1个滑动窗口,以提高感受野的面积与强度,改进深度学习目标检测框架Faster-RCNN,进而搭建深度学习模型。然后,对图像标注目标的实际位置和类别标签,以苹果的测试集作为输出期望,经过训练得到模型的有效权值。实验结果表明,模型迭代3 000次后,改进模型的目标检测准确率为97.6%,而原始模型为95.3%。另外,改进的模型相对原始模型定位精度更高。 相似文献
6.
随着我国汽车市场竞争的不断加剧,各汽车生产厂商都在努力追求生产成本的最小化,而冲翻孔模具部件是目前应用频率比较高,结构较为新颖,且两道工序能够在一次冲程中全部完成的模具结构(在一次冲程中完成冲压件的翻孔与冲孔动作),非常符合各汽车生产厂商对于降低生产成本的要求,具有非常良好的应用前景。 相似文献
7.
1