您当前的位置：
首页 >
文章列表页 >
多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测
信息科学 | 更新时间：2024-02-01
|

    • 多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测

    • Flue-cured tobacco leaf grade detection through multi-receptive field features fusing adaptively and dynamic loss adjustment

    • “针对初烤烟叶等级检测领域的挑战，研究团队提出了创新的初烤烟叶等级检测网络FTGDNet。该研究旨在解决相似度较高但等级不同的初烤烟叶难以区分的问题，促进农产品精细化管理的实现。该网络通过结合CSPNet和GhostNet作为特征提取网络，显著增强了模型的特征提取能力。在主干网络末端嵌入的显式视觉中心瓶颈模块实现了全局与局部特征信息的融合，提升了特征表示的丰富性。同时，多感受野特征自适应融合模块利用注意力特征融合机制，有效融合了不同感受野的特征图，突出了有效通道信息，提高了模型的局部感受野能力。为解决定位精度下降的问题，研究团队设计了一种新的定位损失函数MCIoU_Loss，结合预测框与真实框面积损失，优化了回归定位过程。此外，引入的矩形相似度衰减系数在训练过程中动态调整了真实框与预测框的相似度判别项，加速了模型拟合。实验结果显示，FTGDNet在初烤烟叶等级检测上表现出色，验证精度高达90.0%，测试精度为87.4%，且推理时间仅为12.6 ms。与多种先进目标检测算法相比，FTGDNet在检测精度和速度上均具有明显优势，为高精度初烤烟叶等级检测提供了有力的技术支撑。这项研究不仅为初烤烟叶等级检测领域带来了新的突破，也为农产品精细化管理和智能分级设备开发提供了重要的技术支持。”
      ”
    • 光学精密工程   2024年32卷第2期 页码：301-316

    • DOI：10.37188/OPE.20243202.0301    

      中图分类号： TP391.4;S24

    • 纸质出版日期：2024-01-25，

      收稿日期：2023-05-19，

      修回日期：2023-07-05，

    扫 描 看 全 文

  • 何自芬,罗洋,张印辉等.多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测[J].光学精密工程,2024,32(02):301-316. DOI： 10.37188/OPE.20243202.0301.

    HE Zifen,LUO Yang,ZHANG Yinhui,et al.Flue-cured tobacco leaf grade detection through multi-receptive field features fusing adaptively and dynamic loss adjustment[J].Optics and Precision Engineering,2024,32(02):301-316. DOI： 10.37188/OPE.20243202.0301.

  •  
  •  

0

浏览量

70

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

关联资源

光学精密工程·封面 | 多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测

相关文章

位置敏感Transformer航拍图像目标检测模型
多模态跨级特征知识转移下音频目标检测网络
基于卷积神经网络判定方法的激光微透镜阵列微米级加工工艺
采用SVD协同训练的半监督实例级目标检测
基于度量元学习的铁路小样本入侵目标检测方法

相关作者

刘颖
辛嘉妮
李大湘
陈莹
刘诗蓓
周锐
姚宇超
严星

相关机构

西安邮电大学 通信与信息工程学院
江南大学 轻工过程先进控制教育部重点实验室
厦门大学 九江研究院
厦门大学 物理科学与技术学院
厦门大学 航空航天学院
0