排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
3.
在我国经济快速发展的背景下,铁路轨道工程不仅设计内容越来越多,且建设规模也在不断扩大.这在很大程度上对我国交通运输行业的发展起到了决定性影响.目前,我国对铁路轨道工程建设加大了管理力度,在此背景下,施工企业除了要在资金投入方面给予高度重视外,还要从时间及精力方面强化对铁路轨道工程施工管理的措施.论文分析了铁路轨道工程施... 相似文献
4.
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。 相似文献
5.
6.
针对图像采集和传输过程中所产生噪声导致后续图像处理能力下降的问题,提出基于生成对抗网络(GAN)的多通道图像去噪算法。所提算法将含噪彩色图像分离为RGB三通道,各通道基于具有相同架构的端到端可训练的GAN实现去噪。GAN生成网络基于U-net衍生网络以及残差块构建,从而可参考低级特征信息以有效提取深度特征进而避免丢失细节信息;判别网络则基于全卷积网络构造,因而可获得像素级分类从而提升判别精确性。此外,为改善去噪能力且尽可能保留图像细节信息,所构建去噪网络基于对抗损失、视觉感知损失和均方误差损失这3类损失度量构建复合损失函数。最后,利用算术平均方法融合三通道输出信息以获得最终去噪图像。实验结果表明,与主流算法相比,所提算法可有效去除图像噪声,且可较好地恢复原始图像细节。 相似文献
7.
8.
为使樱桃达到标准化和商品化,加大樱桃产值,樱桃分级成为不可或缺的环节。该文提出一种基于深度学习关键点检测方法对樱桃的大小分级和有无果梗进行判别。通过卷积神经网络自动提取樱桃的关键点特征,构建回归网络模型得到樱桃果梗首末两端和果萼两侧的关键点坐标,从而达到樱桃分级的目的。试验结果表明樱桃大小检测准确率为93.14%,有无果梗判定准确率为90.57%,基于深度学习的关键点回归检测方法能够有效检测樱桃尺寸和有无果梗,具有较高的准确率,检测速度为33 fps,能够满足实时性需求。 相似文献
1