公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于RFID技术的棉种溯源系统构建被引量：7: 2013年; 随着种子质量安全问题的不断出现,消费者对种业的安全问题越发关注,实施种业质量安全控制的重要性日益凸现。通过基于RFID技术的棉种溯源系统对棉种生产的全过程进行监控,建立完整的安全控制体系,可以进行棉种质量安全信息的快速追溯,对棉种重大质量安全危害进行预警。同时,该技术也可以推广应用于食品、农产品和工业用品的质量安全溯源,为我国物联网产业的发展提供理论基础。; 陈琴刚李锋霞马本学陈金成王丽丽杨建春; 关键词：RFID技术

基于GADF变换和多尺度CNN的哈密瓜表面农药残留可见-近红外光谱判别方法被引量：4: 2021年; 针对哈密瓜表面农药残留化学检测方法成本高且具有破坏性等问题,探索了可见-近红外(Vis-NIR)光谱技术对农药残留定性判别的可行性。以哈密瓜为载体,百菌清和吡虫啉农药为研究对象,采集哈密瓜表面无残留、百菌清和吡虫啉残留的可见-近红外漫反射光谱,利用格拉姆角场(GAF)将一维光谱数据转换为二维彩色图像,构建GAF图像数据集。设计一种包含Inception结构的多尺度卷积神经网络模型用于哈密瓜表面农药残留种类判别,包括1层输入层、3层卷积层、1层融合层、1层平坦层、2层全连接层和1层输出层。模型测试混淆矩阵结果表明,格拉姆角差场(GADF)变换对哈密瓜表面农药残留的可见-近红外光谱表达能力较强。此外,构建AlexNet、VGG-16卷积神经网络(CNN)模型和支持向量机(SVM)、极限学习机(ELM)机器学习模型与提出的多尺度CNN模型进行性能对比。结果表明,3种CNN模型对哈密瓜表面有无农药残留的判别效果较好,综合判别准确率均高于SVM和ELM模型。对比3种CNN模型性能,多尺度CNN模型的性能最佳,训练耗时为14 s,综合判别准确率为98.33%。多尺度CNN模型结构利用多种小尺寸滤波器组合(1×1,3×3和5×5)和并行卷积模块,能够捕获不同层次和尺度的特征,通过级联融合模式进行深度特征融合,提高了模型的特征提取能力。与传统深度CNN模型相比,在保证计算复杂度不变的情况下,多尺度CNN模型的精度得到了有效提高。实验结果表明,GADF变换结合多尺度CNN模型可以有效进行光谱数据解析,利用可见-近红外光谱技术可以实现哈密瓜表面农药残留的定性判别。研究结果为大型瓜果表面农药残留的快速无损检测技术的研发提供了理论参考。; 喻国威马本学陈金成陈金成陈金成党富民王刚; 关键词：哈密瓜

基于改进YOLOv7-ByteTrack的干制哈密大枣缺陷检测与计数系统: 2024年; 针对目前无法同时对随机多列排布干制哈密大枣进行快速缺陷检测和统计计数问题,该研究设计了一款干制哈密大枣在线检测与计数系统。以干制哈密大枣为研究对象,利用工业相机拍摄传送带上随机排列的多类别缺陷干制哈密大枣视频为数据源,采用改进的YOLOv7模型进行干制哈密大枣多类别缺陷检测并将检测结果作为后续多目标跟踪算法的输入;考虑到传送带上干制哈密大枣的外观相似性高以及排列密集等特点,该研究结合ByteTrack多目标跟踪算法的思想,设计了一种多类别干制哈密大枣的画线计数方法,实现了随机排布多类别干制哈密大枣的缺陷检测、准确定位及计数。试验结果表明:1)改进的YOLOv7模型浮点计算量为64.6 G,在干制哈密大枣目标检测数据的测试集上的平均检测精度、召回率、F_(1)平衡分数分别达到了98.03%、93.43%和95.00%,相比YOLOv7模型分别提高了4.40、6.88和7.00个百分点,浮点计算量下降了38.6%;2)基于改进YOLOv7为目标检测器开发的ByteTrack算法计数模型对干制哈密大枣计数的准确率为90.12%。该研究可为干制哈密大枣检测计数和分选分级提供技术支持。; 刘鑫马本学李玉洁陈金成陈金成; 关键词：目标检测多目标跟踪

基于深度学习与图像处理的哈密瓜表面缺陷检测被引量：20: 2021年; 针对传统人工检测哈密瓜表面缺陷效率低等问题,提出利用卷积神经网络(Convolutional Neural Networks,CNN)对哈密瓜表面缺陷进行快速检测。对原始图像进行主成分分析(Principal Components Analysis,PCA)、奇异值分解(Singular Value Decomposition,SVD)和二值化等预处理操作,通过数据扩充得到正常、霉菌、晒伤和裂纹的哈密瓜图像各2500幅。构建一种改进的类似VGG卷积神经网络模型,将预处理后的图像输入模型,并使用随机梯度下降(Stochastic Gradient Descent,SGD)优化器进行算法优化,为探究CNN模型的特征提取原理,将改进的类似VGG模型每层卷积的特征进行可视化,最后利用开发的哈密瓜表面缺陷检测软件对模型进行试验验证。研究结果表明:图像预处理算法提高了模型的鲁棒性和泛化能力,改进的类似VGG模型优于AlexNet和VGG-16模型,其训练集和测试集准确率分别为100.00%和97.14%;对比预处理前后4类哈密瓜卷积特征可视化结果表明,随着卷积层层数的增加,哈密瓜表面缺陷特征越来越明显,图像预处理后卷积层特征提取效果优于原始图像提取效果。软件测试结果表明:静态下哈密瓜缺陷检测速率达到0.7 s/幅,识别准确率达到93.50%。研究结果可为哈密瓜表面缺陷在线检测技术提供理论依据和技术参考。; 李小占马本学喻国威陈金成陈金成陈金成; 关键词：图像处理无损检测卷积神经网络可视化哈密瓜

基于RFID的棉种仓库信息采集系统的研究: 2015年; 针对棉种仓库传统管理方式信息采集效率低、管理繁琐等问题,提出了一种基于射频识别(radio frequency identification,RFID)技术的棉种仓库信息采集系统,保证了货物信息管理高效性和准确性,确保企业及时准确地掌握库存的真实数据,合理保持和控制企业库存。借助RFID技术和信息采集技术对仓库的管理,不仅能够高效率完成仓库的各种操作,而且也是企业核心竞争力的所在。; 陈金成高国刚马本学陈琴刚徐丽; 关键词：RFID 棉种信息采集

全选清除导出

共1页<1>

陈金成

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

陈金成

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈