首页期刊导航|河南工程学院学报（自然科学版）
期刊信息/Journal information
河南工程学院学报（自然科学版）
河南工程学院学报（自然科学版）

董浩平

季刊

1674-330X

gcxy308@yahoo.com.cn

0371-62503950

450007

河南省郑州市桐柏路62号

河南工程学院学报（自然科学版）/Journal Journal of Hennan Institute of Engineering(Natural Science Edition)
正式出版
收录年代

    基于多尺度特征提取与融合的垃圾分类模型研究

    李浩李可李英杰
    62-66页
    查看更多>>摘要：以YOLOv4 算法为基础,了解YOLOv4 算法的基本结构及其在垃圾分类实际应用场景中存在的问题,提出了YOLOv4 算法改进策略,通过在CBM模块中设定两个卷积核来实现不同尺寸垃圾的特征提取.对改进的多尺度特征提取与融合的垃圾分类模型进行训练与验证,发现改进的YOLOv4 算法可以很好地满足多尺度特征提取与融合的基本需求,对小尺寸垃圾目标的分辨效率可达 85%以上,处理时间也能很好地满足实际应用场景的基本需求,并且卷积核值设定越小,垃圾目标识别精确度越高,处理时间也会相应增加,可以很好地促进垃圾分类产业向智能化转变.

    YOLOv4特征提取垃圾分类卷积核

      原文链接:
    • 万方数据
    • 维普

    基于YOLOv7优化模型的茶叶嫩芽分级识别

    李龙孙雅
    67-73页
    查看更多>>摘要：茶叶嫩芽分选鉴定是实现茶叶自动分级的重要环节,为实现对优质茶叶嫩芽的准确识别,提出了一种基于改进目标检测算法YOLOv7 的茶叶嫩芽分级识别方法.首先,在主干网络融入CBAM注意力机制,构建CBAM-ELAN模块,在通道和空间注意模块的协同作用下,降低背景部分的权重,增强对嫩芽特征的提取能力;然后,在Neck侧引入感受野增强(RFE)模块和显式视觉中心(EVC)模块,生成新的感受野关系,提升层内特征的调节能力,增强对嫩芽特征的提取能力.改进YOLOv7 算法对于单芽等级茶叶的检测精度均值为 89.3%,一芽一叶检测精度均值为 88.9%,一芽二叶检测精度均值为95.7%,与原始YOLOv7 算法相比,检测精度均值分别提高了 1.3、1.3 和 1.5 个百分点.该方法在兼顾准确率的前提下,实现了端到端的目标检测和对优质茶苗不同姿态的识别,可为茶叶嫩芽的分级和识别提供理论基础.

    目标检测茶叶嫩芽分级识别YOLOv7

      原文链接:
    • 万方数据
    • 维普

    2n阶实对称循环矩阵的性质与应用

    田金玲
    74-80页
    查看更多>>摘要：以偶数阶数为切入点,利用矩阵分块的办法,2n阶实对称循环矩阵可以分块成分块全对称矩阵,存在正交矩阵可以将 2n阶实对称循环矩阵准对角化,得到 2n阶实对称循环矩阵的行列式、逆矩阵、特征值的简便计算公式.

    对称循环矩阵对称矩阵对角化行列式逆矩阵特征值

      原文链接:
    • 万方数据
    • 维普