期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到136篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进AlexNet网络和随机森林算法的电网设备故障诊断 认领 引用
1
作者 芈书亮 丁再贤 +2 位作者 许宏洋 段一平 周敏 《微型电脑应用》 2026年第5期193-197,共5页
针对传统电网设备故障诊断准确率低的问题,结合电网设备红外图像特点,提出一种基于改进AlexNet网络结合随机森林算法的故障诊断方法。对传统AlexNet网络进行改进,包括减少AlexNet网络参数,以及采用双层AlexNet网络对电网设备故障特征进... 针对传统电网设备故障诊断准确率低的问题,结合电网设备红外图像特点,提出一种基于改进AlexNet网络结合随机森林算法的故障诊断方法。对传统AlexNet网络进行改进,包括减少AlexNet网络参数,以及采用双层AlexNet网络对电网设备故障特征进行提取;将双层AlexNet网络提取到的特征进行融合,并将融合后的特征输入随机森林算法进行故障的诊断。结果表明,在相同实验环境和数据下,所提出的故障诊断方法的平均准确率达99%,比随机森林分类器算法、AlexNet+Softmax分类器算法、改进AlexNet+Softmax分类器算法、改进AlexNet+随机森林算法4种故障诊断方法的准确率高10.07%、2.73%、1.60%、0.80%。由此说明,所提出的诊断方法可行。 展开更多
关键词 机器学习 故障诊断 数据挖掘 AlexNet网络 随机森林算法
暂未订购 下载PDF
基于AlexNet-AdaBoost的滚筒式采煤机电气故障自动化诊断方法 认领 引用
2
作者 曹伟 《电子设计工程》 2026年第11期141-146,共6页
针对井下强噪声环境下滚筒式采煤机电气故障诊断准确率低的问题,提出基于深度卷积神经网络模型-自适应增强的滚筒式采煤机电气故障自动化诊断方法。通过小波变换将一维信号转换为二维时频图,结合直方图均值化增强特征对比度。利用AlexNe... 针对井下强噪声环境下滚筒式采煤机电气故障诊断准确率低的问题,提出基于深度卷积神经网络模型-自适应增强的滚筒式采煤机电气故障自动化诊断方法。通过小波变换将一维信号转换为二维时频图,结合直方图均值化增强特征对比度。利用AlexNet提取多尺度故障特征,并通过AdaBoost集成弱分类器构建强分类器,实现滚筒式采煤机电气故障的自动化诊断。实验结果表明,所提方法在2000小时连续监测中误报率降低至1.2%,支持实时诊断,且在10种故障类型的诊断准确率均超过97%,显著提高了故障诊断精度。该方法为解决煤矿井下设备智能运维的关键难题提供了有效技术支撑,有力推动了煤矿智能化建设与安全高效开采。 展开更多
关键词 AlexNet网络 AdaBoost算法 滚筒式采煤机 电气故障诊断 时频图 强分类器
暂未订购 下载PDF
数字背景下基于ELM-AlexNet的图片分类研究 认领 引用
3
作者 张倩 王卫斌 +1 位作者 王振辉 赵海波 《自动化与仪器仪表》 2026年第1期255-258,263,共4页
为了确保海量数字图像数据情况下,图像分类技术仍能保持高效的图像数据处理能力,研究提出一种基于极限学习机-亚历克斯神经网络(Extreme Learning Machine-AlexNet Convolutional Neural Network,ELM-AlexNet)的图片分类方法。该方法使... 为了确保海量数字图像数据情况下,图像分类技术仍能保持高效的图像数据处理能力,研究提出一种基于极限学习机-亚历克斯神经网络(Extreme Learning Machine-AlexNet Convolutional Neural Network,ELM-AlexNet)的图片分类方法。该方法使用AlexNet进行特征提取,并使用ELM替换掉AlexNet的全连接层进行图像分类。实验结果表明,该方法损失值最小为0.75,最小能耗为0.71 kJ。分类准确率达到了93.5%,训练时间最小为27.4 s。结果表明,该方法具有极高的训练速度,能在保证图像分类精度的同时,大大降低模型的计算复杂度。同时ELM分类器在小样本情况下,拥有比复杂卷积网络更好的泛化能力。因此,该方法能适用于各种需要进行模型高效开发、图像实时分类以及模型部署资源有限的情况,有助于推动数字图像分类技术向着更智能、高效的方向发展。 展开更多
关键词 AlexNet网络 ELM 数字时代 图像分类 智能技术
暂未订购 下载PDF
谐波诊断技术和DCGAN-AlexNet电机劣化等级分类 认领 引用
4
作者 胡业林 吴曼 钱文月 《安徽理工大学学报（自然科学版）》 CAS 2025年第1期49-56,共8页
目的针对电机劣化等级样本不均衡及劣化分类精度低等问题。方法提出一种谐波诊断技术与改进DCGAN-AlexNet相结合的劣化等级分类方法。首先,为了解决电机劣化样本的不均衡性,建立了一种基于Wasserstein距离深度卷积生成对抗网络(W-DCGAN)... 目的针对电机劣化等级样本不均衡及劣化分类精度低等问题。方法提出一种谐波诊断技术与改进DCGAN-AlexNet相结合的劣化等级分类方法。首先,为了解决电机劣化样本的不均衡性,建立了一种基于Wasserstein距离深度卷积生成对抗网络(W-DCGAN),用于样本数据增强,从而扩充数据集。其次,在传统AlexNet网络基础上进行修改,应用批归一化,改变卷积核大小,简化全连接层并增加随机失活层(DropOut),且在归一化之后加入注意力机制模块(CBAM),使得修改的模型可以更好地进行特征提取,增强特征学习能力。最后,对所提模型的有效性进行实验验证。结果改进后的CBAM-AlexNet网络模型参数量减少到原来的56%,并且在小样本条件下能够有效提高电机劣化等级分类的识别精度。结论谐波诊断技术与改进DCGAN-AlexNet相结合,模型小且识别准确率高,为电机劣化等级诊断技术的发展提供了新的思路和高效的解决方案。 展开更多
关键词 谐波故障 深度学习 图像分类 AlexNet网络
暂未订购 下载PDF
基于S变换与改进AlexNet网络的滚动轴承故障智能诊断 认领 引用 被引量：1
5
作者 雷兵 李响 +1 位作者 陈红 唐佳桃 《机电工程技术》 2025年第19期70-76,88,共7页
针对传统故障识别方法中信息时间序列关联性特征提取不充分,导致故障诊断识别准确率低的问题,将S变换图编码方法引入滚动轴承故障识别中,提出基于S变换与改进AlexNet网络的滚动轴承故障智能诊断方法。采用S变换图编码技术将一维振动信... 针对传统故障识别方法中信息时间序列关联性特征提取不充分,导致故障诊断识别准确率低的问题,将S变换图编码方法引入滚动轴承故障识别中,提出基于S变换与改进AlexNet网络的滚动轴承故障智能诊断方法。采用S变换图编码技术将一维振动信号转换成二维图像特征数据,有效避免微弱特征信息丢失;将转换后的二维图像尺寸调整至合适大小,最后利用改进AlexNet网络的自适应特征提取能力,实现滚动轴承故障智能识别。基于故障模拟实验平台采集的轴承故障数据进行验证,结果表明:与其他图编码方法和改进的LeNet、SVM分类器方法相比,所提方法轴承故障识别准确率达99.57%,具有更高的识别准确率和更好的泛化性能。 展开更多
关键词 滚动轴承 S变换 故障智能识别 图编码方法 改进AlexNet网络 二维图像
暂未订购 下载PDF
基于迁移学习 AlexNet的关键输电线路舞动形态特征辨识技术 认领 引用
6
作者 刘洋 《微型电脑应用》 2025年第3期247-250,共4页
针对线路舞动形态特征识别定位误差大、舞动强度误差大和微风环境下监测位置误差大的问题,提出基于迁移学习AlexNet的关键输电线路舞动形态特征辨识技术。结合GPS定位和伪距差分法完成对关键输电线路舞动形态特征的精确辨识。经比较实... 针对线路舞动形态特征识别定位误差大、舞动强度误差大和微风环境下监测位置误差大的问题,提出基于迁移学习AlexNet的关键输电线路舞动形态特征辨识技术。结合GPS定位和伪距差分法完成对关键输电线路舞动形态特征的精确辨识。经比较实验验证,所提方法振动曲线与实际振动位置相符,振动强度曲线峰值对应的频率与实验设置的振动频率相同;得到的舞动位置最接近实际振动位置。所提方法定位误差小、定位舞动强度误差小和微风环境下监测位置误差小,有利于关键输电线路舞动形态特征的辨识。 展开更多
关键词 迁移学习 AlexNet神经网络 输电线路舞动 形态特征 辨识技术
暂未订购 下载PDF
基于Alexnet网络的绝缘子自爆无人机巡检技术研究 认领 引用 被引量：21
7
作者 李映国 杨宏 +2 位作者 徐郁 周杰 赵家乐 《智慧电力》 北大核心 2021年第8期104-109,共6页
绝缘子是输电系统中与安全相关的关键部件,绝缘子自爆问题的高效快速识别对电力系统的保护具有重要的意义。随着无人机(UAV)相关产业的不断发展,可以采用无人机技术对输电线路进行巡检拍摄。以此为背景提出了一种基于Alexnet网络的绝缘... 绝缘子是输电系统中与安全相关的关键部件,绝缘子自爆问题的高效快速识别对电力系统的保护具有重要的意义。随着无人机(UAV)相关产业的不断发展,可以采用无人机技术对输电线路进行巡检拍摄。以此为背景提出了一种基于Alexnet网络的绝缘子自爆无人机巡检技术。首先,应用无人机巡检这一先进技术得到绝缘子的清晰实时图片。然后,采用Alexnet网络对绝缘子自爆图片进行学习和识别。与传统的识别方法相比,Alexnet网络模型不但结构上有所加深,对卷积的功能也进行了强化,对无人机巡检过程中拍摄的复杂图像进行识别和检测有很好的效果。 展开更多
关键词 绝缘子自爆 Alexnet网络 无人机巡检 识别
暂未订购 下载PDF
基于改进AlexNet卷积神经网络的人脸表情识别 认领 引用 被引量：30
8
作者 石翠萍 谭聪 +1 位作者 左江 赵可新 《电讯技术》 北大核心 2020年第9期1005-1012,共8页
为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题,提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构,采用单图形处理单元(Graphics Processing Unit,GPU)进行训练,减少了两层卷... 为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题,提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构,采用单图形处理单元(Graphics Processing Unit,GPU)进行训练,减少了两层卷积层和一层全连接层,在每层卷积层后加上批标准化(Batch Normalization,BN)代替原来的局部归一化,并在全连接层后加上Dropout正则化进一步防止过拟合。与AlexNet模型相比,改进的网络结构更简单、复杂度低、参数量少,可以节省大量模型训练时间进行快速预测,且更不易过拟合,同时加快了模型收敛速度,提高了网络泛化能力。在Fer2013数据集以及CK+数据集上进行实验,结果表明,所提方法分别得到了68.85%和97.46%的识别率,较其他人脸表情识别方法的识别率有一定提高。 展开更多
关键词 表情识别 深度学习 AlexNet网络 BN算法
暂未订购 下载PDF
基于小波AlexNet网络的配电网故障区段定位方法 认领 引用 被引量：28
9
作者 侯思祖 郭威 +1 位作者 王子奇 刘雅婷 《电测与仪表》 北大核心 2022年第3期46-57,共12页
文中提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素... 文中提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素矩阵囊括了当前系统的工作状况信息,利用迁移学习AlexNet网络,调整网络结构使其适应于配电网故障区段辨识,通过微调的AlexNet网络自主挖掘像素矩阵的故障特征作为预测变量,利用门控循环单元(GRU)、学习向量量化(LVQ)、朴素贝叶斯分类器(NBC)、极限学习机(ELM)、支持向量机(SVM)等模式识别算法进行故障特征分类,从而实现配电网故障区段定位。针对多分支的线缆混合线路进行实验分析,比较5种模式识别算法的分类效果,得到GRU算法准确率可以达到99.92%,证明了该方法不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网对故障区段定位准确度和可靠性的需求。 展开更多
关键词 小波包变换 AlexNet网络 门控循环单元 时频矩阵 故障区段定位
暂未订购 下载PDF
不平衡样本下基于迁移学习-AlexNet的输电线路故障辨识方法 认领 引用 被引量：43
10
作者 王建 吴昊 +3 位作者 张博 南东亮 欧阳金鑫 熊小伏 《电力系统自动化》 EI CSCD 北大核心 2022年第22期182-191,共10页
输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布... 输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布,使用MATLAB/Simulink仿真产生了符合实际情况的不平衡故障样本集。然后,以故障暂态波形图像为输入集,采用迁移学习-AlexNet神经网络构建故障分类器,降低了故障特征提取的复杂性。算例测试结果表明,现有按类平衡故障样本集开展故障辨识的方法,分类准确率偏于乐观,即使采用抽样法也无法准确识别类不平衡样本中的小样本故障类型;而所提方法可以很好地应对类不平衡故障样本集,相比于经典的卷积神经网络,对故障类型与故障原因的辨识准确率也更高,训练模型用于类似线路的真实故障录波数据也能很好地辨识出故障类型。 展开更多
关键词 输电线路 故障辨识 迁移学习 AlexNet神经网络 图像学习 不平衡样本
暂未订购 下载PDF
基于轻量化双分支特征融合网络的配电网故障诊断 认领 引用
11
作者 席燕辉 杨紫妍 严格 《湖南电力》 2026年第2期41-51,共11页
针对配电网故障诊断精度低、实时性差的问题,提出一种基于轻量化双分支特征融合网络(dual branch feature fusion-AlexNet,DBFF-AlexNet)的配电网故障诊断方法。首先,采集配电网各节点的三相电压电流,利用连续小波变换将三相信号转化为... 针对配电网故障诊断精度低、实时性差的问题,提出一种基于轻量化双分支特征融合网络(dual branch feature fusion-AlexNet,DBFF-AlexNet)的配电网故障诊断方法。首先,采集配电网各节点的三相电压电流,利用连续小波变换将三相信号转化为二维时频图,输入到DBFF-AlexNet进行故障诊断。其次,在DBFF模块中采用Fire skip模块,利用小卷积核的挤压层和扩展层,在减少参数量的同时提取局部特征,并通过跳跃连接保留可能丢失的信息。再次,引入不同膨胀率的深度可分离空洞卷积,在不增加参数量的情况下扩大感受野,增强全局特征捕捉能力。最后,采用Grad-CAM热力图方法展示模型在时频图中的关注区域,增强模型的可解释性。仿真结果表明,该方法具有更高的故障诊断精度和效果,在保证配电网故障诊断精度的同时,降低了模型复杂度。 展开更多
关键词 配电网 故障诊断 轻量化 小波变换 DBFF-AlexNet
暂未订购 下载PDF
基于改进AlexNet的可变形卷积皮肤病变识别算法 认领 引用 被引量：3
12
作者 李海燕 马艳 +2 位作者 李海江 郭磊 李红松 《北京理工大学学报》 EI CAS CSCD 北大核心 2022年第3期297-303,共7页
为了有效解决类间相似度高、类内差异化大、数据类别不平衡的皮肤病变识别,提出了基于改进AlexNet的可变形卷积网络皮肤病变识别算法.构建改进的AlexNet可变形卷积网络模型,增加采样偏移量,使不同位置的卷积核采样点可根据图像内容自适... 为了有效解决类间相似度高、类内差异化大、数据类别不平衡的皮肤病变识别,提出了基于改进AlexNet的可变形卷积网络皮肤病变识别算法.构建改进的AlexNet可变形卷积网络模型,增加采样偏移量,使不同位置的卷积核采样点可根据图像内容自适应变化,自动调整不同尺度或感受野,提取比标准卷积更精细的特征.使用交叉熵损失函数和焦点损失函数的加权损失函数,削弱易分类样本在训练中所占的权重,使模型专注于相似度高、易错分的样本,解决样本比例不平衡的问题,优化模型的识别率.在HAM10000数据集上进行仿真实验,主客观的实验结果表明,提出的方法在7种皮肤病变上的识别优于现有方法,具有更高的准确性、特异性和鲁棒性. 展开更多
关键词 皮肤病变识别 类别不平衡 改进AlexNet网络 可变形卷积
暂未订购 下载PDF
基于AlexNet-SN网络的煤与煤矸石分类方法 认领 引用 被引量：3
13
作者 郑爽 梁云浩 +2 位作者 武俊峰 乔壮 刘付刚 《中国矿业》 2022年第6期79-85,共7页
现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低。随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向。为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网... 现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低。随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向。为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网络和风格迁移技术改进的煤矸石分拣方法。选用3×3的卷积核代替原AlexNet网络前几层中较大的卷积核,利用BN层代替LRN层和Dropout,并采用风格迁移数据增强法提高煤与煤矸石数据集的多样性。研究结果表明,与原始的AlexNet网络相比,该方法的准确率提高了1.8%,损失率下降了2.0%。此方法不仅能够满足煤与煤矸石实时检测的要求,而且具有更高的识别精度,能有效应用于煤矸石识别。 展开更多
关键词 AlexNet网络 煤矸石 人工智能 分选技术
暂未订购 下载PDF
改进的Alexnet模型及在油井示功图分类中的应用 认领 引用 被引量：17
14
作者 段友祥 李钰 +1 位作者 孙歧峰 徐冬胜 《计算机应用与软件》 北大核心 2018年第7期226-230,272,共5页
现在有杆抽油机采油设备仍在原油开采中占据主导地位,示功图采集及分析是检测、预防、解决采油生产过程中各种故障的有效措施和手段。借助人工智能方法进行油井抽油机示功图自动分类识别和故障判断一直是研究的重点。深度学习为示功图... 现在有杆抽油机采油设备仍在原油开采中占据主导地位,示功图采集及分析是检测、预防、解决采油生产过程中各种故障的有效措施和手段。借助人工智能方法进行油井抽油机示功图自动分类识别和故障判断一直是研究的重点。深度学习为示功图识别和解释研究注入了新的活力。主要对卷积神经网络在油井抽油机示功图自动识别中的应用进行研究,提出一种改进的Alexnet模型,实现了示功图的自动识别,并与目前常用的神经网络模型进行了比较。实验表明,改进的Alexnet模型在保证识别准确率高的同时有效降低了训练学习时间,很好地达到了实际应用要求。 展开更多
关键词 示功图 深度学习 卷积神经网络 Alexnet
暂未订购 下载PDF
基于AlexNet卷积神经网络的激光雷达飞机尾涡识别研究 认领 引用 被引量：18
15
作者 潘卫军 段英捷 +2 位作者 张强 吴郑源 刘皓晨 《光电工程》 CAS CSCD 北大核心 2019年第7期123-130,共8页
为解决飞机尾涡威胁后机飞行安全问题,保障空中交通安全,提高机场和空域容量,提出了一种基于AlexNet卷积神经网络模型的算法,实现飞机尾涡的准确识别。结合多普勒激光雷达探测原理和Hallck-Burnham尾涡速度经典模型,构建了AlexNet神经... 为解决飞机尾涡威胁后机飞行安全问题,保障空中交通安全,提高机场和空域容量,提出了一种基于AlexNet卷积神经网络模型的算法,实现飞机尾涡的准确识别。结合多普勒激光雷达探测原理和Hallck-Burnham尾涡速度经典模型,构建了AlexNet神经网络模型提取大气风场中的尾涡速度云图的图像特征,识别飞机尾涡。研究表明,该模型能够准确识别目标空域中的飞机尾涡,网络模型收敛后对尾涡识别的准确率高达91.30%,并具有低虚警率,能有效地实现对飞机尾涡的识别和预警,达到尾涡监测的目的。 展开更多
关键词 尾涡识别 AlexNet卷积神经网络 目标识别 多普勒激光雷达
暂未订购 下载PDF
基于迁移学习和AlexNet的驾驶员行为状态识别方法 认领 引用 被引量：17
16
作者 戎辉 华一丁 +4 位作者 张小俊 龚进峰 唐风敏 郭蓬 何佳 《科学技术与工程》 北大核心 2019年第28期208-216,共9页
为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,提出将迁移学习理论和Alex Net引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构... 为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,提出将迁移学习理论和Alex Net引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构建了驾驶员状态信息采集系统;然后对基于卷积神经网络的驾驶员状态识别方法研究,建立了驾驶员状态数据集,构建了基于Alex Net卷积神经网络的状态监测系统,通过迁移学习完成了卷积神经网络识别模型。最后通过实验验证了提出的驾驶员状态识别算法对7种驾驶员状态识别的有效性。实验表明:该系统准确率达到97. 8%,且在实验设备中运行速度达到70帧/min,满足较高的准确率要求与实时性要求。 展开更多
关键词 驾驶员状态 迁移学习 AlexNet 卷积神经网络
暂未订购 下载PDF
基于AlexNet卷积神经网络的大米产地高光谱快速判别 认领 引用 被引量：19
17
作者 吴静珠 李晓琪 +3 位作者 林珑 刘翠玲 刘志 袁玉伟 《中国食品学报》 EI CAS CSCD 北大核心 2022年第1期282-288,共7页
采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩... 采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩阵系数最大值筛选与第一、二主成分相关性最强的特征波长1396.67 nm和1467.38 nm。针对两组特征波长图像进行主成分分析,分别选取前三维主成分,共计可得2×3组训练样本集。结果表明:基于AlexNet卷积神经网络训练建立6组东北/非东北大米产地高光谱快速判别模型,均有较高的识别准确率,其中基于1467.38 nm波长的第三主成分图像建立的东北/非东北大米产地判别模型的性能最佳,其识别准确率可达99.5%。 展开更多
关键词 高光谱 大米产地鉴别 主成分分析 AlexNet卷积神经网络
暂未订购 下载PDF
基于AlexNet的茶叶嫩芽状态智能识别研究 认领 引用 被引量：15
18
作者 吕军 夏华鹍 +1 位作者 方梦瑞 周礼赞 《黑龙江八一农垦大学学报》 2019年第2期72-78,共7页
为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本... 为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本进行模型检测,训练集和测试集中三种状态嫩芽平均识别率分别为97.8%和88%。实验结果表明,该方法能够有效地识别自然环境下茶叶嫩芽状态,为嫩芽智能采摘提供理论依据。 展开更多
关键词 深度学习 AlexNet网络 茶叶状态 智能识别
暂未订购 下载PDF
基于AlexNet网络的MPSK与MQAM类信号的调制识别 认领 引用 被引量：8
19
作者 裴禹豪 曲毅 +1 位作者 李锦明 扆泽江 《激光杂志》 CAS 北大核心 2018年第10期75-78,共4页
针对现有的信号调制类型识别算法对信号的先验知识要求比较高,人工选取特征复杂、鲁棒性差等问题,引入卷积神经网络算法,将Alex Net网络运用到对同步前的MPSK和MQAM类信号的调制类型识别上。选取2PSK、4PSK、16QAM、32QAM四种信号的散... 针对现有的信号调制类型识别算法对信号的先验知识要求比较高,人工选取特征复杂、鲁棒性差等问题,引入卷积神经网络算法,将Alex Net网络运用到对同步前的MPSK和MQAM类信号的调制类型识别上。选取2PSK、4PSK、16QAM、32QAM四种信号的散布图特征进行识别。研究结果表明卷积神经网络算法能较好地对未同步的MPSK和MQAM类信号进行调制类型识别,且MPSK类信号的识别率要高于MQAM类信号的识别率。 展开更多
关键词 调制识别 卷积神经网络 AlexNet 散布图
暂未订购 下载PDF
基于改进型AlexNet的花生荚果品种识别 认领 引用 被引量：8
20
作者 倪建功 杨昊岩 +1 位作者 李娟 韩仲志 《花生学报》 北大核心 2021年第4期14-22,共9页
花生是我国重要的油料作物,不同品种的花生含油率是不同的,因此需要对不同品种的花生进行分选。传统模式识别的方法需要人工定义各类特征,存在主观判断、浪费人力等问题,实用性较差。针对上述问题,本实验基于卷积神经网络提出一种多品... 花生是我国重要的油料作物,不同品种的花生含油率是不同的,因此需要对不同品种的花生进行分选。传统模式识别的方法需要人工定义各类特征,存在主观判断、浪费人力等问题,实用性较差。针对上述问题,本实验基于卷积神经网络提出一种多品类花生荚果识别模型。该模型基于经典的AlexNet网络模型,通过设置不同尺寸的卷积核提取更丰富的特征,去除局部响应归一化层,修改全连接层神经元连接个数等操作,设计了一种改进型AlexNet,基于改进型AlexNet对13种不同类型的花生荚果进行识别分类。原始AlexNet对13类花生荚果识别的最高准确率为84.27%,平均准确率为83.66%。改进型AlexNet最高准确率为88.76%,平均准确率为87.73%,分别提高了4.49和4.07个百分点。研究结果表明,改进型AlexNet对不同品种花生荚果的识别结果优于原始AlexNet。利用卷积神经网络对花生荚果品种识别具有一定可行性,基本可以推广到实际生产中使用。 展开更多
关键词 花生荚果 品种分类 图像处理 卷积神经网络 AlexNet
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈