排序方式： 共有4条查询结果，搜索用时 78 毫秒
1
1.
贺磊 《水土保持应用技术》2017,(3):16-18
为改进地下水污染物质浓度的追踪方法,于2016年7月在沈阳市铁西区彰驿地区进行地下水污染物质浓度取样试验,并基于试验数据采用低分辨率法进行分析,从而判断出采样点间隔对追踪精确度的影响。提出基于CSTREAM技术的地下水污染物质浓度追踪方法并对取样试验结果进行预测,结果表明该方法可明显提升传统方法的预测水平,从而具有较高的推广价值。 相似文献
2.
陈平 《河北北方学院学报(自然科学版)》2022,38(3):37-42
目的 针对低分辨率图像不清晰、质量低等问题,提出一种新的特征融合超分辨率重构网络.方法 所提网络包括特征提取、特征融合、图像重构3个部分.首先,网络通过卷积和局部残差学习,提取到不同层次的特征.之后,网络自适应地保存浅层的信息,并将其传递到更深的层次,最后通过拼接层进行特征融合.结果 通过非线性映射实现高分辨率图像的重... 相似文献
3.
4.
针对稻田自然环境下害虫移动,难以近距离拍摄高质量图像,导致在现有识别模型检测时无法达到满意识别精度的问题,提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法。首先,使用增强型超分辨率生成对抗网络（ESRGAN）对低分辨率图像进行数据增强,解决低分辨率水稻害虫有效信息少的问题;其次构建了SCResNeSt网络,使用3个连续的3×3卷积层替换ResNet50中第1个7×7卷积,以减少计算量;使用自校准卷积替代第2层卷积层中的3×3卷积,通过内部通信显式地扩展每个卷积层的视场,获取害虫图像的部分背景信息,从而丰富输出特征;在主干网络中使用ResNeSt block（Split-attention network block）进一步提升图像中害虫信息获取的准确性。最终,将优选模型移植到手机端,开发了轻量化的移动端水稻害虫识别系统。实验结果表明,与现有方法对比,ESRGAN数据增强方法可以恢复真实的作物害虫信息,SCResNeSt模型有效提高了水稻害虫的识别性能,识别精度达到91.20%,比原始ResNet50网络提高3.2个百分点,满足野外实际场景下的应用需求。本研究为水稻害虫智能化识别和防治提供了技术基础。 相似文献
1