我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

内凹阶梯型反射式光纤传感器探头的设计 下载：12 浏览：412

郎国伟1,2 杨瑞峰1,2 郭晨霞1,2 张鹏1,2 胡晨昊1,2 盖婷1,2 《传感器研究》 2018年8期

摘要:
设计了一种新型的内凹阶梯型反射式光纤传感器探头。基于出射端光场分布模型,建立输出调制特性的数学模型,结合影响传感器特性的主要参数,对两根接收光纤与发送光纤端面之间的错位量a、b进行了仿真计算和分析,得出了系统的优化设计参数。最后与平面型探头进行对比分析,该探头不仅具有良好的光学补偿作用,而且扩大了量程,提高了测量的灵敏度。

纵向变厚度EH40钢板的组织和性能 下载：80 浏览：477

李广龙1,2 李靖年3 李文斌1,2 严玲1,2 张鹏1,2 王晓航1,2 《材料科学研究》 2020年6期

摘要:
采用拉伸、冲击、硬度、OM和TEM等方法研究纵向变厚度EH40钢板的组织和性能。结果表明,由于EH40钢板的薄端和厚端的制备工艺过程不同,其纵向的组织和性能呈现多样化；随着钢板厚度的增加屈服强度由534 MPa降低至489 MPa,抗拉强度由599 MPa降低至569 MPa。在-60℃进行冲击实验时,钢板薄端的冲击吸收能量大于200 J,而厚端的冲击吸收能量出现波动。钢板厚端的晶粒尺寸比薄端的粗大,贝氏体的含量低。在30 mm和40 mm位置全厚度都有贝氏体组织,厚度为8 mm时50 mm位置的贝氏体组织全部消失。薄端和厚端的析出相均为(Nb,Ti)C,但是薄端析出相的数量多、尺寸小,厚端析出相的数量少、尺寸大。

基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测 下载：48 浏览：285

涂万1,2 于红1,2 张鹏1,2 韦思学1,2 张鑫1,2 杨宗轶1,2 吴俊峰1,2 林远山1,2 胡泽元1,2 《中国水产学报》 2023年4期

摘要:
为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题，采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(feature pyramid network)中增加大尺寸检测头，更好地捕捉水下鱼类个体的细节信息，以加强对鱼群特征的提取能力，然后使用ECAM注意力机制减少模糊背景的干扰，聚焦鱼类个体的关键特征，以加强对模糊鱼群的识别能力，并设计了消融试验和模型对比试验以验证算法的有效性。结果表明：相比于YOLOv8,YOLOv8-Head-ECAM模型的准确率、召回率和平均精度均值分别提高了2.3%、1.7%和1.6%;与目前检测准确率较高的养殖鱼群检测模型KAYOLO、DCM-ATM-YOLOv5、SK-YOLOv5和ESB-YOLO相比，平均精度均值分别提高了0.7%、1.0%、2.4%和2.0%。研究表明，本文中提出的YOLOv8-Head-ECAM模型能够较好地适应水下鱼群模糊、遮挡的情况，提高了鱼群检测的有效性。

融合SKNet与YOLOv5深度学习的养殖鱼群检测 下载：54 浏览：322

赵梦1,2 于红1,2 李海清1,2 胥婧雯1,2 程思奇1,2 谷立帅1,2 张鹏1,2 韦思学1,2 郑国伟1,2 《中国水产学报》 2022年3期

摘要:
为解决真实养殖环境下，水下成像模糊、失真等导致鱼群检测准确率低的问题，提出一种融合视觉注意力机制SKNet (selective kernel networks)与YOLOv5(you only look once)的养殖鱼群检测方法(SK-YOLOv5模型),该方法首先采用UNet(convolutional networks for biomedical image segmentation)对图像进行预处理，得到清晰的鱼群图像，然后将SKNet融合到YOLOv5的Backbone端构成关注像素级信息的特征提取网络，加强对模糊鱼体的识别能力，并在水下模糊鱼群图像数据集上进行了消融试验和模型对比试验，以验证SK-YOLOv5的有效性。结果表明：在鱼群检测任务上，SK-YOLOv5的识别精确率和召回率分别达到了98.86%和96.64%,检测效果比YOLOv5分别提升了2.14%和2.29%,与目前检测准确率较高的水下目标检测模型XFishHmMp和FERNet相比，SK-YOLOv5取得了较好的检测效果，与XFishHmMp模型相比，识别精确率和召回率分别提升了5.39%和5.66%,与FERNet模型相比，识别精确率和召回率分别提升了3.59%和3.77%,实现了真实养殖环境下鱼群的准确检测。研究表明，融合SKNet与YOLOv5的养殖鱼群检测方法，有效地解决了水下模糊图像鱼群检测准确率低的问题，提升了养殖鱼群检测和识别的整体效果。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享