武小红
- 作品数：97 被引量：965H指数：17
- 供职机构：江苏大学电气信息工程学院更多>>
- 发文基金：国家自然科学基金江苏省“六大人才高峰”高层次人才项目江苏高校优势学科建设工程资助项目更多>>
- 相关领域：农业科学自动化与计算机技术理学轻工技术与工程更多>>
- 模糊非相关判别转换及其应用被引量：2
- 2009年
- 线性判别分析是一种特征提取和维数缩减的方法,广泛应用于人脸识别,语音识别和手写字母识别等领域。但是许多线性判别分析都是"硬"线性判别分析,每个数据点都严格地属于这一类或那一类。在非相关判别转换(UDT)基础上,提出了模糊非相关判别转换(FUDT)。FUDT是利用模糊集理论的有监督学习方法,其判别向量满足广义瑞利商方程,同时也满足样本到模糊非相关优化判别向量上的投影是非相关的。通过FUDT和UDT对公共数据库MSTAR的实验结果可看出,FUDT在处理SAR图像的特征提取方面优于UDT。
- 武小红武斌周建江
- 关键词：线性判别分析
- 基于改进RetinaNet的果园复杂环境下苹果检测被引量：17
- 2022年
- 为了快速准确地检测重叠、遮挡等果园复杂环境下的苹果果实目标,该研究提出一种基于改进RetinaNet的苹果检测网络。首先,该网络在传统RetinaNet的骨干网络ResNet50中嵌入Res2Net模块,提高网络对苹果基础特征的提取能力;其次,采用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)对不同尺度的特征进行加权融合,提升对小目标和遮挡目标的召回率;最后,采用基于焦损失(Focal Loss)和高效交并比损失(Efficient Intersection over Union Loss,EIoU Loss)的联合损失函数对网络进行优化,提高网络的检测准确率。试验结果表明,改进的网络在测试集上对叶片遮挡、枝干/电线遮挡、果实遮挡和无遮挡的苹果检测精度分别为94.02%、86.74%、89.42%和94.84%,平均精度均值(meanAveragePrecision,mAP)达到91.26%,较传统RetinaNet提升了5.02个百分点,检测一张苹果图像耗时42.72 ms。与Faster-RCNN和YOLOv4等主流目标检测网络相比,改进网络具有优异的检测精度,同时可以满足实时性的要求,为采摘机器人的采摘策略提供了参考。
- 孙俊钱磊朱伟栋周鑫戴春霞武小红
- 关键词：图像识别采摘机器人遮挡
- 基于无人机图像的多尺度感知麦穗计数方法被引量：12
- 2021年
- 小麦是世界上重要的粮食作物,其产量的及时、准确预估对世界粮食安全至关重要,小麦穗数是估产的重要数据,因此该研究通过构建普适麦穗计数网络(Wheat Ear Counting Network,WECnet)对灌浆期小麦进行精准的计数与密度预估。选用多个国家不同品种的麦穗图像进行训练,并且对数据集进行增强,以保证麦穗多样性。在原始人群计数网络CSRnet基础上,针对小麦图像特点构建WECnet网络。在网络前端,通过使用VGG19的前12层进行特征提取,同时与上下文语义特征进行融合,充分提取麦穗的特征信息。后端网络使用不同空洞率的卷积加大感受野,输出高质量的密度图。为了验证模型的可迁移性与普适性,该研究通过基于全球小麦数据集训练好的模型对无人机实拍的麦田图像进行计数。试验结果表明:在全球小麦数据集上,WECnet训练模型的决定系数、均方根误差(Root Mean Square Error,RMSE)与平均绝对误差(Mean Absolute Error,MAE)分别达到了0.95、6.1、4.78。在无人机拍摄图像计数中,决定系数达到0.886,整体错误率仅为0.23%,平均单幅小麦图像计数时间为32 ms,计数速度与精度均表现优异。普适田间小麦计数模型WECnet可以对无人机获取图像中小麦的准确计数及密度预估提供数据参考。
- 孙俊杨锴锋罗元秋沈继锋武小红钱磊
- 关键词：线性滤波
- 三种低压高速低耗BiCMOS三态逻辑门被引量：5
- 2006年
- 采用0.35μm BiCMOS工艺技术，设计了三种高性能的BiCMOS三态逻辑门电路，并提出了改进三态门电路结构和优化器件参数的方法和措施。仿真和实验结果表明．所优化设计的BiCMOS三态门的电源电压均小于3.3V，工作速度比常用的CMOS三态门快约5倍。功耗在60MHz下仅高出约2．2～3．7mW．而延迟一功耗积却比该常用的CMOS三态门平均降低了38．1％，因此它们特别适用于低压、高速、低功耗的数字系统。
- 成立王振宇张兵武小红
- 关键词：超大规模集成电路
- 一种使用近红外光谱技术快速鉴别茶叶品种的方法
- 本发明是一种使用近红外光谱技术快速鉴别茶叶品种的方法，首先用近红外光谱仪采集茶叶的近红外漫反射光谱，再用主成分分析(PCA)对茶叶的高维近红外光谱进行降维处理，用线性判别分析(LDA)进行茶叶光谱数据的品种类别信息的提取...
- 武斌武小红贾红雯
- 文献传递
- 不等距螺纹加工装置
- 本实用新型公开了一种不等距螺纹加工装置，安装于车床上，并与车床丝杆连接，包括主轴、刀具和弹性刀夹，工件安装于主轴尾端，刀具安装于弹性刀夹上并与工件对接，还具有挂轮机构、凸轮机构、盘形凸轮和对刀架，挂轮机构与主轴连接，凸轮...
- 苏和堂赵玉霞武斌武小红贾红雯
- 文献传递
- 基于改进卷积神经网络的多种植物叶片病害识别被引量：196
- 2017年
- 针对训练收敛时间长,模型参数庞大的问题,该文将传统的卷积神经网络模型进行改进,提出一种批归一化与全局池化相结合的卷积神经网络识别模型。通过对卷积层的输入数据进行批归一化处理,以便加速网络收敛。进一步缩减特征图数目,并采用全局池化的方法减少特征数。通过设置不同尺寸的初始层卷积核和全局池化层类型,以及设置不同初始化类型和激活函数,得到8种改进模型,用于训练识别14种不同植物共26类病害并选出最优模型。改进后最优模型收敛时间小于传统卷积神经网络模型,仅经过3次训练迭代,就能达到90%以上的识别准确率;参数内存需求仅为2.6 MB,平均测试识别准确率达到99.56%,查全率和查准率的加权平均分数为99.41%。改进模型受叶片的空间位置的变换影响较小,能识别多种植物叶片的不同病害。该模型具有较高的识别准确率及较强的鲁棒性,该研究可为植物叶片病害的识别提供参考。
- 孙俊谭文军毛罕平武小红陈勇汪龙
- 关键词：病害植物图像处理卷积神经网络
- 模糊协方差学习矢量量化的茶叶品种分类研究
- 2023年
- 茶叶是全球最受欢迎饮品之一,且具有丰富的营养价值,但目前市面上的茶叶鱼龙混杂,难以辨别。因此,快速准确的分类方法对茶叶进行鉴别具有重要的研究意义。由于大多数化合物基频吸收带均出现在波长为2500~25000 nm的中红外区域,茶叶的中红外光谱中含有大量关于茶叶品种的特征鉴别信息,利用这一显著特点可以对其进行分类。提出模糊协方差学习矢量量化(FCLVQ),该算法在GK(Gustafson-Kessel)聚类的基础上,引入学习向量量化(LVQ)中学习速率的概念,用以控制模糊类中心的更新速率。FCLVQ结合中红外光谱,通过不断迭代计算样本模糊隶属度值和模糊聚类中心,实现对茶叶的快速精准分类。选取市场上的峨眉山茶叶、优质竹叶青茶叶、劣质竹叶青茶叶作为实验对象。将实验对象分为3组(每个品种各1组),每组32个,共计96个样本。利用FTIR-7600型傅里叶红外光谱分析仪分别采集每组样本的中红外光谱数据,每组样本采集三次,取其平均值作为样本的红外光谱数据。首先,由于原始光谱含有噪声数据,故使用多元散射校正(MSC)作降噪预处理;其次,由于光谱数据维数高达1868维,采用主成分分析(PCA)将光谱数据降至14维,其14个主成分的累计贡献率为99.74%;然后将降维后的光谱数据使用线性判别分析(LDA)进一步降至2维,同时提取数据中的鉴别信息;最后运行模糊C均值聚类算法(FCM),将其运算得到的聚类中心作为FCLVQ的初始聚类中心参与迭代,设置模糊隶属度的权重指数m=2,最终分类准确率高达95.25%。将FCM算法、GK算法、模糊Kohonen聚类网络(FKCN)算法与FCLVQ算法的运行结果进行对比,FCM,GK和FKCN的分类准确率分别为90.91%,92.41%和90.91%。结果表明,与其他三个算法相比较,FCLVQ在m=2,主成分个数为14时有着更好的分类效果,可以用来实现对茶叶品种的准确分类。
- 李晓陈勇梅武军武小红冯亚杰武斌
- 关键词：中红外光谱茶叶模糊聚类主成分分析线性判别分析
- 便携式蔬菜叶片重金属镉含量无损检测仪设计与试验被引量：3
- 2022年
- 针对蔬菜叶片重金属镉检测传统方法存在的检测仪器体积大、检测成本高和具有破坏性等问题,提出一种基于可见光近红外波段光谱蔬菜叶片重金属镉检测方法,并设计了一款无需预处理、检测速度快、体积小且便于携带的重金属镉检测仪,能够适用于移动式的现场检测。配置4个重金属镉胁迫梯度(0、1、3、5 mg/L)营养液,培育各镉胁迫的生菜样本,通过高光谱成像系统采集叶片反射光谱数据,利用主成分分析法(Principal component analysis,PCA)筛选出3个特征波长(550、680、800 nm),采用偏最小二乘回归法(Partial least squares regression,PLSR)搭建重金属镉检测模型,该模型测试集相关系数R_(p)为0.9149,测试集均方根误差为0.5271 mg/kg。使用自制的仪器做标定试验,选择A/D采集电压做参考,用标定数据进行建模,模型训练集相关系数R_(c)为0.8581,训练集均方根误差为0.4975 mg/kg,测试集相关系数R_(p)为0.8432,测试集均方根误差为0.5526 mg/kg,模型预测效果较好。最后对便携式重金属镉无损检测仪检测精度进行验证,选取与建模无关的30组镉胁迫生菜叶片实时检测,与标准理化值对比,均方根误差为0.32 mg/kg,绝对测量误差为-0.69~0.66 mg/kg,平均绝对误差为0.26 mg/kg,结果表明检测仪能够实现生菜叶片镉含量的实时无损检测。
- 孙俊胡双齐周鑫张林武小红戴春霞
- 关键词：重金属镉无损检测
- 基于融合小波的高光谱生菜农残梯度鉴别研究被引量：2
- 2016年
- 为有效地实现光谱信息预处理,本文将类内距离和类间距离法引入小波阈值、小波分段预处理算法中,提出WBWT和WB-PWT两种融合小波预处理算法。利用WT、PWT、WB-WT和WB-PWT预处理算法对相同的生菜农药残留高光谱数据进行预处理。通过连续投影法对预处理后光谱进行特征选取,利用支持向量机对特征选取的光谱数据进行分类鉴别。结果表明,WB-WT和WB-PWT算法较传统的WT和PWT预测准确率有了较大的提高。其中,以db4、db6、sym5函数为小波基函数和WB-WT、WB-PWT算法预处理对应的模型预测准确率分别为75.00%、84.38%、87.50%和84.38%、90.63%、93.75%,它们的预测准确率均优于WT与PWT算法分别对应的模型预测准确率57.58%、62.50%、69.70%和72.73%、87.88%、90.63%,表明融合小波预处理算法能有效地提高分类建模预测精度。
- 周鑫孙俊武小红杨宁李青林路新男
- 关键词：预处理农残检测
