您选择的条件: 张晓敏
  • 融合ECA 机制与DenseNet201 的水稻病虫害识别方法

    分类: 农、林、牧、渔 >> 农业基础学科 提交时间: 2023-08-14 合作期刊: 《智慧农业(中英文)》

    摘要: [目的/意义]针对传统人工识别病虫害存在的效率过低、成本过高等问题,提出一种融合ECA(Effi⁃ cient Channel Attention)注意力机制与DenseNet201的水稻图像识别模型GE-DenseNet(G-ECA DenseNet)。[方法] 首先在ECA机制上引入Ghost模块的思想构成G-ECA Layer结构,增强其提取特征的能力。其次,在DenseNet201 原有的Dense Block前引入G-ECA Layer,使模型具有更优的通道特征提取能力。由于实验所用的数据集较小,将 DenseNet201在ImageNet数据集上预训练的权重参数迁移到GE-DenseNet中。训练时,采用Focal Loss函数来解决 各分类样本不均衡的问题。同时,使用Adam优化器以避免在模型训练初期由于部分权重随机初始化而导致反向 传播的梯度变化剧烈的问题,在一定程度上削弱了网络训练的不确定性。[结果和讨论]在包含水稻胡麻斑病、水 稻铁甲虫、稻瘟病与健康水稻的3355张图像数据集上进行了实验测试,识别准确率达到83.52%。由GE-DenseNet 模型的消融对比实验可得,引入了Focal Loss函数与G-ECA Layer层之后,模型准确率上升2.27%。将所提模型与 经典NasNet(4@1056)、VGG-16和ResNet50模型相比,分类准确率分别提高了6.53%、4.83%和3.69%;相较于 原始的DenseNet201,对水稻铁甲虫的识别准确率提升达20.32%。[结论]加入G-ECA Layer结构能够使模型更为 准确地捕捉适合于水稻病虫害识别的特征信息,从而使GE-DenseNet模型能够实现对不同水稻病虫害图像更为准 确地识别,为及时防治病虫害,减少各类损失提供技术支持。

  • 覆冰工况下电力导线非对称疲劳失效的数值模拟分析

    分类: 材料科学 >> 材料科学(综合) 提交时间: 2023-03-31 合作期刊: 《材料研究学报》

    摘要: 2011年四川西昌地区月普一回线在覆冰气象条件下发生断线事故。基于现场调查资料,LGJ-630/45钢芯铝绞线截面上的12根铝线为平齐的脆断断口,其余均为典型韧断断口。本文基于有限元法的ANSYS计算平台,从悬垂线和大挠度弯曲梁单元模型的静力学角度及梁单元模型的动力学角度分析了断线原因。研究表明:事故现场采集的脆性平断断口系疲劳所致,导线先因疲劳产生低应力脆断平断口,引起有效截面减小,继而发生应力过载断裂,产生杯锥状韧性断口。事故发生原因为覆冰及脉动风使导线运行应力由55.4MPa增至97.9MPa。在脉动风作用下,导线发生一阶共振,促使非对称疲劳的疲劳载荷应力均值增大,大大降低了导线的疲劳寿命,部分铝线发生断股,引起导线有效截面减小,使其运行应力超过导线破坏应力,最终导致导线过载韧断。