作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
图像识别是除草机器人的一项基础关键研究.为了能提高农作物和杂草的识别率以及便于识别物特征的提取,提出了基于卷积神经网络的识别方法.以农田中的杂草和农作物为试验对象设计了网络结构.该网络结构的参数较少,准确率达到了92.08%,且处理每张图片的时间仅为0.82 ms.
推荐文章
基于卷积神经网络提取多尺度分层特征识别玉米杂草
作物
图像识别
图像分割
杂草识别
深度学习
卷积神经网络
超像素
基于卷积神经网络车身颜色识别技术研究
卷积神经网络
车身颜色识别
网络层数
迭代次数
学习率
基于卷积神经网络人脸识别方法研究
深度机器学习
卷积神经网络
人脸识别
基于稀疏卷积神经网络的考生识别算法
考生识别
卷积神经网络
人脸识别
身份验证
多通道输入
方法比
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的杂草快速识别研究
来源期刊 安徽农业科学 学科 农学
关键词 除草 卷积神经网络 快速 图像识别
年,卷(期) 2019,(14) 所属期刊栏目 农业经济· 农业信息
研究方向 页码范围 242-244
页数 3页 分类号 S126
字数 2480字 语种 中文
DOI 10.3969/j.issn.0517-6611.2019.14.071
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张有春 河南理工大学计算机科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (101)
共引文献  (159)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(6)
  • 参考文献(1)
  • 二级参考文献(5)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(7)
  • 参考文献(0)
  • 二级参考文献(7)
2013(15)
  • 参考文献(1)
  • 二级参考文献(14)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(7)
  • 参考文献(2)
  • 二级参考文献(5)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(8)
  • 参考文献(2)
  • 二级参考文献(6)
2018(7)
  • 参考文献(3)
  • 二级参考文献(4)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
除草
卷积神经网络
快速
图像识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
安徽农业科学
半月刊
0517-6611
34-1076/S
大16开
安徽省合肥市农科南路40号
26-20
1961
chi
出版文献量(篇)
78281
总下载数(次)
236
总被引数(次)
436536
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导