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:
利用计算机检测识别技术对红提葡萄进行分级,即利用计算机技术和摄像传感技术对红提葡萄的主要分级影响因素进行识别检测,替代传统的人工分级方法,可以解决人工分级所面对的各种局限性与缺点,如过度依赖主观性、易疲劳等.基于此,本文介绍了一种通过卷积神经网络对红提葡萄进行分级检测的方法,以供参考.
推荐文章
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
基于卷积神经网络的细胞识别
细胞识别
卷积神经网络
深度学习
池化层
基于深度卷积神经网络的图像检索算法研究
图像检索
卷积神经网络
特征提取
深度学习
基于卷积神经网络的车牌识别
卷积神经网络
车牌识别
模型训练
权值共享
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红提葡萄分级技术研究
来源期刊 南方农机 学科 工学
关键词 卷积神经网络 红提葡萄 分级
年,卷(期) 2019,(17) 所属期刊栏目 南方论坛
研究方向 页码范围 20-21
页数 2页 分类号 TP183
字数 3380字 语种 中文
DOI 10.3969/j.issn.1672-3872.2019.17.013
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 查志华 石河子大学信息科学与技术学院 16 56 3.0 7.0
2 刘宝 石河子大学信息科学与技术学院 13 41 4.0 6.0
3 柴林杰 石河子大学信息科学与技术学院 3 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (11)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
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
卷积神经网络
红提葡萄
分级
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
南方农机
半月刊
1672-3872
36-1239/TH
大16开
江西省南昌市省府大院北一路3号6楼
44-110
1970
chi
出版文献量(篇)
23381
总下载数(次)
96
论文1v1指导