简介:摘要 : 为提高现有苹果目标检测模型在硬件资源受限制条件下的性能和适应性,实现在保持较高检测精度的同时,减轻模型计算量,降低检测耗时,减少模型计算和存储资源占用的目的,本研究通过改进轻量级的 MobileNetV3网络,结合关键点预测的目标检测网络( CenterNet),构建了用于苹果检测的轻量级无锚点深度学习网络模型( M-CenterNet),并通过与 CenterNet和单次多重检测器( Single Shot Multibox Detector, SSD)网络比较了模型的检测精度、模型容量和运行速度等方面的综合性能。对模型的测试结果表明,本研究模型的平均精度、误检率和漏检率分别为 88.9%、 10.9%和 5.8%;模型体积和帧率分别为 14.2MB和 8.1fps;在不同光照方向、不同远近距离、不同受遮挡程度和不同果实数量等条件下有较好的果实检测效果和适应能力。在检测精度相当的情况下,所提网络模型体积仅为 CenterNet网络的 1/4;相比于 SSD网络,所提网络模型的 AP提升了 3.9%,模型体积降低了 84.3%;本网络模型在 CPU环境中的运行速度比 CenterNet和 SSD网络提高了近 1倍。研究结果可为非结构环境下果园作业平台的轻量化果实目标检测模型研究提供新的思路。
简介:利用黄土高原65个小流域2441场次降雨数据,分析黄土高原小流域次暴雨洪峰流量与降雨、地形和径流参数的相关关系,探讨不同副区、不同流域面积尺度和不同降雨月份对上述相关性规律的影响。结果表明:1)黄土高原小流域次暴雨洪峰流量与雨量雨强参数(降雨量与降雨强度的乘积)、流域面积、主沟道长度、流域宽度、主沟道比降以及径流量、径流深和径流系数等参数存在着较好的相关关系;2)各参数与洪峰流量的相关性受各副区自然地理条件和流域面积尺度的影响显著;3)为准确预测黄土高原小流域次暴雨洪峰流量,可以将雨量雨强参数、流域面积和径流量等参数作为参考变量,在各副区和各流域面积尺度分别建立洪峰流量经验公式,构建黄土高原小流域次暴雨洪峰流量经验模型,为小流域水土保持工程措施的设计奠定基础。