崔艳荣
- 作品数：65 被引量：166H指数：7
- 供职机构：长江大学计算机科学学院更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金江苏省教育厅自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学农业科学电子电信更多>>
- 一种水平井冲击式磨鞋工具
- 本发明公开了一种水平井冲击式磨鞋工具，包括：上接头、导流机构、扶正机构和磨鞋头，导流机构包括壳体、卡爪以及设置在壳体内的分流帽、主轴、上扶正轴承、涡轮、调整环、导流环、下扶正轴承；分流帽一端与主轴连接，另一端穿设于通孔内...
- 崔艳荣余珺瑞刘思林郑星奇
- WSN在水产养殖业的应用
- 2016年
- 将当代先进的无线传感器网络技术应用于水产养殖中。利用无线传感器实时监测影响水产养殖的诸多因素,例如对水体水温、光照、溶氧、氨氮的含量、二氧化碳的浓度以及PH等,并且将测到的数据经过处理发送到客户端,从而能够实时预知鱼类的生长状况,可以解决因为水体变化而导致鱼类死亡,影响产量的问题。
- 周凡崔艳荣
- 关键词：无线传感器网络水产养殖ZIGBEE技术
- 基于改进ShuffleNet v2模型的苹果叶片病害识别方法
- 2024年
- 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高,且一些大型网络在分类任务中参数量较大,迁移到移动设备和嵌入式设备上时存在难以存储等问题,提出一种改进轻量化网络ShuffleNet v2的识别方法。首先收集了斑点落叶病、灰斑病、花叶病、锈斑病、褐斑病5类常见苹果叶片病害图像样本,通过镜像高斯和旋转等方式对图像进行处理,以增加图片数量,提升模型识别和泛化能力。接着基于轻量化ShuffleNet v2网络为主体,调整第1层卷积核的尺寸,将3×3、步长为2的卷积核调整为1×1、步长为1的卷积核。最后融合空间注意力机制,并进行加权,增强模型对重要信息的注意,再引入Ghost模块,提高模型表征能力。结果表明,改进后的模型相比ShuffleNet v2总体平均精确率提升1.23百分点,平均F 1分数提升了1.21百分点,平均召回率提升了1.20百分点,Top-1准确率提升了1.17百分点,参数量仅为9.8 MB,说明本研究得出的方法具有较高的准确率,为真实场景下苹果叶片病害识别提供了一种有效的解决方案,并为未来工作提供新方向。
- 王浩宇崔艳荣
- 关键词：苹果图像分类
- Web模式下动态数据库综合查询技术被引量：6
- 2012年
- 该文分析了数据库查询技术的现状,提出了WEB模式下动态数据库综合查询技术,实现了动态查询列表的生成和动态查询条件的生成,并将该技术应用于基于Web模式的项目中,取得了很好的查询效果。
- 崔艳荣陈勇
- 关键词：WEB模式查询技术
- 物联网工程专业实践教学体系研究被引量：20
- 2019年
- 分析了物联网工程专业课程体系,探讨了物联网工程专业实验课程和课程设计的设置,并从数据获取、数据传输及应用等方面讨论了物联网工程专业实习实训的安排,以期为物联网工程专业实践教学提供参考。
- 崔艳荣陈勇胡蓉华
- 关键词：物联网工程实验课程课程设计实习实训
- 一种用于计算机的外置型散热降温装置
- 本发明公开了一种用于计算机的外置型散热降温装置，其涉及计算机技术领域，包括机箱；侧板，固定在所述机箱的两侧，且所述侧板上开设有进风口；降温组件，固定在所述侧板上，且与所述进风口相对应，用于为机箱内部提供冷却风；以及内置散...
- 崔艳荣陈勇雷鸣余珺瑞
- 面向深层学习的计算机网络课程实践教学体系建设被引量：3
- 2022年
- 结合计算机网络课程概念众多、抽象且难以理解的特点,提出从探究式学习、进阶式学习和拓展式学习3个维度构建面向深层学习的计算机网络实践教学体系.通过教学实践分析,说明实践训练能够激发学生的学习兴趣和创新能力.
- 胡蓉华崔艳荣陈琳陈中举
- 关键词：计算机网络实践教学
- 基于YOLO v8-Tea的茶叶病害检测方法
- 2024年
- 针对真实场景下复杂的茶叶病害特征检测准确率低、误检率和漏检率高,以及难以进行移动设备上部署等问题,提出一种基于YOLO v8-Tea的茶叶病害检测算法。该算法是在YOLO v8的基础上做的改进,首先,替换了C2f中的Bottleneck,采用FasterBlock来减少参数量和计算量。同时,引入了多尺度注意力EMA模块,以增强全局上下文信息的获取。最后,采用BiFPN模块,以更好地融合多尺度特征,并改进了颈部网络,以提高检测精度。结果表明,YOLO v8-Tea算法在平均精度方面比传统YOLO v8n提高了5.7百分点,从而能更准确地检测复杂的茶叶病害特征。与此同时,模型的参数量和计算量分别减少了47.9%和28.4%,模型的权重文件的大小减小了45.2%,仅为3.4 M。YOLO vs-Tea算法的平均精度比经典的YOLO系列算法中的YOLO v4-tiny、YOLO v5n、YOLO v6n、YOLO v7-tiny分别提高24.6、6.8、5.5、2.5百分点。这些改进使得本研究算法更适合茶叶病害检测任务以及在移动设备中的高效部署。该算法在茶叶病害检测方面取得了显著的性能提升。通过降低参数量和计算量以及优化模型的部署,为实际农业场景中的茶叶病害检测提供了一个更可行的解决方案,为茶叶产业提供了有前景的技术,可以提高茶叶病害检测的效率和准确性。
- 贾瀛睿龙阳胡蓉华崔艳荣桂余鹏
- 关键词：EMA
- 基于YOLOv5的小目标检测被引量：21
- 2021年
- 在进行目标检测时,小目标会出现漏检或检测效果不佳等问题。本文将YOLOv5算法用于小目标检测,YOLOv5有3个检测头,能够多尺度对目标进行检测,并对数据做了Mosaic数据增强、自适应锚框计算、统一图片尺寸等数据预处理,对小目标有很好的检测效果。基于YOLOv5的基础上进行改进,把CIOU_Loss、DIOU_nms运用于YOLOv5算法中。实验结果表明,基于YOLOv5的小目标检测,准确率高,速度快,具有很好的性能。
- 江磊崔艳荣
- 关键词：小目标检测
