简介:为了让卷烟感官评价专业技术人员精准把握消费者真实需求,通过网络评论爬取和在线问卷调查两种途径获取代表性卷烟的消费者感官评价数据,采用语义分析法和相关统计学方法,从感官描述词匹配频率和词汇数、指标理解度和几何平均值等方面进行对比分析,初步验证了中式卷烟消费体验感官评价指标的实用性和适用性。研究发现:(1)网络评论分析和问卷调查两种方法的验证结果较为一致,并相互补充;(2)对于一级指标,消费者对描述满足感特征的指标最为关注,其次为舒适感和轻松感;(3)对于二级指标,从消费者关注和感知程度可分为两类,第一类是核心指标,包括"浓郁"、"醇厚"、"刺激"、"柔和"、"清新"、"劲头"、"甜润"、"顺畅"、"余味"、"杂气"、"嗅香"和"细腻"等12个关注多、易感知的指标;第二类为延伸指标,包括"成团"、"丰富"、"绵长"、"透发"、"均衡"和"愉悦"等6个关注少、难以感知和理解、但起到深化和综合作用的专业性指标。
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:本研究以内蒙古锡林郭勒盟苏尼特右旗短花针茅荒漠草原为研究对象,采用分层取样技术,分别对碱韭和短花针茅为主的草地植物群落进行调查(测定指标为高度、盖度、密度和地上现存量),获得禾本科为主、碱韭为主以及由二者构成的复合样本数据。通过MATLAB软件平台,把植物群落的数量特征(高度、盖度和密度)作为输入因子,以群落现存量作为输出因子来建立BP神经网络模型,并对预测结果进行检验。结果显示,禾本科为主、碱韭为主以及由二者构成的复合样本,采用BP神经网络平均预测准确率分别为94.1%,92.98%,91.01%。因此,BP神经网络可作为草地植物群落地上现存量模拟与预测的有效工具之一。采用BP神经网络对不同草地植物类群进行模拟和预测可能会存在差异,但这种差异会随着样本容量的增大或训练精度的增加而弱化。