简介:笔者是闽北建瓯市的一个根艺爱好者。一次看到许多白蚂蚁围着一块树兜很不顺眼,一脚把它踢开,它打了几个滚,抖落了黄泥和白蚂蚁,露出了许多大大小小的孔洞,整体看像熊猫,但不丰实,倒象《九头狮子》、《玉玲珑》之类的奇石。此后又陆续注意到一些骨核根,经过清理制成根艺品,都挺耐看的,于是我对它们另眼相看。这种枯根朽木,其实骨里不朽,它是一些林木被采伐后留下的树根,由于长年累月风雨雪火、虫菌病害、更新造林或其他人为因素,局部或整体干枯、腐烂,其中有的树根材含有某种抗腐成分,腐烂得慢或经久不烂,剩下骨核,这种骨核根在菌属虫豸的蚀噬后,形成各种人工所不及的奇形怪状,根据这些形态构思制作的根艺作品,一般无须多加雕琢,其形如梦似幻,别有风韵。由此,我联想起松花江的浪木、三峡的
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。