对已有的Z变换时域有限差分法(Z-transformation Finite Difference Time Domain,Z-FDTD)在电磁波与非均匀磁化等离子体中的传输特性分析的计算误差问题进行了研究,并探讨了一种修正计算误差的Z变换时域有限差分方法(Modified Z-transfo...对已有的Z变换时域有限差分法(Z-transformation Finite Difference Time Domain,Z-FDTD)在电磁波与非均匀磁化等离子体中的传输特性分析的计算误差问题进行了研究,并探讨了一种修正计算误差的Z变换时域有限差分方法(Modified Z-transform Finite Difference Time Domain,MZ-FDTD),以提升Z-FDTD方法对非均匀磁化等离子体的适用性。对MZ-FDTD和Z-FDTD之间的计算误差问题,通过严格的公式推导求得该误差的计算公式,并引入误差分析因子,对比分析了该误差受空间步长和非均匀磁化等离子体的物理特性的影响特征,在充分的误差分析与网格参数对比后,以电磁波在非均匀磁化等离子体中的传输特性为分析目标,举例说明了MZ-FDTD的优越性。研究结果表明,相比于经典Z-FDTD,通过MZ-FDTD方法计算得到的数值结果具有更高的计算准确度,较低的运行时间和较少的运行内存占用。此外,对电磁波在非均匀等离子体中传输特性分析的举例说明也证明了相比于Z-FDTD,优化的Z-FDTD方法无论是在较低频段还是较高频段都保持较好的稳定性。在今后的工作中,使用MZ-FDTD方法研究非均匀磁化等离子体问题将会获得更好的计算结果,这项工作中的误差分析方法也将对某些计算电磁学在等离子体中的应用与优化工作起到一定的帮助作用。展开更多
[目的/意义]在农业生产的后期,对干制黄花菜等级进行准确分类至关重要。针对现有目标检测模型在干制黄花菜分级任务中精度不足及参数过多的问题,提出一种轻量级的YOLOv10-AD网络模型。[方法]该模型设计了全新的骨干网络AKVanillaNet,针...[目的/意义]在农业生产的后期,对干制黄花菜等级进行准确分类至关重要。针对现有目标检测模型在干制黄花菜分级任务中精度不足及参数过多的问题,提出一种轻量级的YOLOv10-AD网络模型。[方法]该模型设计了全新的骨干网络AKVanillaNet,针对干制黄花菜的特殊形状特征进行了优化,显著提升了检测精度,同时降低了模型的参数和计算成本。此外,还将DysnakeConv模块嵌入C2f结构中,进一步增强了对干制黄花菜特征的提取能力,并通过采用Powerful-IOU(PIOU)损失函数,更好地拟合数据,提升模型性能。[结果和讨论]在干制黄花菜等级分类的数据集上的测试结果表明,YOLOv10-AD模型的平均准确率mAP(Mean Average Precision)达到了85.7%,其参数量、计算量和模型大小分别为2.45 M、6.2 GFLOPs和5.0 M,帧率FPS(Frames Per Second)为156。与基准模型相比,YOLOv10-AD不仅将mAP提升了5.7%,FPS提升了25.8%,同时还将参数量、计算量及模型大小分别降低9.3%、24.4%和9.1%,不仅提升了检测精度,还降低了模型的部署难度。[结论]提出的YOLOv10-AD网络模型能够在不同光照条件下对干制黄花菜进行精准分类,且具有较好的实时性,为干制黄花菜等级的智能分类提供了有效的技术参考。展开更多
文摘对已有的Z变换时域有限差分法(Z-transformation Finite Difference Time Domain,Z-FDTD)在电磁波与非均匀磁化等离子体中的传输特性分析的计算误差问题进行了研究,并探讨了一种修正计算误差的Z变换时域有限差分方法(Modified Z-transform Finite Difference Time Domain,MZ-FDTD),以提升Z-FDTD方法对非均匀磁化等离子体的适用性。对MZ-FDTD和Z-FDTD之间的计算误差问题,通过严格的公式推导求得该误差的计算公式,并引入误差分析因子,对比分析了该误差受空间步长和非均匀磁化等离子体的物理特性的影响特征,在充分的误差分析与网格参数对比后,以电磁波在非均匀磁化等离子体中的传输特性为分析目标,举例说明了MZ-FDTD的优越性。研究结果表明,相比于经典Z-FDTD,通过MZ-FDTD方法计算得到的数值结果具有更高的计算准确度,较低的运行时间和较少的运行内存占用。此外,对电磁波在非均匀等离子体中传输特性分析的举例说明也证明了相比于Z-FDTD,优化的Z-FDTD方法无论是在较低频段还是较高频段都保持较好的稳定性。在今后的工作中,使用MZ-FDTD方法研究非均匀磁化等离子体问题将会获得更好的计算结果,这项工作中的误差分析方法也将对某些计算电磁学在等离子体中的应用与优化工作起到一定的帮助作用。
文摘[目的/意义]在农业生产的后期,对干制黄花菜等级进行准确分类至关重要。针对现有目标检测模型在干制黄花菜分级任务中精度不足及参数过多的问题,提出一种轻量级的YOLOv10-AD网络模型。[方法]该模型设计了全新的骨干网络AKVanillaNet,针对干制黄花菜的特殊形状特征进行了优化,显著提升了检测精度,同时降低了模型的参数和计算成本。此外,还将DysnakeConv模块嵌入C2f结构中,进一步增强了对干制黄花菜特征的提取能力,并通过采用Powerful-IOU(PIOU)损失函数,更好地拟合数据,提升模型性能。[结果和讨论]在干制黄花菜等级分类的数据集上的测试结果表明,YOLOv10-AD模型的平均准确率mAP(Mean Average Precision)达到了85.7%,其参数量、计算量和模型大小分别为2.45 M、6.2 GFLOPs和5.0 M,帧率FPS(Frames Per Second)为156。与基准模型相比,YOLOv10-AD不仅将mAP提升了5.7%,FPS提升了25.8%,同时还将参数量、计算量及模型大小分别降低9.3%、24.4%和9.1%,不仅提升了检测精度,还降低了模型的部署难度。[结论]提出的YOLOv10-AD网络模型能够在不同光照条件下对干制黄花菜进行精准分类,且具有较好的实时性,为干制黄花菜等级的智能分类提供了有效的技术参考。
