检索结果-内蒙古大学图书馆

农业工程学报 2024年第21期40卷 119-126页

作者：李旭刘青匡敏球潘建东刘大为向阳吴艳华谢方平湖南农业大学机电工程学院长沙410128 智能农机装备湖南省重点实验室长沙410128 浙江大学生物系统工程与食品科学学院杭州310000 长沙县多莱农业科技有限公司长沙410100

针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升... 详细信息

针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升不同光照条件下模型捕捉辣椒果实关键特征的能力;其次,将主干网络特征聚合模块中的卷积模块替换为可变形卷积DCNv2(deformable convnets v2),提升了模型对不同遮挡情况下辣椒多样几何特征的感知能力。试验结果表明,改进的YOLOX_Pepper模型平均检测精度为93.30%,与Faster R-CNN、YOLOv5、YOLOv7以及YOLOX相比,分别提高了3.99、1.58、3.19和2.84个百分点,F1分数为96%。改进的YOLOX_Pepper模型对自然环境不同光照和遮挡条件的辣椒果实均能进行准确快速的检测。该方法可为辣椒智能化生产提供技术基础。

关键词：农业机器视觉 YOLOX 辣椒自然环境果实检测

来源：评论

学校读者我要写书评

暂无评论

基于快速卷积神经网络的果园果实检测试验研究

引用

中国农机化学报 2020年第10期41卷 183-190,210页

作者：张磊姜军生李昕昱宋健解福祥山东科技大学机械电子工程学院山东青岛266590 潍坊学院机电与车辆工程学院山东潍坊261061 山东工业技师学院山东潍坊261061

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首... 详细信息

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。

关键词：果实检测深度学习农业机器人神经网络迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOV4网络模型的番茄果实检测

引用

中国农机化学报 2022年第12期43卷 162-169页

作者：张磊刘琪芳聂红玫王晨牛帆山西农业大学信息科学与工程学院山西太谷030801 山西农业大学园艺学院山西太谷030801

果实识别是视觉检测技术重要的环节,其识别精度易受复杂的生长环境及果实状态的影响。以大棚环境下单个、一簇、光照、阴影、遮挡、重叠6种复杂生长状态下的番茄果实为对象,提出一种基于改进YOLOv4网络模型与迁移学习相结合的番茄果实... 详细信息

果实识别是视觉检测技术重要的环节,其识别精度易受复杂的生长环境及果实状态的影响。以大棚环境下单个、一簇、光照、阴影、遮挡、重叠6种复杂生长状态下的番茄果实为对象,提出一种基于改进YOLOv4网络模型与迁移学习相结合的番茄果实识别方法。首先利用ImageNet数据集与VGG网络模型前端16卷积层进行模型参数预训练,将训练的模型参数初始化改进模型的权值以代替原始的初始化操作,然后使用番茄数据集在VGG19的卷积层与YOLOV4的主干网络相结合的新模型中进行训练,获得最优权重实现对复杂环境下的番茄果实进行检测。最后,将改进模型与Faster RCNN、YOLOv4-Tiny、YOLOv4网络模型进行比较。研究结果表明,改进模型在6种复杂环境下番茄果实平均检测精度值mAP达到89.07%、92.82%、92.48%、93.39%、93.20%、93.11%,在成熟、半成熟、未成熟3种不同成熟度下的F1分数值为84%、77%、85%,其识别精度优于比较模型。本文方法实现了在6种复杂环境下有效地番茄果实检测识别,为番茄果实的智能采摘提供理论基础。

关键词：番茄复杂环境果实检测网络模型 YOLOv4 迁移学习

来源：评论

学校读者我要写书评

暂无评论

嘉兴凤桥牌水蜜桃果实检测结果及无公害生产技术

引用

江苏农业科学 2004年第2期32卷 50-52页

作者：沈玉英傅正德浙江大学农业与生物技术学院杭州万向职业技术学院浙江杭州310023

对凤桥牌水蜜桃的 15种农药和铅、铬、镉 3种重金属及硝酸盐、亚硝酸盐残留、污染情况进行检测 ,结果达到国家无公害水果标准。本文分析了达到国家无公害水果标准的有关因素 ,总结了无公害水蜜桃生产技术。

关键词：水蜜桃果实检测无公害生产技术凤桥牌品种浙江嘉兴市无公害水果

来源：评论

学校读者我要写书评

暂无评论

基于无人巡检小车的柑橘果园果实检测与产量预估研究

基于无人巡检小车的柑橘果园果实检测与产量预估研究

引用

作者：蹇川西南大学

学位级别：硕士

柑橘是我国主要的经济水果,也是我国种植面积最广、产量最大的水果。在柑橘成熟期准确高效地对单株柑橘树以及整个果园进行产量预估,有助于更精确地获取果园中每株果树的状态信息,从而提前制定来年科学施肥方案,及时精准地补充每株树体... 详细信息

柑橘是我国主要的经济水果,也是我国种植面积最广、产量最大的水果。在柑橘成熟期准确高效地对单株柑橘树以及整个果园进行产量预估,有助于更精确地获取果园中每株果树的状态信息,从而提前制定来年科学施肥方案,及时精准地补充每株树体所需的营养,避免大小年情况的发生。目前,柑橘产量预估主要集中于整片橘园的总体产量预估,无法反映园区不同树体间的产量水平差异,不利于弱势树的精细化矫治管理和提升整园的产量水平及生产效益;同时,传统人工统计产量的方法需要整株下果,不仅费工费时,而且受制于统计尺度,代表性有限。为了展示果园不同树体间的产量水平和提高柑橘产量预估的准确性,为柑橘果树精准施肥决策提供数据基础,本文提出并研发了一种基于智能无人巡检小车的柑橘果园果实检测与产量预估平台,主要研究内容与结论如下: (1)针对柑橘果实因其体积较小(小目标)、易重叠和遮挡等特点导致检测不准确的问题,优化改进了基于YOLOv5的柑橘成熟果实检测算法。主要设计了一个由3层CABlock(Context Aggregation Block)组成的特征金字塔并将其插入到YOLOv5s网络的Head部分。相较于原始算法,改进后的算法在柑橘果实目标上的检测准确率和平均精度分别提升了0.31%和0.17%,检测遮挡果实、重叠果实以及小目标果实的平均精度分别为99.4%、97.2%和98.0%。这一改进使得对柑橘果实更加精确的进行检测,为建立基于柑橘果实检测的产量预估模型提供了技术支持。 (2)为了解决柑橘树冠内部果实(内膛果)因枝叶遮挡无法通过计算机视觉检测准确获得实际产量的问题,以自然圆头型纽荷尔脐橙树为例,构建并优化了基于改进YOLOv5算法的单侧和双侧冠层检测的单株产量预估模型。通过相关性分析得到了单株柑橘树冠层检测果实数量与实际挂果量存在极显著相关性,建立了针对自然圆头型柑橘树的产量预估模型,基于单侧和双侧冠层检测的单株产量预估模型的决定系数分别达到0.60和0.70,并且基于双侧冠层检测的产量预估模型表现更好。 (3)基于所搭建的无人巡检小车完成了产量预估田间效果的验证。本文根据对柑橘果树树势和行间距的统计分析,集成了智能化产量预估模组并设计搭建了无人巡检小车,为田间试验提供了设备支撑。在泸州市叙永县柑橘产业园,基于搭建的柑橘果园果实检测与产量预估的无人巡检小车,建立了当地自然圆头型沃柑树的产量预估模型并完成了产量预估的田间效果验证试验。结果表明,以20株样本数量构建的单侧和双侧冠层检测的产量模型拟合决定系数分别为0.63和0.81,表明在该地区最小产量预估模型建立样本量为20株。验证了相同树形(自然圆头型)不同品种(沃柑和纽荷尔脐橙)的产量预估模型之间存在差异,不能共同使用。无论是无人巡检小车采用单侧巡检还是双侧巡检,都可以作为一种有效的产量预估方法,整体产量相对误差仅为-2.6%,明显优于人工统计,满足农业应用标准。 (4)柑橘产量预估软件的开发。本研究针对柑橘果园场景下的应用需求,开发了柑橘产量预估软件,设计了客户端-服务器端的软件构架,将改进YOLOv5s模型部署在服务器端,通过移动端与服务器端的网络通信实现带预估区域果树图像的上传与产量预估结果反馈。

关键词：柑橘果实检测产量预估无人巡检小车田间验证

来源：评论

学校读者我要写书评

暂无评论

非结构化果园环境下小目标果实检测研究

非结构化果园环境下小目标果实检测研究

引用

作者：孙美丽山东师范大学

学位级别：硕士

深度学习前沿理论的应用为智慧果园的全周期科学化和智能化管理提供了新的思路和解决方案。果实的精准检测是果园测产与全时段监测的有效手段。然而,在非结构化的果园环境中,受果实表皮与背景颜色相近、果实像素占比较小等因素的影响,... 详细信息

深度学习前沿理论的应用为智慧果园的全周期科学化和智能化管理提供了新的思路和解决方案。果实的精准检测是果园测产与全时段监测的有效手段。然而,在非结构化的果园环境中,受果实表皮与背景颜色相近、果实像素占比较小等因素的影响,小目标果实的检测精度严重偏低,因此,探索小目标果实的精准检测成为智慧农业领域的研究热点。本研究以苹果园生长早期果实和远景目标果实为研究对象,围绕苹果小目标果实的精准检测展开研究,并在GreenApple与MinneApple两个数据集上进行验证,主要内容如下:(1)针对目标果实与背景间样本量不平衡问题,构造了小目标果实检测模型GHFormer-Net。采用PVTv2-B1从全局区域中提取特征信息;通过梯度均衡机制优化分类损失函数和边界框回归损失函数。实验结果表明,未增加计算开销的前提下,GHFormer-Net在两个数据集上的小目标平均检测精确度分别达46.8%与41.3%。(2)针对特征金字塔网络中不同尺度果实特征信息的不平衡问题,提出了可平衡特征金字塔网络的小目标检测模型BFP-Net。通过构造类加权的特征融合架构缓解FPN不同层上小目标信息的不平衡;引入扩展特征,设计特征解耦聚合模块并将其嵌入至扩展特征层横向连接结构,以补充空间位置信息;引入蒸馏机制,实现有利知识的迁移。实验结果表明,BFP-Net在两个数据集上的小目标平均检测精确度分别达47.0%与42.2%。(3)针对局部与全局特征交互性不足的问题,设计了可交互局部与全局特征网络ILG-Net。通过构造基于窗口的多粒度Transformer捕获全局粗粒度与局部细粒度信息;提出双流特征聚合块融合局部与全局特征;提出全局引导策略引导局部特征流,以缓解色彩相近导致的边缘模糊问题。实验结果表明,ILG-Net在两个数据集上的小目标平均检测精确度分别达47.8%与42.4%。综上,针对非结构化苹果园环境下绿色小目标果实识别难题,本研究提出的小目标检测模型提升了同色系小目标果实的识别定位精度,有效缓解了果实生长前期同色系小目标果实检测难的问题,可以为实现苹果生长期全过程的自动化监测提供理论支撑与技术支持。

关键词：小目标绿色果实果实检测卷积神经网络 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于改进FCOS算法的果园环境下绿色果实检测与分割研究

基于改进FCOS算法的果园环境下绿色果实检测与分割研究

引用

作者：刘杰山东师范大学

学位级别：硕士

目前,我国果园生产的特点表现为水果产量大、劳动力不足、自动化作业程度低等,在国家大力倡导优先发展农机智能化的政策支持下,加快果园智能作业装备的研发成为当务之急。视觉系统是果园智能装备的核心部分,在复杂的果园环境下,受到光... 详细信息

目前,我国果园生产的特点表现为水果产量大、劳动力不足、自动化作业程度低等,在国家大力倡导优先发展农机智能化的政策支持下,加快果园智能作业装备的研发成为当务之急。视觉系统是果园智能装备的核心部分,在复杂的果园环境下,受到光照强度、枝叶遮挡、果实与背景颜色相近等干扰因素的影响,从而影响视觉系统的性能,导致目标果实的识别精度偏低。本研究以复杂果园环境下绿色苹果和柿子为研究对象,详细探讨了基于改进FCOS网络的绿色果实高效检测与分割,主要研究内容如下:(1)针对尺度不均导致特征信息丢失的难题,提出了FRS-Det高效检测模型,以FCOS网络为基础,首先,利用可切换空洞卷积模块优化残差网络以扩大感受野;然后,嵌入反馈连接和空洞池化金字塔构造循环特征金字塔用以融合不同尺度特征;最后,加入特征精细化模块,增强了特征融合和表达能力。实验结果表明,FRS-Det算法对绿色苹果和柿子的检测精度可分别达到85.1%和79.4%。(2)针对果实分割精度和效率不均衡的问题,设计了Polar-Net高效分割模型,以FCOS算法思想优化Polar Mask分割模型,Dense Net作为骨干网络,提高特征复用率减少模型参数量;嵌入交叉注意力模块构造交叉特征金字塔结构,关注目标果实局部区域表型特征。实验结果表明,Polar-Net算法对绿色苹果和柿子的分割精度可分别达87.1%和81.1%。(3)针对遮挡果实区域特征难以表征问题,构造了DLNet双注意力机制分割算法,优化FCOS算法,设计非局部特征金字塔结构捕捉全局上下文信息,提高特征表征;搭建双层图注意力网络,建立遮挡和被遮挡区域间交互关系,分别进入不同的层进行掩码预测。实验结果表明,DLNet算法对遮挡绿色苹果和柿子的分割精度可分别达到79.1%和81.2%。综上,针对复杂果园环境下绿色目标果实的检测与分割问题,本研究结合FCOS网络优势,探索了模型的抗干扰能力、泛化能力,有效缓解了因光线变化、背景颜色相近、重叠遮挡等因素造成的难题。为果园智能装备的研发提供了理论支撑和技术支持,同时也为其他果实的识别提供了理论借鉴。

关键词： FCOS算法绿色果实果实检测果实分割遮挡果实

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的轻量化果实检测识别模型研究

基于深度学习的轻量化果实检测识别模型研究

引用

作者：张家铭中原工学院

学位级别：硕士

据国家统计局数据显示,2022年,水果总产量为31296.24万吨,人均消费水果221.68公斤。对水果产业进行智能化作业是当今深度学习一个重要的应用方向。在机器采摘环节,深度学习技术能够通过学习和分析果实图像特征,实现精准识别和定位,从而... 详细信息

据国家统计局数据显示,2022年,水果总产量为31296.24万吨,人均消费水果221.68公斤。对水果产业进行智能化作业是当今深度学习一个重要的应用方向。在机器采摘环节,深度学习技术能够通过学习和分析果实图像特征,实现精准识别和定位,从而提高采摘的准确性和效率。在零售环节,通过果实识别技术可以实现自动化分类、计价和库存管理,极大提升了顾客的消费体验和商店的运行效率。顾客可以通过智能识别系统快速结账,而商店则能够实时掌握库存情况,进行精准补货和价格调整。本文基于目标检测算法构建了轻量化的果实检测识别模型。主要工作有两个方面: (1)标注数据与优化模型:为了能够充分发挥模型的性能,收集了大量的果实图片数据进行标注,并基于多个目标检测算法构建了果实识别模型;为了解决模型筛选锚框的速度过慢和准确度不高的问题,将CIoU损失函数更换为能够从更多角度收敛的EIoU损失函数;为了解决神经网络中的浅层特征信息与深层特征信息不均衡的问题,增加了浅层特征信息的权重,有效提高了模型的平均精度。 (2)将模型轻量化,降低了部署成本:为了得到体积更小的果实检测识别模型,通过通道剪枝技术对Yolov8n模型进行了通道量化分析,确定了Yolov8n中不同部位的重要性,为后面的优化做了基准;为了在对模型性能影响比较小的情况下减小模型的体积,将较为不重要的部位的C2f模块更换为了本文提出来的DG模块;为了使浅层的卷积网络保留更多的特征信息,对较为重要的部位使用了能够保留更多信息的SELU激活函数,在不增加模型体积的情况下,提高了模型的性能;在较为重要的部分后面加入了本文提出来的SEMP注意力模块,并将SEMP注意力模块插入了合适的位置,进一步提高了模型的性能。本研究针对猕猴桃果实数据集和Fruit Recognition数据集构建了一个高效的、轻量的果实识别模型。两个数据集的mAP@0.5分别达到了99.21和99.03,模型大小仅为4.9Mb。该模型在保持较高识别准确率的同时,显著降低了计算复杂度和内存占用,为实际应用中的部署和推广提供了有力支持。

关键词： Yolov8n 果实检测轻量化数据标注 DG SEMP

来源：评论

学校读者我要写书评

暂无评论

基于边缘设备的轻量化小目标果实检测模型

引用

中国农业信息 2021年第1期33卷 28-36页

作者：张文利陈开臻刘鈺昕段玉林郭威史云北京工业大学信息学部中国农业科学院农业资源与农业区划研究所日本东京大学田间表型实验室

【目的】随着计算机视觉和智慧农业的快速发展,果实检测技术已成为研究热点。然而在果园实际应用场景中,存在模型计算量大、目标果实尺度小的问题,导致模型难以在边缘设备上实时运行且小目标果实检测精度低,因此文章通过改进Yolov3模型... 详细信息

【目的】随着计算机视觉和智慧农业的快速发展,果实检测技术已成为研究热点。然而在果园实际应用场景中,存在模型计算量大、目标果实尺度小的问题,导致模型难以在边缘设备上实时运行且小目标果实检测精度低,因此文章通过改进Yolov3模型,设计并实现一种轻量化小目标果实检测模型RegNet-Yolov3,能够在边缘设备上实时运行并实现高精度果实检测。【方法】该模型通过构建轻量化特征提取网络,有效降低模型参数计算量,满足在边缘设备上实时运行要求;并针对柑橘果实小尺度特点,通过添加浅层网络检测分支优化模型小目标检测性能,提升检测精度。【结果】将模型部署在边缘设备Jetson TX2 nano上进行测试,模型m AP值和网络推理速度分别为96.0%和122 ms,均优于原先Yolov3网络测试结果。【结论】实验结果表明,该研究模型能够实现在保持较高检测精度下,在边缘设备Jetson TX2 nano上实时运行,满足果园作业平台果实检测工作。

关键词：果实检测 Yolov3 小目标轻量化 Jetson TX2 nano

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv7的农业机器人果实智慧检测研究

引用

农业工程 2024年第12期14卷 20-25页

作者：任凯麟苏力德李明煌吴浩吴楠内蒙古农业大学机电工程学院内蒙古呼和浩特010018 宁波大学机械工程与力学学院浙江宁波315211

为提高果实检测的速度和精度,提出一种基于改进YOLOv7模型的农业机器人果实智慧检测方法。改进后的YOLOv7模型以RepVGG代替CSPDarknet作为骨干网络,并引入ECA(efficient channel attention)机制。以苹果果实为研究对象,采用改进YOLOv7... 详细信息

为提高果实检测的速度和精度,提出一种基于改进YOLOv7模型的农业机器人果实智慧检测方法。改进后的YOLOv7模型以RepVGG代替CSPDarknet作为骨干网络,并引入ECA(efficient channel attention)机制。以苹果果实为研究对象,采用改进YOLOv7模型进行果实智慧检测。仿真结果表明,所提方法可准确实现农业机器人苹果果实检测,检测准确度、召回率、精确率和平均准确率分别达到97.67%、95.38%、95.11%和93.17%;具有较快的检测速度,每张图像的检测时长11.21 ms。相较于FPN、SSD、Faster R-CNN网络,所提改进YOLOv7模型具有更快的检测速度和更高的检测精度,可用于农业智慧云监控实际应用中,为提高果实检测的速度和精度提供了参考。

关键词：果实检测农业机器人智慧云监控 YOLOv7 RepVGG ECA

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：