检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

3 篇 学位论文

馆藏范围

3 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

3 篇 工学
- 3 篇 机械工程
- 2 篇 控制科学与工程
- 2 篇 计算机科学与技术...
- 2 篇 软件工程
3 篇 农学
- 3 篇 植物保护
2 篇 管理学
- 2 篇 管理科学与工程(可...

主题

3 篇 梨树叶片病害
2 篇 迁移学习
2 篇 深度学习
1 篇 病害分割
1 篇 deeplabv3+
1 篇 csf
1 篇 语义分割
1 篇 resnet50模型
1 篇 系统设计与开发
1 篇 病害分级
1 篇 卷积神经网络

机构

1 篇 重庆三峡学院
1 篇 山东农业大学
1 篇 塔里木大学

作者

1 篇 陈祥渠
1 篇 刘洋
1 篇 伏俊

语言

3 篇 中文

检索条件"主题词=梨树叶片病害"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的梨树叶片病害分级研究及系统实现

基于深度学习的梨树叶片病害分级研究及系统实现

引用

作者：陈祥渠山东农业大学

学位级别：硕士

梨树作为我国重要的经济果树之一,受气候变化、生长环境和人为管理等多重因素影响,梨树叶片病害频发,严重威胁果实产量和品质。传统的人工诊断方式容易出错,且难以准确进行病害分级,这使得病害防治工作往往缺乏科学依据。因此,梨树叶片... 详细信息

梨树作为我国重要的经济果树之一,受气候变化、生长环境和人为管理等多重因素影响,梨树叶片病害频发,严重威胁果实产量和品质。传统的人工诊断方式容易出错,且难以准确进行病害分级,这使得病害防治工作往往缺乏科学依据。因此,梨树叶片病害的准确识别与分级,对有效防治病害、提高梨果实的产量和质量具有重要意义。本文以梨树黑斑病、褐斑病、灰斑病和健康叶片为研究对象,基于深度学习技术,构建轻量级梨树叶片病害图像分割模型,实现对病害图像的精准、高效的分割,并根据病斑面积占比进行病害分级。此外,还设计和实现梨树叶片病害分级系统,以有效辅助用户进行病害诊断。具体研究工作如下: (1)基于迁移学习的常见语义分割模型梨树叶片病害分割首先,实地采集梨树叶片图像样本,通过数据增强和数据标注完成梨树叶片病害数据集的构建。随后,利用U-Net、PSPNet和DeepLabV3+常见语义分割模型对梨树叶片病害图像进行分割试验。为了提高模型的收敛速度和分割性能,采用迁移学习方法。试验结果表明,DeepLabV3+在平均交并比(MIo U)和平均像素精度(MPA)上分别达到88.31%和92.87%,综合表现最优,选择DeepLabV3+为梨树叶片病害图像分割模型。最后,针对DeepLabV3+参数量较大、计算复杂度较高的问题,选用Mobile Net V3作为其骨干网络,实现模型的轻量化。 (2)基于改进DeepLabV3+的梨树叶片病害分割和分级针对DeepLabV3+在细小病斑识别以及边界分割上的不足,首先,在骨干网络中引入高效通道注意力模块以提升模型的通道信息表达能力,同时在解码器中添加坐标注意力模块以提升模型的位置信息提取能力,并在ASPP模块中融入瓶颈注意力模块以提升模型的空间感知能力。其次,为了进一步优化模型性能,选用Ranger21优化器进行模型训练,并通过复合损失函数缓解数据集类别不均衡问题。通过以上改进,构建梨树叶片病害图像分割模型MECB-DeepLabV3+。试验结果表明,与原始DeepLabV3+网络相比,MIo U和MPA分别提升2.91和2.14个百分点,平均每张图像分割时间由56ms降至24ms。最后,利用模型的分割结果和预定义的分级表对梨树叶片病害图像进行分级,整体平均准确率达到95.02%,实现病害的准确分级。 (3)梨树叶片病害分级系统的设计与实现为了实现梨树叶片病害的智能化分级,本文以MECB-DeepLabV3+网络为核心算法,结合微信小程序开发技术,设计并实现梨树叶片病害分级系统。用户上传梨树叶片图像至系统后,系统将分析图像,并返回分割结果、病害类型、病害分级及相应的防治建议。该系统提供用户管理、病害诊断和病害百科等功能,显著提升了梨树叶片病害分级的效率。

关键词：梨树叶片病害病害分级深度学习病害分割迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的梨树叶片病害识别系统设计与实现

基于卷积神经网络的梨树叶片病害识别系统设计与实现

引用

作者：刘洋重庆三峡学院

学位级别：硕士

梨树是我国主要的种植果树,梨除了可食用价值以外,还具备药用价值以及营养价值。但由于梨树病害的发生,造成了梨树枝枯、梢焦等问题出现,严重影响了梨果实的产量以及结果质量。果农通常依靠人工分辨的方式对病害进行分类,这需要长期的... 详细信息

梨树是我国主要的种植果树,梨除了可食用价值以外,还具备药用价值以及营养价值。但由于梨树病害的发生,造成了梨树枝枯、梢焦等问题出现,严重影响了梨果实的产量以及结果质量。果农通常依靠人工分辨的方式对病害进行分类,这需要长期的判别经验,且容易导致误判。由于识别病害类型和发生程度存在易出错和不及时等问题,可能会错过防治最佳时间。当前,深度学习在农业领域的应用已经取得了显著的进展。因此,本研究采用深度学习技术,设计了一种基于卷积神经网络的病害识别算法。该算法能够快速、准确地识别病害种类,从而进一步提升了卷积神经网络在图像分类中的精准度。本文的主要研究工作如下:通过将Inception模块融入传统Res Net50模型,并引入CBAM注意力机制,我们能够更有效地提取输入图像的关键信息,并去除冗余特征,从而加强模型对病害部位的关注程度,进一步提高模型识别精度。针对梨树叶片病害图像集规模较小的情况,本文采用图像增强和迁移学习的方法,提升模型的训练速度和泛化能力。通过在自行构建的病害图像集上进行图像分类实验,获取实验结果。可知改进后的模型识别率无论是准确率还是损失值表现都是最优异的。验证了改进后的算法能够获得更高的图像分类准确率。本研究旨在研发一个基于卷积神经网络的梨树叶片病害识别系统,以应对传统梨树叶片病害识别方法效率低、人力成本高的问题。该系统通过拍摄图像并结合图像分类算法,能够快速准确地识别病害。经过软件测试验证,系统表现稳定,有效地实现了梨树叶片病害的识别。

关键词：卷积神经网络 ResNet50模型迁移学习梨树叶片病害系统设计与开发

来源：评论

学校读者我要写书评

暂无评论

基于改进DeepLabV3+的梨树叶片病害分割方法研究

基于改进DeepLabV3+的梨树叶片病害分割方法研究

引用

作者：伏俊塔里木大学

学位级别：硕士

梨树作为一种重要的果树常常受到各种真菌、细菌和病毒的侵害,导致叶片病害的发生。未能及时鉴别病害和控制梨树叶片病害的蔓延,最终可能导致梨树产量和质量下降,对农户经济效益造成不利影响。由于叶片病害管理需求增加,传统的病害检测... 详细信息

梨树作为一种重要的果树常常受到各种真菌、细菌和病毒的侵害,导致叶片病害的发生。未能及时鉴别病害和控制梨树叶片病害的蔓延,最终可能导致梨树产量和质量下降,对农户经济效益造成不利影响。由于叶片病害管理需求增加,传统的病害检测方法通常依赖于人工检查,这不仅耗时耗力,而且容易出现主观误差。因此利用深度学习实现高效且准确的叶片病害分割方法至关重要。本研究以新疆梨树叶片病害图像为研究对象,以DeepLabV3+为基础,传统DeepLabV3+模型在此任务中面临漏分割、错分割、分割精度不高等问题。为解决这些问题,本研究提出一种轻量级的CSF-DeepLabV3+梨树叶片病害分割模型,本文的主要研究工作如下: (1)建立梨树叶片病害数据集:以梨树叶片黑斑病、褐斑病、梨卷叶瘿纹病以及健康叶片为研究对象,并采用数据增强的技术扩展图像数据集,包括对图像进行旋转、调整亮度以及添加噪声等处理。 (2)语义分割模型搭建:搭建传统的语义分割模型,包括FCN、Seg Net、PSPNet、DeepLabV3+和CENet,并在相同的实验条件下进行对比实验,选择以DeepLabV3+为基础的模型作为本文研究的基础,为后续模型的训练奠定基础。 (3)提出基于CSF-M-DeepLabV3+的梨树叶片病害分割方法:将DeepLabV3+主干网络Xception模块与Mobile Net V2进行对比,并替换Mobile Net V2作为主干网络,以减少模型的计算量和提高分割速度。在ASPP卷积后引入CSF注意力机制,提供模型学习梨树叶片病害的特征,以提升分割精度。优化损失函数,采用交叉熵损失函数和Dice损失的线性组合,全面图像损失和目标区域准确损失计算。经实验结果与分析:本文提出的CSF-M-DeepLabV3+模型在MIo U、m PA、Pr、Recall等指标上均有提升,其中MIo U提高6.87%。该模型对于梨树叶片病害分割有较好的性能,可有效分割出梨树叶片病斑,对梨树叶片病害等级进行评估。本文的研究结果证实改进模型在梨树叶片病斑分割任务中的卓越性能和泛化能力,同时也突显在实际应用中提供的潜在价值。

关键词：梨树叶片病害深度学习语义分割 DeepLabV3+ CSF

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：