检索结果-内蒙古大学图书馆

农业工程学报 2024年第3期40卷 156-164页

作者：李熙雅尹令黄文杰吴珍芳蔡更元田绪红华南农业大学数学与信息学院广州510642 华南农业大学动物科学学院广州510642 国家生猪种业工程技术研究中心广州510642 猪禽种业全国重点实验室广州510640

母猪乳头数量是生猪选育中重要参考指标之一,也是生猪繁殖表型数据的组成部分。成年母猪其腹部视频较难获取,且容易受污渍干扰,乳头自动点数实现难度较大,人工计数母猪乳头数工作量大、强度高、效率低、容易产生人为误差。鉴于猪仔从出... 详细信息

母猪乳头数量是生猪选育中重要参考指标之一,也是生猪繁殖表型数据的组成部分。成年母猪其腹部视频较难获取,且容易受污渍干扰,乳头自动点数实现难度较大,人工计数母猪乳头数工作量大、强度高、效率低、容易产生人为误差。鉴于猪仔从出生到成年乳头数量保持一致性,该研究提出了一种基于仔猪腹部视频的深度学习乳头计数及乳房形态评估方法。通过架设在仔猪初生护理平台上的相机拍摄仔猪腹部视频,根据清晰度筛选出细节清晰的帧序列图像集,经过数据预处理再使用改进Pignip-YOLOv5s目标检测网络对仔猪乳头进行自动计数。为提高计数准确率,帧序列图像集的乳头计数使用滑动窗口取众数得到最终计数结果。试验结果表明,改进的Pignip-YOLOv5s平均精度值(mean average precision, mAP)高达0.97,较YOLOv5原模型具备更高的鲁棒性。该研究方案在113段仔猪腹部视频数据集上测试得到仔猪乳头计数方法准确率达90.26%。同时该研究提出仔猪乳房形态评估参数乳头成对数、乳头间距,从而量化仔猪乳头形态表型特征,构建了母猪乳房外在形态指标,可为母猪选育和繁殖工作提供重要的参考依据。

关键词：模型深度学习视频计数 YOLOv5s 乳头计数乳房形态评估

来源：评论

学校读者我要写书评

暂无评论

基于自纠正NMS-ByteTrack的套袋葡萄估产方法

引用

农业工程学报 2023年第13期39卷 182-190页

作者：吕佳张翠萍刘琴李帅军重庆师范大学计算机与信息科学学院重庆401331 重庆市数字农业服务工程技术研究中心重庆401331

针对套袋后的葡萄体积增加和葡萄叶片表面积大容易出现重叠遮挡,及人工拍摄视频的速度不稳定可能导致套袋葡萄目标丢失的问题,该研究提出一种基于自纠正NMS(non-maximum suppression)-ByteTrack的套袋葡萄估产方法。该方法首先通过目标... 详细信息

针对套袋后的葡萄体积增加和葡萄叶片表面积大容易出现重叠遮挡,及人工拍摄视频的速度不稳定可能导致套袋葡萄目标丢失的问题,该研究提出一种基于自纠正NMS(non-maximum suppression)-ByteTrack的套袋葡萄估产方法。该方法首先通过目标检测方法YOLOv5s检测视频中的套袋葡萄,将检测阶段的NMS操作后置到追踪阶段,保留因遮挡而被过滤的果实检测框;其次在ByteTrack的基础上加入相机运动补偿和改进的卡尔曼滤波算法,以自动纠正果实预测框的位置并进行追踪;最后提出一种划线计数策略对套袋葡萄自动计数。试验结果表明,该方法的多目标追踪准确率、多目标追踪精度和ID调和平均数分别为64.6%、82.4%和80.8%,相比ByteTrack分别提高了1.7、1.0和4.1个百分点,平均计数精度达到82.8%。因此,基于自纠正NMS-ByteTrack的估产方法能有效解决套袋葡萄的追踪计数问题,实现对套袋葡萄更精确地估产。

关键词：图像处理农业目标追踪视频计数估产方法套袋葡萄 ByteTrack 卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5的卷烟品规展示视频检测研究

引用

智能计算机与应用 2025年

作者：覃宜霜陶雯贾建双陈杰覃琼慧广西中烟工业有限责任公司

在卷烟营销管理中，精准统计烟草零售终端柜台中卷烟品规数量对于库存控制和产品陈列优化具有至关重要的作用。为了实现高效的卷烟产品识别与统计，本文提出了一种基于YOLOv5的轻量化卷烟品规展示视频检测方法。首先，为了降低模型复杂... 详细信息

在卷烟营销管理中，精准统计烟草零售终端柜台中卷烟品规数量对于库存控制和产品陈列优化具有至关重要的作用。为了实现高效的卷烟产品识别与统计，本文提出了一种基于YOLOv5的轻量化卷烟品规展示视频检测方法。首先，为了降低模型复杂度，在YOLOv5中引入轻量化的MobileNetV3主干网络，以减少计算量和参数规模；其次，采用视频帧匹配技术融合帧级检测结果，以确保跨帧目标的准确匹配和统计。实验结果表明，相较于原始YOLOv5-1模型，在检测准确率几乎不变的情况下，改进后的模型参数量减少了87.81%，计算量(FLOPs)减少了89.82%。整体结果表明，本文方法在确保高精度检测的同时，显著降低了计算开销，为卷烟品规的自动化统计与智能管理提供了有效的技术支撑。此外，卷烟产品陈列位置的可视化记录为工业企业的管理决策提供了有力支持，有助于优化库存管理与品规陈列布局。

关键词：卷烟检测 YOLOv5 MobileNetV3 SIFT 视频计数

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3的可变时间窗自校正船只跟踪与计数

引用

计算机系统应用 2021年第11期30卷 240-246页

作者：刘春栗健湖北工业大学计算机学院武汉430068

能够自动识别、统计航道上的船只类型与数量,对建设"智慧航道"、水上智能预警、通航辅助决策等具有重要意义.通过使用YOLOv3预训练模型,对船只样本图片进行训练,调参优化得到航道中船只检测模型,然后利用深度学习模型善于进... 详细信息

能够自动识别、统计航道上的船只类型与数量,对建设"智慧航道"、水上智能预警、通航辅助决策等具有重要意义.通过使用YOLOv3预训练模型,对船只样本图片进行训练,调参优化得到航道中船只检测模型,然后利用深度学习模型善于进行目标特征提取的特点,结合目标HSV颜色直方特征和LBP局部特征来实现目标选择,针对跟踪目标容易出现的漂移和抖动问题,设计校正网络融合使用了基于回归的方向判断和可变时间窗的目标计数方法,较好地实现了水上运动目标的自动检测、跟踪和自校正计数.测试表明本文方法稳定健壮,适合用于自动分析航道视频,提取统计数据.

关键词： YOLOv3 船只识别目标跟踪自校正视频计数

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3的可变时间窗自校正船只跟踪与计数

基于YOLOv3的可变时间窗自校正船只跟踪与计数

引用

作者：栗健湖北工业大学

学位级别：硕士

目标检测与跟踪技术是计算机视觉领域的两个主要研究方向并且具有广泛应用。能够自动识别、统计航道上的船只类型与数量,对建设“智慧航道”、水上智能预警、通航辅助决策等具有重要意义。但是,航道天气变化,船只姿态变换、船只被遮挡... 详细信息

目标检测与跟踪技术是计算机视觉领域的两个主要研究方向并且具有广泛应用。能够自动识别、统计航道上的船只类型与数量,对建设“智慧航道”、水上智能预警、通航辅助决策等具有重要意义。但是,航道天气变化,船只姿态变换、船只被遮挡等问题严重影响船只跟踪与计数算法的性能。针对跟踪目标容易出现的漂移、抖动和遮挡问题,提出了一种基于YOLOv3的可变时间窗自校正船只跟踪与计数方法,实现了遮挡与抖晃条件下跟踪与计数性能的提升。测试表明本文方法稳定健壮,适合用于自动分析航道视频,提取统计数据。本论文主要研究内容如下:(1)分析了在目标跟踪时容易出现的复杂条件下检测与跟踪困难,容易出现遮挡以及漂移抖动导致计数不准确的问题与难点。(2)介绍了yolov3目标检测算法的理论与应用。YOLOv3目标检测算法是一种从端到端的目标检测算法,具有速度快、精度高的优点。通过使用yolov3预训练模型,对目标样本图片进行训练,调参优化得到目标检测模型,满足实时检测要求。(3)提出一种融合自校正模型的改进yolov3目标跟踪与计数算法。利用深度学习模型善于进行目标特征提取的特点,结合目标HSV颜色直方特征和LBP局部特征来实现目标选择,设计校正网络融合使用了基于回归的方向判断和可变时间窗的目标计数方法,较好的提升了跟踪与计数性能。(4)通过对航道上的船只进行目标跟踪与计数的算法验证,发现在应对船只种类的多样性、太阳或灯光等不同光线的照射、拍摄视角不同等场景下均较好的实现了水上运动目标的自动检测、跟踪和自校正计数。综上,本文提出基于YOLOv3的可变时间窗自校正船只跟踪与计数算法,包括系统的架构、数据集制作、模型训练、特征提取、目标跟踪、方向判别与计数、检测结果和结果分析。实验结果表明,本文所讲述的船只目标跟踪与计数系统在多种场景、多种天气条件下均能抵抗抖晃稳定计数,具有很好的应用价值。

关键词： YOLOv3 船只识别目标跟踪自校正视频计数

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3的可变时间窗自校正船只跟踪与计数

基于YOLOv3的可变时间窗自校正船只跟踪与计数

引用

第一届RISC-V技术及生态研讨会

作者：刘春栗健湖北工业大学计算机学院武汉 430068

能够自动识别、统计航道上的船只类型与数量，对建设"智慧航道"、水上智能预警、通航辅助决策等具有重要意义。通过使用YOLOv3预训练模型，对船只样本图片进行训练，调参优化得到航道中船只检测模型，然后利用深度学习模型善... 详细信息

能够自动识别、统计航道上的船只类型与数量，对建设"智慧航道"、水上智能预警、通航辅助决策等具有重要意义。通过使用YOLOv3预训练模型，对船只样本图片进行训练，调参优化得到航道中船只检测模型，然后利用深度学习模型善于进行目标特征提取的特点，结合目标HSV颜色直方特征和LBP局部特征来实现目标选择，针对跟踪目标容易出现的漂移和抖动问题，设计校正网络融合使用了基于回归的方向判断和可变时间窗的目标计数方法，较好地实现了水上运动目标的自动检测、跟踪和自校正计数。测试表明本文方法稳定健壮，适合用于自动分析航道视频，提取统计数据。

关键词： YOLOv3 船只识别目标跟踪自校正视频计数

来源：评论

学校读者我要写书评

暂无评论

基于多模态和时序建模的无人机视觉计数

基于多模态和时序建模的无人机视觉计数

引用

作者：彭涛天津大学

学位级别：硕士

随着无人机飞控技术和计算机视觉技术的飞速发展,两者结合的无人机视觉技术逐渐成为新的研究热点。如今无人机视觉技术已经广泛应用于野生动物保护、智慧城市管理、自然灾害检测以及交通流量监控等领域。在野生动物保护领域,无人机视觉... 详细信息

随着无人机飞控技术和计算机视觉技术的飞速发展,两者结合的无人机视觉技术逐渐成为新的研究热点。如今无人机视觉技术已经广泛应用于野生动物保护、智慧城市管理、自然灾害检测以及交通流量监控等领域。在野生动物保护领域,无人机视觉平台可以提供远大于地面摄像头的监控范围,减少了人力物力;在自然灾害检测领域,无人机视觉平台移动方便,可以提供自然灾害的最新讯息,可以及时发现隐患并提供预警。无人机目标计数旨在得出图像中的待检物体个数。根据数据来源的不同,目标计数任务可分为图片计数以及视频计数。针对这两个方面,本文对特定应用场景下的无人机计数问题设计了相关算法。而根据监督方式的不同,目标计数任务可以分为全监督计数和半监督计数。针对无人机数据集获取困难,数据规模小的问题,本文提出了半监督目标计数框架。主要工作和贡献总结如下:(1)针对无人机平台下,夜间计数困难的问题,提出了同时使用可见光和热感图像的多模态图片计数网络。可见光图像在夜间计数任务中,由于物体特征不明显,容易产生漏检,而热感图像在夜间,容易将路灯等细小热源识别成待检物体,产生误检。因此,该工作提出了多模型的夜间计数模型,相较于单模态模型,夜间计数效果优异。(2)针对无人机视角下,物体尺度小,运动模糊现象多的问题,本文提出了一个基于光流的视频计数网络。相较于图片计数,视频计数场景包含丰富的时序信息。本文通过引入在线的光流网络,可以在数据集缺少光流标注的情况下,在线更新光流评估网络。同时基于流型假设,对像素空间和特征空间加入图正则。实验结果表明,本文提出的视频计数模型在视频计数任务中优于现有的图片计数模型。(3)针对无人机数据集获取困难,无人机数据集规模小的问题,提出了一个基于无标签数据的半监督计数框架。现有的无人机视觉算法包含大量的应用场景。对于新的应用场景,收集数据集费时费力,容易因过拟合导致算法泛化能力差。本文提出了半监督计数框架,可以利用无标签的网络数据,提升模型在已有数据集中的效果。实验结果表明,通过合理的设置有标签数据和无标签数据的比率,本文提出的半监督计数框架效果优于现有的全监督基准算法。

关键词：图片计数视频计数半监督光流自监督多模态多尺度

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：