检索结果-内蒙古大学图书馆

提升高校二级学院综合办公服务能力的探索与实践——以东北农业大学电气与信息学院为例

时代教育 2014年第3期 10-10页

作者：郑萍苏中滨张继成东北农业大学电气与信息学院

对二级学院的服务能力提高探索研究成为目前高校办学的管理改革的热点途径之一。但是目前二级学院存在着机构分工不明确、制度不健全和办公人员素质不高等问题,是阻碍二级学院这种探索健康发展的重要问题之一。本文结合东北农业大学电... 详细信息

对二级学院的服务能力提高探索研究成为目前高校办学的管理改革的热点途径之一。但是目前二级学院存在着机构分工不明确、制度不健全和办公人员素质不高等问题,是阻碍二级学院这种探索健康发展的重要问题之一。本文结合东北农业大学电气与信息学院特点,探索二级学院办学思路和理念,坚持以学生为主体,以教师为主导,德育为先、能力为重、全面发展的教育理念,全面推进学院人才培养、科学研究和社会服务的协调发展。

关键词：高校二级学院服务能力探索改革

来源：评论

学校读者我要写书评

暂无评论

基于CBCW-YOLO v8的猪只行为识别方法研究

引用

农业机械学报 2025年第2期56卷 411-419页

作者：仝志民徐天哲石传淼李盛章谢秋菊荣丽红青岛农业大学机电工程学院青岛266109 东北农业大学电气与信息学院哈尔滨150030

随着现代生猪养殖业快速发展,对猪只行为精准识别需求日益增长。针对猪只行为多样性、特征相似性、相互遮挡和堆积等问题,提出一种基于改进YOLO v8模型的猪只行为识别方法。首先,引入ConvNeXt V2作为主干特征提取网络,以增强对检测目标... 详细信息

随着现代生猪养殖业快速发展,对猪只行为精准识别需求日益增长。针对猪只行为多样性、特征相似性、相互遮挡和堆积等问题,提出一种基于改进YOLO v8模型的猪只行为识别方法。首先,引入ConvNeXt V2作为主干特征提取网络,以增强对检测目标的语义信息提取能力。其次,在特征融合网络中添加加权双向特征金字塔网络(BiFPN),强化模型特征融合能力。此外,结合上采样算子CARAFE,进一步提升模型在行为识别过程中特征提取能力。最后,使用WIoUv3作为损失函数,优化模型检测精度。经实验验证,改进后模型准确率、召回率、平均精度均值和F1值分别达到89.6%、88.0%、91.9%和88.8%,与TOOD、YOLO v7和YOLO v8模型相比,平均精度均值分别提高10.9、6.3、3.7个百分点,显著提高猪只行为识别精度。消融实验表明,各项改进均对模型的识别性能有提升效果,ConvNeXt V2主干特征提取网络对模型的提升效果最明显。综上所述,CBCW-YOLO v8模型在猪只行为识别任务中展现出优良的综合性能,为猪只健康管理和疾病预警提供有力的技术支持。

关键词：猪只行为识别 YOLO v8 特征提取网络 CARAFE WIoUv3 目标检测

来源：评论

学校读者我要写书评

暂无评论

水稻秸秆营养穴盘热风辅助微波干燥工艺参数优化

引用

农机化研究 2025年第1期47卷 210-217页

作者：祁联星胡玉辉姜骥文张凯张欣悦张子涵于海明东北农业大学电气与信息学院哈尔滨150030 黑龙江八一农垦大学工程学院黑龙江大庆163319

为研究水稻秸秆营养穴盘在不同条件下的热风辅助微波干燥最佳工艺,以水稻秸秆营养穴盘的干燥速率和干燥后的形变量为指标,利用响应面研究微波功率、加热温度和热风速度对水稻秸秆营养穴盘热风辅助微波干燥工艺的影响,建立二次多项式的... 详细信息

为研究水稻秸秆营养穴盘在不同条件下的热风辅助微波干燥最佳工艺,以水稻秸秆营养穴盘的干燥速率和干燥后的形变量为指标,利用响应面研究微波功率、加热温度和热风速度对水稻秸秆营养穴盘热风辅助微波干燥工艺的影响,建立二次多项式的回归模型,并进行干燥工艺优化。结果表明:回归模型拟合性较高,可以较好地描述水稻秸秆营养穴盘的干燥过程;水稻秸秆营养穴盘热风辅助微波干燥的最佳工艺参数,即微波功率为1600 W、加热温度为60℃、热风速度为15 m/s时,干燥速率最快为4.015%/min,形变量最小为1.522 cm。研究结果可为促进水稻秸秆营养穴盘推广与应用提供重要的理论支撑及技术支持。

关键词：水稻秸秆营养穴盘热风辅助微波干燥响应面分析参数优化

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8和Byte Track的鲈鱼个体运动特征提取方法

引用

农业工程学报 2025年第5期41卷 182-190页

作者：于佳禾刘丽伟徐玲于辉辉陈英义中国农业大学国家数字渔业创新中心北京100083 中国农业大学信息与电气工程学院北京100083 山东省数字渔业重点实验室烟台264670 中国农业大学烟台研究院烟台264670 北京林业大学信息学院北京100083

鱼类个体运动特征提取是分析鱼类行为的重要环节,为进一步解决鲈鱼行为识别中存在小目标个体和复杂背景导致检测难,以及在多条鲈鱼跟踪过程中因遮挡和非线性运动而频繁发生的ID错误切换问题,该研究提出了一种基于改进YOLOv8和ByteTrack... 详细信息

鱼类个体运动特征提取是分析鱼类行为的重要环节,为进一步解决鲈鱼行为识别中存在小目标个体和复杂背景导致检测难,以及在多条鲈鱼跟踪过程中因遮挡和非线性运动而频繁发生的ID错误切换问题,该研究提出了一种基于改进YOLOv8和ByteTrack的鱼类个体运动特征提取方法。首先对YOLOv8n模型进行了轻量化优化,用ODConv替换了主干网络的下采样卷积,并用Wise-IoUv3 Loss代替了原有的CIoU Loss,以此降低模型大小并提高检测速度和精度。然后对ByteTrack算法分别进行优化,通过应用扩展和线性卡尔曼滤波来适应目标的非线性运动和加速变化,以及引入高斯轨迹插值后处理策略,减少了遮挡情况下的错误身份切换。改进后的YOLOv8算法在模型大小和参数上与原YOLOv8模型分别降低了约2/3,精度、召回率分别提升了0.4和0.5个百分点,具有较高的检测精度及良好的鲁棒性和实时性。改进后的ByteTrack算法平均多目标跟踪准确率(multiple object tracking accuracy,MOTA)为88.7%,多目标跟踪精度(multiple object tracking precision,MOTP)为83.8%,平均每个测试视频的ID切换次数(identity switches,IDs)仅为37,帧率(frames per second,FPS)为95帧/s,能够满足实时跟踪需求。该研究提出的改进YOLOv8和ByteTrack的鲈鱼个体运动特征提取方法能够在实际养殖场景下实现较为稳定的鲈鱼个体实时跟踪,可为大规模无接触式实际水产养殖监测提供技术支持。

关键词：计算机视觉深度学习特征提取目标检测多目标跟踪

来源：评论

学校读者我要写书评

暂无评论

水稻冠层叶瘟病与缺氮的高光谱识别

引用

云南农业大学学报(自然科学版) 2025年第1期40卷 167-175页

作者：袁建清仇逊超高睿苏中滨哈尔滨金融学院计算机系黑龙江哈尔滨150030 东北农业大学电气与信息学院黑龙江哈尔滨150030

【目的】利用水稻大田近地冠层高光谱数据,实现在冠层尺度上对叶瘟病与缺氮水稻的早期识别。【方法】基于氮胁迫梯度试验和大田自然发病,采用室外高光谱成像系统采集缺氮水稻和自然发病水稻的大田近地冠层图像,提取并分析中度感病、轻... 详细信息

【目的】利用水稻大田近地冠层高光谱数据,实现在冠层尺度上对叶瘟病与缺氮水稻的早期识别。【方法】基于氮胁迫梯度试验和大田自然发病,采用室外高光谱成像系统采集缺氮水稻和自然发病水稻的大田近地冠层图像,提取并分析中度感病、轻度感病、缺氮和健康水稻冠层的反射率光谱特征。针对预处理后的高光谱数据,采用主成分分析(principal component analysis,PCA)、植被指数(vegetation index,VI)和竞争性自适应重加权法(competitive adaptive reweighted sampling,CARS)3种方法提取特征变量,并结合线性判别分析(linear discriminant analysis,LDA)与支持向量机(support vector machine,SVM)分类算法,构建水稻冠层叶瘟病与缺氮的早期识别模型。【结果】单独使用PCA降维方法提取特征构建的模型无显著的分类效果;基于VI的模型相比全谱模型在区分效果上有所提升,但提升幅度不大;采用CARS提取特征波长所构建的模型显示出最佳的区分效果。进一步对提取的CARS特征进行PCA降维后,获得5个主成分特征用于建模,其SVM和LDA模型的总体分类精度分别为95.51%和96.15%,Kappa系数分别为0.91和0.92,表现出较高的分类一致性。【结论】本研究通过选用较少的特征变量,成功实现了水稻冠层叶瘟病与缺氮的有效识别,为水稻病害与养分胁迫的遥感监测提供了新的思路和理论依据。研究成果可为大规模水稻病虫害监测与精准施药提供支持,在精准农业领域具有重要的应用价值。

关键词：高光谱成像水稻叶瘟病竞争性自适应重加权法(CARS) 支持向量机(SVM) 线性判别分析(LDA)

来源：评论

学校读者我要写书评

暂无评论

进口含气率对离心泵失速工况流动特性的影响

引用

农业工程学报 2025年第2期41卷 66-75页

作者：冯慧敏时鸾刘晓东刘竹青杨魏中国农业大学水利与土木工程学院北京100083 扬州大学电气与能源动力工程学院扬州225127 中国农业大学北京市供水管网系统安全与节能工程技术研究中心北京100083 东北农业大学水利与土木工程学院哈尔滨150030

失速工况下,气液两相流离心泵的内部流动极为复杂。为探究不同进口含气率对离心泵失速工况流动特性的影响,该研究基于欧拉-欧拉非均相流模型和SST k-ω湍流模型,分析了进口含气率对离心泵性能的影响规律。纯水条件下,基于性能曲线和内... 详细信息

失速工况下,气液两相流离心泵的内部流动极为复杂。为探究不同进口含气率对离心泵失速工况流动特性的影响,该研究基于欧拉-欧拉非均相流模型和SST k-ω湍流模型,分析了进口含气率对离心泵性能的影响规律。纯水条件下,基于性能曲线和内部流动特性分析可知,0.70倍设计流量(0.70Q_(d))和0.65Q_(d)是失速发展阶段的典型工况,流场的周向均匀性存在不同程度的破坏。2个典型失速工况下,随着进口含气率的增加,泵的性能下降但下降幅度相比设计工况和深度失速工况小,气相主要附着在叶片压力侧前缘附近且附着面积逐渐增大,失速流道压力侧前缘的相对速度角增大,流动方向整体向吸力侧偏移,使得吸力侧前缘冲角减小,抑制了吸力侧前缘分离涡和中间位置漩涡的融合,进而抑制了失速的发生。引入流量变异系数(coefficient of variance,CV)定量分析流场的周向均匀性,随着流场改善,CV值逐渐减小,当模型泵处于失速初生点时,CV值位于1.38%~3.69%。少量气体加入使得失速发展阶段离心泵性能下降幅度减小且抑制失速发生。研究结果可为拓宽离心泵的高效区和提高安全稳定运行提供参考。

关键词：离心泵数值模拟失速含气率周向均匀性变异系数

来源：评论

学校读者我要写书评

暂无评论

应用MCCW-YOLOv7-tiny研究轻量级玉米田间杂草识别算法

引用

东北农业大学学报 2025年第01期 124-138页

作者：王希如贾仁山曹玉莹刘银川高新悦吴佳鑫贾银江东北农业大学电气与信息学院黑龙江职业学院通识教育学院

针对玉米田间杂草传统目标检测模型存在体积大、实时性差、精准度低、移动端部署难等问题，提出了改进的轻量级目标检测算法MCCW-YOLOv7-tiny。通过将YOLOv7-tiny主干网络CSPDarknet替换为MobileNet V3模块，降低模型冗余和参数量，满... 详细信息

针对玉米田间杂草传统目标检测模型存在体积大、实时性差、精准度低、移动端部署难等问题，提出了改进的轻量级目标检测算法MCCW-YOLOv7-tiny。通过将YOLOv7-tiny主干网络CSPDarknet替换为MobileNet V3模块，降低模型冗余和参数量，满足实时性要求。添加并行网络至主干网络，并在检测头部引入CBAM注意力机制，增强对小目标的关注，提高整体识别精度。损失函数改进为WIoUv3，以动态平衡样本质量，提升模型泛化能力。结果表明：MCCW-YOLOv7-tiny较YOLOv7-tiny,mAP从93.7%提升至95.3%，计算复杂度从13.3 GFLOPs降至6.2 GFLOPs，模型参数量为3.71 M，为复杂环境下的玉米田间杂草检测提供有效技术支持。

关键词： YOLOv7-tiny MobileNet V3 CBAM注意力机制 WIoUv3 玉米杂草识别

来源：评论

学校读者我要写书评

暂无评论

基于无人机图像和改进CSRNet的田间大豆苗识别计数

引用

农机化研究 2025年第5期47卷 145-151页

作者：朱轩池程铎灌崔道涵冯江东北农业大学信息与电气工程学院哈尔滨150030

为了得到大豆田间苗期的出苗率和种植密度,以方便及时间苗、补苗和评价种子质量的好坏,提出了一种卷积神经网络方法来对大豆田间苗期进行准确计数与密度评估。使用无人机采集大豆苗期图像制作了数据集,并对数据集进行数据增强。针对田... 详细信息

为了得到大豆田间苗期的出苗率和种植密度,以方便及时间苗、补苗和评价种子质量的好坏,提出了一种卷积神经网络方法来对大豆田间苗期进行准确计数与密度评估。使用无人机采集大豆苗期图像制作了数据集,并对数据集进行数据增强。针对田间复杂地形环境,为减少背景环境的干扰,对数据集图像进行直方图均衡化和明度提高等预处理。根据采集的大豆图像密集的特点,采用拥挤场景识别网络(Congested Scene Recognition Network,CSRNet)来构建并改进网络模型,改用VGG19作为前端网络,并加入卷积注意力模块(Convolutional Block Attention Module,CBAM)提高特征提取效果,并根据模型的豆苗图像密度图求和得到图像中的大豆苗数。试验结果表明:模型在测试数据集上平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RMSE)分别达到了2.35、4.69;对比目标检测方法YOLOv5s、Faster R-CNN和其他人群密度检测方法CSRNet、MCNN和SANet,本研究的模型MAE分别低1.27、0.4、0.63、1.38、0.41,RMSE分别低2.43、0.54、1.83、3.83、2.06。所提出方法计数性能优异,可以满足无人机快速获取田间大豆出苗率的需要,为出苗率的获取提供了参考。

关键词：无人机苗木计数 CSRNet 机器视觉大豆

来源：评论

学校读者我要写书评

暂无评论

基于高光谱成像的牧草粗蛋白含量检测研究

引用

光谱学与光谱分析 2019年第10期39卷 3245-3250页

作者：高睿李泽东马铮孔庆明 Muhammad Rizwan 苏中滨东北农业大学电气与信息学院

粗蛋白(CP)是评价牧草营养价值和品质参数的关键指标。快速、准确地对牧草中粗蛋白含量进行评估在畜牧业生产研究中具有重要意义。为确定牧草粗蛋白含量的高光谱特征波段及最优检测模型,研究分别于2017年5月至9月间在黑龙江省杜尔伯特... 详细信息

粗蛋白(CP)是评价牧草营养价值和品质参数的关键指标。快速、准确地对牧草中粗蛋白含量进行评估在畜牧业生产研究中具有重要意义。为确定牧草粗蛋白含量的高光谱特征波段及最优检测模型,研究分别于2017年5月至9月间在黑龙江省杜尔伯特自治区的人工牧草场(羊草)内每月随机选取35个样本,5个月共采集175个样本。采样时在样本点处放置1m×1m的样方,将样方内所有牧草全部齐地面收割采集后称重并冷藏保存。将样本带回实验室后,立即进行牧草叶片高光谱图像采集,同时采用凯氏定氮法对采集的牧草样本进行粗蛋白化学值测定,以此建立牧草粗蛋白含量高光谱数据集。研究首先通过Savitzky-Golay卷积平滑(SG)、多元散射校正(MSC)、变量标准化(SNV)、一阶导数(1-Der)和直接正交信号校正(DOSC)方法5种预处理方法对高光谱数据进行处理后分别建立偏最小二乘回归(PLSR)检测模型,从中确定最优预处理方法。利用最优预处理结果,分别采用连续投影算法(SPA)和随机蛙跳算法(RF)进行牧草粗蛋白含量的特征波段选择,并利用选择结果分别进一步建立PLSR模型,以此确定适合粗蛋白含量的特征波段选择方法,确定最优高光谱检测模型。结果表明,在五种高光谱预处理方法中,基于SNV方法预处理后所建立的高光谱PLSR模型表现最优(R2-P=0.929,RMSE-P=6.344mg·g^-1,RPD=4.204)。利用连续投影算法筛选的粗蛋白含量特征波长为30个,分布于530~700和940~1000nm范围内。经随机蛙跳算法确定的粗蛋白含量特征波段为6个,分别为826.544,827.285,828.766,971.012,972.494和973.235nm。因此,该研究中牧草粗蛋白含量最优高光谱检测模型为SNV-RF-PLSR(R2-P=0.933,RMSE-P=6.034mg·g^-1,RPD=4.322),模型精度较高。该研究结果为牧草粗蛋白含量的高光谱检测提供了最优模型和理论基础,同时为指导草业生产开拓了新的技术思路。

关键词：牧草粗蛋白高光谱成像连续投影算法随机蛙跳算法

来源：评论

学校读者我要写书评

暂无评论

温室便携式温差发电系统的设计与试验

引用

农业工程学报 2020年第1期36卷 235-244页

作者：王立舒王丽娇乔帅翔徐艳林贾红丹解鑫泽东北农业大学电气与信息学院

为解决在极端条件下,偏远地区温室大棚小功率器件,如节能灯、温度湿度监控系统、数码设备等必要用电设备的随时供电问题。该文设计了一种便携式且可持续供电的温差发电系统。该系统发电结构为一个小型的长方体发电箱,且系统总质量较轻,... 详细信息

为解决在极端条件下,偏远地区温室大棚小功率器件,如节能灯、温度湿度监控系统、数码设备等必要用电设备的随时供电问题。该文设计了一种便携式且可持续供电的温差发电系统。该系统发电结构为一个小型的长方体发电箱,且系统总质量较轻,满足便携性。该系统采用生物质燃烧产生的热量作为热源,使用扁平热管作为导热元件,冷端利用水冷散热。使用ANSYS对系统进行仿真分析,并搭建试验平台,采集并记录相关数据,数据显示该系统热端的最高温度为270.1℃,输出的最大功率为10.7 W,热电效率最大为5.73%;结果表明,该系统具有便携性,热端温度较高,具有较高的热电效率,在极端条件下或偏远地区可实现随时发电,同时为便携式发电系统的研究与应用提供了有力依据。

关键词：温差发电温室便携式热量转换

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：