检索结果-内蒙古大学图书馆

农业机械学报 2024年第S2期55卷 277-285页

作者：王子航常晗张瑶郭树欣张海洋中国农业大学信息与电气工程学院北京100083 中国农业大学智慧农业系统集成研究教育部重点实验室北京100083

苹果树种植区域提取有利于农业资源高效管理。为解决苹果种植区域提取中存在的分类精度不高、时效性滞后等问题,提出一种基于Sentinel-2和MODIS融合影像的卷积神经网络-长短期记忆网络(CNN-LSTM)时序分类模型。首先采用ESTARFM时空融合... 详细信息

苹果树种植区域提取有利于农业资源高效管理。为解决苹果种植区域提取中存在的分类精度不高、时效性滞后等问题,提出一种基于Sentinel-2和MODIS融合影像的卷积神经网络-长短期记忆网络(CNN-LSTM)时序分类模型。首先采用ESTARFM时空融合算法构建融合影像,对不同卫星影像在空间和时间监测能力优势和缺陷进行互补,得到高空间和高时间分辨率共存的影像数据。在特征选择方面,通过随机森林模型进行重要性分析并结合后向特征消除法从25个原始特征中选15个关键特征变量作为最优特征组合。分类模型方面,卷积神经网络(Convolutional neural network,CNN)可以很好地在空间域、光谱域提取有效特征。长短期记忆网络(Long short-term memory,LSTM)作为循环神经网络(Recurrent neural network,RNN)的改进,可以处理不等长的输入序列。二者结合能够提取“时空谱”有效特征,实现更精准的图像分类和遥感数据分析。以烟台市牟平区观水镇为研究区,利用时空融合弥补原始Sentinel-2的影像缺失,使用CNN-LSTM模型进行苹果树种植区域提取,并与常用的机器学习分类算法进行对比,进而确定最优分类模型。研究表明在苹果种植区域提取方面CNN-LSTM模型总体精度为97.98%,Kappa系数为0.9586,总体精度对比其他4种机器学习算法CART、SVM、RF、GBDT分别高15.43、5.25、4.00、3.31个百分点,与LSTM模型总体精度和Kappa系数相比分别提高2.11个百分点和0.0148。所提出的苹果树种植区域精准遥感提取方法可为制定科学合理的农业管理措施提供有力支持。

关键词：深度学习卷积神经网络 CNN-LSTM 苹果树种植区域提取

来源：评论

学校读者我要写书评

暂无评论

基于改进CBAM-DeepLab V3+的苹果种植面积提取

引用

农业机械学报 2023年第S02期54卷 206-213页

作者：常晗郭树欣张海洋张瑶中国农业大学信息与电气工程学院北京100083 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

为提高苹果种植区域的提取精度,提出了一种基于Sentinel-2和MODIS融合影像的CBAM-DeepLab V3+模型。影响苹果种植区域提取精度的主要因素包括遥感影像的质量以及语义分割模型的性能。从影像质量角度来看,采用基于时序的时空融合算法ESTA... 详细信息

为提高苹果种植区域的提取精度,提出了一种基于Sentinel-2和MODIS融合影像的CBAM-DeepLab V3+模型。影响苹果种植区域提取精度的主要因素包括遥感影像的质量以及语义分割模型的性能。从影像质量角度来看,采用基于时序的时空融合算法ESTARFM,通过融合Sentinel-2和MODIS的遥感影像数据,实现更高空间分辨率和时间分辨率数据的获取。与此同时,将训练样本从原始的800幅扩充至2400幅,为后续语义分割模型提供更为充足的样本容量。在语义分割模型优化方面,为了进一步提高苹果种植面积的提取精度,以DeepLab V3+网络结构模型为基础,引入基于通道和空间的CBAM注意力机制,进而发展出CBAM-DeepLab V3+模型。与原始DeepLab V3+模型相比,加入CBAM注意力机制的CBAM-DeepLab V3+模型在拟合速度较慢、边缘目标分割不精确、大尺度目标分割内部不一致和存在孔洞等缺陷方面实现了突破,这些改进提高了模型的训练与预测性能。本研究采用原始Sentinel-2影像及时空融合后的影像数据集,结合烟台市牟平区王格庄镇的数据集和观水镇苹果数据集对U-Net、FCN以及DeepLab V3+模型和CBAM-DeepLab V3+模型进行对比,研究发现在苹果种植面积提取方面,CBAM-DeepLab V3+优化模型所取得的MIoU为84.6%,苹果种植面积提取准确率达90.4%。U-Net、FCN和DeepLab V3+模型的MIoU分别为79.2%、75%、81.2%。此外,该模型预测的烟台市牟平区王格庄镇苹果种植面积为3433.33 hm^(2),与烟台市国民经济和社会发展统计公报公布的3666.66 hm^(2)相比,误差为233.33 hm^(2),预测准确率高达93.64%。

关键词：苹果种植面积提取时空融合卷积神经网络 DeepLab V3+ 语义分割

来源：评论

学校读者我要写书评

暂无评论

基于多源信息和深度学习的多作物叶面积指数预测模型研究

引用

光谱学与光谱分析 2023年第12期43卷 3862-3870页

作者：郝子源杨玮李浩于滈李民赞中国农业大学“智慧农业系统集成研究”教育部重点实验室北京100083 中国农业大学农业农村部“农业信息获取技术”重点实验室北京100083

叶面积指数(LAI)是评价作物长势的重要参数,快速、准确、低成本地获取作物LAI对于指导作物田间管理有重要的意义。为了低成本获取多种作物的LAI,基于多源信息和深度学习构建了通用的LAI预测模型。在大豆、小麦、花生、玉米四种作物的六... 详细信息

叶面积指数(LAI)是评价作物长势的重要参数,快速、准确、低成本地获取作物LAI对于指导作物田间管理有重要的意义。为了低成本获取多种作物的LAI,基于多源信息和深度学习构建了通用的LAI预测模型。在大豆、小麦、花生、玉米四种作物的六个生长时期进行了大田实验,以获取用于建模的多源信息。使用航拍无人机获取作物低空可见光图像、红边图像和近红外图像等多光谱图像信息,此外还采集相关的一维数据信息,包括无人机飞行姿态、拍摄高度、作物生长状态和环境光照。借助深度学习出色的图像和数据处理能力建立基于复杂输入信息的LAI预测模型,考虑到一维数据也要参与模型的训练过程,在设计模型时,采用了组合型网络架构。在卷积神经网络(CNN)算法提取图像深度特征的基础上加入了LightGBM算法用于结合图像特征和一维数据实现作物LAI的最终预测。CNN模型部分使用了VGG19, ResNet50, Inception V3和DenseNet201四种常见的结构。为了更好地说明CNN模型提取图像特征的能力,分析了不同图像输入下四种模型的作物分类情况。结果表明,以可见光、红边和近红外图像为输入时,四种模型的分类准确度均相较于仅有可见光图像时有所提高,尤其是基于Inception V3和DenseNet201的两种模型分类准确率均达到99%以上,证明了CNN模型提取多光谱图像特征的有效性。将图像特征作为LightGBM模型的输入信息预测LAI时,实测值与预测值的R2最大为0.819 2,而在输入中加入一维数据信息后,模型的R2均可达到0.9以上,说明多源信息输入对于提高LAI预测模型的准确度有重要作用。该研究建立的模型可以针对不同的作物进行LAI的预测,不需要对多光谱图像进行复杂的处理,因此,该研究可以实现LAI的低成本、快速预测,同时可以获得较高的预测准确度。

关键词：叶面积指数多光谱图像多源信息组合型网络架构预测模型

来源：评论

学校读者我要写书评

暂无评论

融合改进头脑风暴与Powell算法的马铃薯多模态图像配准

引用

农业工程学报 2024年第19期40卷 146-158页

作者：李易达王雨欣李晨曦赵冀马恢张漫李寒中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083 张家口市农业科学院张家口075000

基于热成像仪获取作物冠层温度可以实现作物水分胁迫状态的非接触式、无损检测,并且具有高通量检测的潜力。然而热红外图像存在作物边缘分布不清晰、噪声强、缺乏形状、纹理信息等问题,无法实现作物冠层温度自动化提取,利用可见光与热... 详细信息

基于热成像仪获取作物冠层温度可以实现作物水分胁迫状态的非接触式、无损检测,并且具有高通量检测的潜力。然而热红外图像存在作物边缘分布不清晰、噪声强、缺乏形状、纹理信息等问题,无法实现作物冠层温度自动化提取,利用可见光与热红外图像间的信息互补性,通过图像自动配准技术可以弥补热红外图像缺点,为自动化检测提供基础。为解决可见光图像与热红外图像之间辐射、形状和纹理差异,导致不同模态图像配准难度较大问题,该研究提出了一种融合改进头脑风暴(brain storm optimization algorithm,BSO)与Powell算法的可见光与热红外图像配准方法。研究通过对原始BSO优化算法进行改进使得整体算法更好寻找到最优仿射变换矩阵进而完成图像配准任务,具体改进包含以下5个方面:使用混沌映射函数初始化BSO群体分布、修改新个体变异范围、手肘法动态调整BSO中K-means聚类数、在个体变异方式策略中加入混沌本地搜索方法、在算法执行过程中根据BSO算法前期后期不同特性动态调整概率参数。研究选用互信息值(mutual information,MI)、归一化互信息值(normalized mutual information,NMI)、均方根误差(root mean square error,RMSE)和平均结构相似性指数(mean structure similarity index measure,MSSIM)作为评价指标。该研究算法相对比Powell优化算法、遗传算法(genetic algorithm,GA)和BSO_Powell算法在温室数据中MI指标分别提升0.054 2、0.076 9、0.040 5,NMI指标分别提升0.015 9、0.023 1、0.052 7,RMSE指标分别降低15.02、13.03、27.08,MSSIM指标分别提升0.052 3、0.048 8、0.122 4;大田数据中MI指标分别提升0.064 2、0.066 7、0.035 5,NMI指标分别提升0.007 7、0.012 5、0.012 4,RMSE指标分别降低14.06、10.57、15.40,MSSIM指标分别提升0.047 1、0.038 1、0.042 9。结果表明,所提出算法具有很强的鲁棒性,能够准确完成复杂环境下马铃薯多模态图像配准任务。

关键词：图像配准头脑风暴算法 Powell算法互信息马铃薯

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v5-pose的群养生猪体尺自动测量方法

引用

农业机械学报 2025年第5期56卷 455-465页

作者：刘刚曾雪婷刘晓文李涛丁向东米阳中国农业大学智慧农业系统集成研究教育部重点实验室中国农业大学农业农村部农业信息获取技术重点实验室河南丰源和普农牧股份有限公司中国农业大学动物科学技术学院中国农业大学农业农村部动物遗传育种与繁殖重点实验室

针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题，提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module, CBAM),更好地捕捉... 详细信息

针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题，提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块(Convolutional block attention module, CBAM),更好地捕捉到测点相关特征；将Neck层的C3传统模块替换为C3Ghost轻量模块，降低模型参数量和内存占用量；在模型Head层引入DyHead(Dynamic head)目标检测头，提升模型对测点位置的表征能力。结果表明，改进模型的测点检测平均精度均值为92.6%,参数量为6.890×10～6,内存占用量为14.1 MB,与原始YOLO v5-pose模型相比，平均精度均值增加2.1个百分点，参数量和内存占用量分别减少2.380×10～5、0.4 MB。与当前经典模型YOLO v7-pose、YOLO v8-pose、RTMPose(Real-time multi-person pose estimation based on mmpose)和CenterNet相比，该模型的召回率和平均精度均值更优且更轻量化。在2 400幅群养生猪图像数据集上进行试验，结果表明，该方法测得体长、体宽、臀宽、体高和臀高的平均绝对误差分别为4.61、5.87、6.03、0.49、0.46 cm,平均相对误差分别为2.69%、11.53%、12.29%、0.90%和0.76%。综上所述，本文方法提高了体尺测点检测精度，降低了模型复杂度，取得了更精确的体尺测量结果，为群养环境下生猪体尺自动测量提供了一种有效的技术手段。

关键词：群养生猪体尺测量改进YOLO v5-pose 关键点检测坐标变换

来源：评论

学校读者我要写书评

暂无评论

基于拉曼光谱的水溶性磷定量分析

引用

光谱学与光谱分析 2023年第12期43卷 3871-3876页

作者：李奇辰李民赞杨玮孙红张瑶中国农业大学烟台研究院山东烟台264003 中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

土壤磷素是植物最重要养分之一。磷素在土壤中动态性强,检测困难,在可见-近红外光谱范围没有明显吸收波段,因此研究基于其他光谱手段的磷素快速检测方法对于发展精细农业和智慧农业具有重要意义。拉曼光谱具有受水分干扰小,样本预处理... 详细信息

土壤磷素是植物最重要养分之一。磷素在土壤中动态性强,检测困难,在可见-近红外光谱范围没有明显吸收波段,因此研究基于其他光谱手段的磷素快速检测方法对于发展精细农业和智慧农业具有重要意义。拉曼光谱具有受水分干扰小,样本预处理小、与红外光谱信息互补等特点,国内外很多学者尝试了应用拉曼光谱对土壤磷素的检测。但是,拉曼信号弱,稳定性差,制约了拉曼光谱在土壤检测方面的应用。为进一步弄清拉曼光谱与磷素的定量关系,采用水溶性磷(KH2PO4)为研究对象,研究了不同磷浓度的KH2PO4溶液对拉曼光谱产生的影响。采用移动平均(MA)、 MA+基线校正(BL)、 MA+标准正态变量(SNV)、 MA+多元散射校正(MSC)对原始光谱(RS)进行预处理,分析了低浓度(0.02~5 g·L^(-1))与高浓度(5.21~93.87 g·L^(-1))区间KH2PO4拉曼光谱的变异特性及其与磷浓度之间的关系,建立了磷浓度含量的预测模型。结果表明:(1)低浓度区间与高浓度区间光谱的变异系数具有显著差异,高浓度区间光谱的离散程度较大;(2)低浓度区间的拉曼光谱未检测到明显的拉曼波峰,浓度变化展现了明显的基线变化。偏最小二乘(PLSR)模型决定系数R2=0.28~0.36;(3)高浓度区间的拉曼光谱在863与1 070 cm^(-1)处检测到明显的拉曼波峰,PLSR建模结果为R2=0.65~0.7。MA+SNV、 MA+MSC处理比MA单独处理模型预测精度高,说明磷酸根的拉曼特征峰为模型主要贡献因子;(4)使用全浓度区间PLSR建模可增加PLSR模型精度(R2=0.73~0.89)。使用RS建模的精度最高,说明基线漂移对PLSR结果具有积极作用;(5)通过PLSR回归系数,选取645、863、1 070和1 412 cm^(-1)四点波段建立多元线性回归(MLR)模型,决定系数R2接近1。说明特征峰选取可以滤除背景光干扰,抽取有效磷酸根浓度信号。(6)由以上结果可知,利用拉曼光谱定量检测水溶性磷的含量是可行的,降低背景光干扰、提高拉曼信号的稳定性的同时,开发特征波段选择方法、提高模型可重复性及抗干扰能力是高分辨率拉曼光谱检测技术的关键。

关键词：拉曼光谱土壤磷素光谱分析变异系数回归系数

来源：评论

学校读者我要写书评

暂无评论

基于GWO-MPC的联合收获机喂入量控制方法与仿真实验

引用

农业机械学报 2023年第11期54卷 83-91页

作者：孙意凡刘仁杰李世超张漫李寒中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

收获机作为农业生产的重要生产工具,其喂入量控制一直是自动控制领域研究的热点问题。本文通过分析收获机工作方式,建立收获时收获机喂入量变化模型。设计开发收获机作业参数监测系统,以小麦作为实验对象,在我国华北地区开展田间实验,... 详细信息

收获机作为农业生产的重要生产工具,其喂入量控制一直是自动控制领域研究的热点问题。本文通过分析收获机工作方式,建立收获时收获机喂入量变化模型。设计开发收获机作业参数监测系统,以小麦作为实验对象,在我国华北地区开展田间实验,验证系统喂入量监测精度并同步采集产量、含水率和作业速度等参数,系统喂入量监测平均相对误差为8.55%。以收获机在割台高度不变条件下保持额定喂入量为控制目标状态,收获机作业速度作为控制量,采用模型预测的方法对收获机喂入量进行仿真控制。采用灰狼优化算法优化二次规划的权值矩阵,仿真结果表明,权值矩阵优化后,喂入量控制平均绝对误差小于0.1 kg/s,平均降低38.1%。喂入量控制误差与收获区域的产量成反比,与含水率成正比。在相邻时域内产量、含水率变化较小的收获区域效果更好。

关键词：联合收获机喂入量模型预测控制作业速度灰狼优化算法

来源：评论

学校读者我要写书评

暂无评论

基于MSER仿射变换配准的农用柔性pH芯片性能优化

引用

农业机械学报 2023年第5期54卷 288-294,386页

作者：张淼王丽茹李浩榛路逍刘刚中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

针对柔性pH芯片复合结构多层打印制备过程的配准偏差严重,限制其农用pH值在线监测精度及稳定性问题,比较分析了MSER仿射变换模型对“叠层复合结构”柔性pH芯片性能的影响,分析了配准后柔性pH芯片在基质培番茄根系pH值在线监测应用中的... 详细信息

针对柔性pH芯片复合结构多层打印制备过程的配准偏差严重,限制其农用pH值在线监测精度及稳定性问题,比较分析了MSER仿射变换模型对“叠层复合结构”柔性pH芯片性能的影响,分析了配准后柔性pH芯片在基质培番茄根系pH值在线监测应用中的可行性。试验结果表明:MSER仿射变换模型配准后,农用柔性芯片加工最小线宽和线间距分别为90、500μm,芯片加工平均相对误差可控制在25%以内;配准后,农用柔性pH传感器灵敏度达到了每单位pH值-61.9 mV,响应范围为2.0~10.0,与商用玻璃pH电极的测量绝对误差小于0.15,相对误差小于4.1%;基质培番茄根系pH值监测试验中,自制柔性芯片与商用pH电极的测量结果具有较好一致性,同步测定结果的绝对误差小于0.09,相对误差小于1.5%,RMSE仅为0.05。MSER仿射变换配准方法可有效提高“叠层复合结构”农用打印柔性传感芯片的制备精度及传感检测准确性。

关键词： pH值在线监测柔性pH芯片最大稳定极值区域仿射变换 3D打印多层配准

来源：评论

学校读者我要写书评

暂无评论

柔性电导率芯片设计与营养液监测试验研究

引用

农业机械学报 2023年第4期54卷 386-393页

作者：张淼王丽茹李浩榛路逍汪瑾刘刚中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

设计并制备了一种基于喷墨打印的纳米银/单壁碳纳米管柔性电导率传感芯片。通过交流阻抗法对传感芯片进行建模标定,系统测试了该传感芯片的响应时间、稳定性、重复性、弯折及封装影响等性能,并与商用EC电极进行了性能对比,验证了该柔性... 详细信息

设计并制备了一种基于喷墨打印的纳米银/单壁碳纳米管柔性电导率传感芯片。通过交流阻抗法对传感芯片进行建模标定,系统测试了该传感芯片的响应时间、稳定性、重复性、弯折及封装影响等性能,并与商用EC电极进行了性能对比,验证了该柔性芯片在无土栽培生菜营养液EC在线监测中的可行性。试验结果表明,叉指柔性EC芯片的电导率测定范围为25.8~3098μS/cm,标准电导率溶液的测定相对误差小于8.02%,芯片响应时间为10 s,12 h测定数据漂移小于3.91μS/(cm·h),稳定性和重复性与商用EC电极相当,0°~90°范围内弯折、PDMS封装对其性能无影响。水培生菜EC监测中,柔性EC传感芯片可准确获取营养液EC波动,检测结果与商用EC电极的最大绝对误差小于46μS/cm,最大相对误差小于3.2%,两种传感器测量结果均方根误差为28.29μS/cm。自制柔性电导率传感芯片与商用EC电极的性能相近,具有微小且可弯折等独特农业应用优势。

关键词：无土栽培电导率检测柔性芯片单壁碳纳米管

来源：评论

学校读者我要写书评

暂无评论

奶牛乳房炎自动检测技术研究进展

引用

农业工程学报 2023年第11期39卷 1-12页

作者：初梦苑刘晓文曾雪婷王彦超刘刚中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

奶牛乳房炎是影响奶牛健康的主要疾病之一,发病率高、发病范围广、经济损失严重。目前奶牛乳房炎的检测大多是采集奶牛乳汁进行理化性质检测,该方法对检测环境有着较高要求,且检测周期长。随着信息技术的迅速发展,奶牛乳房炎的自动检测... 详细信息

奶牛乳房炎是影响奶牛健康的主要疾病之一,发病率高、发病范围广、经济损失严重。目前奶牛乳房炎的检测大多是采集奶牛乳汁进行理化性质检测,该方法对检测环境有着较高要求,且检测周期长。随着信息技术的迅速发展,奶牛乳房炎的自动检测技术取得了较好的研究成果。该研究根据数据的传感器类型,从视觉传感器、自动挤奶系统与其他传感器3个方面阐述了奶牛乳房炎自动检测的研究进展。基于视觉传感器的奶牛乳房炎自动检测方法包括基于乳房热红外图像和基于乳汁图像的检测方法,该方法较大程度上保障了动物福利,但检测精度有待提升;基于自动挤奶系统(automatic milking systems,AMS)的奶牛乳房炎自动检测方法利用AMS获取乳汁信息,然后构建乳房炎检测模型,该方法检测误差较小,但成本较高;基于其他传感器的奶牛乳房炎检测方法采用独立研发的传感器获取乳汁数据,预测乳房炎发病情况,该方法操作简便,但使用不同传感器构建的检测模型精度差异较大。该文还探讨了目前奶牛乳房炎自动检测领域存在的精度低、实时性差、自动化不足等问题,并展望了该领域未来的发展趋势,以期为开展奶牛乳房炎自动检测技术与方法研究提供参考。

关键词：传感器机器视觉智慧养殖奶牛乳房炎

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：