检索结果-内蒙古大学图书馆

农业机械学报 2023年第S01期54卷 222-229页

作者：杨佳昊左昊轩黄祺成孙泉李思恩李莉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 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 中国农业大学水利与土木工程学院北京100083

为在保证识别性能前提下,对叶片病害检测模型进行有效轻量化,基于主干替换、模型剪枝以及知识蒸馏技术构建了一种模型轻量化方法,对以YOLO v5s为基础的叶片黄化曲叶病检测模型开展轻量化试验。首先,通过常见的性能优异的轻量级主干特征... 详细信息

为在保证识别性能前提下,对叶片病害检测模型进行有效轻量化,基于主干替换、模型剪枝以及知识蒸馏技术构建了一种模型轻量化方法,对以YOLO v5s为基础的叶片黄化曲叶病检测模型开展轻量化试验。首先,通过常见的性能优异的轻量级主干特征提取神经网络结构(Lightweight convolutional neural networks,LCNN)替换YOLO v5s主干对模型主体进行缩减;然后利用模型稀疏化训练和批归一化层(Batch normalization layer)的缩放因子分布状况,筛选并删减不重要的通道;最后,通过微调重新训练以及知识蒸馏,将模型精度调整到接近剪枝前的水平。试验结果表明,经轻量化处理的模型精确率、召回率和平均精度分别为91.3%、87.4%和92.7%,模型内存占用量为1.4 MB,台式机检测帧率81.0 f/s,移动端检测帧率1.2 f/s,相比原始YOLO v5s叶片病害检测模型,精确率、召回率和平均精度下降3.7、4.6、2.7个百分点,内存占用量仅为处理前的10%,台式机和移动端检测的帧率分别提升近27%和33%。本文所提出的方法在保持模型性能的前提下对模型有效轻量化,为移动端叶片病害检测部署提供了理论基础。

关键词：病害检测 YOLO v5s 轻量化模型网络剪枝知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v5s的作物黄化曲叶病检测方法

引用

农业机械学报 2023年第S01期54卷 230-238页

作者：左昊轩黄祺成杨佳昊孙泉李思恩李莉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 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 中国农业大学水利与土木工程学院北京100083

作物病害的初期快速准确识别是减小作物经济损失的重要保障。针对实际生产环境中,作物叶片黄化曲叶病毒病(Yellow leaf curl virus,YLCV)患病初期无法应用传统图像处理算法通过颜色或纹理特征进行准确和快速识别,并且YOLO v5s通用模型... 详细信息

作物病害的初期快速准确识别是减小作物经济损失的重要保障。针对实际生产环境中,作物叶片黄化曲叶病毒病(Yellow leaf curl virus,YLCV)患病初期无法应用传统图像处理算法通过颜色或纹理特征进行准确和快速识别,并且YOLO v5s通用模型在复杂环境下识别效果差和效率低的问题,本文提出一种集成改进的叶片病害检测识别方法。该方法通过对Plant Village公开数据集中单一患病叶片图像以及实际生产中手机拍摄获取的患病作物冠层图像两种来源制作数据集,并对图像中的患病叶片进行手动标注等操作,以实现在复杂地物背景和叶片遮挡等情况下正确识别目标,即在健康叶片、患病叶片、枯萎叶片、杂草和土壤中准确识别出所有的患病叶片。此外,用智能手机在生产现场拍摄图像,会存在手机分辨率、光线、拍摄角度等多种因素,会导致识别正确率降低等问题,需要对采集到的图像进行预处理和数据增强以提高模型识别率,通过对YOLO v5s原始模型骨干网络重复多次增加CA注意力机制模块(Coordinate attention),增强YOLO算法对关键信息的提取能力,利用加权双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN),增强模型不同特征层的融合能力,从而提高模型的泛化能力,替换损失函数EIoU(Efficient IoU loss),进一步优化算法模型,实现多方法叠加优化后系统对目标识别性能的综合提升。在相同试验条件下,对比YOLO v5原模型、YOLO v8、Faster R-CNN、SSD等模型,本方法的精确率P、召回率R、平均识别准确率mAP_(0.5)、mAP_(0.5:0.95)分别达到97.40%、94.20%、97.20%、79.10%,本文所提出的算法在提高了精确率与平均精度的同时,保持了较高的运算速度,满足对作物黄化曲叶病毒病检测的准确性与时效性的要求,并为移动端智能识别作物叶片病害提供了理论基础。

关键词：病害识别 YOLO v5s 注意力机制 BiFPN EIoU

来源：评论

学校读者我要写书评

暂无评论

基于无人机可见光影像的新疆棉田田间尺度地物识别

引用

农业机械学报 2023年第S02期54卷 199-205页

作者：张楠楠张晓白铁成袁新涛马瑞李莉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 塔里木大学信息工程学院阿拉尔843300 塔里木绿洲农业教育部重点实验室(塔里木大学) 阿拉尔843300 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

针对无人机采集影像时不同地物最佳分辨率难以确定的问题,运用大疆M600Pro型无人机获取棉花蕾期可见光影像,结合地面调查采样数据,利用神经网络(Artificial neural networks,ANN)、支持向量机(Support vector machines,SVM)和随机森林(R... 详细信息

针对无人机采集影像时不同地物最佳分辨率难以确定的问题,运用大疆M600Pro型无人机获取棉花蕾期可见光影像,结合地面调查采样数据,利用神经网络(Artificial neural networks,ANN)、支持向量机(Support vector machines,SVM)和随机森林(Random forest,RF)3种监督分类算法进行田间地物识别。分析不同分辨率(1.00、2.50、5.00、7.50、10.00 cm)下对地物的识别精度,并结合算法运行时间,从分辨率、算法精度和运行时间上找到适合南疆田间尺度棉花田块地物识别的最佳分辨率和最优算法。试验结果表明:当空间分辨率为1.00 cm时,SVM对地物的识别精度最高,总体精度与Kappa系数分别为99.857%和0.997。随着空间分辨率的降低,总体精度和Kappa系数呈下降趋势。当分辨率为2.50 cm和5.00 cm时,采用RF算法,运行时间最短,土地、棉花和滴灌带可获得较好的识别精度,总体精度与Kappa系数分别可达99.252%和0.986以上。当空间分辨率大于5.00 cm时,总体精度和Kappa系数下降,滴灌带制图精度(Producer’s accuracy,PA)和用户精度(User’s accuracy,UA)下降最大。空间分辨率小于5.00 cm的图像能够很好地识别蕾期棉花地的典型地物,可为进行田间地物类型及其分布状况的识别提供指导。

关键词：棉田地物分类无人机可见光影像田间尺度空间分辨率随机森林

来源：评论

学校读者我要写书评

暂无评论

基于CNN-SAEDN-Res的短期电力负荷预测方法

引用

电力自动化设备 2024年第4期44卷 164-170页

作者：崔杨朱晗王议坚张璐李扬东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林吉林132012 中国农业大学信息与电气工程学院北京100083

基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘... 详细信息

基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘数据间的局部相关性,获取高维特征。初始负荷预测模块由自注意力编码解码网络和前馈神经网络构成,利用自注意力机制对高维特征进行自注意力编码,获取数据间的全局相关性,从而模型能根据数据间的耦合关系保留混有非时序因素数据中的重要信息,通过解码模块进行自注意力解码,并利用前馈神经网络回归初始负荷。引入残差机制构建负荷优化模块,生成负荷残差,优化初始负荷。算例结果表明,所提方法在预测精度和预测稳定性方面具有优势。

关键词：短期电力负荷预测卷积神经网络自注意力机制残差机制负荷优化

来源：评论

学校读者我要写书评

暂无评论

农田生态系统碳通量遥感估算方法研究

引用

农业机械学报 2022年第S01期53卷 224-231页

作者：吴江梅田泽众张海洋刘凯迪李民赞张瑶中国农业大学信息与电气工程学院北京100083 中国农业大学智慧农业系统集成研究教育部重点实验室北京100083

为实现农田生态系统碳通量动态监测,提出一种基于Landsat系列多源遥感数据的农田生态系统碳通量估算方法。以美国东北部内布拉斯加州大学农业研发中心的3块试验田地为研究区域,并结合AmeriFlux公开的对应通量站点数据进行后续建模分析... 详细信息

为实现农田生态系统碳通量动态监测,提出一种基于Landsat系列多源遥感数据的农田生态系统碳通量估算方法。以美国东北部内布拉斯加州大学农业研发中心的3块试验田地为研究区域,并结合AmeriFlux公开的对应通量站点数据进行后续建模分析。从气候变量、土壤性质、植物性状3方面综合出发,优选与农田生态系统碳通量密切相关的遥感因子,构建覆盖农田生态过程关键环节的全遥感要素数据集。随后,构建基于随机森林(Random forest,RF)的农田碳通量回归预测模型,相比于岭回归模型和套索模型,该模型在农田生态系统碳通量估算方面效果更优,其决定系数(Coefficient of determination,R^(2))达到0.94,均方根误差(RMSE)为4.281 g/(m^(2)·d)。基于随机森林模型进行因子的重要性分析可知,DVI、NDWI、MSAVI、NRI、NDVI对碳通量估算的贡献度分别为35.6%、25.8%、12.2%、7.8%、5.2%。在以上研究基础上,通过农田生态系统碳收支时空演变特性分析可知,内布拉斯加州2013年作物生育期内的7、8月时农田碳汇能力最强,在种植初期大豆和玉米均呈现弱碳源,且玉米的碳源能力更强,在生长高峰期时玉米和大豆均呈碳汇,且玉米碳汇能力更强。本研究为农田生态系统碳收支精准估算,进而指导农业生产提供理论支持。

关键词：农田生态系统二氧化碳净交换量随机森林多源卫星遥感玉米大豆

来源：评论

学校读者我要写书评

暂无评论

基于电子病历多模态数据的作物病害多元场景处方推荐方法研究

引用

农业机械学报 2025年第1期56卷 25-36,46页

作者：张领先丁俊琦陈菲菲李宜滨张一丁中国农业大学信息与电气工程学院北京100083 中国农业大学工学院北京100083

针对作物品种及病害种类繁杂、样本数据严重不平衡、处方类别多样及数据多模态等特点和难点,本文基于电子病历多模态数据整合,开展面向多样化、可拓展和多模态3种应用场景需求的作物病害处方推荐方法研究。针对常见病害多样化处方推荐... 详细信息

针对作物品种及病害种类繁杂、样本数据严重不平衡、处方类别多样及数据多模态等特点和难点,本文基于电子病历多模态数据整合,开展面向多样化、可拓展和多模态3种应用场景需求的作物病害处方推荐方法研究。针对常见病害多样化处方推荐应用场景,基于CdsBERT-RCNN和诊断推理构建了作物病害多样化处方推荐模型,提升了面向32种常见病害的诊断准确度及处方推荐的多样化水平;针对未训练少见病害和新添处方应用场景,基于MC-SEM和语义检索构建了作物病害可拓展处方推荐模型,提升了语义匹配准确性和案例库检索速度,实现对未训练病害的处方推荐功能;针对多种模态信息采集和输入应用场景,基于BATNet多层特征融合构建了多模态作物病害处方推荐模型,提升了多模态数据输入的处方推荐性能。实验结果表明,CdsBERT-RCNN模型对32种常见病害的诊断准确率达到85.65%,F1值达到85.63%;不同完整性输入测试中,仅输入症状信息即可达到81.19%的准确率,而添加环境信息和作物信息分别使准确率进一步提高1.65、3.61个百分点;MC-SEM模型对电子病历语义匹配任务达到皮尔森相关系数86.34%和斯皮尔曼相关系数77.67%;封闭集和开放集上处方推荐准确率分别达到88.20%和82.04%,验证了模型对未训练病害的推荐能力;BATNet对于多模态输入处方推荐任务的准确率和F1值达到98.88%和98.83%;应用场景分析和测试验证了模型在不完整模态(纯文本或纯图像)和不完整信息输入(作物、环境、症状)情况下泛化能力。该研究为数字化赋能作物病害防治决策提供了新的思路。

关键词：作物病害处方推荐自然语言处理语义检索多模态融合电子病历

来源：评论

学校读者我要写书评

暂无评论

基于无人机可见光的新疆棉田田间尺度地物识别方法

引用

农业机械学报 2023年

作者：张楠楠张晓白铁成袁新涛马瑞李莉中国农业大学智慧农业系统集成研究教育部重点实验室塔里木大学信息工程学院塔里木绿洲农业教育部重点实验室(塔里木大学) 中国农业大学农业农村部农业信息获取技术重点实验室

针对无人机采集影像时不同地物最佳分辨率难以确定的问题，运用大疆M600Pro型无人机获取棉花蕾期可见光影像，结合地面调查采样数据，利用神经网络（Artificial neural networks，ANN）、支持向量机（Support vector machines，SVM）和... 详细信息

针对无人机采集影像时不同地物最佳分辨率难以确定的问题，运用大疆M600Pro型无人机获取棉花蕾期可见光影像，结合地面调查采样数据，利用神经网络（Artificial neural networks，ANN）、支持向量机（Support vector machines，SVM）和随机森林（Random forest，RF）3种监督分类算法进行田间地物识别。分析不同分辨率（1.00、2.50、5.00、7.50、10.00 cm）下对地物的识别精度，并结合算法运行时间，从分辨率、算法精度和运行时间上找到适合南疆田间尺度棉花田块地物识别的最佳分辨率和最优算法。试验结果表明：当空间分辨率为1.00 cm时，SVM对地物的识别精度最高，总体精度与Kappa系数分别为99.857%和0.997。随着空间分辨率的降低，总体精度和Kappa系数呈下降趋势。当分辨率为2.50 cm和5.00 cm时，采用RF算法时，运行时间最短，土地、棉花和滴灌带可获得较好的识别精度，总体精度与Kappa系数分别可达99.137%和0.983以上。当空间分辨率大于5.00 cm时，总体精度和Kappa系数下降，滴灌带的制图精度（Producer’s accuracy，PA）和用户精度（User’s accuracy，UA）下降最大。空间分辨率小于5.00 cm的图像能够很好地识别蕾期棉花地的典型地物，可为进行田间地物类型及其分布状况的识别提供指导。

关键词：棉田地物分类无人机可见光田间尺度空间分辨率随机森林

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v4的生猪耳根温度热红外视频检测方法

引用

农业机械学报 2023年第2期54卷 240-248页

作者：刘刚冯彦坤康熙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 浙大宁波理工学院计算机与数据工程学院宁波315200

基于热红外视频的生猪体温检测过程中,视频中保育期生猪头部姿态变化大,且耳根区域小,导致头部和耳根区域定位精度低,影响生猪耳根温度的精准检测。针对以上问题,本文提出了一种基于改进YOLO v4(Mish Dense YOLO v4,MD-YOLO v4)的生猪... 详细信息

基于热红外视频的生猪体温检测过程中,视频中保育期生猪头部姿态变化大,且耳根区域小,导致头部和耳根区域定位精度低,影响生猪耳根温度的精准检测。针对以上问题,本文提出了一种基于改进YOLO v4(Mish Dense YOLO v4,MD-YOLO v4)的生猪耳根温度检测方法,构建了生猪关键部位检测模型。首先,在CSPDarknet-53主干网络中,添加密集连接块,以优化特征转移和重用,并将空间金字塔池化(Spatial pyramid pooling,SPP)模块集成到主干网络,进一步增加主干网络感受野;其次,在颈部引入改进的路径聚合网络(Path aggregation network,PANet),缩短多尺度特征金字塔图的高、低融合路径;最后,网络的主干和颈部使用Mish激活函数,进一步提升该方法的检测精度。试验结果表明,该模型对生猪关键部位检测的mAP为95.71%,分别比YOLO v5和YOLO v4高5.39个百分点和6.43个百分点,检测速度为60.21 f/s,可满足实时检测的需求;本文方法对热红外视频中生猪左、右耳根温度提取的平均绝对误差分别为0.26℃和0.21℃,平均相对误差分别为0.68%和0.55%。结果表明本文提出的基于改进YOLO v4的生猪耳根温度检测方法,可以应用于热红外视频中生猪关键部位的精准定位,进而实现生猪耳根温度的准确检测。

关键词：热红外视频生猪耳根温度 YOLO v4 密集连接网络

来源：评论

学校读者我要写书评

暂无评论

畜舍内循环除湿系统多目标优化调控算法研究

引用

农业机械学报 2025年第4期56卷 483-492页

作者：张继成闫艺璇郑萍谢秋菊黎煊东北农业大学电气与信息学院农业农村部生猪养殖设施工程重点实验室教育部北方寒区猪智能化繁育与养殖工程研究中心华中农业大学工学院农业农村部智慧养殖技术重点实验室

针对寒区冬季密闭式畜舍内现有的温湿环境调控热量损失大、补温能耗高,以及仅依赖温度或湿度等单一指标调控而导致环境调控效果不佳等问题,基于课题组前期研发的寒区畜舍内循环除湿系统,提出一种改进的多目标优化算法(Improved non-domi... 详细信息

针对寒区冬季密闭式畜舍内现有的温湿环境调控热量损失大、补温能耗高,以及仅依赖温度或湿度等单一指标调控而导致环境调控效果不佳等问题,基于课题组前期研发的寒区畜舍内循环除湿系统,提出一种改进的多目标优化算法(Improved non-dominated sorting genetic algorithm-Ⅱ,INSGA-Ⅱ)优化该系统保温、除湿和能耗的运行效果。INSGA-Ⅱ采用自适应差分变异算子和改进精英保留策略的方法,增加最优解的种群多样性,避免算法陷入局部收敛。通过Zitzler-Deb-Thiele(ZDT)系列测试函数验证,改进INSGA-Ⅱ算法的反向世代距离(Inverted generational distance,IGD)和世代距离(Generational distance,GD)指标都优于传统NSGA-Ⅱ算法,与真实解更为接近。内循环除湿系统优化调控性能数据表明,空间广泛性评价指标(Spacing,SP)从NSGA-Ⅱ的0.111 8降低到INSGA-Ⅱ的0.020 2,最优解分布域显著增加,可为系统运行的优化调控提供更为广泛的参考依据,同时求解速度提高106.42%。在除湿系统仿真调控效果方面,INSGA-Ⅱ算法调控平均降温比NSGA-Ⅱ算法减少1.43℃,降幅为23.06%,减少了由除湿带来的舍内降温,能够获得更好的保温节能效果。因此,改进INSGA-Ⅱ优化算法有助于提升畜舍内循环除湿系统工作性能,为畜舍温湿环境精准调控提供可行的技术支撑。

关键词：畜舍环境调控内循环除湿系统节能改进NSGA-Ⅱ 多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5m和CBAM-CPN的单分蘖水稻表型参数提取

引用

农业工程学报 2024年第2期40卷 307-314页

作者：陈慧颖宋青峰常天根郑立华朱新广张漫王敏娟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 中国科学院分子植物科学卓越创新中心植物分子遗传国家重点实验室上海200032 中国农业大学烟台研究院烟台264670

为快速获取单分蘖水稻植株的形态结构和表型参数,该研究提出了一种基于目标检测和关键点检测模型相结合的骨架提取和表型参数获取方法。该方法基于目标检测模型生成穗、茎秆、叶片的边界框和类别,将所得数据分别输入到关键点检测模型检... 详细信息

为快速获取单分蘖水稻植株的形态结构和表型参数,该研究提出了一种基于目标检测和关键点检测模型相结合的骨架提取和表型参数获取方法。该方法基于目标检测模型生成穗、茎秆、叶片的边界框和类别,将所得数据分别输入到关键点检测模型检测各部位关键点,按照语义信息依次连接关键点形成植株骨架,依据关键点坐标计算穗长度、茎秆长度、叶片长度、叶片-茎秆夹角4种表型参数。首先,构建单分蘖水稻的关键点检测和目标检测数据集;其次,训练Faster R-CNN、YOLOv3、YOLOv5s、YOLOv5m目标检测模型,经过对比,YOLOv5m的检测效果最好,平均精度均值(mean average precision,mAP)达到91.17%;然后,应用人体姿态估计的级联金字塔网络(cascaded pyramid network,CPN)提取植株骨架,并引入注意力机制CBAM(convolutional block attention module)进行改进,与沙漏网络(hourglass networks,HN)、堆叠沙漏网络模型(stacked hourglass networks,SHN)和CPN模型相比,CBAM-CPN模型的预测准确率分别提高了9.68、8.83和1.06个百分点,达到94.75%,4种表型参数的均方根误差分别为1.06 cm、0.81 cm、1.25 cm和2.94°。最后,结合YOLOv5m和CBAM-CPN进行预测,4种表型参数的均方根误差分别为1.48、1.05、1.74cm和2.39°,与SHN模型相比,误差分别减小1.65 cm、3.43 cm、2.65 cm和4.75°,生成的骨架基本能够拟合单分蘖水稻植株的形态结构。所提方法可以提高单分蘖水稻植株的关键点检测准确率,更准确地获取植株骨架和表型参数,有助于加快水稻的育种和改良。

关键词：目标检测注意力机制水稻关键点检测骨架提取表型参数单分蘖植株

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：