检索结果-内蒙古大学图书馆

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

微流控技术在食品研究中的应用

引用

食品科学 2025年

作者：谢嘉俊杨东林建涵赵靓廖小军中国农业大学食品科学与营养工程学院国家果蔬加工工程技术研究中心农业农村部果蔬加工重点实验室食品非热加工北京市重点实验室中国农业大学信息与电气工程学院农业农村部农业信息获取技术重点实验室

微流控技术作为一种新兴的多学科交叉技术，凭借其在微通道中精确控制流体的能力，在食品研究中展现出巨大的应用潜力。与传统方法相比，微流控技术具有更高通量、更快检测速度、更低成本和更加便携等优势，尤其在食源性病原体、农兽药... 详细信息

微流控技术作为一种新兴的多学科交叉技术，凭借其在微通道中精确控制流体的能力，在食品研究中展现出巨大的应用潜力。与传统方法相比，微流控技术具有更高通量、更快检测速度、更低成本和更加便携等优势，尤其在食源性病原体、农兽药残留、过敏原检测和乳液制备等方面表现突出。微流控技术主要包括连续流微流控技术（Continuous Flow Microfluidics， CMF），液滴微流控技术（Droplet Microfluidics， DMF）以及纺丝微流控技术（Spinning Microfluidics ， SMF），其中CMF和DMF应用最为广泛。本文综述了CMF在食品安全检测、成分鉴定、智能包装和DMF在酶与菌株定向筛选、乳液制备及封包递送等方面的最新进展。目前，尽管部分技术仍处于实验室阶段，但随着技术的不断发展和多学科交叉研究的深入，微流控技术有望在食品安全、质量控制和营养增强等方面提供更高效、精确的解决方案，推动食品行业的革新。

关键词：连续流微流控技术液滴微流控技术食品安全定向筛选应用

来源：评论

学校读者我要写书评

暂无评论

机器学习与计算机视觉技术在食品质量评价中的研究进展

引用

食品科学 2024年第12期45卷 1-10页

作者：黄晓琛张凯利刘元杰陈洪黄凤洪魏芳中国农业科学院油料作物研究所油料脂质化学与营养湖北省重点实验室油料油脂加工技术国家地方联合工程实验室湖北武汉430062 中国农业大学信息与电气工程学院农业农村部农业信息获取技术重点实验室北京100083 湖北洪山实验室湖北武汉430070

近年来,随着社会对食品质量和安全的关注度不断提高,计算机视觉技术在食品质量评价领域逐渐受到重视并开始广泛应用。通过学习技术,如人工神经网络、卷积神经网络和支持向量机等,研究人员能够利用大量的食品图像和相关数据进行训练,从... 详细信息

近年来,随着社会对食品质量和安全的关注度不断提高,计算机视觉技术在食品质量评价领域逐渐受到重视并开始广泛应用。通过学习技术,如人工神经网络、卷积神经网络和支持向量机等,研究人员能够利用大量的食品图像和相关数据进行训练,从而实现对食品质量的自动评估和监测。特别是深度学习技术的发展,使得计算机能够更加准确地识别食品的外观、形状、颜色等特征,进而对其进行分类、预测和质量检测。除了在食品质量评价中的常规应用,学习技术还被用于更复杂的任务,如食品缺陷检测、异物检测、新鲜度评估等。这些技术不仅可以提高食品生产和加工的效率,还能够减少人为因素带来的误差,从而确保食品质量和安全。然而,尽管学习技术在食品质量评价中的应用取得了显著进展,但仍然存在一些挑战需要克服。例如,食品图像数据集的获取和标注成本较高,数据质量和数量的不足可能会影响模型的性能和泛化能力。此外,模型的可解释性和透明性也是一个重要问题,尤其是在需要对食品质量评价结果做出解释或决策的情况下。因此,未来的研究需要继续探索如何提高数据集的质量和规模、优化模型的鲁棒性和可解释性,以及开发更加高效和可持续的食品质量评价系统。

关键词：机器学习食品质量计算机视觉食品检测

来源：评论

学校读者我要写书评

暂无评论

基于跨模态特征融合模型的生猪体质量测定

引用

农业机械学报 2023年

作者：何威米阳刘刚丁向东李涛中国农业大学信息与电气工程学院中国农业大学农业农村部农业信息获取技术重点实验室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河南丰源和普农牧有限公司

针对生猪体质量准确测定问题，提出了一种跨模态特征融合模型CFF-ResNet（Cross-modality feature fusion ResNet），充分利用了可见光图像的纹理轮廓信息与深度图像的空间结构信息的互补性，实现了群养环境中无接触的生猪体质量智能测... 详细信息

针对生猪体质量准确测定问题，提出了一种跨模态特征融合模型CFF-ResNet（Cross-modality feature fusion ResNet），充分利用了可见光图像的纹理轮廓信息与深度图像的空间结构信息的互补性，实现了群养环境中无接触的生猪体质量智能测定。首先，该研究采集并配准俯视猪圈的可见光与深度图像，并通过EdgeFlow算法对每一只目标生猪个体进行由粗到细的像素级分割。然后，基于ResNet50网络构建双流架构模型，通过内部插入门控形成双向连接，有效地结合可见光流和深度流的特征，实现跨模态特征融合。最后，双流分别回归出生猪体质量预估值，通过均值合并得到最终的体质量测定值。在试验中，该研究以某种公猪场群养生猪为数据采集对象，构建了拥有9842对配准可见光和深度图像的数据集，包括6909对训练数据和2933对测试数据。本研究所提出模型在测试集上的平均绝对误差为3.019 kg，平均准确率为96.132%。与基于可见光和基于深度的单模态基准模型相比，该模型体质量测定精度更高，其在平均绝对误差上分别减少了18.095%和12.569%。同时，该模型体质量测定精度优于其他现有生猪体质量测定方法：常规图像处理模型、改进EfficientNetV2模型、改进DenseNet201模型和BotNet+DBRB+PFC模型，在平均绝对误差上分别减少了46.272%、14.403%、8.847%和11.414%。综合上述试验结果表明该测定模型能够有效学习跨模态的特征，满足了生猪体质量测定的高精度要求，为群养环境中生猪体质量测定提供了有效的技术支撑。

关键词：群养生猪体质量测定双流网络特征融合跨模态学习

来源：评论

学校读者我要写书评

暂无评论

基于三维点云的田间香蕉吸芽形态参数获取

引用

农业工程学报 2022年第S01期38卷 193-200页

作者：彭程苗艳龙汪刘洋李寒李修华张漫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 广西大学电气工程学院南宁530004

针对传统的香蕉吸芽形态参数手工测量方法效率低下、人为主观性强等问题,提出了基于三维点云的田间香蕉吸芽形态参数信息提取方法,并针对吸芽茎秆直径小,普通测量算法误差大的问题,使用曲面平滑和圆柱拟合算法提高了茎粗测量精度和准确... 详细信息

针对传统的香蕉吸芽形态参数手工测量方法效率低下、人为主观性强等问题,提出了基于三维点云的田间香蕉吸芽形态参数信息提取方法,并针对吸芽茎秆直径小,普通测量算法误差大的问题,使用曲面平滑和圆柱拟合算法提高了茎粗测量精度和准确性。使用Kinect V2、PMD CamBoard pico flexx、ZED双目视觉相机和Velodyne 16线激光雷达4种深度传感器采集不同尺寸的香蕉吸芽点云,对比了不同深度传感器对于香蕉吸芽点云采集的效果和提取表型参数的精度。基于点云库开发了香蕉点云处理和表型参数提取算法,对从两侧获取的香蕉点云进行配准,提取了香蕉吸芽的株高、茎粗和叶面积参数。Kinect V2取得了最优的点云重建效果和表型参数获取精度,与人工测量值相比,测得株高、茎粗和叶面积的平均绝对百分比误差分别为4.79%、9.20%、16.59%,均方根误差分别为5.46 cm、4.44 mm、197.8 cm2,决定系数分别为0.96、0.87、0.92。研究表明,Kinect V2和该文的形态参数提取方法适用于香蕉吸芽的形态参数获取,可以为果园管理提供一种快速、准确的香蕉吸芽株高、茎粗和叶面积形态参数测量方案。

关键词：三维农业香蕉点云处理作物形态参数株高茎粗叶面积

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5s的番茄黄化曲叶病检测方法

引用

农业机械学报 2023年

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水利与土木工程学院

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，中设施番茄叶片黄化曲叶病毒病（Tomato yellow leaf curl virus，TYLCV）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Y... 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，中设施番茄叶片黄化曲叶病毒病（Tomato yellow leaf curl virus，TYLCV）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YOLOv5s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温室中手机拍摄获取的患病番茄植株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，用智能手机在日光温室生产现场拍摄图像，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YOLOv5s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YOLOv5原模型、YOLOv8、Faster RCNN、SSD等模型，本方法的查准率P，查全率R，平均识别准确率mAP0.5，mAP0.5:0.95分别达到了97.40%、94.20%、97.20%、79.10%，所提出的算法在提高了准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：番茄病害识别 YOLOv5s 注意力机制 BiFPN Eiou

来源：评论

学校读者我要写书评

暂无评论

基于双目视觉和改进YOLOv8的玉米茎秆宽度原位识别方法

引用

智慧农业（中英文） 2023年第3期5卷 86-95页

作者：左昊轩黄祺成杨佳昊孟繁佳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

[目的/意义]玉米茎秆宽度是影响玉米抗倒伏能力的重要指标。玉米茎秆宽度测量存在人工采集过程繁琐、设备自动采集识别精度误差较大等问题,研究一种玉米茎秆宽度原位检测与高精度识别方法具有重要应用价值。[方法]采用ZED2i双目相机并... 详细信息

[目的/意义]玉米茎秆宽度是影响玉米抗倒伏能力的重要指标。玉米茎秆宽度测量存在人工采集过程繁琐、设备自动采集识别精度误差较大等问题,研究一种玉米茎秆宽度原位检测与高精度识别方法具有重要应用价值。[方法]采用ZED2i双目相机并将其固定在田间获取实时的玉米茎秆左目和右目图片,对原始图片进行数据增强,使用YOLOv8对玉米茎秆进行识别,再通过多次增加注意力机制(Coordinate Attention,CA)模块,和替换损失函数(Efficient IoU Loss,EIoU)的方法,进一步提高玉米茎秆的识别精度,然后通过对玉米茎秆的三维重建,获取识别框边界点在世界坐标系下的三维数据,通过距离公式计算出茎秆宽度。最后对改进后的YOLOv8模型与YOLOv8原模型、YOLOv7、YOLOv5、Faster RCNN、SSD进行对比,验证模型的识别准确性和识别精度。[结果和讨论]改进后的YOLOv8模型的查准率P、查全率R、平均精确率mAP_(0.5)、平均精确率mAP_(0.5∶0.95)分别达到了96.8%、94.1%、96.6%、77.0%,玉米茎秆宽度原位检测宽度计算的线性回归决定系数R~2,均方根误差RMSE和平均绝对误差MAE分别为0.373、0.265和0.244 cm,可满足实际生产对玉米茎秆宽度测量精度的要求。[结论]本研究提出的基于改进YOLOv8模型的玉米茎秆宽度原位识别方法可以实现对玉米茎秆的原位准确识别,很好地解决了目前人工测量耗时费力和机器视觉识别精度较差的问题,为实际生产应用提供了理论依据。

关键词： YOLOv8 注意力机制双目视觉玉米茎宽检测三维重建

来源：评论

学校读者我要写书评

暂无评论

基于高光谱和连续投影算法的棉花叶面积指数估测

引用

农业机械学报 2022年第S01期53卷 257-262页

作者：张楠楠张晓王城坤李莉白铁成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 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

为实现快速、无损、实时监测不同灌溉处理下棉花植株叶面积指数,借助高光谱遥感技术获取了棉花植株4个生育期的冠层反射率,同时获取每株棉花的叶面积指数,用一阶导数、二阶导数、标准正态变换,多元散射校正、小波分析等光谱预处理方法,... 详细信息

为实现快速、无损、实时监测不同灌溉处理下棉花植株叶面积指数,借助高光谱遥感技术获取了棉花植株4个生育期的冠层反射率,同时获取每株棉花的叶面积指数,用一阶导数、二阶导数、标准正态变换,多元散射校正、小波分析等光谱预处理方法,经过连续投影算法提取特征波段,用偏最小二乘法建立4个生育期(总体)和各生育期的高光谱估算模型。对比6种预处理方法在4个生育期和各生育期建模精度表明,4个生育期(总体)、蕾期、花期、花铃期的小波分解尺度为4、2、8、2,模型分别为CWT-SPA-PLS、CWT-FD-SPA-PLS、CWT-SPA-PLS、CWT-FD-SPA-PLS时可取得较好的精度;经二阶导数处理后,铃期可取得较好的结果,R^(2)和RPD分别0.973、5.3295,优于其他预处理。试验结果表明,利用预处理方法尤其是小波分析方法得到的光谱信息可有效估测棉花4个生育期(总体)和各生育期的叶面积指数。

关键词：棉花植株叶面积指数高光谱遥感反演模型小波分析连续投影算法

来源：评论

学校读者我要写书评

暂无评论

半主动悬架山地拖拉机姿态控制系统设计与仿真

引用

农业机械学报 2022年第S02期53卷 338-348页

作者：刘国辉郝称意李民赞孙红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 山西农业大学农业工程学院太谷030801 中国农业大学烟台研究院烟台264670 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

为提高山地拖拉机在复杂农田环境中的作业平稳性,基于Matlab/Simulink仿真平台,搭建了半主动悬架拖拉机七自由度时域仿真模型,包括四轮路面激励模型、半主动悬架振动模型、半主动悬架拖拉机车体受力分析模型、车身姿态分析模型以及半主... 详细信息

为提高山地拖拉机在复杂农田环境中的作业平稳性,基于Matlab/Simulink仿真平台,搭建了半主动悬架拖拉机七自由度时域仿真模型,包括四轮路面激励模型、半主动悬架振动模型、半主动悬架拖拉机车体受力分析模型、车身姿态分析模型以及半主动悬架拖拉机时域仿真模型,以车身垂向位移、车身倾斜角和车身俯仰角作为拖拉机的姿态变化参数进行仿真试验。通过构建增量式比例积分微分(Proportion integration differentiation,PID)控制器和反向传播(Back propagation,BP)神经网络PID控制器仿真模型实现对半主动悬架拖拉机车身姿态的自动控制,并分别对两种控制器的控制性能进行测试与评价。利用车身垂直向加速度和车轮相对动载作为半主动悬架系统性能的评价指标,对两种控制方式下的半主动悬架性能进行了评价。仿真结果表明:基于传统增量式PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少42.17%、侧倾角均方根减少36.76%、俯仰角均方根减少57.85%,其车身垂向加速度为0.0177 m/s^(2),4个车轮的动载荷均方根分别为0.0284、0.0346、0.0239、0.0304 N。基于BP神经网络PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少74.54%、侧倾角均方根减少74.66%、俯仰角均方根减少75.03%,其车身垂向加速度为7.5758×10^(-5)m/s^(2),4个车轮的动载荷均方根值分别为0.0197、0.0235、0.0166、0.0198 N。相比增量式PID控制的半主动悬架拖拉机,基于BP神经网络PID控制的半主动悬架拖拉机,其车体平稳性得到了较好的提高。

关键词：山地拖拉机姿态调节半主动悬架 BP神经网络PID 控制仿真

来源：评论

学校读者我要写书评

暂无评论

基于改进HRNet的高精度鱼类姿态估计方法（英文）

引用

智慧农业(中英文) 2025年

作者：彭秋珺李蔚然刘业强李振波中国农业大学国家数字渔业创新中心中国农业大学信息与电气工程学院农业农村部智慧养殖技术重点实验室农业农村部农业信息获取技术重点实验室北京市农业物联网工程技术研究中心

[目的/意义]鱼类姿态估计是获取鱼类生理信息的重要手段，对于水产养殖中的健康监测具有重要意义。鱼类在受到损伤时通常表现出异常行为，并伴随身体部位位置的变化。此外，鱼类游动过程中的姿态和方向具有不确定性，且游速较快，这对... 详细信息

[目的/意义]鱼类姿态估计是获取鱼类生理信息的重要手段，对于水产养殖中的健康监测具有重要意义。鱼类在受到损伤时通常表现出异常行为，并伴随身体部位位置的变化。此外，鱼类游动过程中的姿态和方向具有不确定性，且游速较快，这对鱼类姿态估计研究提出了挑战。因此，本研究提出了一种名为HPFPE (HighPrecision Fish Pose Estimation)的鱼类姿态估计模型，旨在精准捕捉鱼类姿态并准确识别其关键点。[方法]该模型一方面将注意力机制模块（Convolutional Block Attention Module, CBAM）集成到HRNet (High-Resolution Net)框架中，在不增加计算复杂度的前提下提高模型预测精度。另一方面，模型通过融合空洞卷积来扩大感受野，提取更广泛的空间上下文信息，从而进一步提升姿态估计的准确性。[结果和讨论]在斑石鲷数据上，与HRNet方法相比，HPFPE在不同骨干网络和输入尺寸下的平均准确率分别提高了0.62、1.35、1.76和1.28，平均召回率分别提升了0.85、1.50、1.40和1.00。此外，HPFPE在性能上也优于DeepPose、CPM (Convolutional Pose Machine)、SCNet (Self-Calibrated Convolutions Net)和Lite-HRNet。在观赏鱼数据上，HPFPE的平均精度和平均召回率分别达到52.96和59.50，显著优于其他对比方法。[结论]本研究提出的HPFPE模型能够有效估计鱼类姿态，为鱼类行为识别等应用提供重要参考。

关键词：水产养殖计算机视觉鱼类姿态估计关键点注意力机制

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：