检索结果-内蒙古大学图书馆

光谱学与光谱分析 2024年第5期44卷 1364-1371页

作者：杨增荣王怀彬田密密李军会赵龙莲中国农业大学信息与电气工程学院北京100083 现代精细农业系统集成研究教育部重点实验室北京100083

苹果早期轻微瘀伤是影响苹果品质的重要因素。早期轻微瘀伤在可见光下肉眼无法识别,为寻找一种高效的苹果早期轻微瘀伤识别方法,以红富士苹果为研究对象,通过倒立摆装置人为制造不同程度的苹果瘀伤。首先采用傅里叶变换近红外光谱仪采... 详细信息

苹果早期轻微瘀伤是影响苹果品质的重要因素。早期轻微瘀伤在可见光下肉眼无法识别,为寻找一种高效的苹果早期轻微瘀伤识别方法,以红富士苹果为研究对象,通过倒立摆装置人为制造不同程度的苹果瘀伤。首先采用傅里叶变换近红外光谱仪采集80个无损样品、60个轻度损伤样品以及60个重度损伤样品各自在损伤后0、10、20和30 min的近红外漫反射光谱;采用SNV作为光谱数据预处理方法,谱区范围选择4000~9000 cm^(-1);主成分个数为9,采用偏最小二乘法-判别分析(PLS-DA)和支持向量机(SVM)两种方法建立“无损-有损”二分类模型,预测集的平均识别率分别为85.00%和89.80%,模型识别效果有待提高。在以上实验结果的基础上,使用波段范围为1000~2350 nm的近红外相机采集无损、轻度瘀伤、中度瘀伤和重度瘀伤的100个苹果样品的近红外图像,相机加装1150和1400 nm的滤光片后分别再次采集这些苹果样品的近红外图像,所有图像均在瘀伤产生后立即采集。共采集3个波段、4种瘀伤程度的苹果样本图像共1200张。提取图像吸光度信息并分别建立KNN、SVM和DT分类模型,DT法“无损-损伤”二分类模型和“无损-轻度-重度”三分类模型的识别率最高,分别为99.00%和94.67%。相比基于近红外光谱的苹果早期外部瘀伤识别方法,近红外相机多波段成像法在苹果表面早期瘀伤和瘀伤程度分类的应用中都有更高的识别准确率。与此同时近红外相机成像方法方便确定瘀伤的位置,这为苹果表面瘀伤的实时在线检测与分类提供了一种快速高效的新思路。

关键词：近红外光谱近红外相机成像苹果早期瘀伤

来源：评论

学校读者我要写书评

暂无评论

基于CNN-LSTM的苹果树种植区域提取

引用

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

基于改进YOLO v5的自然环境下樱桃果实识别方法

引用

农业机械学报 2022年第S01期53卷 232-240页

作者：张志远罗铭毅郭树欣刘刚李淑平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

为提高对樱桃果实识别的准确率,提升果园自动采摘机器人的工作效率,使用采集到的樱桃原始图像以及其搭配不同数据增强方式得到的数据图像共1816幅建立数据集,按照8∶2将数据集划分成训练集与测试集。基于深度学习网络,利用YOLO v5模型... 详细信息

为提高对樱桃果实识别的准确率,提升果园自动采摘机器人的工作效率,使用采集到的樱桃原始图像以及其搭配不同数据增强方式得到的数据图像共1816幅建立数据集,按照8∶2将数据集划分成训练集与测试集。基于深度学习网络,利用YOLO v5模型分别对不同数据增强方式以及组合增强方式扩增后的樱桃数据集进行识别检测,结果表明离线增强与在线增强均对模型精度提升有一定的正向促进作用,其中采用离线数据增强策略能够显著且稳定的增加检测精度,在线数据增强策略能够小幅度提高检测精度,同时使用离线增强以及在线增强能够最大幅度的提升平均检测精度。针对樱桃果实之间相互遮挡以及图像中的小目标樱桃检测难等导致自然环境下樱桃果实检测精度低的问题,本文将YOLO v5的骨干网络进行改动,增添具有注意力机制的Transformer模块,Neck结构由原来的PAFPN改成可以进行双向加权融合的BiFPN,Head结构增加了浅层下采样的P2模块,提出一种基于改进YOLO v5的自然环境下樱桃果实的识别网络。实验结果表明:相比于其他已有模型以及单一结构改进后的YOLO v5模型,本文提出的综合改进模型具有更高的检测精度,使平均精度均值2提高了2.9个百分点。结果表明该方法有效的增强了识别过程中特征融合的效率和精度,显著地提高了樱桃果实的检测效果。同时,本文将训练好的网络模型部署到安卓(Android)平台上。该系统使用简洁,用户设备环境要求不高,具有一定的实用性,可在大田环境下对樱桃果实进行准确检测,能够很好地满足实时检测樱桃果实的需求,也为自动采摘等实际应用奠定了基础。

关键词：樱桃目标检测 YOLO v5 数据增强注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于改进DeepLab V3+的苹果种植面积提取

引用

农业机械学报 2023年

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

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ES... 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显著突破，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93.3%。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3433.33hm2，与烟台市国民经济和社会发展统计公报公布的数据3666.67 hm2相比，误差仅为233.33 hm2，预测准确率高达93.64%。

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

来源：评论

学校读者我要写书评

暂无评论

基于SSA-LSTM-Attention的日光温室环境预测模型

引用

农业工程学报 2025年

作者：孟繁佳许瑞峰赵维娟宋文臻高艺璇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信息与电气工程学院

建立准确的温室环境预测模型有助于精准调控温室环境促进作物的生长发育，针对温室小气候具有时序性、非线性和强耦合等特点，该研究提出了一种基于SSA-LSTM-Attention(sparrow search algorithm-long short-term memoryattention mecha... 详细信息

建立准确的温室环境预测模型有助于精准调控温室环境促进作物的生长发育，针对温室小气候具有时序性、非线性和强耦合等特点，该研究提出了一种基于SSA-LSTM-Attention(sparrow search algorithm-long short-term memoryattention mechanism)的日光温室环境预测模型。首先，通过温室物联网数据采集系统获取温室内外环境数据；其次，使用皮尔逊相关性分析法筛选出强相关性因子；最后，构建环境特征时间序列矩阵输入模型进行温室环境预测。对日光温室的室内温度、室内湿度、光照强度和土壤湿度4种环境因子的预测，SSA-LSTM-Attention模型的平均拟合指数达到了97.9%。相较于反向传播神经网络（back propagation neural network,BP）、门控循环单元（gate recurrent unit,GRU）、长短期记忆神经网络（long short term memory,LSTM）和LSTM-Attention(long short-term memory-attention mechanism)模型，分别提高8.1、4.1、3.5、3个百分点；平均绝对百分比误差为2.6%，分别降低6.5、3.2、2.8、2.5个百分点。试验结果表明，通过利用SSA自动优化LSTM-Attention模型的超参数，提高了模型预测精度，为日光温室环境超前调控提供了有效的数据支持。

关键词：日光温室麻雀搜索算法长短期记忆网络注意力机制环境预测模型

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

基于近红外相机成像和阈值分割的苹果早期损伤检测

引用

农业机械学报 2021年第S01期52卷 134-139页

作者：邵志明王怀彬董志城原育慧李军会赵龙莲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

为了解决苹果表面早期损伤难以检测的问题,提出了一种基于近红外相机成像技术和图像阈值分割方法的苹果表面早期损伤检测方法。使用T2SL近红外相机采集苹果样本近红外图像,通过最大类间方差法对近红外图像进行背景分割,基于图像的灰度... 详细信息

为了解决苹果表面早期损伤难以检测的问题,提出了一种基于近红外相机成像技术和图像阈值分割方法的苹果表面早期损伤检测方法。使用T2SL近红外相机采集苹果样本近红外图像,通过最大类间方差法对近红外图像进行背景分割,基于图像的灰度直方图进行无损和有损区域分割阈值的设定,并结合形态学处理提取苹果样本的损伤区域。该方法对无表面损伤苹果样本的判别准确率是88%,对即时损伤后样本的判别准确率是90%,对损伤后30 min样本的判别准确率达到96%。基于近红外相机成像和阈值分割的苹果早期损伤检测不需要建模学习,类似一种无监督判别分析方法,研究结果表明,利用该方法进行苹果表面早期损伤检测是可行的。

关键词：苹果近红外相机成像阈值分割早期损伤

来源：评论

学校读者我要写书评

暂无评论

基于IGWO算法的冬小麦作物-土壤全氮含量一体化监测

引用

农业机械学报 2021年第S01期52卷 304-309,359页

作者：田泽众张瑶张海洋孙红李民赞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

为对冬小麦作物-土壤全氮含量进行一体化监测,提出一种基于改进灰狼优化算法(Improved grey wolf optimization algorithm,IGWO)的冬小麦作物-土壤全氮含量共同冠层高光谱特征波长选择方法。以河南省漯河市郾城区的40块拔节期冬小麦农... 详细信息

为对冬小麦作物-土壤全氮含量进行一体化监测,提出一种基于改进灰狼优化算法(Improved grey wolf optimization algorithm,IGWO)的冬小麦作物-土壤全氮含量共同冠层高光谱特征波长选择方法。以河南省漯河市郾城区的40块拔节期冬小麦农田为研究区,通过采集冬小麦冠层反射光谱,结合实验室测定精确全氮含量,利用IGWO算法选择冬小麦作物-土壤共同特征波长。结果表明,相较于遗传算法(Genetic algorithm,GA)等其他仿生学优化算法,改进灰狼优化算法可以选择冬小麦作物-土壤共同冠层反射光谱特征波长。在随机森林(Random forest,RF)回归模型下,冬小麦作物和土壤全氮含量测试集的决定系数(Coefficient of determination,R^(2))分别为0.7888和0.7534。与其他仿生学算法相比,IGWO选择的特征波长405、495、582、731、808 nm预测性能最佳,能够有效利用全谱信息且符合冬小麦生理特征。改进灰狼优化算法能够选择冬小麦作物-土壤共同的冠层反射光谱特征波长,实现对冬小麦作物-土壤全氮含量的较高精度估计,可作为估测田间冬小麦作物-土壤全氮含量的有效途径。

关键词：冬小麦高光谱作物-土壤一体化监测全氮灰狼优化算法特征选择

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：