检索结果-内蒙古大学图书馆

光谱学与光谱分析 2023年第1期43卷 280-288页

作者：张倩杨颖刘刚吴潇宁远霖中国农业大学信息与电气工程学院北京100083 现代精细农业系统研究教育部重点实验室北京100083 农业部农业信息获取技术重点实验室北京100083

乳腺炎是奶牛生产养殖中最为严重的疾病之一,奶牛乳腺炎的早期检测可以为后续治疗提供依据,从而提高疾病治疗效率,降低养殖风险。为了对自然行走的奶牛实现快速、高精度的“一步式”乳腺炎疾病检测,提出了一种基于热红外图像,融合数据... 详细信息

乳腺炎是奶牛生产养殖中最为严重的疾病之一,奶牛乳腺炎的早期检测可以为后续治疗提供依据,从而提高疾病治疗效率,降低养殖风险。为了对自然行走的奶牛实现快速、高精度的“一步式”乳腺炎疾病检测,提出了一种基于热红外图像,融合数据增强与改进ResNet34的奶牛乳腺炎疾病检测方法。相对于现有的“多步式”奶牛红外图像乳腺炎检测方法,该方法无需奶牛关键部分如乳房和眼睛的定位以及温度提取等,可有效避免“多步式”造成的误差累计,从而实现更高效的乳腺炎检测。首先,将包含奶牛关键部位的局部图片水平拼接成信息完整的整体图片,结合RandAugment数据增强方法扩增训练样本;其次,采用ResNet34残差网络作为实验的基础网络,并根据热红外图像特性对模型进行如下改进:(1)精简网络内部冗余层使得模型更轻量化;(2)中间层添加辅助分类器弥补由于模型精简带来的特征损失;(3)将改进的多融合池化层代替原有单一池化层,使得特征提取内容更丰富。随机选取3298张热红外图像(66头奶牛)作为实验对象,并设置多组对比实验,结果表明:与传统ResNet34相比改进后ResNet34模型分类准确率提高3.4%,基于改进ResNet34并融合迁移学习和数据增强的模型验证准确率达到90.3%,测试准确率为88.4%,分类时间仅需3.39×10^(-3)s。为了保证实验数据集的样本独立性,进一步将奶牛个体数量按照3∶1∶1划分为训练集、验证集和测试集,测得模型测试准确率达到80.3%,证明所提出模型具有很好的鲁棒性。根据测试结果,计算出模型查准率为91.2%、查全率为91.6%、F1分数为91.4%,与前人所做实验相比准确率提高了5.1%,特异度提升5.3%。该研究方法可以为初期奶牛乳腺疾病筛选和医学诊断提供辅助和参考。

关键词：迁移学习 ResNet34 数据增强热红外图像奶牛乳腺炎检测

来源：评论

学校读者我要写书评

暂无评论

机器视觉技术在大体型家畜无接触体尺测量中的研究进展

引用

农业工程学报 2025年第7期41卷 1-12页

作者：李振波孙浩翔郭倩男张涵钰刘皓南中国农业大学信息与电气工程学院北京100083 农业农村部智慧养殖重点实验室北京100083 农业农村部精准农业技术集成科学试验基地(畜牧业) 北京100083 农业农村部农业信息获取技术重点实验室北京100083

家畜体尺能直接反映其生长发育状态,对育种和养殖过程管理具有重要意义。基于机器视觉的家畜无接触体尺测量技术可以解决传统人工接触式测量中耗时、费力和主观误差等问题,同时能够降低养殖人员的劳动强度,避免家畜产生应激反应。近年来... 详细信息

家畜体尺能直接反映其生长发育状态,对育种和养殖过程管理具有重要意义。基于机器视觉的家畜无接触体尺测量技术可以解决传统人工接触式测量中耗时、费力和主观误差等问题,同时能够降低养殖人员的劳动强度,避免家畜产生应激反应。近年来,随着机器视觉技术的迅猛发展,家畜无接触体尺测量方法也取得了突破性的进步。该研究聚焦于牛、羊、马和猪4种常见大体型家畜,按照体尺测量任务流程,概述了常见的家畜图像采集场景、图像采集设备和设备部署方式。基于近5年机器视觉在家畜无接触体尺测量中的应用,阐述了目前家畜图像分割算法和家畜体尺测量算法的研究现状。当前研究的着重点主要在于加速体尺测量过程,提升测量结果精度,以及增强测量设备的便携性这3个核心方面。结合当前研究中存在的公开数据集不足、深度学习前沿方法应用较少、算法在实际生产中应用和部署困难等问题,提出了未来应围绕应用生成式模型扩充家畜图像数据集、加速深度学习方法的迁移,开发适用多种家畜的通用测量模型等方面展开研究,旨在为后续的研究及应用提供参考。

关键词：体尺测量家畜机器视觉深度学习图像采集图像分割数据集

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

基于双流跨模态特征融合模型的群养生猪体质量测定

引用

农业机械学报 2023年第S01期54卷 275-282,329页

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 中国农业大学动物科学技术学院北京100193 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北京100193 河南丰源和普农牧有限公司信阳464000

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(Cross-modality feature fusion ResNet, CFF-ResNet),充分利用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... 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(Cross-modality feature fusion ResNet, CFF-ResNet),充分利用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,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,以某种公猪场群养生猪为数据采集对象,构建了拥有9 842对配准可见光和深度图像的数据集,包括6 909对训练数据和2 933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46.272%、14.403%、8.847%和11.414%。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

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

基于改进YOLOv5的复杂跨域场景下的猪个体识别与计数

引用

农业工程学报 2022年第17期38卷 168-175页

作者：宁远霖杨颖李振波吴潇张倩中国农业大学信息与电气工程学院北京100083 农业农村部农业信息获取技术重点实验室北京100083 农业农村部国家数字渔业中心北京100083

为解决复杂跨域场景下猪个体的目标检测与计数准确率低下的问题,该研究提出了面向复杂跨域场景的基于改进YOLOv5(You Only Look Once version 5)的猪个体检测与计数模型。在骨干网络中分别集成了CBAM(Convolutional Block Attention Mod... 详细信息

为解决复杂跨域场景下猪个体的目标检测与计数准确率低下的问题,该研究提出了面向复杂跨域场景的基于改进YOLOv5(You Only Look Once version 5)的猪个体检测与计数模型。在骨干网络中分别集成了CBAM(Convolutional Block Attention Module)即融合通道和空间注意力的模块和Transformer自注意力模块,并将CIoU(Complete Intersection over Union)Loss替换为EIoU(Efficient Intersection over Union)Loss,以及引入了SAM(Sharpness-Aware Minimization)优化器并引入了多尺度训练、伪标签半监督学习和测试集增强的训练策略。试验结果表明,这些改进使模型能够更好地关注图像中的重要区域,突破传统卷积只能提取卷积核内相邻信息的能力,增强了模型的特征提取能力,并提升了模型的定位准确性以及模型对不同目标大小和不同猪舍环境的适应性,因此提升了模型在跨域场景下的表现。经过改进后的模型的m AP@0.5值从87.67%提升到98.76%,m AP@0.5:0.95值从58.35%提升到68.70%,均方误差从13.26降低到1.44。该研究的改进方法可以大幅度改善现有模型在复杂跨域场景下的目标检测效果,提高了目标检测和计数的准确率,从而为大规模生猪养殖业生产效率的提高和生产成本的降低提供技术支持。

关键词：模型计算机视觉目标检测计数注意力机制半监督学习

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

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：