检索结果-内蒙古大学图书馆

农业工程 2025年第2期15卷 58-66页

作者：路鹏郑文刚张钟莉莉吕芯悦史凯丽刘长斌江苏大学农业工程学院江苏镇江212013 北京市农林科学院智能装备技术研究中心北京100097 农业农村部农业信息软硬件产品质量检测重点实验室北京100122 北京市农林科学院信息技术研究中心北京100097

智慧设施园艺旨在将现代化技术应用于设施农业生产中,实现生产的自动化、数字化、网络化和智能化。为全面了解智慧设施园艺国内外研究动向、前沿和热点议题,采用文献计量学方法,以Web of Science中核心论文集为检索平台,依据2002—2022... 详细信息

智慧设施园艺旨在将现代化技术应用于设施农业生产中,实现生产的自动化、数字化、网络化和智能化。为全面了解智慧设施园艺国内外研究动向、前沿和热点议题,采用文献计量学方法,以Web of Science中核心论文集为检索平台,依据2002—2022年智慧设施园艺领域781篇研究文献分析全球研究趋势、主要研究内容及前沿热点。结果表明,智慧设施园艺在2017年后迅速发展,2018—2022年发文量占发文总量的74.56%;总体上智慧设施园艺呈现以农学和工程学为主导的多学科交叉研究方向,发文量最多的5个国家依次为中国、美国、韩国、西班牙和意大利;我国发文量进入世界前15的机构有中国农业大学、农业农村部、中国科学院、南京农业大学和北京市农林科学院,占前15机构发文量的32.34%;聚类分析发现,智慧设施园艺研究聚焦于基于自动化技术的水肥管控和机器人作业,基于物联网监测耦合机器学习和视觉技术的作物生长监测,以及温室能源管理系统,其中计算机视觉技术作为一项涉及模式识别、图像处理和机器学习的技术,实现设施园艺作物生长监测、病虫害识别及品质监测等,是近年来智慧设施园艺研究的前沿热点。

关键词：智慧设施园艺文献计量学计算机视觉技术智能化智慧农业设施农业

来源：评论

学校读者我要写书评

暂无评论

TLBO-ELM模型的番茄灰霉病高光谱潜育期诊断

引用

光谱学与光谱分析 2022年第9期42卷 2969-2975页

作者：张燕吴华瑞朱华吉国家农业信息化工程技术研究中心北京100097 北京农业信息技术研究中心北京100097 农业农村部农业信息软硬件产品质量检测重点实验室北京100097

番茄叶片在感染病害后首先发生的是内在生理反应,肉眼无法观察到。叶片从被感染到出现肉眼可见病斑期间,称为叶片病害潜育期。为了实现番茄叶片表面未见明显病斑的灰霉病潜育期诊断,对接种样本进行叶片编码、跟踪、采集所有编码叶片样本... 详细信息

番茄叶片在感染病害后首先发生的是内在生理反应,肉眼无法观察到。叶片从被感染到出现肉眼可见病斑期间,称为叶片病害潜育期。为了实现番茄叶片表面未见明显病斑的灰霉病潜育期诊断,对接种样本进行叶片编码、跟踪、采集所有编码叶片样本1~8 d连续高光谱图像数据,建立番茄叶片样本时序高光谱数据集。采用跟踪的叶片样本出现肉眼可见病斑前几天同一位置区域的高光谱数据作为潜育期感兴趣区域进行检测分析。为了建立番茄叶片灰霉病潜育期诊断和不同病斑等级分类模型,采用基于教学优化算法(TLBO)优化极限学习机(ELM)的分类模型进行建模。通过TLBO算法优化ELM的输入权值和隐藏层的偏差,提高模型分类性能。利用高光谱成像系统在近红外高光谱波段388~1006 nm波段获取五个等级的感兴趣区域进行数据建模,共采样213个高光谱数据,其中,健康类(56个)、潜育期类(42个)、小病斑类(43个)、大病斑类(39个)和严重类(33个)。通过对比不同的光谱预处理方法,采用效果最好的小波滤波变换(DWT)对样本数据中每类数据分别滤波。DWT滤波后,在610~840 nm波段间五个等级光谱曲线能区分明显,共包含91个波长,波长数量较多。因此,采用竞争性自适应重加权抽样法(CARS)对采用DWT预处理后的光谱数据在610~840 nm波段重复3次优选特征波长,合并去除重复项后得到9个特征波段:694,696,765,767,769,772,778,838和840 nm。最后分别选取全波段FC、610~840 nm波段、CARS提取的9个特征波段建立3个分类模型FC-TLBO-ELM,DWT-TLBO-ELM,DWT-CARS-TLBO-ELM进行对比,其中DWT-CARS-TLBO-ELM检测精确度最高达100%,潜育期召回率100%,利用时间最短为0.0689 s,表明该模型可以实现番茄灰霉病潜育期高精度诊断和灰霉病病害程度高精度分类,为番茄灰霉病早期防治、精准施药提供理论依据。

关键词：时序高光谱数据灰霉病程度分类潜育期诊断极限学习机教学优化算法

来源：评论

学校读者我要写书评

暂无评论

基于卷积模型的农业问答语性特征抽取分析

引用

农业机械学报 2018年第12期49卷 203-210页

作者：张明岳吴华瑞朱华吉国家农业信息化工程技术研究中心北京100097 北京农业信息技术研究中心北京100097 农业农村部农业信息软硬件产品质量检测重点实验室北京100097

互联网农技推广社区每秒增衍问答数据近万组,这些海量数据具有隐性的词性、情感和冗余向量特征,实现数据聚合与数据块消减是该领域的难题。提出了一种基于卷积神经网络的农业问答情感极性特征抽取分析模型,结合农业分词字典,对数据集进... 详细信息

互联网农技推广社区每秒增衍问答数据近万组,这些海量数据具有隐性的词性、情感和冗余向量特征,实现数据聚合与数据块消减是该领域的难题。提出了一种基于卷积神经网络的农业问答情感极性特征抽取分析模型,结合农业分词字典,对数据集进行分词后使用Skip-gram模型转换为256维的词向量,利用批规范后的卷积神经网络对数据集进行训练,从而得到用于识别农技推广社区问答词性情感相似性的神经网络模型参数。试验结果表明,该方法能够准确识别测试样例集中的冗余队列,与其他5种文本分类方法进行比较,各项指标优势明显,针对测试集的语性特征抽取准确率达到82. 7%。

关键词：农业信息分类特征提取自然语言处理卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于实例分割的柑橘花朵识别及花量统计

引用

农业工程学报 2020年第7期36卷 200-207页

作者：邓颖吴华瑞朱华吉国家农业信息化工程技术研究中心北京100097 北京市农业信息技术研究中心北京100097 农业农村部农业信息软硬件产品质量检测重点实验室北京100097

柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍。对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期... 详细信息

柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍。对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期的柑橘树冠图像为样本进行花朵实例的识别及分割,通过对Mask R-CNN主体卷积部分和掩膜分支部分的优化,实现对复杂结构图像中密集小尺度柑橘花朵目标的高效检测、获取图像中可见花数量。结果显示,该方法花量识别神经网络的平均精度为36.3,花量计算误差为11.9%,对比未优化Mask R-CNN网络在训练和识别的时间效率上均有显著提升。该研究解决了柑橘花量统计难度高的问题,有助于柑橘早期测产和落花监测,并为花量控制提供决策依据。

关键词：图像处理目标检测算法花朵识别花量计算实例分割残差神经网络

来源：评论

学校读者我要写书评

暂无评论

基于云原生技术的土壤墒情监测系统设计与应用

引用

农业工程学报 2020年第13期36卷 165-172页

作者：于景鑫杜森吴勇钟永红张钟莉莉郑文刚李文龙国家农业信息化工程技术研究中心北京100097 全国农业技术推广服务中心北京100125 农业农村部农业信息软硬件产品质量检测重点实验室北京100097 中国地质大学(北京)土地科学与技术学院北京100083

该研究针对全中国尺度的土壤墒情监测需求,构建基于自动监测站原位监测与多源专题数据的土壤墒情数据获取感知技术体系,提出数据质量控制清洗策略并建立数据校正插补模型。系统基于云原生技术设计,将模块以微服务形式灵活开发部署,通过... 详细信息

该研究针对全中国尺度的土壤墒情监测需求,构建基于自动监测站原位监测与多源专题数据的土壤墒情数据获取感知技术体系,提出数据质量控制清洗策略并建立数据校正插补模型。系统基于云原生技术设计,将模块以微服务形式灵活开发部署,通过容器技术打包运行独立实例,布设了墒情数据上报采集、可视化分析和数据挖掘应用等核心模块。依托空间分析和WebGL技术开发3D WebGIS数据分析功能模块,实现协同土壤墒情、土地利用、海拔高程等多源数据可视化分析与制图,深入挖掘数据价值,实现墒情估算和基于水量平衡的灌溉决策应用服务。系统已在中国21个省份得到应用,建立自动监测站970个,采集监测数据6000余万条,为用户掌握土壤墒情现状、指导农业节水灌溉、获取可靠科研数据等应用提供数据与技术服务。

关键词：土壤墒情监测系统设计数据感知 WebGIS 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于区域亮度矫正的番茄成熟度定量分级方法

引用

农业工程学报 2023年第7期39卷 195-204页

作者：张钟莉莉何婷婷李志伟史凯丽刘长斌郑文刚北京市农林科学院智能装备技术研究中心北京100097 农业农村部农业信息软硬件产品质量检测重点实验室北京100097 山西农业大学农业工程学院太谷030801 北京市农林科学院信息技术研究中心北京100097

针对现有番茄成熟度分级标准不统一,泛化性有待提高等问题,该研究提出一种基于区域亮度矫正的果面红色着色区域提取的方法。采用R-G法增强番茄表面的红色区域,利用Otsu分割方法提取表面着色区域,判断各着色区域的轮廓树结构以计算着色... 详细信息

针对现有番茄成熟度分级标准不统一,泛化性有待提高等问题,该研究提出一种基于区域亮度矫正的果面红色着色区域提取的方法。采用R-G法增强番茄表面的红色区域,利用Otsu分割方法提取表面着色区域,判断各着色区域的轮廓树结构以计算着色区域面积占图像总面积的比例作为主要特征,构建多因子融合的随机森林模型以实现番茄成熟度的量化分级。同时,利用基于局部亮度均衡的图像快速修复方法以解决光照变化导致的番茄表面高亮度反射问题。结果表明:以番茄表面着色面积比成熟度评价指标的分级平均正确率为92.96%,相比传统颜色矩和颜色直方图作为评价指标时的分级准确率提高了6.53和20.6个百分点。高亮区域领域像素加权替代法可对番茄高亮区域亮度实现有效矫正,矫正后的未熟、半熟和成熟番茄图像的果面着色区域面积占番茄图像总面积的比例较矫正前提高了0.06、0.15和0.11,分级准确率分别提高了17.24、11.47和4.69个百分点。研究可为番茄成熟度的定量性分级提供决策基础。

关键词：随机森林像素番茄成熟度亮度矫正红色着色区域提取

来源：评论

学校读者我要写书评

暂无评论

采用组合增强的YOLOX-ViT协同识别温室内番茄花果

引用

农业工程学报 2023年第4期39卷 124-134,F0003页

作者：吕志远张付杰魏晓明黄媛李晶晶张钟莉莉昆明理工大学现代农业工程学院昆明650500 北京市农林科学院智能装备技术研究中心北京100097 石家庄市农林科学研究院石家庄050011 农业农村部农业信息软硬件产品质量检测重点实验室北京100097

番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提... 详细信息

番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提高模型对于小目标与密集图像检测性能。同时,通过先分类识别、再进行目标检测的级联网络,解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后,引入了包括大果和串果在内的不同类型番茄品种数据集,验证了该方法的可行性与有效性。经测试,研究提出的目标检测模型的平均识别率均值(mean average precision,m AP)为92.30%,检测速度为28.46帧/s,其中对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明,与YOLOX、组合增强YOLOX相比,改进后的模型m AP提高了2.38~6.11个百分点,相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型,m AP提高了16.56~23.30个百分点。可视化结果表明,改进模型实现了对小目标的零漏检和对密集对象的无误检,从而达到了高精度的协同检测目标。研究成果为温室种植环境下的番茄生长识别提供参考。

关键词：图像识别深度学习番茄级联网络 YOLOX Transformer 协同检测图像增强

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉和穿戴式设备感知的村镇老年人跌倒监测方法

引用

西南大学学报（自然科学版） 2021年第11期43卷 186-194页

作者：邓颖吴华瑞孙想北京农业智能装备技术研究中心/国家农业信息化工程技术研究中心/北京农业信息技术研究中心/农业农村部农业信息软硬件产品质量检测重点实验室北京100097

随着我国村镇老人独居比例日渐增加,加上村镇地区医疗机构分布稀疏,老人跌倒受伤常因发现和送治不及时导致伤损恶化甚至死亡,快速及时地发现是减少村镇独居老人跌倒致死的关键.本文开展了基于穿戴式设备感知体征数据和2D视频数据对老人... 详细信息

随着我国村镇老人独居比例日渐增加,加上村镇地区医疗机构分布稀疏,老人跌倒受伤常因发现和送治不及时导致伤损恶化甚至死亡,快速及时地发现是减少村镇独居老人跌倒致死的关键.本文开展了基于穿戴式设备感知体征数据和2D视频数据对老人跌倒的情况进行多维数据融合监测分析和跌倒判定的技术方法研究.通过改进多参数跌倒图像识别算法,以核心位移速度、躯干水平角度、人体边框宽高比为参数进行了人体跌倒的判断分析.试验结果显示,基于随机森林和KNN的体征数据分析对跌倒行为预测的模型准确率均为0.77,但KNN的F1值相对前者高出2个百分点.本文基于openpose人体关键骨骼节点分析的跌倒识别准确率为0.79,加入基于Mask R-CNN的周边环境感知参数,改进后的模型识别准确率提升到0.85,而本文提出基于机器视觉和穿戴式设备感知数据融合的村镇老年人跌倒综合判断法,将图像数据和体征数据融合后采用BiLSTM模型训练分类,准确率达到0.90,显著提高了村镇老年人跌倒监测的准确性和可靠性.本文建立的人体跌倒监测方法还可以在保证准确率的同时,更好适用于我国村镇网络不稳定、数据传输通量较低的地区.

关键词：摔倒检测机器视觉神经网络机器学习数据融合

来源：评论

学校读者我要写书评

暂无评论

基于改进Tiny-YOLOv5l算法的串型番茄定位与计数

引用

食品与机械 2022年第12期38卷 79-86页

作者：赵九霄张馨史凯丽李晶晶李作麟北京市农林科学院信息技术研究中心北京100097 农业农村部农业信息软硬件产品质量检测重点实验室北京100097 北京市农林科学院智能装备技术研究中心北京100097

目的:提高串型番茄分拣效率,减少误检、错检。方法:采集串型番茄图像数据集,通过数据增强扩充数据并提高模型的泛化性能,将YOLOv5l框架内的Bottleneck层中的3×3卷积替换为改进的SVM-MHSA层,通过将MHSA中softmax分类函数替换为更适... 详细信息

目的:提高串型番茄分拣效率,减少误检、错检。方法:采集串型番茄图像数据集,通过数据增强扩充数据并提高模型的泛化性能,将YOLOv5l框架内的Bottleneck层中的3×3卷积替换为改进的SVM-MHSA层,通过将MHSA中softmax分类函数替换为更适用于串型番茄的SVM分类函数;将检测框架中剩余3×3卷积替换为深度可分离卷积,引入随机纠正线性单元提高网络训练收敛速度。结果:改进后的Tiny-YOLOv5l模型可有效实现串型单果识别定位、整串果实计数,检测框损失率由1.48%降低至1.34%,目标损失率由1.98%降低至1.73%,置信度损失降低了1.4%,精度由97.36%提升至98.89%,召回率由97.35%提升至98.56%。结论:Tiny-YOLOv5l算法更加精准且兼具轻量化,面对遮挡、背景干扰、光照变化、虚化等挑战具有较高的识别准确率,可为产后串型番茄分拣人员提供准确的单果位置信息以及整串果实数量信息。

关键词：深度学习分类函数串型番茄复杂场景

来源：评论

学校读者我要写书评

暂无评论

基于云服务接入的温室环境采集终端优化设计

引用

沈阳农业大学学报 2018年第3期49卷 371-377页

作者：李文龙郑文刚卜云龙张馨姚远方北京农业信息技术研究中心北京100097 农业部农业信息软硬件产品质量检测重点实验室北京100097 北京京鹏环球科技股份有限公司北京100094

由于温室环境信息采集需求多样、应用分散设备接入网络困难且为物联网,云服务优先应用领域,使得采用运营商通讯(GSM/GPRS、3G、4G等)的环境数据采集设备在温室生产中应用越来越多,但实际运行过程中依然存在系统能耗高、太阳能温室内充... 详细信息

由于温室环境信息采集需求多样、应用分散设备接入网络困难且为物联网,云服务优先应用领域,使得采用运营商通讯(GSM/GPRS、3G、4G等)的环境数据采集设备在温室生产中应用越来越多,但实际运行过程中依然存在系统能耗高、太阳能温室内充电效率低、铅酸蓄电池供电为主体积大、整体密封性差难以适应高温高湿环境等问题,迫切需要在以上几个方面开展优化设计。开发了低成本、集成度高、低功耗的温室环境感知终端,能够采集常规数字(I2C、1-wire、串口等)、模拟信号传感器(0~5V,4~20m A),灵活选择传感器满足用户对不同监测参数的测量需求并通过GSM/GPRS接入已有的设施农业云服务平台,适合分散,大区域接入、单温室直接网络接入等应用场景。重点在终端能耗管理、防护结构、太阳能供电结构等方面开展优化设计,小功率太阳能电池板采用多角度安装方式,实现延长充电时间超过2h·d^(-1),提高温室内太阳能利用率;将主动通风空气防辐射罩与符合IP67标准防护壳构成一体,适应高温高湿环境,并加速防辐射罩内部与外部气流交换速度,提高温湿度、CO2测量响应速度和精度;低功耗硬件选型配合事件触发唤醒能耗管理模式解决GSM/GPRS通讯能耗问题使终端休眠能耗为44u A,常规应用频率平均功耗达1.1m A,实现无外接供电设备全负荷独立工作近1个月,满足温室环境在线监测需求。该优化设计与应用具有开放性、易用性、低成本、安装便捷等特点,能够提升温室生产监测能力,市场前景广阔。

关键词：温室智能传感器环境监测低功耗设计 GSM/GPRS

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：