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。
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。
暂无评论