检索结果-内蒙古大学图书馆

中国农业大学学报 2023年第11期28卷 165-181页

作者：王铭慧张怀清樊江川陈帮乾云挺南京林业大学信息科学技术学院南京210037 中国林业科学研究院资源信息研究所北京100091 国家农业信息化工程技术研究中心数字植物北京市重点实验室北京100097 中国热带农业科学院橡胶研究所海口571737 南京林业大学林草学院南京210037

为利用计算机或人工智能技术协助番茄病虫害防治,以存在病虫害侵害问题的番茄植株图像为研究对象,针对番茄病虫害目标小而密的特点提出基于Swin Transformer的YOLOX目标检测网络,用于精确定位图像中的病虫害目标,并采用基于经典卷积神... 详细信息

为利用计算机或人工智能技术协助番茄病虫害防治,以存在病虫害侵害问题的番茄植株图像为研究对象,针对番茄病虫害目标小而密的特点提出基于Swin Transformer的YOLOX目标检测网络,用于精确定位图像中的病虫害目标,并采用基于经典卷积神经网络构建的旋转不变Fisher判别CNN分类网络,以此提高病虫害分类的准确率。结果表明:1)将测试结果与传统的目标检测模型和分类模型作对比,基于Swin Transformer的YOLOX网络在番茄病虫害测试集上的精确度比Faster R-CNN和SSD分别高了7.9%和9.5%,旋转不变Fisher判别CNN对病虫害类别的识别准确率与AlexNet、VGGNet相比分别提升了8.7%和5.2%;2)与基于Transformer的目标检测模型DETR和近年来新兴的图像分类模型Vision Transformer(ViT)在番茄病虫害测试集上的结果相比较,本研究的检测和分类方法也存在优势,病虫害检测精度和分类准确率分别提高了3.9%和4.3%。此外消融试验也证明了本研究方法改进的有效性。总之,本研究所构建的网络在番茄病虫害的目标检测和分类识别方面的性能优于其他网络,有助于提升番茄病虫害的防治效果,对计算机视觉在农业领域的应用具有重要意义。

关键词：深度学习病虫害识别 Swin Transformer Fisher判别番茄

来源：评论

学校读者我要写书评

暂无评论

基于无人机多光谱遥感的春玉米叶面积指数和地上部生物量估算模型比较研究

引用

中国农业科技导报 2021年第9期23卷 112-120页

作者：樊鸿叶李姚姚卢宪菊顾生浩郭新宇刘玉华河北农业大学农学院河北保定071000 北京农业信息技术研究中心数字植物北京重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 中国农业科学院作物科学研究所北京100081

明确基于无人机多光谱遥感的玉米叶面积指数(LAI)和地上部生物量的最优估算模型对获取即时、无损、可靠的长势关键参量具有重要意义。2018—2019年,以郑单958(ZD958)和先玉335(XY335)为研究对象,设置4个施氮处理,通过无人机搭载多光谱... 详细信息

明确基于无人机多光谱遥感的玉米叶面积指数(LAI)和地上部生物量的最优估算模型对获取即时、无损、可靠的长势关键参量具有重要意义。2018—2019年,以郑单958(ZD958)和先玉335(XY335)为研究对象,设置4个施氮处理,通过无人机搭载多光谱相机获取多光谱影像,分析两品种LAI和地上部生物量与植被指数相关性,分别构建了基于植被指数的LAI和地上部生物量预测模型。结果表明:同一植被指数在两品种中对施氮量的变化响应规律不同;在吐丝期,幂函数对ZD958的LAI和地上部生物量估算效果最好,指数函数对XY335的LAI估算效果好,幂函数对地上部生物量估算效果好;在灌浆期,幂函数对两品种的LAI估算效果最佳,而指数函数对两品种的地上部生物量估算效果最好。研究结果为进一步提高春玉米长势监测的精度提供了重要依据。

关键词：春玉米叶面积指数地上部生物量多光谱遥感植被指数回归模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习与激光点云的橡胶林枝干重建及参数反演

引用

农业工程学报 2022年第8期38卷 187-199页

作者：丁竹娴周立军樊江川安锋陈帮乾王铭慧蒋玲薛联凤云挺南京林业大学信息科学技术学院南京210037 中国热带农业科学院橡胶研究所海南儋州热带农业生态系统国家野外科学观测研究站海口571737 国家农业信息化工程技术研究中心数字植物北京市重点实验室北京100097 南京林业大学林学院南京210037 滑铁卢大学工程学院滑铁卢N2L 3G1

树木的几何建模在林木性状评价、森林动态经营管理与可视化研究中具有重要意义。现今,从激光雷达(Light Detection And Ranging,LiDAR)数据中重建树体三维模型并精准获取林木空间枝干结构参数是数字林业发展的必然趋势。该研究提出了一... 详细信息

树木的几何建模在林木性状评价、森林动态经营管理与可视化研究中具有重要意义。现今,从激光雷达(Light Detection And Ranging,LiDAR)数据中重建树体三维模型并精准获取林木空间枝干结构参数是数字林业发展的必然趋势。该研究提出了一种深度学习与计算机图形学相融合的树木骨架重建与参数反演方法。该方法以PR107、CATAS 7-20-59、CATAS 8-79三个品种的橡胶树为实验对象,首先,采用背包移动激光雷达获取三个橡胶树品种的样地数据,并通过体素剖分和数据增广策略来构建橡胶树训练样本集。其次,构造由四层特征编码层和特征解码层所组成的点云分类深度学习网络,并包含优化的PointConv模块与不同尺度的特征插值模块,以实现在多尺度条件下,全面考虑点云的全局和局部优化特征,引导网络实现枝叶点云的精确分类。最后,面向分类后的枝干点云,运用计算机图形学的空间连通性算法与圆柱拟合策略,重建树木骨架模型,并自动解决叶子点云与对应的一级枝干归属问题,进而在叶团簇尺度下开展对单株树的精细描述与参数反演。通过对三块橡胶树测试样地的验证和与实测值的比对表明,该研究提出的深度学习网络枝叶分类总体准确率在90.32%以上。骨架重建与叶团簇分析结果显示,PR107品种橡胶树具有较为发散的树冠、最大的分枝夹角和叶团簇体积;CATAS 7-20-59品种橡胶树冠呈花瓶型,分枝夹角和叶团簇体积较小;而CATAS 8-79品种橡胶树尽管胸径最粗,但不耐寒害处于落叶期导致冠积最小。同时,反演得到的橡胶树一级枝干直径与实测值比对为:决定系数R^(2)不低于0.94,均方根误差(Root Mean Square Error,RMSE)小于3.01 cm;主枝干与一级枝干的分枝角为:决定系数R^(2)不低于0.91,均方根误差RMSE不高于4.94°。同时发现橡胶树一级枝干的直径与对应的叶团簇体积呈正相关分布。该研究将人工智能的理论模型应用于林木的激光点云数据处理中,为林木激光点云的智能化分析与处理提供了新颖的解决思路。

关键词：深度学习树木骨架重建激光点云计算机图形学林木参数提取

来源：评论

学校读者我要写书评

暂无评论

基于RGB-D点云的田间原位玉米株高测量试验研究

引用

农机化研究 2021年第10期43卷 102-109页

作者：郭海樊江川李英伦郭新宇毕春光吉林农业大学信息技术学院长春130118 吉林农业大学资源与环境学院长春130118 北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097 吉林省精准农业与大数据工程研究中心长春130118

为满足田间原位玉米株高的测量需求,避免破坏性取样后进行株高测量难以捕捉植株在自然环境下生长的真实情况与表型的动态变化,提出了一种基于RGB-D相机的田间原位玉米株高的测量方法。首先,通过RGB-D相机同时获取可见光图像和其对应的... 详细信息

为满足田间原位玉米株高的测量需求,避免破坏性取样后进行株高测量难以捕捉植株在自然环境下生长的真实情况与表型的动态变化,提出了一种基于RGB-D相机的田间原位玉米株高的测量方法。首先,通过RGB-D相机同时获取可见光图像和其对应的深度信息,计算相机的内参,得到玉米植株的三维点云数据;其次,通过基于欧几里得距离的统计滤波算法和随机采样一致性算法(RANSAC)的阈值分割快速去除三维点云中的离群点、环境噪声及复杂的自然环境背景(包括土壤面和滴灌管等),并通过OBB包围盒验证滤波效果;最后,通过单株玉米植株分割,提出了一种基于俯视视角下玉米株高的测量方法,并计算出田间原位玉米的株高参数。试验中,在玉米快速生长期中选取两天的试验数据,其试验用5个品种的平均测量误差分别为1.47cm和2.70cm,均方根误差(RSME)分别为1.68cm和2.80cm,人工实测结果和算法测量结果进行线性拟合后得到待测系数R2分别为0.9831和0.9797。试验结果表明:利用RGB-D相机对田间原位玉米的表型测量与株高分析具有可行性,所提出的测量与计算方法最后获得的玉米株高参数具有较高的准确性,可以为玉米表型参数提取提供更为有效地技术手段。

关键词：玉米株高植物表型深度相机点云数据滤波

来源：评论

学校读者我要写书评

暂无评论

“互联网+”现代农业的战略路径与对策建议

引用

中国工程科学 2020年第4期22卷 50-57页

作者：李瑾马晨赵春江冯献北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 农业农村部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097

“互联网+”现代农业是互联网理念、技术和方法在农业领域的实践,是新一代信息技术革命下互联网与现代农业产业融合的新业态和新模式。本文基于现代农业发展需求分析,提出发展“互联网+”现代农业的必要性,结合对“互联网+”现代农业内... 详细信息

“互联网+”现代农业是互联网理念、技术和方法在农业领域的实践,是新一代信息技术革命下互联网与现代农业产业融合的新业态和新模式。本文基于现代农业发展需求分析,提出发展“互联网+”现代农业的必要性,结合对“互联网+”现代农业内涵的科学界定,分别从信息感知数字化、农机装备智能化、农业生产精准化、产后管理在线化、农技服务个性化5个方面分析了“互联网+”现代农业的新特征,从技术、产业、应用3个层面分析了我国“互联网+”现代农业发展瓶颈,据此提出了发展“互联网+”现代农业的发展思路和战略目标。研究认为,突破“互联网+”现代农业应用的理论、方法和共性关键技术,培育形成“互联网+”现代农业产业集群,开展“互联网+”在农业生产、农业供应链、农业生产性服务等方面的集成应用示范是我国现阶段的发展重点;应进一步加快实现农业农村互联网信息互通共享,持续推进“互联网+”现代农业技术标准体系建设,加强“互联网+”现代农业学科发展与人才培养,驱动现代农业产业变革和转型升级。

关键词： “互联网+”现代农业现代农业产业体系农产品供应链农业生产性服务业

来源：评论

学校读者我要写书评

暂无评论

基于三维冠层模型的玉米光合作用和光能利用模拟

引用

农业工程学报 2019年第20期35卷 178-184页

作者：顾生浩王勇健温维亮卢宪菊于泽涛郭新宇北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097

光线分布和叶片光合特征在冠层内部具有极强的时空异质性,基于三维冠层模型的玉米光合模型是精确评估品种高光效的重要手段。该研究将作物三维冠层模型、光线分布模型、光合模型与光能利用模型相耦合,建立了玉米冠层光合生产模型3DMaize... 详细信息

光线分布和叶片光合特征在冠层内部具有极强的时空异质性,基于三维冠层模型的玉米光合模型是精确评估品种高光效的重要手段。该研究将作物三维冠层模型、光线分布模型、光合模型与光能利用模型相耦合,建立了玉米冠层光合生产模型3DMaizeCaP,设置3个不同株型的玉米品种(矮单268、京科968和郑单958),2种不同光照条件(晴天和阴天),通过大田试验与模型模拟研究揭示了玉米冠层光合速率和光能利用效率对品种和环境的响应。结果表明,矮单268、京科968和郑单958的叶片最大光合速率和暗呼吸速率均随节位下降呈线性降低的垂直分布规律,各品种中矮单268的最大光合速率最大,而暗呼吸速率最小;冠层净光合速率日变化趋势明显,矮单268在阴天和晴天下的冠层最大净光合速率(以CO2计)为21.6和26.2μmol/(m^2·s),均显著(P<0.05)高于京科968(20.8和24.9μmol/(m^2·s))和郑单958(19.6和24.4μmol/(m2·s));矮单268的日CO2净同化量在阴天和晴天下均显著(P<0.05)高于郑单958,增幅分别高达14.8%和12.4%,各品种间株型虽有显著差异(P<0.05),但冠层日累积光截获并无显著差异(P>0.05);单叶尺度上,各叶片中第16节位的单叶日净同化量达到最大;矮单268的光能利用效率最大,在阴天和晴天下分别为3.22和3.03 g/MJ,比京科968分别高4.5%和5.6%,比郑单958分别高7.7%和7.8%;初始光量子效率对玉米冠层光能利用效率的敏感性显著高于最大光合速率(P<0.05)。从提高玉米冠层光能利用效率考虑,建议设计株型紧凑、叶片光合性能强的玉米品种。研究可为定量研究玉米冠层光合速率提供估算方法,也可为高光效品种选育提供评价依据和鉴定技术。

关键词：光合作用作物模型冠层光分布三维点云植物功能结构模型光响应曲线光能利用效率

来源：评论

学校读者我要写书评

暂无评论

基于Faster R-CNN的大田玉米雄穗识别及抽穗期判定研究

引用

安徽农业大学学报 2021年第5期48卷 849-856页

作者：张小青樊江川郭新宇赵春江上海海洋大学信息学院上海201306 北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心数字植物北京市重点实验室北京100097

目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错。为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提... 详细信息

目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错。为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提取网络代替原始的VGG 16来优化Faster R-CNN模型。再根据表型平台所获取的高时序、连续图像,进一步使用改进后的模型对试验小区内玉米抽穗期前后20 d的雄穗数量进行监测,以此为依据进行抽穗期判定。该方法在田间作物表型高通量平台获取的图像数据测试集中类平均精度为90.14%,平均绝对误差为4.7328;在无人机平台获取的图像数据测试集中类平均精度为82.14%,平均绝对误差为9.6948。试验结果表明:该模型在田间作物表型高通量获取平台上的检测结果优于无人机平台,且具备一定的应用价值。

关键词：大田玉米雄穗检测计数 Faster R-CNN 抽穗期判定

来源：评论

学校读者我要写书评

暂无评论

数字乡村发展的实践与探索——基于北京的调研

引用

中国农学通报 2021年第8期37卷 159-164页

作者：郭美荣李瑾北京农业信息技术研究中心国家农业信息化工程技术研究中心农业农村部农业信息技术重点实验室北京市农业物联网工程技术研究中心北京100097

研究旨在通过分析北京市数字乡村建设实践,发现存在问题,找出推进路径,为数字乡村发展提供可借鉴经验。利用文献分析、典型案例和专家咨询法,探讨数字乡村发展理论与实践。数字化是现代农业4.0阶段的关键特征,数字经济是农业农村高质量... 详细信息

研究旨在通过分析北京市数字乡村建设实践,发现存在问题,找出推进路径,为数字乡村发展提供可借鉴经验。利用文献分析、典型案例和专家咨询法,探讨数字乡村发展理论与实践。数字化是现代农业4.0阶段的关键特征,数字经济是农业农村高质量发展的新引擎、新动能。北京是数字乡村发展的先行者,为北京乡村振兴和农业现代化建设打下了坚实基础。数字化基础设施完善,农业生产数字化、经营网络化和乡村治理数字化水平不断提升,乡村信息服务模式不断创新。数字乡村发展面临基础设施建设薄弱、数据资源体系建设不完善、数字技术与产业融合不够、数字乡村人才缺乏等问题。农业生产、农村生活、农产品经营和农业农村信息服务亟需与物联网、大数据、互联网、区块链、人工智能、5G等信息技术进一步融合。应不断夯实数字乡村建设基础,加大数字乡村科技研发,深化数字乡村技术产品推广应用,完善数字化乡村治理体系,强化数字乡村人才支撑。

关键词：数字乡村智慧农业实践对策建议北京

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的马铃薯生物量估算

引用

农业工程学报 2020年第23期36卷 181-192页

作者：刘杨冯海宽黄珏孙乾杨福芹农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 山东科技大学测绘科学与工程学院青岛266590 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097 河南工程学院土木工程学院郑州451191

株高和植被覆盖度(Vegetation Coverage,VC)是估算生物量的重要参数,而生物量的准确估算对农业生产具有重要作用。该研究获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的无人机和地面数码影像,并实测株高、地上生物量... 详细信息

株高和植被覆盖度(Vegetation Coverage,VC)是估算生物量的重要参数,而生物量的准确估算对农业生产具有重要作用。该研究获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的无人机和地面数码影像,并实测株高、地上生物量和地面控制点(Ground Control Point,GCP)的三维空间坐标。首先基于数字表面模型(Digital Surface Model,DSM)提取马铃薯株高,其次利用地面和无人机数码影像提取马铃薯VC实测值和估测值,然后将提取的株高、VC和二者乘积与选取的11种植被指数和生物量作相关性分析,挑选出相关性较好的前6种植被指数和3种农学参数,最后通过线性回归(Linear Regression,LR)、偏最小二乘回归(Partial Least Square Regression,PLSR)、随机森林(Random Forest,RF)算法和支持向量机(Support Vector Machine,SVM)估算生物量。结果表明,提取株高和实测株高拟合的决定系数为0.86,标准均方根误差为13.42%;提取VC值和实测VC值拟合的决定系数为0.84,标准均方根误差为15.76%;利用LR建模和验证精度由低到高依次为提取的株高、VC和二者乘积,每种变量的估算效果均从现蕾期到块茎增长期逐渐变好,从淀粉积累期到成熟期逐渐变差;每个生育期利用3种方法以不同变量估算生物量效果依次由低到高为植被指数、植被指数结合提取株高、植被指数结合提取VC、植被指数结合提取的株高和VC,其中PLSR模型效果优于RF和SVM模型。该研究为马铃薯长势快速监测提供参考。

关键词：模型无人机生物量马铃薯株高植被覆盖度植被指数

来源：评论

学校读者我要写书评

暂无评论

基于U-net语义分割模型的田间玉米冠层图像分割

引用

江苏科技大学学报（自然科学版） 2021年第2期35卷 59-67页

作者：王晓东樊江川杜建军云挺温维亮郭新宇中国农业大学信息与电气工程学院北京100083 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097 南京林业大学信息科学技术学院南京210037

针对田间冠层图像质量易受光照和天气变化等外界因素影响造成的分割精度低且无法自动化实现的问题,提出一种利用残差学习改进U-net模型结构的玉米冠层图像分割方法,利用残差结构增强U-net模型收缩路径的深度,提高模型的特征提取能力,并... 详细信息

针对田间冠层图像质量易受光照和天气变化等外界因素影响造成的分割精度低且无法自动化实现的问题,提出一种利用残差学习改进U-net模型结构的玉米冠层图像分割方法,利用残差结构增强U-net模型收缩路径的深度,提高模型的特征提取能力,并对模型结构进行重组设计,引入批标准化和Dropout机制增强模型的泛化性,构成U型残差学习的ResU-net分割模型,并结合分割领域典型的损失函数和评价指标,设计多种损失函数,通过对比不同损失函数在测试集上的表现,最终选定Focal_Tversky损失函数构成ResU-net++语义分割模型.实验发现:ResU-net模型在测试集上的准确率为0.9398,优于传统的U-net模型的0.8936;且优化后的ResU-net++方法在测试集中的准确率为0.9539、精确率为0.931、召回率为0.9525、F1值为0.9419、IOU值为0.9123,优于U-net和ResU-net模型.以不同的玉米品种构建了验证样本集,结果表明,ResU-net++模型在验证样本中的分割精确率为0.9325,说明ResU-net++模型具有一定的泛化性,可以为不同光照条件下玉米原位冠层图像的分割提供参考.

关键词：神经网络残差学习图像分割玉米冠层

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：