检索结果-内蒙古大学图书馆

北京林业大学学报 2024年第9期46卷 151-160页

作者：梁慧云樊国秋赵燕东梁浩北京林业大学工学院林业装备与自动化国家林业局重点实验室北京林业大学智慧林业研究中心北京100083 城乡生态环境北京实验室北京林业大学北京100083

【目的】本研究提出一种基于雷达波信号和树木根系参数的估算方法,以实现树木根系相对介电常数的定量估算。【方法】首先,仿真模拟雷达波在不同半径、不同相对介电常数的树木根系下的传播路径,并通过正演分析获得探地雷达图像中双曲线... 详细信息

【目的】本研究提出一种基于雷达波信号和树木根系参数的估算方法,以实现树木根系相对介电常数的定量估算。【方法】首先,仿真模拟雷达波在不同半径、不同相对介电常数的树木根系下的传播路径,并通过正演分析获得探地雷达图像中双曲线顶点处的A-scan曲线;然后,提取A-scan曲线中与根系相对介电常数关联的目标振幅参数ΔF;最后,结合土壤相对介电常数、根系半径、根系深度,建立相对介电常数估算的数据集。分别基于偏最小二乘回归(PLSR)模型、反向传播(BP)神经网络模型和粒子群优化反向传播(PSO-BP)神经网络建立估算模型,并对比分析这3种模型的估算精度。【结果】(1)在仿真实验中,PSO-BP神经网络估算模型的均方根误差、平均绝对误差分别为0.701、0.255,R2为0.990,各指标均优于PLSR和BP神经网络估算模型。(2)在实地预埋实验中,PSO-BP神经网络估算模型的估算精度均优于PLSR和BP神经网络估算模型,其最大绝对误差和整体平均相对误差分别为3.16和10.88%。【结论】利用本研究提取的目标振幅参数ΔF、土壤相对介电常数、根系半径和根系深度建立的数据集,结合PSO-BP神经网络估算模型,能够实现对树木根系相对介电常数的准确估算。这对于评估树木根系的生长和健康状况具有重要意义。

关键词：雷达模型分析介电常数无损检测估算神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv7的油茶果实成熟度检测

引用

农业工程学报 2024年第5期40卷 177-186页

作者：陈锋军陈闯朱学岩沈德宇张新伟北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083 智慧林业研究中心北京100083

为确保油茶果实处于最佳成熟度进行采摘,提高油茶果实的出油率及茶油品质,该研究针对自然环境下油茶果实多被遮挡的问题,以原始YOLOv7模型为基础进行改进,提出一种油茶果实成熟度检测方法。首先,在主干网络中引入十字交叉注意力机制(cri... 详细信息

为确保油茶果实处于最佳成熟度进行采摘,提高油茶果实的出油率及茶油品质,该研究针对自然环境下油茶果实多被遮挡的问题,以原始YOLOv7模型为基础进行改进,提出一种油茶果实成熟度检测方法。首先,在主干网络中引入十字交叉注意力机制(criss-cross attention,CCA)加强对被枝叶遮挡果实成熟度特征的提取能力;其次,使用基于距离和交并比的非极大值抑制(distance-iou non-maximum suppression,DIoU-NMS)算法代替传统非极大值抑制(nonmaximum suppression,NMS)算法,从而加强模型对相互遮挡果实的检测能力;最后,以训练集中3 098张油茶果实图像训练改进的YOLOv7模型,验证集中442张图像用于在训练过程中评估模型,并对测试集中885张图像进行测试。改进后的YOLOv7模型在测试集下的精确率P为93.52%,召回率R为90.25%,F1分数为91.86%,平均精度均值mAP为94.60%,平均检测时间为0.77 s,模型权重大小为82.6 M。与Faster R-CNN、EfficientDet、YOLOv3、YOLOv5l和原始YOLOv7模型相比,平均精度均值mAP分别提升7.51、5.89、4.21、4.21和2.91个百分点。试验证明,改进的YOLOv7模型为实现油茶果实的智能化采摘提供理论依据。

关键词：图像识别模型油茶果实成熟度检测 YOLOv7 注意力机制 DIoU-NMS

来源：评论

学校读者我要写书评

暂无评论

基于主动风险防御机制的多机器人强化学习协同对抗策略

引用

控制与决策 2023年第5期38卷 1420-1429页

作者：孙辉辉胡春鹤张军国北京林业大学工学院北京100083 华北科技学院机电工程学院河北廊坊065201 国家林业和草原局林业装备与自动化重点实验室北京100083

深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空... 详细信息

深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空间带来非线性入侵.针对这一问题,提出一种基于主动风险防御机制的多机器人强化学习方法(APMARL).首先,基于局部可观察马尔可夫博弈模型,建立多机记忆池共享的风险判别机制,通过构建风险状态指数提前预测当前行为的安全性,并根据风险预测结果自适应执行与之匹配的风险处理模式;特别地,针对有风险侵入的非安全状态,提出基于增强型注意力机制的Actor-Critic主动防御网络架构,实现对重点信息的分级增强和危险信息的有效防御.最后,通过广泛的多机协作对抗任务实验表明,具有主动风险防御机制的强化学习策略可以有效降低敌对信息的入侵风险,提高多机器人协同对抗任务的执行效率,增强策略的稳定性和安全性.

关键词：深度强化学习多机器人风险防御协同对抗事件驱动

来源：评论

学校读者我要写书评

暂无评论

基于少样本学习的森林火灾烟雾检测方法

引用

北京林业大学学报 2023年第9期45卷 137-146页

作者：贾一鸣张长春胡春鹤张军国北京林业大学工学院林木资源高效生产全国重点实验室林业装备与自动化国家林业和草原局重点实验室北京100083

【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,... 详细信息

【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题,实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征,本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法,扩充训练数据的数量同时降低过拟合风险;然后设计特征提取模块与特征聚合模块,在特征提取模块中引入多头注意力机制并探讨引入的合适位置,使模型更多地关注火灾局部特征,解决烟雾图像少造成的信息缺失问题;在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合;最后,设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换,可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法,本方法有更好的检测效果,具体表现为准确率达到了98.79%,召回率98.28%,检测率97.33%,误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比,本方法具有更好的判别能力和泛化能力。

关键词：森林火灾烟雾检测少样本小目标特征提取多头注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于层级和全局特征结合的蛋白质序列EC编号预测

引用

遗传 2024年第8期46卷 661-670页

作者：杨帆韩巧玲赵文迪赵玥北京林业大学工学院北京100083 林业装备与自动化国家林业局重点实验室北京100083 城乡生态环境北京实验室北京100083 北京林业大学智慧林业研究中心北京100083

酶功能的识别对理解生命活动的机制、推进生命科学的发展有重要作用。然而现有的酶EC编号预测方法,并未充分利用蛋白质序列信息,在识别精度上仍有所不足。针对上述问题,本研究提出一种基于层级特征和全局特征的EC编号预测网络(EC number... 详细信息

酶功能的识别对理解生命活动的机制、推进生命科学的发展有重要作用。然而现有的酶EC编号预测方法,并未充分利用蛋白质序列信息,在识别精度上仍有所不足。针对上述问题,本研究提出一种基于层级特征和全局特征的EC编号预测网络(EC number prediction network using hierarchical features and global features,ECPN-HFGF)。该方法首先通过残差网络提取蛋白质序列通用特征,并通过层级特征提取模块和全局特征提取模块进一步提取蛋白质序列的层级特征和全局特征,之后结合两种特征信息的预测结果,采用多任务学习框架,实现酶EC编号的精确预测。计算实验结果表明,ECPN-HFGF方法在蛋白质序列EC编号预测任务上性能最佳,宏观F1值和微观F1值分别达到95.5%和99.0%。ECPN-HFGF方法能有效结合蛋白质序列的层级特征和全局特征,快速准确预测蛋白质序列EC编号,比当前常用方法预测精确度更高,能够为酶学研究和酶工程应用的发展提供一种高效的思路和方法。

关键词：酶功能预测蛋白质序列深度学习层级多标签分类全局特征

来源：评论

学校读者我要写书评

暂无评论

融合双线性网络和注意力机制的油橄榄品种识别

引用

农业工程学报 2023年第10期39卷 183-192页

作者：朱学岩陈锋军郑一力李志强张新伟北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083 智慧林业研究中心北京100083

为解决自然条件下的油橄榄品种识别问题,该研究以油橄榄品种佛奥、莱星、皮削利和鄂植8号为研究对象,融合双线性网络与注意力机制,提出双线性注意力EfficientNet模型。针对不同品种油橄榄表型差异很小的特点,搭建双线性网络以充分提取... 详细信息

为解决自然条件下的油橄榄品种识别问题,该研究以油橄榄品种佛奥、莱星、皮削利和鄂植8号为研究对象,融合双线性网络与注意力机制,提出双线性注意力EfficientNet模型。针对不同品种油橄榄表型差异很小的特点,搭建双线性网络以充分提取油橄榄图像中的特征信息。在此基础上,选用兼顾了速度和精度的EfficientNet-B0网络为特征提取网络。针对自然条件下油橄榄品种识别易受复杂背景干扰的问题,将CBAM(convolutional block attention module,CBAM)注意力与双线性网络结合,使模型在提取油橄榄图像特征时,能够聚焦到对油橄榄品种识别起关键作用的特征上。经测试,所提模型对4个油橄榄品种识别的总体准确率达到90.28%,推理时间为9.15 ms。Grad-CAM(gradient-weighted class activation mapping,Grad-CAM)热力图可视化结果也表明,所提模型在识别油橄榄品种时重点关注了果实以及部分叶子区域。消融试验结果表明,在EfficientNet模型中引入CBAM注意力和搭建双线性网络后,总体准确率分别提高了5.00和10.97个百分点。并且,对比试验结果表明,与双线性ResNet34、EfficientNet-SE注意力、双线性ResNet18、双线性VGG16和双线性GoogLeNet等模型相比,所提模型的总体识别准确率分别高12.78、11.53、11.11、10.70和5.00个百分点。该研究为解决自然条件下的油橄榄品种识别提供了依据,同时也可为其他作物的品种识别提供参考。

关键词：图像处理模型品种识别油橄榄 EfficientNet-B0 CBAM注意力 Grad-CAM

来源：评论

学校读者我要写书评

暂无评论

采用改进的EfficientNet识别苹果叶片病害

引用

农业工程学报 2023年第18期39卷 201-210页

作者：王瑞鹏陈锋军朱学岩张新伟北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083 智慧林业研究中心北京100083

该研究针对当前自然环境下的苹果叶片病害识别中病害病斑小、空间分布特征不同以及特征相近病害识别困难的问题,设计DEFL (DenseNet121+EfficientNet with focal loss and label smoothing)模型。首先,该模型以并行的EfficientNet-B0网... 详细信息

该研究针对当前自然环境下的苹果叶片病害识别中病害病斑小、空间分布特征不同以及特征相近病害识别困难的问题,设计DEFL (DenseNet121+EfficientNet with focal loss and label smoothing)模型。首先,该模型以并行的EfficientNet-B0网络和DenseNet121网络为特征提取网络,以提升模型特征提取能力,其次引入结合标签平滑策略的焦点损失函数以加强模型对识别困难样本的关注。经测试,所提模型的识别准确率为99.13%,平均精度均值为98.47%。消融试验表明两项改进分别使模型平均精度均值提高了7.99和3.15个百分点。对比试验结果表明,DEFL模型平均精度均值较于ResNet50、Inception V3、ResNeXt模型以及分别融合这3种模型的EfficientNet-B0模型分别高出14.53、13.17、14.61、 6.4、 7.71以及8.91个百分点,模型规模分别小18.73、 7.7、 12.2、 83.62、 69.6以及60.09MB。Grad-CAM(gradient-weighted class activation mapping)热力图可视化结果表明所提模型重点关注了叶片病变区域。UMAP(uniform manifold approximation and projection)特征降维可视化结果表明所提模型提取的特征更具区分度。实际应用验证取得了97.73%的总体准确率以及95.82%的平均精度均值。综上,该研究提出的DEFL模型能够为苹果病害防治提供有效参考。

关键词：病害图像识别苹果叶片 EfficientNet DenseNet121

来源：评论

学校读者我要写书评

暂无评论

香玲核桃青皮破裂力学特性试验研究

引用

中国油脂 2023年第11期48卷 135-140页

作者：陈秀文李文彬白效鹏徐道春北京林业大学工学院北京100083 林业装备与自动化国家林草局重点实验室北京100083

为了给青核桃脱皮装备的设计提供理论依据并完善脱皮工艺,对香玲青核桃的几何特征进行测定,并利用微机控制电子万能试验机对其进行不同条件下的单因素力学特性试验。以青皮破裂力和破裂功耗为评价指标,分析了加载方向、加载速率、青核... 详细信息

为了给青核桃脱皮装备的设计提供理论依据并完善脱皮工艺,对香玲青核桃的几何特征进行测定,并利用微机控制电子万能试验机对其进行不同条件下的单因素力学特性试验。以青皮破裂力和破裂功耗为评价指标,分析了加载方向、加载速率、青核桃外形尺寸、刀片划割处理、阴凉放置处理及青皮含水率对青皮破裂的影响,并拟合了青核桃受压过程中压力随位移的变化曲线。结果表明:香玲青核桃平均球度为0.94,不同部位处青皮厚度不同,青核桃可以简化成非均匀外壳的球体;青皮受压破裂时裂纹只有1条且沿挤压方向延伸出现;青皮破裂受加载方向和外形尺寸的影响,沿纵径方向挤压时青皮更易破裂,青核桃尺寸等级越大,青皮越不易破裂;加载速率对青皮破裂力和破裂功耗的影响不显著;通过烘干降低青皮含水率会影响青皮破裂力和破裂功耗的大小;将青核桃在室内阴凉放置60 h或使用刀片划割后进行加载,青皮更易破裂。因此,为了更好地脱青皮,可以采取对青皮核桃进行分级、刀片划割青皮表面、阴凉放置等措施。

关键词：青核桃脱皮几何特征力学特性试验

来源：评论

学校读者我要写书评

暂无评论

小型集材挂车满载工况下的有限元建模与分析

引用

森林工程 2024年第3期40卷 170-177页

作者：韩东涛马跃威刘晋浩崔小青呼伦贝尔学院内蒙古呼伦贝尔021000 北京林业大学工学院北京100083 国家林业和草原局林业装备与自动化重点实验室北京100083

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工... 详细信息

小型集材挂车于林间作业存在多种工况,包括满载弯曲、满载扭转、紧急制动和急速转弯。为解决挂车在满载工况下车载系统的可靠性与安全性较差的问题,建立小型集材挂车的三维装配模型,进行静态分析。通过有限元分析,研究挂车在4种典型工况下的结构变形和应力分布。研究表明,满载弯曲工况下,最大位移为4.5177 mm,最大应力为115.19 MPa,安全系数为3.08;满载扭转工况下,最大位移为0.98448 mm,最大应力为71.929 MPa,安全系数为4.935;满载制动工况下,最大位移为4.9946 mm,最大应力为120.05 MPa,安全系数为2.957;紧急转弯工况下,最大位移为4.3658 mm,最大应力为104.64 MPa,安全系数为3.39。结果显示研究设计的小型集材挂车在林间作业时满载工况下稳定性较强,确保木材的可靠采集和运输。基于该结果可进一步优化挂车设计和性能,以适应不断变化的需求和环境要求。

关键词：小型集材挂车 ANSYS仿真集材工况林木集材结构稳定性分析材料力学

来源：评论

学校读者我要写书评

暂无评论

基于TC-YOLO模型的北京珍稀鸟类识别方法

引用

生物多样性 2024年第5期32卷 123-137页

作者：李柏灿张军国张长春王丽凤徐基良刘利北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 北京林业大学生态与自然保护学院北京100083 包头师范学院生物科学与技术学院内蒙古包头014030

北京地区珍稀鸟类的保护对维护当地生物多样性具有重要意义。随着人工智能技术的发展,利用深度学习技术自动识别鸟类成为鸟类调查保护的重要手段。实际鸟类图像存在背景复杂以及相近科属鸟类具有外观相似等特点,导致模型识别精度不佳。... 详细信息

北京地区珍稀鸟类的保护对维护当地生物多样性具有重要意义。随着人工智能技术的发展,利用深度学习技术自动识别鸟类成为鸟类调查保护的重要手段。实际鸟类图像存在背景复杂以及相近科属鸟类具有外观相似等特点,导致模型识别精度不佳。针对以上问题,本文提出一种基于TC-YOLO模型的鸟类识别方法。首先,为解决鸟类识别中复杂背景导致的漏检问题,本文方法结合CARAFE(content-aware reassembly of features)机制,自适应生成不同特征点所对应的上采样核,在更大的感受野内聚合上下文语义信息,有效聚焦鸟类前景区域。其次,为解决鸟类识别中相似外观导致的误检问题,本文方法引入TSCODE(task-specificcontextdecoupling)解耦定位和分类任务,通过获取多层级特征图的信息以回归目标边界,并利用包含底层纹理和高层语义的特征进行物种分类,进而提高模型的鸟类识别精度。最后,本文开展对比实验以验证模型的性能。实验结果表明,TC-YOLO模型的平均精度均值在包含北京地区28种国家一级保护鸟类的自建数据集Beijing-28和鸟类公开数据集CUB200-2011上分别达到78.7%和75.3%,均优于已有方法,而且在公开数据集MS COCO上验证了TC-YOLO模型拥有较强的泛化性。本文提出的TC-YOLO模型对背景复杂或外观相似的鸟类图像都能有效识别,漏检率和误检率较低,能够为鸟类保护提供重要技术支撑。

关键词：珍稀鸟类图像识别 YOLOv5s 上采样解耦头

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：