检索结果-内蒙古大学图书馆

农业工程学报 2025年第6期41卷 185-194页

作者：赵玥徐钐钐韩巧玲刘卫平郑一力赵燕东唐延龄北京林业大学工学院北京100083 北京市教育委员会城乡生态环境北京实验室北京100083 国家林业局林业装备与自动化重点实验室北京100083 北京林业大学智慧林业研究中心北京100083

针对细粒度鸟类检测的数据标注成本高,以及湿地地区鸟类种类繁多、现实场景复杂化等引起的湿地鸟类检测精度低的问题,该研究提出一种基于半监督CST的湿地场景下的细粒度鸟类检测算法(semi-supervised bird detection with CNN and swin ... 详细信息

针对细粒度鸟类检测的数据标注成本高,以及湿地地区鸟类种类繁多、现实场景复杂化等引起的湿地鸟类检测精度低的问题,该研究提出一种基于半监督CST的湿地场景下的细粒度鸟类检测算法(semi-supervised bird detection with CNN and swin transformer,SSBY-CST),首先基于北京14处监测站在不同湿地场景下采集到的图像,构建了涵盖17种鸟类图像数据集,为模型鲁棒性提供可靠数据支撑。其次提出基于伪标签学习法的单阶段半监督学习框架,基于Yolov5主干网络构建教师学生模型,高效利用无标签数据提升检测性能;训练阶段使用双阈值伪标签分配策略替代传统单一阈值伪标签分配,以优化无监督损失函数。然后设计了结合CNN和Swin Transformer的双通道卷积模块CST,以提高不同类别鸟类与湿地背景的区分能力。试验结果表明,仅在100张标注图像下,该文SSBY-CST算法对17种复杂环境下鸟类的检测精准率和mAP@0.5分别为77.5%和58.2%,相比同时期较先进的YOLO模型提升了17.4个百分点和15.5个百分点,在少量标注的前提下实现了较高的检测性能提升,其中黑鹳、西伯利亚银鸥的m AP@0.5分别达到了95.7%和94.5%,相比基线提升了24.9个百分点和14.3个百分点。此外,消融试验分析了双阈值伪标签分配的作用及CST模块的效果,验证了双阈值伪标签分配与CST模块设计的有效性。该框架利用无标注样本在极少量标注量下提升复杂环境下细粒度鸟类检测性能,以加强农林生态的智能数字化管理。该文将半监督扩展到细粒度鸟类检测,为处理农林生态环境下的鸟类检测提供了技术路径。

关键词：鸟类检测深度学习半监督学习目标检测注意力模块

来源：评论

学校读者我要写书评

暂无评论

改进UNet-VAE网络的土壤多类型孔隙三维分割方法

引用

农业工程学报 2024年第18期40卷 81-89页

作者：韩巧玲宋美慧席本野赵玥赵燕东北京林业大学工学院北京100083 北京林业大学林学院北京100083 北京市教育委员会城乡生态环境北京实验室北京100083 国家林业局林业装备与自动化国家重点实验室北京100083 北京林业大学智慧林业研究中心北京100083

不同类型土壤孔隙结构会随生物活动和非生物作用发生形变,从而影响其生态功能,准确分割不同类型的孔隙结构对于研究孔隙结构与生态功能演变关系具有重要意义。针对单个类别孔隙的分割方法分割精度低、分类标准单一、鲁棒性差,无法准确... 详细信息

不同类型土壤孔隙结构会随生物活动和非生物作用发生形变,从而影响其生态功能,准确分割不同类型的孔隙结构对于研究孔隙结构与生态功能演变关系具有重要意义。针对单个类别孔隙的分割方法分割精度低、分类标准单一、鲁棒性差,无法准确分割和判别生物孔隙、裂隙等相交部分孔隙结构的问题。该研究针对不同类型孔隙尺度差距大的特点,提出了一种改进UNet-VAE网络模型,实现土壤多类型孔隙分割。改进UNet-VAE网络引入多尺度特征融合注意力模块,以实现多尺度信息融合和冗余信息筛选。结合变分自动编码器生成网络(variational autoencoder,VAE),引入噪声和辅助损失函数,以增强网络的泛化能力和鲁棒性。试验结果表明:改进UNet-VAE方法在土壤多类型孔隙(裂隙、生物孔、不规则孔隙和球状孔隙)三维分割中达到了93.83%的平均准确率,与次优VNet方法相比,平均准确率、精确率、召回率和F1值分别提升了3.32,5.06,8.97和8.63个百分点,特别是对于不规则孔隙4项指标分别提升了4.88,15.46,15.70和15.50个百分点,表明改进UNet-VAE法可准确分割多类型孔隙,也验证了深度学习技术在多类型孔隙判别的有效性,可为揭示土壤孔隙结构与演化研究提供有效工具。

关键词：土壤孔隙卷积神经网络图像分割 3D UNet 注意力模块

来源：评论

学校读者我要写书评

暂无评论

枸杞果柄结合力影响因素分析及模型预测

引用

园艺学报 2024年第11期51卷 2645-2656页

作者：陈运刘全程姜鑫娜魏雨青王凡闫磊赵健曹兴达邢红北京林业大学工学院国家林业局林业装备与自动化重点实验室国家林业和草原局林业装备与自动化重点实验室北京100089 中国林业科学院北京100091

分析枸杞果柄结合力及其相关物理特性参数之间的内在联系与影响规律,发掘重要果实参数,建立果柄结合力预测模型,以期为提高枸杞机械采摘的效率和精确度提供依据。以青海省主栽枸杞品种‘宁杞1号’和‘宁杞7号’成熟期果实为研究对象,通... 详细信息

分析枸杞果柄结合力及其相关物理特性参数之间的内在联系与影响规律,发掘重要果实参数,建立果柄结合力预测模型,以期为提高枸杞机械采摘的效率和精确度提供依据。以青海省主栽枸杞品种‘宁杞1号’和‘宁杞7号’成熟期果实为研究对象,通过图像处理方法获得不同成熟度枸杞果实的RGB颜色模型分量,分析了不同品种、成熟度、采摘期温度、湿度及果实在枝条上的位置等对果柄结合力的影响,以及果柄参数、果实参数等与果柄结合力的相关性,构建果柄结合力预测模型。结果显示,可通过RGB颜色模型区分成熟度,但不同成熟度果柄结合力重叠部分较多,不能实现精确采摘。双因素方差分析结果显示品种和成熟度均对结合力有显著影响;果柄参数、果实参数和果实硬度与果柄结合力显著相关;正交试验表明果实在枝条上的位置、采摘时的温度和湿度对结合力没有显著影响。对偏最小二乘回归(PLSR)、随机森林(RF)和反向传播神经网络(BPNN)等建模方法的参数进行优化,建立果柄结合力的预测模型,其中BPNN表现出了优秀的预测性能(R_(p)^(2)=0.888,RMSEP=0.440,RPD=2.756),能够实现对果柄结合力的有效预测。

关键词：枸杞机械采收果柄结合力形态学影响因素预测模型

来源：评论

学校读者我要写书评

暂无评论

基于探地雷达的树木根系相对介电常数估算

引用

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

基于无人机航拍图像与改进IntegrateNet的稠密云杉计数

引用

农业工程学报 2023年第18期39卷 74-81页

作者：才嘉伟陈锋军朱学岩彭小丹林剑辉顾梦梦北京林业大学工学院北京100083 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 科罗拉多州立大学园艺与景观建筑系柯林斯堡80523

苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据... 详细信息

苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据稠密云杉粘连严重以及杂草背景干扰进行改进,首先使用自校正卷积(self-calibrated convolutions,SCConv)提高卷积感受野,增强模型对于不同尺寸云杉的适应能力。其次,在特征融合处应用十字交叉注意力机制(criss-cross attention,CCA)提高模型对上下文信息的提取能力。以平均计数准确率(mean counting accuracy,MCA)、平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和决定系数R2为评价指标。分析结果表明,改进IntegrateNet模型在181幅测试集上的平均计数准确率,平均绝对误差,均方根误差,决定系数分别达到98.32%,8.99株、13.79株和0.99,相较于TasselNetv3_lite、TasselNetv3_seg和IntegrateNet模型,平均计数准确率分别提升16.44、10.55和9.26个百分点,平均绝对误差分别降低25.62、10.45和6.99株,均方根误差分别降低48.25、13.84和12.52株。改进IntegrateNet模型能够有效提高稠密云杉的计数准确率,可为完善苗木数量统计系统提供算法基础。

关键词：无人机图像处理目标计数稠密云杉改进IntegrateNet

来源：评论

学校读者我要写书评

暂无评论

基于LSTM和GRU模型的森林物候预测研究

引用

Journal of Resources and Ecology 2023年第1期14卷 25-34页

作者：关鹏郑一力北京林业大学工学院北京100083 北京城乡生态环境实验室北京100083 国家林业局林业装备与自动化重点实验室北京100083

森林物候是研究气候与环境变化之间关联的重要参量。本研究将光学相机作为近地遥感卫星设备获取森林图像,计算出绝对绿度指数(GEI)数据,通过双逻辑斯蒂模型和归一化处理方法,拟合GEI数据物候季节变化曲线;引入LSTM和GRU深度学习模型对... 详细信息

森林物候是研究气候与环境变化之间关联的重要参量。本研究将光学相机作为近地遥感卫星设备获取森林图像,计算出绝对绿度指数(GEI)数据,通过双逻辑斯蒂模型和归一化处理方法,拟合GEI数据物候季节变化曲线;引入LSTM和GRU深度学习模型对物候数据进行训练和测试分析,并验证深度学习模型合理性和性能评估,最后预测GEI数据未来60天变化趋势。结果表明:在森林物候训练和预测方面,GRU与LSTM模型经直方图和自相关图验证,显示预测数据分布与真实数据趋势吻合,LSTM与GRU模型呈现的结果数据具有可行性且模型具有平稳性;LSTM模型与GRU模型的MSE、RMSE、MAE和MAPE差值分别为0.0014、0.013、0.008和5.26%,GRU模型的性能优于LSTM;LSTM与GRU模型对GEI数据未来60天预测,均表现出与上半年GEI数据变化趋势相符合的走势图;通过GRU和LSTM对GEI数据进行深度学习模型预测,实现LSTM和GRU深度学习模型在森林物候预测中的响应,同时验证了GRU性能优于LSTM模型,从而进一步揭示未来森林物候的生长和气候变化,为森林物候预测的应用提供理论依据。

关键词：森林物候绝对绿度指数 LSTM模型 GRU模型预测

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：