检索结果-内蒙古大学图书馆

农业工程学报 2021年第6期37卷 127-134页

作者：韩巧玲柏浩赵玥赵燕东徐向波李继红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 国家林业局林业装备与自动化国家重点实验室北京100083 智慧林业研究中心北京100083 东北林业大学林学院哈尔滨150040

针对土壤染色图像色度不一致、染色/非染色区域对比度低的特点,以及现有土壤染色图像分割方法自动化程度弱的问题,该研究提出一种土壤优先流自动分割与量化系统。该系统采用基于H分量改进的模糊C均值方法(Fuzzy C-Means Based on H Comp... 详细信息

针对土壤染色图像色度不一致、染色/非染色区域对比度低的特点,以及现有土壤染色图像分割方法自动化程度弱的问题,该研究提出一种土壤优先流自动分割与量化系统。该系统采用基于H分量改进的模糊C均值方法(Fuzzy C-Means Based on H Component and Morphology,HM-FCM)实现染色区域的自动分割,运用数学统计法提取总染色面积比、基质流深度、优先流比等特征参数,实现对土壤染色区域的量化分析,以揭示优先流的发育程度。并基于2种林地染色图像验证了系统性能。试验结果表明:1)HM-FCM法对于天然次生林和榛子林图像均具有最佳分割效果,其分割准确率为87.9%和83.3%,调和平均值为90.5%和80.3%;2)2种林地土壤染色区域总体集中于0~50 cm土层,优先流具有不同发育程度(P<0.05)。该系统可为优先流路径的空间演变提供技术支持和理论依据。

关键词：土壤图像分割优先流染色示踪技术量化分析

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

基于微根管图像的根系形态特征快速提取技术

引用

中国水土保持科学 2021年第4期19卷 129-136页

作者：刘凯李文彬赵玥韩巧玲张鹏翀邹松言谭键彪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 北京林业大学林学院北京100083

林木根系的形态和分布特征能够反映林木生长状态和土壤水养资源响应及利用机制,对于提升人工林培育质量,发挥人工林水土保持作用具有重要意义。利用微根管技术并对毛白杨根系图像进行剪裁、标注和滤波处理,运用大津法、K均值聚类算法、... 详细信息

林木根系的形态和分布特征能够反映林木生长状态和土壤水养资源响应及利用机制,对于提升人工林培育质量,发挥人工林水土保持作用具有重要意义。利用微根管技术并对毛白杨根系图像进行剪裁、标注和滤波处理,运用大津法、K均值聚类算法、模糊C均值聚类法(FCM法)3种图像处理方法分割根系结构,并以14 d为试验采集周期,获得林木根系分布特征。结果表明,FCM法的正确率达到90%,对于根系的分割性能最优。通过根系形态特征参数提取,以“根总长”为例,分析不同滴灌处理下根系的生长周转情况,表现出良好的规律性,该技术的开发为根系生态学的研究提供了一种无损且高效的研究方法。

关键词：林木微根管图像处理模糊C均值聚类法特征提取

来源：评论

学校读者我要写书评

暂无评论

利用无人机航拍视频结合YOLOv3模型和SORT算法统计云杉数量

引用

农业工程学报 2021年第20期37卷 81-89页

作者：陈锋军朱学岩周文静郑一力顾梦梦赵燕东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 德州农工大学园艺系大学城77843 林业装备与自动化国家林业局重点实验室北京100083

准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3(You Only Loo... 详细信息

准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3(You Only Look Once v3,YOLOv3)和SORT(Simple Online and Realtime Tracking,SORT)的云杉数量统计方法。主要内容包括数据采集、YOLOv3检测模型构建、SORT跟踪算法和越线计数算法设计。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)和帧率(Frame Rate,FR)为评价指标,该方法对测试集中对应6个不同试验地块的视频内云杉进行数量统计的平均计数准确率MCA为92.30%,平均绝对误差MAE为72,均方根误差RMSE为98.85,帧率FR 11.5帧/s。试验结果表明该方法能够快速准确统计完整地块的云杉数量。相比SSD+SORT算法,该方法在4项评价指标中优势显著,平均计数准确率MCA高12.36个百分点,帧率FR高7.8帧/s,平均绝对误差MAE和均方根误差RMSE分别降低125.83和173.78。对比Faster R-CNN+SORT算法,该方法在保证准确率的基础上更加快速,平均计数准确率MCA仅降低1.33个百分点,但帧率FR提高了10.1帧/s。该研究从无人机航拍视频的角度为解决完整地块的苗木数量统计问题做出了有效探索。

关键词：无人机模型算法云杉数量统计 YOLOv3 SORT

来源：评论

学校读者我要写书评

暂无评论

基于无人机航拍与改进YOLOv3模型的云杉计数

引用

农业工程学报 2020年第22期36卷 22-30页

作者：陈锋军朱学岩周文静顾梦梦赵燕东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 德州农工大学园艺系大学城77843 林业装备与自动化国家林业局重点实验室北京100083

为解决目前苗木计数由人工完成而导致的成本高,效率低,计数精度不能得到保障的问题,该研究以自然环境下的云杉为研究对象,以无人机航拍云杉图像和拼接后完整地块云杉图像为数据源,根据云杉尺寸差异大和训练样本小的特点提出一种基于改进... 详细信息

为解决目前苗木计数由人工完成而导致的成本高,效率低,计数精度不能得到保障的问题,该研究以自然环境下的云杉为研究对象,以无人机航拍云杉图像和拼接后完整地块云杉图像为数据源,根据云杉尺寸差异大和训练样本小的特点提出一种基于改进YOLOv3模型的云杉计数模型。该模型将密集连接模块和过渡模块引入特征提取过程,形成Darknet-61-Dense特征提取网络。通过694幅无人机航拍云杉图像测试表明,密集连接模块和过渡模块可解决YOLOv3模型小样本训练过拟合问题和云杉特征丢失问题,改进YOLOv3模型可以快速准确实现云杉计数,在精确率P、召回率R、平均精度AP、平均计数准确率MCA和平均检测时间ADT这5个评价指标上达到96.81%、93.53%、94.26%、98.49%和0.351 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.44、4.13和0.84个百分点。对于拼接后完整地块云杉图像,改进YOLOv3模型的5个评价指标的结果分别为91.48%、89.46%、89.27%、93.38%和1.847 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.54、9.33和0.74个百分点。该研究为利用无人机快速准确统计苗木数量的关键步骤做出有益的探索。

关键词：模型无人机计数密集连接模块过渡模块特征提取

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

基于全卷积神经网络的云杉图像分割算法

引用

农业机械学报 2018年第12期49卷 188-194,210页

作者：陈锋军王成翰顾梦梦赵燕东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 德州农工大学园艺系大学城77843 林业装备与自动化国家林业局重点实验室北京100083

以云杉为研究对象提出了应用全卷积神经网络(Fully convolutional networks,FCN)分割图像的算法。利用无人机采集图像,标注470幅云杉图像,其中300幅组成训练集,170幅组成测试集,标注90幅樟子松图像作为附加测试集。以VGG16为基础建立云... 详细信息

以云杉为研究对象提出了应用全卷积神经网络(Fully convolutional networks,FCN)分割图像的算法。利用无人机采集图像,标注470幅云杉图像,其中300幅组成训练集,170幅组成测试集,标注90幅樟子松图像作为附加测试集。以VGG16为基础建立云杉分割FCN模型,利用Tensorflow框架实现和训练网络,通过共享权值和逐渐降低的学习速率,提高FCN模型的训练性能。选择像素精度(PA)、均像素精度(MPA)、均交并比(MIoU)和频权交并比(FWIo U) 4个语义分割评价指标评价测试结果。FCN模型分割云杉图像,PA和MPA达到0. 86,MIoU达到0. 75,FWIo U达到0. 76,处理速率达到0. 085 s/幅,有效地解决了光照变化、云杉个体差异、地面杂草干扰和植株之间粘连的影响。与HSV颜色空间阈值分割以及K均值聚类分割算法比较,FCN模型的MIoU分别提高0. 10和0. 38。

关键词：云杉图像分割无人机苗木库存统计全卷积神经网络

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

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

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：