检索结果-内蒙古大学图书馆

农业工程学报 2025年第1期41卷 212-220页

作者：董适赵国瑞苟豪文剑林晨北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083

为了实现光照变化等复杂环境下果实的选择性采摘,该研究以黄瓜为研究对象,以RT-Detr为基线网络,提出了RT-Detr-EV模型。首先在主干网络中添加RepVGG模块,以加强网络特征提取能力,并减少推理时计算量;加入轻量化自注意力机制,减少计算量... 详细信息

为了实现光照变化等复杂环境下果实的选择性采摘,该研究以黄瓜为研究对象,以RT-Detr为基线网络,提出了RT-Detr-EV模型。首先在主干网络中添加RepVGG模块,以加强网络特征提取能力,并减少推理时计算量;加入轻量化自注意力机制,减少计算量,增加网络深度;最后使用MPDIoU(minimum point distance based intersection over union)替换原模型中的损失函数,加快模型的收敛,提高模型的检测准确率。研究表明,改进RT-Detr-EV的平均精度均值mAP50相较于原模型提升了3.2个百分点,检测速度相较原模型提升了17.4帧/s。与YOLOv7-X、YOLOv8-l相比,对非适宜采摘的黄瓜识别准确率分别提升4.6、6.5个百分点,检测速度分别提升了40.6、25帧/s,参数量分别减少了55.5%、27.3%。同时试验证明,模型对光照条件多种变化的采摘场景也具有一定的鲁棒性与泛化能力。该研究提出的RT-Detr-EV模型能够满足复杂生长环境黄瓜果实的实时检测需求,可为后续移动式选择性采摘的研究提供技术支持。

关键词：图像识别目标检测黄瓜选择性采摘 RT-Detr 级联群组自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于系统分类学信息的鸟类音频零样本分类

引用

林业科学 2025年第2期61卷 12-20页

作者：谢珊珊张军国谢将剑张长春北京林业大学工学院、林业装备与自动化国家林业和草原局重点实验室、林木资源高效生产全国重点实验室北京100083

【目的】通过大量音频-文本对构建的鸟类音频预训练模型能基于物种类别辅助信息对缺乏训练样本的音频进行零样本分类,以减轻数据采集的负担,为鸟类音频零样本分类研究提供有效的理论依据,也为开放环境中的生态监测和物种分布变化分析提... 详细信息

【目的】通过大量音频-文本对构建的鸟类音频预训练模型能基于物种类别辅助信息对缺乏训练样本的音频进行零样本分类,以减轻数据采集的负担,为鸟类音频零样本分类研究提供有效的理论依据,也为开放环境中的生态监测和物种分布变化分析提供参考。【方法】利用反映鸟类系统发育关系的系统分类学信息作为声音类的物种类别辅助信息,以预训练的RoBERTa文本编码器和HTSAT音频编码器分别提取系统分类学信息的语义嵌入和鸟类音频的声学嵌入,通过对比学习方法计算语义嵌入和声学嵌入的相似度,构建鸟类对比语言-音频预训练模型(CLAP-Bird),然后基于零样本类的物种类别辅助信息和CLAP-Bird模型实现零样本分类。【结果】在一个包含725 h的大型不平衡鸟类音频数据集上训练和评估了所提出的方法,在5个不同的8~10个类别的测试集上获得的平均F1_score为0.289,与以鸟类学名、鸟类生活史和基础特性信息作为物种类别辅助信息的基线模型相比,本文提出的模型对鸟类音频零样本分类性能明显提升。【结论】鸟类的系统分类学信息作为物种类别辅助信息,提供了关于鸟类的生物学遗传信息,有助于模型更好地理解鸟类鸣声之间的关系,提升了鸟类音频零样本学习的性能。且训练集与测试集的系统分类学关系越接近,则对测试集的零样本分类性能越好。

关键词：鸟类音频分类零样本学习系统分类学信息物种类别辅助信息对比学习

来源：评论

学校读者我要写书评

暂无评论

边材木质部液流-氧复合传感器设计及应用

引用

农业工程学报 2025年第5期41卷 79-86页

作者：周海洋马和龙孙卿峰赵燕东林剑辉郑一力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

树木根区土壤氧气含量是影响树木长势的重要环境因子。由于氧气空间分布复杂,直接测量具有较大的局限性。该研究基于荧光猝灭原理和热扩散液流测量原理研制了树干木质部氧含量和液流速率复合参数检测传感器,并对传感器进行了标定、温度... 详细信息

树木根区土壤氧气含量是影响树木长势的重要环境因子。由于氧气空间分布复杂,直接测量具有较大的局限性。该研究基于荧光猝灭原理和热扩散液流测量原理研制了树干木质部氧含量和液流速率复合参数检测传感器,并对传感器进行了标定、温度校正和性能测试,以水分转移为关键突破线索,探究转移路径上氧含量与根区土壤氧含量关系。标定试验表明,氧气含量低于30%时,检测相对误差低于1.4%,液流速率相对误差低于5%。户外对照试验表明,复合传感器与商业光纤氧传感器、液流速率传感器检测结果相关系数分别为0.947和0.958。复合传感器集成度高、对树木伤害小、稳定性突出的优势为同步监测树干氧含量和液流速率提供了更好地解决方案。结合复合传感器监测数据和微气象参数,应用树木宏观吸水模型和根系土壤氧扩散模型进行深入分析,推导出不同深度根部氧环境含量的分布特征,实现树木根部氧环境含量的有效监测。研究可为树木根部氧环境动态监测提供技术支持,也为优化树木生长环境、提升树木水氧管理提供科学依据。

关键词：土壤氧气传感器木质部水运输

来源：评论

学校读者我要写书评

暂无评论

基于Wasserstein距离和相关对齐迁移学习的野生动物图像识别方法

引用

林业科学 2024年第8期60卷 25-32页

作者：张长春李大方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】为解决光照、背景和拍摄尺度等复杂因素对野生动物图像识别准确性的影响。【方法】以野外红外触发相机采集的野生动物图像为对象:1)利用ENA24和NACTI两个公开的野生动物数据集构建包含不相交领域数据集S1和S2,共11个动物类别,包... 详细信息

【目的】为解决光照、背景和拍摄尺度等复杂因素对野生动物图像识别准确性的影响。【方法】以野外红外触发相机采集的野生动物图像为对象:1)利用ENA24和NACTI两个公开的野生动物数据集构建包含不相交领域数据集S1和S2,共11个动物类别,包含25591幅图像;2)针对领域偏移问题,采用ResNet50网络作为特征提取模块构建领域对抗网络,有效减轻了领域偏移;3)引入Wasserstein距离和相关对齐的表征学习网络,建立了基于Wasserstein距离和相关对齐的迁移学习网络,用于特征提取和识别,挖掘迁移性的特征。【结果】采用平均准确率作为评价指标,ResNet50、DDC、DCORAL、DAN、DANN、CDAN、HAN和JTN这8个模型在11种野生动物上的识别表现分别为48.4%、51.6%、49.6%、52.6%、45.2%、50.9%、54.6%和53.5%;在改进残差模块的ResNet50基础上,并引入Wasserstein距离和相关对齐的表征学习网络后,与现有最佳方法相比,11种(类)野生动物的平均准确率提高了2.7%。【结论】基于Wasserstein距离和相关对齐的迁移学习方法在野生动物识别方面的平均准确率达到57.3%;引入Wasserstein距离和相关对齐的表征学习可有效提高野生动物识别模型的准确性。

关键词：野生动物 Wasserstein距离相关对齐迁移学习图像识别

来源：评论

学校读者我要写书评

暂无评论

基于微根管图像的作物根系分割和表型信息提取

引用

农业工程学报 2024年第18期40卷 110-119页

作者：郑一力张振翔邢达刘卫平北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 林木资源高效生产全国重点实验室北京100083

微根管法采集的作物根系图像具有复杂的土壤背景和较小的根系占比,当深度学习的感受野较小或多尺度特征融合不充分时,会导致根系边缘处的像素被错分为土壤。同时,微根管法的图像采集周期长且在初期很难采集到大量有效样本,限制了根系提... 详细信息

微根管法采集的作物根系图像具有复杂的土壤背景和较小的根系占比,当深度学习的感受野较小或多尺度特征融合不充分时,会导致根系边缘处的像素被错分为土壤。同时,微根管法的图像采集周期长且在初期很难采集到大量有效样本,限制了根系提取模型的快速部署。为提升根系表型测算精度和优化提取模型部署策略,该研究设计了一种原位自动根系成像系统以实时获取作物的微根管图像,构建全尺度跳跃特征融合机制,使用感受野丰富的U^(2)-Net模型对微根管图像中的根系像素进行有效分类。结合数据增强以及迁移学习微调训练,实现对目标种类根系提取模型的快速部署。试验结果表明,使用加入全尺度跳跃特征融合机制的改进U^(2)-Net模型对蒜苗根系分割的F1得分和交并比IoU分别为86.54%和76.28%,相比改进前、U-Net、SegNet和DeeplabV3+_Resnet50模型,F1得分分别提高0.66、5.51、8.67和2.84个百分点;交并比分别提高1.02、8.18、12.52和4.31个百分点。迁移学习微调训练相比混合训练,模型的F1得分和交并比分别提高了2.89和4.45个百分点。改进U^(2)-Net模型分割图像的根系长度、面积和平均直径与手动标注结果的决定系数R^(2)分别为0.965、0.966、0.830。研究结果可为提升基于微根管图像的根系表型测算精度和根系提取模型的快速部署提供参考。

关键词：图像分割迁移学习微根管 U2-Net 蒜苗根系表型

来源：评论

学校读者我要写书评

暂无评论

根区土壤氧气检测技术与方法研究进展

引用

农业工程学报 2024年第3期40卷 1-13页

作者：周海洋孙卿峰夏鹏凯关鹏赵燕东郑一力北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 林木资源高效生产全国重点实验室北京100083

根区氧胁迫问题在滞涝区域、城市地面硬化区域尤为常见,根区土壤氧气含量高低是判断植物是否承受低氧胁迫的重要依据,其检测技术与分析方法的研究对农林生产和生态保护具有指导意义。为明确根区土壤氧气检测现状及发展方向,该研究概括... 详细信息

根区氧胁迫问题在滞涝区域、城市地面硬化区域尤为常见,根区土壤氧气含量高低是判断植物是否承受低氧胁迫的重要依据,其检测技术与分析方法的研究对农林生产和生态保护具有指导意义。为明确根区土壤氧气检测现状及发展方向,该研究概括了国内外土壤氧气分布检测方法和分析策略,将现有获取根区土壤氧含量时空分布的技术手段归纳为氧传感器点位检测法、土壤氧扩散模型分析法和荧光成像法,并剖析比较了各方法的优缺点和适用场景。基于氧传感器等领域最新进展,结合各类氧气运输模型,总结了根区土壤氧气分布检测技术和建模方法的研究重点与发展方向如下:1)氧传感器呈现小型化和集成化趋势,引入新型材料,提高氧传感器的灵敏度和耐久性能;2)模型的精度将不断提高,更多地考虑多尺度和多因素交互作用,以全面分析根区土壤氧环境的复杂性;3)开发可持续的荧光染料,提高荧光成像技术的分辨率和深度,以实现对更小、更深层次结构的清晰成像;4)分析植物蒸腾作用中的水氧关系,通过茎干氧浓度反映植物对根区氧环境变化的生理适应能力。研究可为植物根区土壤氧气分布检测提供思路与借鉴。

关键词：土壤氧传感器模型根区

来源：评论

学校读者我要写书评

暂无评论

基于SDR的探测雷达反演树干分层介电参数仿真

引用

农业工程学报 2024年第20期40卷 165-173页

作者：周海洋马和龙夏鹏凯孙卿峰林剑辉北京林业大学工学院北京100083 林业装备与自动化国家林业和草原局重点实验室北京100083 林木资源高效生产全国重点实验室北京100083

为有效检测树干分层介质厚度和相对介电常数,该研究提出一种基于雷达探测的树干分层结构介电参数反演方法。基于斯涅耳定律结合树干生理结构特点,构建雷达信号在树干分层结构中的传播模型。利用软件定义无线电平台(software defined rad... 详细信息

为有效检测树干分层介质厚度和相对介电常数,该研究提出一种基于雷达探测的树干分层结构介电参数反演方法。基于斯涅耳定律结合树干生理结构特点,构建雷达信号在树干分层结构中的传播模型。利用软件定义无线电平台(software defined radio,SDR)搭建树干探测雷达。然后采用稀疏分解算法、K-SVD字典训练以及层剥离算法对探测雷达回波信号进行参数反演,并对不同的稀疏分解算法反演结果进行了对比。试验表明在回波混叠和无混叠的情况下,该方法均能够对树干分层介质厚度和相对介电常数进行估算;无混叠时相对介电常数和厚度的反演误差分别在2.93%和3.5%以内,混叠时相对介电常数和厚度的反演误差分别在7.52%和7.61%以内。综合试验结果表明,在5种反演算法中,SAMP算法在未知信号稀疏度的条件下表现最佳,具有较高的反演准确率和鲁棒性。

关键词：雷达反演树干检测软件无线电(SDR) 分层结构介电参数

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

基于语义分割和融合算法的草坪杂草定位

引用

北京林业大学学报 2024年第7期46卷 133-138页

作者：郭朋李文彬徐道春白效鹏王梓耘林业装备与自动化国家林业和草原局重点实验室北京林业大学工学院北京100083

【目的】探究基于多算法融合的草坪杂草精准定位算法,为草坪杂草的自动识别和清除机器人的除草作业提供技术支撑与理论依据。【方法】提出了一种基于语义分割的多算法融合的草坪定位算法。首先,通过PSPNet网络分割草坪和非草坪轮廓。其... 详细信息

【目的】探究基于多算法融合的草坪杂草精准定位算法,为草坪杂草的自动识别和清除机器人的除草作业提供技术支撑与理论依据。【方法】提出了一种基于语义分割的多算法融合的草坪定位算法。首先,通过PSPNet网络分割草坪和非草坪轮廓。其次,针对分割出来的非草坪轮廓提取感兴趣的区域,去除非杂草轮廓,保留杂草轮廓。然后,利用Zhang-Suen细化算法提取杂草轮廓骨架线,并获取骨架交叉点数量和坐标位置。最后,利用融合算法依据交叉点数量选择不同的定位策略,实现杂草根部的精准定位。【结果】融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为83.17像素,相比平均质心法减少了14%,相比最小外接圆减少了22%。换算到实际场景之下,融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为12.48 mm,误差在可接受的误差范围内。融合算法提高了杂草根部中心的定位精度,降低了杂草定位的误差。【结论】基于语义分割和融合算法的草坪杂草定位方法提高了杂草根部中心的定位精度,降低了单一方法的定位误差,可以为草坪杂草自动识别和除草作业提供技术支持。

关键词：图像处理语义分割算法草坪杂草定位融合算法 Zhang-Suen细化提取平均质心法最小外接圆

来源：评论

学校读者我要写书评

暂无评论

基于抚育整枝目标的毛白杨枝条冲击切割性能适应性分析

引用

北京林业大学学报 2024年第4期46卷 158-166页

作者：吕坤班以琛坝仕宏刘洋文剑北京林业大学工学院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】为了提高毛白杨枝条冲击切割效率并改善切割效果,通过研究枝条内部因素对切割性能的影响,对毛白杨枝条的冲击切割性能进行适应性分析。【方法】以我国华北地区林场广泛种植的速生林品种毛白杨的枝条为研究对象,使用自制的枝条... 详细信息

【目的】为了提高毛白杨枝条冲击切割效率并改善切割效果,通过研究枝条内部因素对切割性能的影响,对毛白杨枝条的冲击切割性能进行适应性分析。【方法】以我国华北地区林场广泛种植的速生林品种毛白杨的枝条为研究对象,使用自制的枝条切割平台进行枝条切割试验。在单因素试验的基础上采用Box-Benhnken中心组合试验方法,通过试验和理论研究枝条直径、含水率和分枝角度3个内部因素对峰值切割力和断裂效果的影响规律。【结果】(1)建立了毛白杨枝条冲击切割性能的切割机理模型;(2)通过对模型进行优化分析,得到最优参数组合为枝条直径14.7 mm、含水率14.0%、分枝角度90°,该组合下的峰值切割力为370.48 N,断裂效果评分为4.6分,峰值切割力和断裂效果分数的预测值与实测值的相对偏差均小于5%;(3)峰值切割力与枝条直径呈线性增长关系,随枝条含水率的增大呈先增大后减小的趋势,随着分枝角度的增大而小幅增大。【结论】选择树龄为7年时进行修枝作业,作业的季节选择秋冬季,可以获得较优的修枝质量,该研究可为速生林修枝装备的研发与林木抚育方式的优化结合提供数据支撑。

关键词：机械化抚育整枝冲击切割毛白杨枝条切割适应性切割质量参数

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：