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 1-11页

作者：赵春江马晨李瑾王小萌北京市农林科学院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

作为丘陵山地种植历史最久、种植面积最广、产量最高的农作物,水稻耕种收综合机械化水平的提升对于推进整个丘陵山地农业机械化全程全面高质量发展意义重大。该文以丘陵山地水稻机械化关键技术为“切口”,在梳理国内丘陵山地的特征与丘... 详细信息

作为丘陵山地种植历史最久、种植面积最广、产量最高的农作物,水稻耕种收综合机械化水平的提升对于推进整个丘陵山地农业机械化全程全面高质量发展意义重大。该文以丘陵山地水稻机械化关键技术为“切口”,在梳理国内丘陵山地的特征与丘陵山地水稻机械化发展现状的基础上,围绕水稻耕、种、收等主要环节的生产机械化开展技术前沿与态势分析,剖析国内外水稻机械化技术装备研发差距,提出不同环节下国内丘陵山地水稻机械化发展面临的挑战,并展望未来丘陵山地水稻机械化发展态势,以期为推动水稻全程全域生产机械化水平提升、补齐丘陵山地农机化发展短板、建设现代农业强国提供新思路、新方向。研究表明:1)2022年国内丘陵山地水稻耕种收综合机械化率为80.8%,并且在不同的环节间、地区间发展不平衡不充分;2)与先进国家相比,国内的水稻耕种收机械研发与应用起步较晚、基础不牢、产品的综合性能不高,特别是针对丘陵山地的轻量、高效、高稳定性的水稻耕种收机械相对匮乏,发动机高功率低排放设计制造技术、刀具抗损降耗优化设计技术、车架轻量化设计技术等关键技术仍有待进一步攻克;3)轻量化、智能化、绿色化等是未来国内丘陵山地水稻生产作业装备发展方向与趋势。

关键词：丘陵山地水稻机械化关键技术主要挑战未来趋势

来源：评论

学校读者我要写书评

暂无评论

基于神经辐射场和路径分析的油茶树表型参数提取

引用

农业工程学报 2025年第4期41卷 201-210页

作者：朱幸辉张杨聪谭泗桥李斌湖南农业大学信息与智能科学技术学院长沙410126 湖南省农村农业信息化工程技术研究中心长沙410126

为提取油茶树的表型参数,解决复杂冠层结构植物和田间环境下表型提取速度慢且精度低的问题,该研究将传统的重建算法和聚类分割算法进行改进,提出一种基于神经辐射场和路径分析的表型参数提取方法。通过多视角相机获取油茶树图像,训练神... 详细信息

为提取油茶树的表型参数,解决复杂冠层结构植物和田间环境下表型提取速度慢且精度低的问题,该研究将传统的重建算法和聚类分割算法进行改进,提出一种基于神经辐射场和路径分析的表型参数提取方法。通过多视角相机获取油茶树图像,训练神经辐射场生成三维点云模型,然后采用路径分析方法分割树干和叶片点云,提取油茶树的表型参数。试验结果表明:相比基于运动结构恢复的多视立体几何方法,采用神经辐射场重建的时间平均减少约90%,自由视角渲染图像峰值信噪比提升约10%。茎叶分割结果在召回率、精确率和分割时间等指标上优于几何特征法和区域生长法。计算的树高、冠幅、冠层高度和树干与人工测量结果的误差分别为0.519%、0.325%、0.364%、4.491%,叶长、叶宽、叶面积和叶形指数的决定系数分别为0.98、0.94、0.97、0.93。该方法不仅能快速构建真实形态的油茶树点云模型,而且能精准获取油茶树各器官的表型参数,可为复杂冠层植物的田间表型研究提供参考。

关键词：油茶树三维重建神经辐射场路径分析表型参数

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8m的稻田害虫识别方法

引用

农业工程学报 2025年第2期41卷 185-195页

作者：谭泗桥陈涵朱磊孙浩然张政兵尹丽黄婉婉湖南农业大学信息与智能科学技术学院长沙410128 湖南省农村农业信息化工程技术研究中心长沙410128 湖南省植保植检站长沙411229

为解决现有基于机器视觉的稻田害虫监测过程中存在的检测速度慢、小目标检测精度低、害虫堆积遮挡时检测精度低以及样本不平衡等问题,该研究提出了一种基于改进YOLOv8m模型的稻田害虫识别方法FieldSentinel-YOLOv8。该方法首先简化了YOL... 详细信息

为解决现有基于机器视觉的稻田害虫监测过程中存在的检测速度慢、小目标检测精度低、害虫堆积遮挡时检测精度低以及样本不平衡等问题,该研究提出了一种基于改进YOLOv8m模型的稻田害虫识别方法FieldSentinel-YOLOv8。该方法首先简化了YOLOv8m模型,并用双检测头代替三检测头,以减少小目标细粒度信息的丢失,降低模型的复杂度;其次将卷积注意力模块CBAM(convolutional block attention module)添加到YOLOv8m,使模型抑制背景等一般特征信息,更加关注害虫区域,从而提高被遮挡害虫的识别准确率;最后使用Focal-CIoU Loss来替换CIoU Loss(complete intersection over union),以减少样本类别不平衡对模型精度的影响。FieldSentinel-YOLOv8模型的平均精度均值(mean average precisoin)mAP_(0.5)为73.64%,精确率为65.43%,召回率为75.17%,检测帧率为199.88帧/s。与原模型YOLOv8m相比,FieldSentinel-YOLOv8的模型参数量从25.86 M(million)降到10.34 M,所需浮点运算数从79.10 G(1 G=109)降到62.80 G,召回率、平均精度均值和检测帧率分别提升7.05、2.72个百分点和52.73帧/s。该研究还采用Pest24数据集作为源域,自建数据集作为目标域的迁移学习方法训练FieldSentinel-YOLOv8模型,得到高精度FieldSentinelTransferYOLOv8模型,进一步提升模型检测性能,使用迁移学习方法后,m AP_(0.5)再次提升3.36个百分点,达到77.00%,精确率为69.90%,召回率为77.73%。在自建数据集上进行模型对比试验,结果表明,FieldSentinel-YOLOv8模型具有较高的识别准确率及较强的鲁棒性,该模型的轻量化方法可为农业害虫的精准且快速识别提供技术参考。高精度FieldSentinelTransfer-YOLOv8模型精度的大幅提升,也表明迁移学习在农业害虫检测上提供了技术支持。

关键词：虫害深度学习图像识别 YOLOv8m 卷积注意力模块 Focal-CIoU 迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于小样本学习的鳞翅目害虫图像识别方法

引用

农业机械学报 2025年第2期56卷 402-410页

作者：杨信廷周子洁李文勇陈晓王慧于合龙吉林农业大学信息技术学院长春130118 北京市农林科学院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 上海海洋大学信息学院上海201306 山东农业大学信息科学与工程学院泰安271018

针对面对害虫数据稀缺的实际场景时,现有害虫图像识别方法容易出现过拟合导致模型表达能力不足的问题,本研究提出了一种结合度量学习和迁移学习的小样本田间害虫图像分类识别方法。首先,使用ECA-Pyramid-ResNet12模型在mini-ImageNet数... 详细信息

针对面对害虫数据稀缺的实际场景时,现有害虫图像识别方法容易出现过拟合导致模型表达能力不足的问题,本研究提出了一种结合度量学习和迁移学习的小样本田间害虫图像分类识别方法。首先,使用ECA-Pyramid-ResNet12模型在mini-ImageNet数据集上进行预训练;其次,在度量模块中添加ECA通道注意力机制,通过捕捉通道间的依赖关系来增强害虫的图像特征表示;然后,使用特征金字塔结构来捕获害虫图像的局部特征和害虫的多尺度特征;最后,利用20类自建鳞翅目害虫图像作为元数据集,对模型进行元训练和元测试。实验结果表明,在3-way 5-shot和5-way 5-shot条件下,本文模型准确率分别达到91.16%和87.26%,比SSFormers、DeepBDC方法分别提高4.58、1.35个百分点。提出的模型有效提升了小样本学习中目标图像特征的表达能力,能够为数据稀缺场景下的田间害虫自动识别提供方法参考。

关键词：害虫识别小样本学习迁移学习度量学习通道注意力机制金字塔全卷积网络

来源：评论

学校读者我要写书评

暂无评论

深松作业质量多维度综合评价方法研究

引用

农业机械学报 2025年第4期 81-86+97页

作者：王培张安琪安晓飞尹彦鑫王虹孟志军北京市农林科学院智能装备技术研究中心国家农业信息化工程技术研究中心北京市密云区农业农村局

针对深松作业质量评价指标单一、横向比较偏差显著等问题,通过在农机上装载智能终端设备,采集农机作业GNSS、作业深度等信息,基于最小-最大归一化法,分析深松作业面积、作业效率、作业覆盖率、作业深度达标率、作业时间利用率等深松作... 详细信息

针对深松作业质量评价指标单一、横向比较偏差显著等问题,通过在农机上装载智能终端设备,采集农机作业GNSS、作业深度等信息,基于最小-最大归一化法,分析深松作业面积、作业效率、作业覆盖率、作业深度达标率、作业时间利用率等深松作业特征向量,并基于专家打分的调查问卷法确定特征向量权重,构建深松作业质量指数(AMQI),评估深松作业综合质量。2022年在黑龙江省红星农场开展深松作业质量监测实验,通过对33台不同深松设备跟踪分析,并与传统分析方法进行对比,结果表明,归一化特征向量消除不同特征间量纲影响,反映农机特征大小分布,AMQI也反映深松作业综合质量,与达标面积评价法相比,评级维度更多,且评价更加全面和科学,可以为农机作业评价提供数据支撑。

关键词：深松作业作业质量特征向量归一化处理

来源：评论

学校读者我要写书评

暂无评论

新疆棉田主要昆虫图像数据集CottonInsect

引用

中国科学数据(中英文网络版) 2025年第1期10卷 55-65页

作者：杨满仙陈燕红李雨晴李永可新疆农业大学乌鲁木齐830052 智能农业教育部工程研究中心乌鲁木齐830052 新疆农业信息化工程技术研究中心乌鲁木齐830052

棉花是新疆重要经济作物,由于种植结构调整、农药不合理使用与气候变化等原因,棉花易受多种虫害侵袭,影响其产量与品质。因此,构建复杂场景下棉田昆虫图像数据集对棉田害虫综合治理具有基础性意义。本文构建了复杂场景下新疆棉田主要昆... 详细信息

棉花是新疆重要经济作物,由于种植结构调整、农药不合理使用与气候变化等原因,棉花易受多种虫害侵袭,影响其产量与品质。因此,构建复杂场景下棉田昆虫图像数据集对棉田害虫综合治理具有基础性意义。本文构建了复杂场景下新疆棉田主要昆虫图像数据集,用于真实环境下棉田昆虫的识别与检测。本数据集包含13种(类)常见的棉田昆虫,共3225张图像,原始图像共24 GB,均通过严格筛选,确保图像质量。对每张图像的棉田昆虫进行人工标注,构建图像分类数据集和目标检测数据集,数据集大小共29.7 GB。使用常见的深度学习模型对数据集进行评估,确保数据集的可用性和可靠性。本数据为棉田昆虫图像分类、目标检测等提供基础数据,对促进农业领域的发展、棉花虫害防治研究及提高棉花产量具有重要的实际应用价值。

关键词：棉田昆虫 CottonInsect数据集图像分类目标检测

来源：评论

学校读者我要写书评

暂无评论

基于双维信息与剪枝的中文猕猴桃文本命名实体识别方法

引用

智慧农业(中英文) 2025年第1期7卷 44-56页

作者：齐梓均牛当当吴华瑞张礼麟王仑峰张宏鸣西北农林科技大学信息工程学院陕西杨凌712100 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]中文猕猴桃文本在段落上下文主题与字符间的左右关系中,展现出垂直与水平双维度特性。若能充分利用中文猕猴桃文本的双维特性,将有助于进一步提升命名实体识别的识别效果。基于此,提出了一种基于双维信息与剪枝的命名实体识... 详细信息

[目的/意义]中文猕猴桃文本在段落上下文主题与字符间的左右关系中,展现出垂直与水平双维度特性。若能充分利用中文猕猴桃文本的双维特性,将有助于进一步提升命名实体识别的识别效果。基于此,提出了一种基于双维信息与剪枝的命名实体识别方法,命名为KIWI-Coord-Prune(kiwifruit-CoordKIWINER-PruneBiLSTM)。[方法]通过设计CoordKIWINER与PruneBi-LSTM两个模块,对中文猕猴桃文本中的双维信息进行精准处理。其中CoordKIWINER模块能够显著提升模型捕捉复杂和嵌套实体的能力,从而生成涵盖更多文本信息的加强字符矢量;PruneBi-LSTM模块在上一模块的基础上,加强了模型对重要特征的学习与识别能力,从而进一步提升了实体识别效果。[结果和讨论]在自建数据集KIWIPRO和四个公开数据集人民日报(People's Daily)、ClueNER、Boson,以及ResumeNER上进行试验,并与LSTM、Bi-LSTM、LR-CNN、Softlexicon-LSTM,以及KIWINER五个先进模型进行对比,本研究提出的方法在5个数据集上分别取得了较好的F1值,分别为89.55%、91.02%、83.50%、83.49%和95.81%。[结论]与现有方法相比,本研究提出的方法不仅能够有效提升中文猕猴桃领域文本的命名实体识别效果,且具有一定的泛化性,同时也能够为相关知识图谱和问答系统的构建等下游任务提供技术支持。

关键词：中文命名实体识别猕猴桃文本自建数据集多维度注意力机制剪枝深度学习文本特征增强

来源：评论

学校读者我要写书评

暂无评论

多源场景下粘虫板小目标害虫轻量化检测识别模型

引用

智慧农业(中英文) 2025年第1期7卷 111-123页

作者：杨信廷胡焕陈晓李汶政周子洁李文勇上海海洋大学信息学院上海201306 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 吉林农业大学信息技术学院吉林长春130118

[目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题,本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合Mobile... 详细信息

[目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题,本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合MobileNetV4主干网络构建EM模块,实现特征提取网络结构的优化和精度的提升;在模型颈部引入轻量化模块GSConv和VoV-GSCSP,替代普通卷积,降低模型复杂度;最后添加NWD (Normalized Wasserstein Distance)损失函数,用于增强小目标的判别敏感度与定位能力。[结果和讨论]所提出模型在室内场景下对小目标害虫的检测性能最佳,平均检测精度为82.5%,较原始模型YOLOv5s提升了8.4%;模型参数量降低了3.0 M,帧率提升了6.0帧/s;在室外场景下,所提出模型的平均精度为70.8%,较YOLOv5s提升了7.3个百分点,参数量降低了3.0 M,帧率提升了5.5帧/s;在混合场景下,模型的平均精度为74.7%,较YOLOv5s提升了8.0个百分点,参数量降低了3.0 M,帧率提升了4.3帧/s。同时研究发现,对原始图像进行裁剪分割能够影响模型性能,在采用5×5的比率对原图进行分割下模型的检测识别性能最佳;利用室内场景数据训练的模型能够在所有场景下都获得最佳的检测性能。[结论]本研究提出的MobileNetV4+VN-YOLOv5s模型兼顾轻量化和精度,模型可部署到嵌入式设备,便于落地应用,可为各种多源场景下粘虫板图像中小目标害虫检测提供参考。

关键词：小目标害虫检测轻量化粘虫板多源场景 MobileNetV4 YOLOv5s

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的乡村道路识别

引用

现代电子技术 2025年第2期48卷 179-186页

作者：曹新宇张太红赵昀杰姚芷馨新疆农业大学计算机与信息工程学院新疆乌鲁木齐830052 智能农业教育部工程研究中心新疆乌鲁木齐830052 新疆农业信息化工程技术研究中心新疆乌鲁木齐830052

针对目前智能农机在乡村复杂环境下行驶时对周围特征识别精度不足的问题,以乡村道路场景为研究对象,提出一种改进PP-LiteSeg模型。首先使用STDC对图像特征进行提取,在保证轻量化的同时确保特征信息完整;然后将条形池化引入简单金字塔模... 详细信息

针对目前智能农机在乡村复杂环境下行驶时对周围特征识别精度不足的问题,以乡村道路场景为研究对象,提出一种改进PP-LiteSeg模型。首先使用STDC对图像特征进行提取,在保证轻量化的同时确保特征信息完整;然后将条形池化引入简单金字塔模块,加强特征的提取能力,并将坐标注意力加入统一注意力融合模块,进一步加强多尺度特征的融合,捕获更为丰富的信息,从而提高模型对乡村复杂场景识别的准确率。实验结果表明,在不同场景下,所提模型可以达到较好的分割效果,建筑物、柏油路、障碍等单个类别的准确率均达到80%以上,能够有效地分割乡村道路场景。改进模型可为智能农机在乡村道路场景下的安全行驶提供技术参考。

关键词：语义分割乡村道路特征识别条形池化坐标注意力场景分类图像处理

来源：评论

学校读者我要写书评

暂无评论

IDSC-YOLOv8-seg:轻量级梯形渠道水尺分割算法

引用

计算机技术与发展 2025年第4期35卷 127-134页

作者：王鹏鹰靳晟李永可韩博新疆农业大学计算机与信息工程学院新疆乌鲁木齐830052 新疆农业信息化工程技术研究中心新疆乌鲁木齐830052

水尺分割在水位检测极其重要,针对目前梯形渠道水位识别中对复杂环境下的水尺分割精度低,模型计算量大、难以部署等难题,提出一种轻量化的IDSC-YOLOv8-seg梯形水尺分割算法。首先使用轻量级MobileNet作为特征提取网络,并使用GhostConv... 详细信息

水尺分割在水位检测极其重要,针对目前梯形渠道水位识别中对复杂环境下的水尺分割精度低,模型计算量大、难以部署等难题,提出一种轻量化的IDSC-YOLOv8-seg梯形水尺分割算法。首先使用轻量级MobileNet作为特征提取网络,并使用GhostConv卷积模块替换特征融合网络中的Conv;其次设计了ISDC-GhostC2f模块,结合了水尺高长宽比的结构特点,充分利用多尺度深度可分离卷积模块的优势,降低了计算成本,提高了推理速度和效率;再引入高效通道注意力机制(ECA),增强对水尺多尺度细节特征的获取能力,以提升模型对复杂环境下水尺的分割能力,并将MPDIoU作为网络损失函数,解决CIoU损失函数的局限性,提升了网络收敛速度和精度;最后使用新的数据增强技术,以提高模型的稳定性和泛化性。结果表明,改进后IDSC-YOLOv8-seg算法平均精度均值mAP@0.5和mAP@0.5:0.95相较于原模型分别提高了1.3%和0.9%,模型的参数量和大小分别降低46.6%和44.1%。综合说明,改进后的模型在精度满足需求的同时明显降低了参数量和模型大小,为后期水位计算提供技术支撑。

关键词：水尺分割实例分割机器视觉轻量化 YOLO算法

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：