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

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

基于海棠茎干含水率的智能灌溉控制策略研究

引用

农业机械学报 2020年第7期51卷 323-331页

作者：赵燕东郑焱周海洋林剑辉张鑫于福满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 天津创世生态景观建设股份有限公司天津300110

茎干含水率的动态变化是研究植物体水分和生长状况的重要指标,准确判断活立木水分亏缺是人工林抚育和城市园林绿化中灌溉策略制定的重要科学依据。以海棠树为研究对象,以茎干含水率为研究参数,通过干旱胁迫试验探究茎干含水率变化与海... 详细信息

茎干含水率的动态变化是研究植物体水分和生长状况的重要指标,准确判断活立木水分亏缺是人工林抚育和城市园林绿化中灌溉策略制定的重要科学依据。以海棠树为研究对象,以茎干含水率为研究参数,通过干旱胁迫试验探究茎干含水率变化与海棠树生理需水的关系。提出以海棠茎干含水率43%和茎干含水率下降值不超过12%为下限指标、土壤含水率33%为上限指标的灌溉控制策略,依据此策略设计了一套智能灌溉控制系统,并通过该系统验证了所提出灌溉策略的有效性与可行性。

关键词：海棠茎干含水率灌溉指标灌溉控制策略

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

基于全卷积网络的土壤断层扫描图像中孔隙分割

引用

农业工程学报 2019年第2期35卷 128-133页

作者：韩巧玲赵玥赵燕东刘克雄庞曼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 定州市绿谷农业科技发展有限公司定州073006

针对土壤断层扫描图像中存在部分容积效应及因孔隙成分复杂、结构不规则等引起的分割精度低的问题,该文提出一种全卷积网络(fully convolutional network,FCN)土壤孔隙分割方法,为土壤科学研究提供技术支持。该文以黑土土壤断层扫描图... 详细信息

针对土壤断层扫描图像中存在部分容积效应及因孔隙成分复杂、结构不规则等引起的分割精度低的问题,该文提出一种全卷积网络(fully convolutional network,FCN)土壤孔隙分割方法,为土壤科学研究提供技术支持。该文以黑土土壤断层扫描图像为研究对象,通过卷积和池化运算输出不同尺度的孔隙特征图;将孔隙的深层特征和浅层特征相融合,采用上采样算子对融合特征进行插值操作,从而输出孔隙的二值图。与大津法、分水岭法、区域生长法和模糊C均值聚类法(Fuzzy C-means,FCM)4种常用孔隙分割方法的对比结果表明,FCN法在低,中,高3种孔隙密度的土壤图像中优于其他4种方法。FCN法的平均分割正确率为98.1%,比4种常用方法分别高25.6%,48.3%,55.7%和9.5%;FCN法的平均过分割率和欠分割率分别为2.2%和1.3%,仅为次优方法(FCM法)的33.8%和23.6%。通过融合土壤孔隙结构的多重特征,FCN法能够实现土壤孔隙整体和局部信息的精准判断,为土壤学的研究提供了一种更加智能化的技术手段。

关键词：土壤图像分割全卷积网络土壤孔隙深度学习

来源：评论

学校读者我要写书评

暂无评论

基于序列信息的土壤CT图像超分辨率重建

引用

农业工程学报 2021年第17期37卷 90-96页

作者：韩巧玲周希博宋润泽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 中国农业大学信息与电气工程学院北京100091

受部分容积效应影响,土壤计算机断层扫描(Computed Tomography,CT)图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络(Sequence information Generative Adversarial Network... 详细信息

受部分容积效应影响,土壤计算机断层扫描(Computed Tomography,CT)图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络(Sequence information Generative Adversarial Network,SeqGAN),实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。

关键词：土壤图像处理 CT图像超分辨率重建深度学习生成式对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于改进复合三角函数的伺服压力机轨迹规划研究

引用

农业机械学报 2023年第2期54卷 450-458页

作者：徐道春吕明青邵珠峰陈涵玉胡益玮王传英北京林业大学工学院北京100083 北京林业大学林业装备与自动化国家林草局重点实验室北京100083 清华大学摩擦学国家重点实验室北京100084 清华大学精密超精密制造装备及控制北京市重点实验室北京100084 济南二机床集团有限公司济南250022

为使伺服压力机具有良好的拉深性能,需要对其轨迹进行合理规划。针对六连杆大型伺服压力机,构建一种主传动机构轨迹规划方法。基于库伦-粘性摩擦模型,建立主传动机构的高精度动力学模型。考虑冲压过程中的工艺约束和要求,提出基于复合... 详细信息

为使伺服压力机具有良好的拉深性能,需要对其轨迹进行合理规划。针对六连杆大型伺服压力机,构建一种主传动机构轨迹规划方法。基于库伦-粘性摩擦模型,建立主传动机构的高精度动力学模型。考虑冲压过程中的工艺约束和要求,提出基于复合三角函数的伺服电机加减速控制的改进模型。针对主传动机构的能耗和效率进行分析,以滑块运动的周期能耗和生产节拍为优化指标,通过线性加权的方式构造多目标优化函数,引入机械手送料时间、滑块最大速度、主动件角速度、伺服电机动态限和热极限等约束,采用遗传算法完成了多目标优化设计。结果显示:优化后,伺服压力机主传动机构在一个周期的能效提升4.54%,生产节拍时间减小3.23%,实现了良好的拉深工艺模式。

关键词：伺服压力机轨迹规划库伦-粘性摩擦模型加减速控制多目标优化

来源：评论

学校读者我要写书评

暂无评论

基于无人机可见光图像的云杉计数方法

引用

林业工程学报 2021年第4期6卷 140-146页

作者：朱学岩张新伟顾梦梦赵燕东陈锋军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和草原局重点实验室北京100083

目前苗木计数一般通过传统人工计数的方法完成,工作重复枯燥,主观性强,亟需快速准确的苗木计数替代方法。以无人机航拍的云杉可见光图像为对象,通过深度学习技术研究快速准确的云杉计数方法。利用大疆精灵4无人机拍摄云杉图像,按多样性... 详细信息

目前苗木计数一般通过传统人工计数的方法完成,工作重复枯燥,主观性强,亟需快速准确的苗木计数替代方法。以无人机航拍的云杉可见光图像为对象,通过深度学习技术研究快速准确的云杉计数方法。利用大疆精灵4无人机拍摄云杉图像,按多样性原则选出558幅;通过调整对比度系数和缩放比例系数,模拟不同光照条件和不同长势的云杉,扩充至1 674幅,按照7∶3的比例划分为训练集1 169幅和测试集505幅。在此基础上,根据YOLO v3(You Only Look Once v3)快速准确检测尺寸差异较大目标的优势,构建了YOLOv3云杉计数模型。根据经验设置训练权值衰减、初始学习率和批处理量分别为0.000 5,0.001和64。其中Darknet-53特征提取模块和多尺度预测模块分别提取云杉特征信息和检测云杉目标,检测到的云杉数量即为云杉计数结果。YOLOv3模型的平均计数准确率为90.24%,均方根误差45.82,欠估计、过估计和总误差分别为15.47%,19.25%和34.72%,处理速度0.415 s/幅。对比全卷积神经网络(fully convolutional networks, FCN)分割加Hough圆检测方法,YOLOv3模型平均计数准确率高出2.49%,均方根误差、欠估计、过估计和总误差分别减少29.32,6.7%,5.7%和12.4%。研究结果表明,YOLOv3模型是对计算机视觉角度云杉计数问题的有效探索。

关键词：苗木计数云杉计数深度学习无人机稠密目标 YOLOv3

来源：评论

学校读者我要写书评

暂无评论

基于潜热效应的活立木冻融检测传感器设计与实验

引用

农业机械学报 2020年第3期51卷 223-231页

作者：田昊高超赵玥郑焱赵燕东北京林业大学工学院北京100083 北京工商大学计算机与信息工程学院北京100048 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

针对植物冻融过程中植物水分生理信息(植物水冰含量)难以实时、在线、连续监测及冻融难以准确判断的问题,设计了一种基于潜热效应的活立木冻融检测传感器。通过检测植物冻融过程中潜热释放引起的温度变化对茎干是否冻融进行有效判断,在... 详细信息

针对植物冻融过程中植物水分生理信息(植物水冰含量)难以实时、在线、连续监测及冻融难以准确判断的问题,设计了一种基于潜热效应的活立木冻融检测传感器。通过检测植物冻融过程中潜热释放引起的温度变化对茎干是否冻融进行有效判断,在准确检测冻融点的基础上,根据茎干体积含水率变化计算冻融过程中的茎干体积含冰量及径向冻融深度,同时设计环式弹片探头消除固定式探头对茎干压迫形成的凹槽。标定结果表明,传感器测量结果与真值拟合决定系数超过0.99。静动态特性分析表明,传感器体积含水率和温度测量范围分别为0~68.67%、-30~80℃,动态响应时间小于2 s。室内冻融模拟实验及室外长期冻融监测表明,传感器能够有效检测植物冻融过程中茎干水分生理参数的变化,可以作为植物冻融的有效监测手段。

关键词：潜热效应静动态特性活立木冻融检测茎干体积含水率茎干体积含冰量径向冻融深度

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

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：