检索结果-内蒙古大学图书馆

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

基于改进RT-Detr的黄瓜果实选择性采摘识别方法

引用

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

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

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

基于半监督CST的湿地场景下细粒度鸟类检测

引用

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

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：