检索结果-内蒙古大学图书馆

安徽农业大学学报(社会科学版) 2013年第3期 2-2页

安徽农业大学信息与计算机学院的前身是创建于1991年的计算机系,2003年更名为信息与计算机学院,经过20多年的建设和发展,学院规模逐渐扩大,办学层次不断提升。学院现有教职工75人,其中教授、副教授20余人,博士、硕士生导师19人。学院现... 详细信息

安徽农业大学信息与计算机学院的前身是创建于1991年的计算机系,2003年更名为信息与计算机学院,经过20多年的建设和发展,学院规模逐渐扩大,办学层次不断提升。学院现有教职工75人,其中教授、副教授20余人,博士、硕士生导师19人。学院现有5个本科专业(计算机科学与技术、电子信息工程、通信工程、网络工程、物流工程)、3个硕士学位授权点(计算机应用技术、农业信息化、作物信息学)、

关键词：安徽农业大学安徽农大学院简介作物信息学计算机

来源：评论

学校读者我要写书评

暂无评论

安徽农业大学信息与计算机学院简介

引用

安徽农业大学学报（社会科学版） 2013年第3期22卷 F0002-F0002,F0003页

安徽农业大学信息与计算机学院的前身是创建于1991年的计算机系，2003年更名为信息与计算机学院，经过20多年的建设和发展，学院规模逐渐扩大，办学层次不断提升。学院现有教职工75人，其中教授、副教授20余人，博士、硕士生导师19人。... 详细信息

安徽农业大学信息与计算机学院的前身是创建于1991年的计算机系，2003年更名为信息与计算机学院，经过20多年的建设和发展，学院规模逐渐扩大，办学层次不断提升。学院现有教职工75人，其中教授、副教授20余人，博士、硕士生导师19人。学院现有5个本科专业（计算机科学与技术、电子信息工程、通信工程、网络工程、物流工程）、3个硕士学位授权点（计算机应用技术、农业信息化、作物信息学）、

关键词：电子信息工程计算机学院安徽农业大学计算机科学与技术计算机应用技术硕士生导师简介学位授权点

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合的轻量型野外蝙蝠检测

引用

图学学报 2025年第1期46卷 70-80页

作者：王杨马唱胡明孙涛饶元袁振羽安徽师范大学计算机与信息学院安徽芜湖241002 哈尔滨工业大学机电工程学院黑龙江哈尔滨150001 安徽农业大学信息与计算机学院安徽合肥230036

野外蝙蝠检测对于生态保护和科学研究具有重要意义。针对计算资源有限和复杂野外环境带来的挑战,提出了一种轻量型蝙蝠检测模型(LiteDETR-Bat),旨在实现高效的实时检测。首先为了解决特征映射冗余问题,引入重参数卷积高效层聚合网络(RCE... 详细信息

野外蝙蝠检测对于生态保护和科学研究具有重要意义。针对计算资源有限和复杂野外环境带来的挑战,提出了一种轻量型蝙蝠检测模型(LiteDETR-Bat),旨在实现高效的实时检测。首先为了解决特征映射冗余问题,引入重参数卷积高效层聚合网络(RCELAN)替换传统的ResNet主干网络,采用多分支特征聚合机制,有效降低了计算复杂度和参数量。其次设计了动态采样多尺度特征融合(DS-MFF),该结构集成空洞卷积和动态采样算子,通过扩大感受野并自适应调整采样位置,优化多尺度特征融合,提升多样化特征处理时模型的灵活性和鲁棒性。最后在安徽省野外环境下采集了一个涵盖多种光照条件、视角变化及蝙蝠形态变化的蝙蝠数据集,并进行了模型性能等相关实验。实验结果表明,该LiteDETR-Bat模型不仅能够使参数量降低了46.5%,mAP达到97.2%,同时在准确性和实时性上相比于YOLO系列算法均取得了一定地提升。LiteDETR-Bat模型为野外蝙蝠的监测与保护工作提供了有力的技术支持,展现了其在生态监测和生物多样性保护中的应用潜力。

关键词：野外蝙蝠 RT-DETR 多尺度特征轻量级目标检测

来源：评论

学校读者我要写书评

暂无评论

基于残差神经网络的水稻氮磷钾元素营养诊断

引用

中国农业大学学报 2025年第2期30卷 163-175页

作者：孔杰杨红云黄淑梅吴正孙爱珍江西农业大学软件学院南昌330045 江西农业大学计算机与信息工程学院南昌330045

为实现水稻氮磷钾3种主要营养元素缺失种类的快速、准确诊断识别,以晚稻“黄华占”为研究对象,进行水稻大田栽培试验。分别设置:4个施氮水平,施肥总量分别为:N0(0 kg/hm^(2))、N1(130 kg/hm^(2))、N2(260 kg/hm^(2))以及N3(390 kg/hm^(2... 详细信息

为实现水稻氮磷钾3种主要营养元素缺失种类的快速、准确诊断识别,以晚稻“黄华占”为研究对象,进行水稻大田栽培试验。分别设置:4个施氮水平,施肥总量分别为:N0(0 kg/hm^(2))、N1(130 kg/hm^(2))、N2(260 kg/hm^(2))以及N3(390 kg/hm^(2));4个施磷水平,P0(0 kg/hm^(2))、P1(300 kg/hm^(2))、P2(600 kg/hm^(2))和P3(780 kg/hm^(2));4个施钾水平,K0(0 kg/hm^(2))、K1(90 kg/hm^(2))、K2(180 kg/hm^(2))和K3(270 kg/hm^(2))。在水稻分蘖期和拔节期,首先扫描获得水稻各分蘖茎完全展开的顶三叶叶片图像数据,生成对抗网络(Generative Adversarial Network,GAN)对水稻图片进行超分辨率重构后,并通过图像预处理对数据进行归一化和扩充;此外,在保留残差神经网络Resnet34的主干结构的情况下,在残差块中引入注意力机制和软阈值化函数,并将在ImageNet图像数据集上得到的预训练权重迁移至改进了残差结构的模型中,从而对水稻分蘖期,拔节期叶片图像数据进行氮磷钾营养元素缺素胁迫诊断识别。结果表明:改进后的Resnet34网络在重度缺肥梯度的2个时期测试准确率分别达到98.98%和98.10%,在中度缺肥梯度的准确率达到了97.99%和95.90%。在过量肥梯度的准确率为91.87%和88.49%;与改进前的网络相比,在分蘖期和拔节期的水稻图像测试集上,三元素胁迫分类准确率最大提升了29.58%和29.75%;分析混淆矩阵发现对氮胁迫的识别准确率最佳,在训练曲线上表现出更快的收敛速度。综上,本研究建立的水稻氮磷钾营养元素诊断模型能很好地在水稻分蘖期,拔节期完成水稻氮磷钾3类营养元素缺素胁迫诊断,预测水稻生长营养状态,可为水稻氮磷钾元素营养诊断提供科学参考。

关键词：水稻氮磷钾营养诊断 Resnet34 注意力机制软阈值化

来源：评论

学校读者我要写书评

暂无评论

基于音视频信息融合与Self-Attention-DSC-CNN6网络的鲈鱼摄食强度分类方法

引用

农业机械学报 2025年第1期56卷 16-24页

作者：李道亮李万超杜壮壮中国农业大学信息与电气工程学院北京100083 国家数字渔业创新中心北京100083 天津农学院计算机与信息工程学院天津300392

摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂... 详细信息

摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂提供更加全面精准的决策依据。因此,提出了一种融合视频和音频数据的多模态融合框架,旨在提升鲈鱼摄食强度分类性能。将预处理后的Mel频谱图(Mel Spectrogram)和视频帧图像分别输入到Self-Attention-DSC-CNN6(Self-attention-depthwise separable convolution-CNN6)优化模型进行高层次的特征提取,并将提取的特征进一步拼接融合,最后将拼接后的特征经分类器分类。针对Self-Attention-DSC-CNN6优化模型,基于CNN6算法进行了改进,将传统卷积层替换为深度可分离卷积(Depthwise separable convolution,DSC)来达到减少计算复杂度的效果,并引入Self-Attention注意力机制以增强特征提取能力。实验结果显示,本文所提出的多模态融合框架鲈鱼摄食强度分类准确率达到90.24%,模型可以有效利用不同数据源信息,提升了对复杂环境中鱼群行为的理解,增强了模型决策能力,确保了投喂策略的及时性与准确性,从而有效减少了饲料浪费。

关键词：鲈鱼摄食强度分类多模态融合 Self-Attention-DSC-CNN6

来源：评论

学校读者我要写书评

暂无评论

不同成熟度番茄果实多模态图像数据集

引用

中国科学数据(中英文网络版) 2025年第1期10卷 66-81页

作者：张雨饶元陈文骏侯文慧闫胜利李洋周传起王丰仪储忧艺时玉龙安徽农业大学信息与计算机学院合肥230036 农业农村部农业传感器重点实验室合肥230036 智慧农业技术与装备安徽省重点实验室合肥230036 安徽农业大学工学院合肥230036

准确识别番茄成熟度并确定最佳收获时间是实现番茄高效采摘并保障采后品质的重要前提。然而,在实际采摘作业场景中,复杂光照导致RGB图像质量下降,限制模型特征提取能力,影响应用效果。此外,现有的番茄串检测和分割数据集难以在番茄异步... 详细信息

准确识别番茄成熟度并确定最佳收获时间是实现番茄高效采摘并保障采后品质的重要前提。然而,在实际采摘作业场景中,复杂光照导致RGB图像质量下降,限制模型特征提取能力,影响应用效果。此外,现有的番茄串检测和分割数据集难以在番茄异步成熟的生长过程中满足成熟度定向采摘需求。构建基于可见光、深度、近红外的不同成熟度番茄果实多模态图像数据集,能够有效弥补当前研究领域的空白。本数据集采用机械车平台采集和人工辅助采集两种采集方式拍摄视频流数据,通过抽帧降冗、模态对齐、人工筛选等步骤获得4000组多模态图像数据样本,涵盖自然光、人工光、微弱光、钠黄光4种光照条件下的番茄样本图像,包含未熟、半熟、成熟三类成熟度的目标检测和语义分割标注,共计10.08GB。本数据集在YOLOX和Deeplabv3+模型上表现良好,可为番茄智能管理与采收设备的视觉智能系统研发提供基础数据支撑。

关键词：番茄成熟度多模态目标检测语义分割

来源：评论

学校读者我要写书评

暂无评论

ChemRB:基于双向分子环约束的新型生成模型

引用

陕西师范大学学报(自然科学版) 2025年第1期53卷 45-59页

作者：王庆勇唐良贵王振宇辜丽川安徽农业大学信息与人工智能学院安徽合肥230036 安徽农业大学兽医病理生物学与疫病防控安徽省重点实验室安徽合肥230036 安徽农业大学智慧农业技术与装备安徽省重点实验室安徽合肥230036 安徽农业大学安徽省农情信息感知与智能计算工程研究中心安徽合肥230036

在药物发现的早期阶段,深度生成模型正逐渐成为分子设计的关键工具。简化分子线输入系统(simplified moleaclar input line entry system,SMILES)作为标准的化学表示法,被广泛用于模型训练与生成。然而,由于分子环系统线性表示的非唯一... 详细信息

在药物发现的早期阶段,深度生成模型正逐渐成为分子设计的关键工具。简化分子线输入系统(simplified moleaclar input line entry system,SMILES)作为标准的化学表示法,被广泛用于模型训练与生成。然而,由于分子环系统线性表示的非唯一性和非方向性,现有的单向编码器在捕捉样本全局语义结构和生成有效分子环时存在局限性。因此,提出一种名为Chemical RWKV BERT(ChemRB)的方法,旨在从海量的未标记数据中深度挖掘双向信息。为实现这一目标,创新性地设计了2个预训练任务:环级特征预测与全局跨度闭合预测。这些预训练任务不仅为模型提供了丰富多元的上下文信息,更进一步提升了其对复杂分子结构特性的深入理解。实验结果显示:ChemRB模型不仅在性能上取得了显著提升,而且在新分子/样本的评估指标上也达到了最优的基准性能。结果充分验证了ChemRB在精准捕获分子固有结构信息方面的有效性,为其在相关领域的应用提供了坚实的实证基础。最后,通过在EGFR抑制剂上的测试和应用,进一步验证了ChemRB模型的实用性和广泛应用前景。

关键词：分子建模分子生成分子环系统 SMILES 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于DeepLabv3—Faster R—CNN的水稻叶片病害检测方法

引用

中国农机化学报 2025年第4期46卷 108-113+132页

作者：刘宇平刘程飞赵平伟山西工程科技职业大学计算机工程学院太原理工大学信息与计算机学院山西农业大学信息科学与工程学院

在农业生产中需要尽早准确地检测和识别水稻叶片病害。为减小水稻叶片病害识别中背景噪声的影响并提高病害检测的准确度，提出一种基于DeepLabv3—Faster R—CNN网络的水稻叶片病害检测方法。待检测的水稻叶片图像首先经过DeepLabv3网... 详细信息

在农业生产中需要尽早准确地检测和识别水稻叶片病害。为减小水稻叶片病害识别中背景噪声的影响并提高病害检测的准确度，提出一种基于DeepLabv3—Faster R—CNN网络的水稻叶片病害检测方法。待检测的水稻叶片图像首先经过DeepLabv3网络进行图像分割，获得背景和叶片分割的初步结果，再把经过背景分割的叶片图像中叶片部分还原进行检测，从而规避背景部分噪声对检测结果的影响。检测部分主要由FasterR—CNN网络实现，结合特征金字塔和CBAM方法，提高模型对多尺度水稻叶片病害目标的检测能力。通过公开数据集训练模型，得到该方法对白叶枯病、稻瘟病、褐斑病和黄矮病的平均检测准确率达到98.1%。

关键词：水稻叶片病害检测深度学习图像分割目标检测

来源：评论

学校读者我要写书评

暂无评论

基于角色的自适应参数共享方法

引用

模式识别与人工智能 2025年第3期38卷 193-204页

作者：方宝富王琼王浩王在俊合肥工业大学计算机与信息学院合肥230601 新疆农业大学计算机与信息工程学院乌鲁木齐830052 中国民用航空飞行学院民航飞行技术与飞行安全重点实验室广汉618307

在大规模异构多智能体强化学习中,参数共享常用于减少训练参数并加速训练过程,但传统完全参数共享方法容易导致智能体行为过度一致,而独立参数训练方法却受到计算复杂度和内存限制.因此,文中提出基于角色的自适应参数共享方法(Role-Base... 详细信息

在大规模异构多智能体强化学习中,参数共享常用于减少训练参数并加速训练过程,但传统完全参数共享方法容易导致智能体行为过度一致,而独立参数训练方法却受到计算复杂度和内存限制.因此,文中提出基于角色的自适应参数共享方法(Role-Based Adaptive Parameter Sharing Method,RAPS).首先,根据智能体的任务特性进行角色分组.然后,在同一网络结构下,结合非结构化网络剪枝技术,为不同角色的智能体生成稀疏化的子网络结构,并引入动态调整机制,根据任务需求自适应优化共享参数与独立参数的比例.此外,通过角色间的协作损失函数,进一步增强异构智能体间的协调能力,在有效降低计算复杂度的同时,保持异构智能体的行为差异性.实验表明,在不同多智能体任务上,RAPS都能提升多智能体系统的性能和可扩展性.

关键词：大规模异构多智能体强化学习参数共享非结构化网络剪枝角色分组

来源：评论

学校读者我要写书评

暂无评论

葡萄多模态目标检测和语义分割数据集

引用

中国科学数据(中英文网络版) 2025年第1期10卷 82-97页

作者：陈文骏饶元王丰仪张雨杨雨梦罗庆张通万天与刘心宇张梦宇张蕊安徽农业大学信息与计算机学院合肥230036 农业农村部农业传感器重点实验室合肥230036 智慧农业技术与装备安徽省重点实验室合肥230036

葡萄果实的采摘点定位准确率依赖于目标检测和语义分割网络的性能。然而,在实际应用场景中,基于可见光图像的葡萄果实目标识别准确率和分割精度易受光照变化、复杂环境影响,往往表现不佳,且葡萄果实成串生长,现有苹果、梨子等多模态数... 详细信息

葡萄果实的采摘点定位准确率依赖于目标检测和语义分割网络的性能。然而,在实际应用场景中,基于可见光图像的葡萄果实目标识别准确率和分割精度易受光照变化、复杂环境影响,往往表现不佳,且葡萄果实成串生长,现有苹果、梨子等多模态数据集难以满足串形葡萄果实的识别需求。构建基于可见光、深度、近红外的葡萄多模态目标检测和语义分割数据集,对于探索更高识别率和更强泛化能力的葡萄果实目标检测和语义分割模型至关重要。本数据集约39.08 GB,共收集了在不同光照和遮挡条件下青色、紫色两类6个品种的葡萄高质量多模态视频流数据,并从中提取3954张图像样本进行语义分割和目标检测标注。在使用旋转、缩放、错切、平移,以及高斯模糊等图像增强手段下,可满足主流深度学习模型训练需要。本数据集可为多模态视觉数据融合、葡萄果实语义分割和目标检测等领域提供宝贵的基础数据资源,对促进农机装备智能化领域研究具有重要的实际应用价值。

关键词：自然环境葡萄多模态语义分割目标检测

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：