检索结果-内蒙古大学图书馆

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

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

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

基于迁移学习的葡萄叶片病害识别及移动端应用

引用

农业工程学报 2021年第10期37卷 127-134页

作者：苏仕芳乔焰饶元安徽农业大学信息与计算机学院合肥230036

为解决已有的卷积神经网络在小样本葡萄病害叶片识别的问题中出现的收敛速度慢,易产生过拟合现象等问题,提出了一种葡萄叶片病害识别模型(Grape-VGG-16,GV),并针对该模型提出基于迁移学习的模型训练方式。将VGG-16网络在ImageNet图像数... 详细信息

为解决已有的卷积神经网络在小样本葡萄病害叶片识别的问题中出现的收敛速度慢,易产生过拟合现象等问题,提出了一种葡萄叶片病害识别模型(Grape-VGG-16,GV),并针对该模型提出基于迁移学习的模型训练方式。将VGG-16网络在ImageNet图像数据集上学习的知识迁移到本模型中,并设计全新的全连接层。对收集到的葡萄叶片图像使用数据增强技术扩充数据集。基于扩充前后的数据集,对全新学习、训练全连接层的迁移学习、训练最后一个卷积层和全连接层的迁移学习3种学习方式进行了试验。试验结果表明,1)迁移学习的2种训练方式相比于全新学习准确率增加了10~13个百分点,并在仅训练25轮达到收敛,该方法有效提升了模型分类性能,缩短模型的收敛时间;2)数据扩充有助于增加数据的多样性,并随着训练次数的增加,训练与测试准确率同步上升,有效缓解了过拟合现象。在迁移学习结合数据扩充的方式下,所构建的葡萄叶片病害识别模型(GV)对葡萄叶片病害的识别准确率能达到96.48%,对健康叶、褐斑病、轮斑病和黑腐病的识别准确率分别达到98.04%、98.04%、95.83%和94.00%。最后,将最终的研究模型部署到移动端,实现了田间葡萄叶片病害的智能检测,为葡萄病害的智能诊断提供参考。

关键词：图像识别病害葡萄叶片迁移学习数据扩充移动端

来源：评论

学校读者我要写书评

暂无评论

基于近红外高光谱的梨叶片炭疽病与黑斑病识别

引用

农业机械学报 2022年第2期53卷 221-230页

作者：刘莉陶红燕方静郑文娟王良龙金秀安徽农业大学园艺学院合肥230036 安徽农业大学信息与计算机学院合肥230036

针对梨炭疽病和黑斑病发病症状很相似,难以区分,导致实际生产中不便对症施药的问题,以砀山酥梨叶片为研究对象,探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性。首先,运用高光谱成像系统采集砀山酥梨正常叶片、炭疽病叶片和黑... 详细信息

针对梨炭疽病和黑斑病发病症状很相似,难以区分,导致实际生产中不便对症施药的问题,以砀山酥梨叶片为研究对象,探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性。首先,运用高光谱成像系统采集砀山酥梨正常叶片、炭疽病叶片和黑斑病叶片的高光谱图像,提取图像的平均光谱反射率。采用多元散射校正法(Multiplicative scatter correction,MSC)、SavitzkyGolay卷积平滑法和标准正态变换法(Standard normal variate,SNV)分别对原始光谱数据进行预处理。然后,采用主成分分析算法(Principal component analysis,PCA)、连续投影算法(Successive projections algorithm,SPA)、无信息变量消除法(Uniformative variable elimination,UVE)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、随机蛙跳算法(Shuffled frog leaping algorithm,SFLA)提取特征波长,分别获取了27、12、15、26、20条特征波长,并将其作为后期建模的输入变量。经对比发现,在各基于特征波长建立的支持向量机(SVM)分类识别模型以及BP神经网络分类识别模型中,SPASVM识别模型效果最佳,测试集准确率为93.25%,建模集准确率为94.80%。试验结果证明,利用高光谱技术能够有效识别砀山酥梨叶片的黑斑病与炭疽病。

关键词：砀山酥梨炭疽病黑斑病高光谱特征波长识别模型

来源：评论

学校读者我要写书评

暂无评论

基于近邻传播算法的茶园土壤墒情传感器布局优化

引用

农业工程学报 2019年第6期35卷 107-113页

作者：张武张嫚嫚洪汛江朝晖蒋跃林安徽农业大学信息与计算机学院合肥230036 安徽农业大学资源与环境学院合肥230036

针对节水灌溉的土壤墒情传感器布局问题,提出了基于近邻传播算法(affinity propagation,AP聚类算法)的优化布局策略。策略在保证茶园传感网络全覆盖的基础上,实时采集试验区各节点的土壤墒情数据,构建节点土壤含水率的相似度矩阵,并迭... 详细信息

针对节水灌溉的土壤墒情传感器布局问题,提出了基于近邻传播算法(affinity propagation,AP聚类算法)的优化布局策略。策略在保证茶园传感网络全覆盖的基础上,实时采集试验区各节点的土壤墒情数据,构建节点土壤含水率的相似度矩阵,并迭代计算各节点的吸引度和归属度值,得出聚类数和聚类中心。结果表明,采用AP聚类算法对试验区域传感器进行优化布局,优化了传感器数量和位置,使传感器数量由25个减少到2个。在试验区随机采集土壤相对含水率,经验证,聚类中心节点的土壤相对含水率与试验区平均值相近,相对偏差近为0.76%,表明聚类中心节点的土壤墒情数据具有代表性。该方法有效降低了数据的冗余度,节约了系统成本。

关键词：墒情传感器聚类算法:优化布局 AP

来源：评论

学校读者我要写书评

暂无评论

农用机器人转向系统自适应内模控制

引用

农业机械学报 2011年第10期42卷 186-191,234页

作者：焦俊江朝晖金瑞春许正荣刘波安徽农业大学信息与计算机学院合肥230036 合肥工业大学计算机与信息学院合肥230009

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优... 详细信息

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优化,适应性地调整时滞时间和增益,克服参数时变对内模控制和被控对象模型的影响。仿真和试验结果表明,与常规的PID控制方法相比,该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全适用于农用机器人转向系统的控制。

关键词：农用机器人转向系统自适应内模控制非线性PID控制 Adaline神经网络

来源：评论

学校读者我要写书评

暂无评论

基于LSTM和SMC的农用履带机器人轨迹跟踪控制

引用

系统仿真学报 2023年第4期35卷 747-759页

作者：刘东阳查文文陶亮朱诚辜丽川焦俊安徽农业大学信息与计算机学院安徽合肥230036

轨迹跟踪是移动机器人控制技术的重要领域之一,拥有广阔的发展前景,而高度非线性的动态特性是控制器设计的主要障碍。提出了一种基于长短期记忆网络(LSTM)和准滑动模态的滑模控制(SMC)方法。给出履带车的运动学模型和动力学模型,并基于... 详细信息

轨迹跟踪是移动机器人控制技术的重要领域之一,拥有广阔的发展前景,而高度非线性的动态特性是控制器设计的主要障碍。提出了一种基于长短期记忆网络(LSTM)和准滑动模态的滑模控制(SMC)方法。给出履带车的运动学模型和动力学模型,并基于动力学模型建立滑模控制系统。设计基于深度学习方法的LSTM网络来对未知干扰项进行控制补偿,降低外部干扰的影响,通过结合LSTM网络和准滑动模态的优势,减弱震颤现象。并给出控制系统的稳定性分析。在不同轨迹上进行长短期记忆网络MATLAB/Simulink仿真实验,并与现有方法进行了比较,证明了其优越性。

关键词：长短期记忆网络滑模控制运动学模型动力学模型轨迹跟踪

来源：评论

学校读者我要写书评

暂无评论

一种基于光强图像深度学习的波前复原方法

引用

激光与光电子学进展 2020年第8期57卷 247-256页

作者：马慧敏焦俊乔焰刘海秋高彦伟安徽农业大学信息与计算机学院安徽合肥230031

基于深度学习的波前复原方法是利用训练好的卷积神经网络(CNN)模型并直接根据输入的光强图像得到波前像差的Zernike系数,不需要进行迭代计算,方法简单易于实现,便于快速获取相位。CNN的训练是通过对大量畸变远场光强图像和其对应的Zern... 详细信息

基于深度学习的波前复原方法是利用训练好的卷积神经网络(CNN)模型并直接根据输入的光强图像得到波前像差的Zernike系数,不需要进行迭代计算,方法简单易于实现,便于快速获取相位。CNN的训练是通过对大量畸变远场光强图像和其对应的Zernike波前系数数据进行训练,自动提取光强图像特征,学习光强和Zernike系数的关系。本研究基于35阶Zernike大气湍流像差,建立了基于CNN的波前复原模型,通过分析该方法对静态波前畸变的复原能力,验证了基于CNN的波前复原方法的可行性及复原能力。

关键词：成像系统自适应光学波前复原深度学习卷积神经网络非迭代复原方法

来源：评论

学校读者我要写书评

暂无评论

知识图谱增强的图神经网络推荐研究进展

引用

计算机工程与应用 2023年第4期59卷 18-29页

作者：吴国栋王雪妮刘玉良安徽农业大学信息与计算机学院合肥230036

已有推荐方法主要基于用户与项目的历史交互行为,未充分运用用户及项目相关特征信息,推荐效果并不理想。知识图谱(knowledge graph,KG)增强的图神经网络(graph neural network,GNN)推荐,是以用户与项目交互行为构建的交互图为基础,引入... 详细信息

已有推荐方法主要基于用户与项目的历史交互行为,未充分运用用户及项目相关特征信息,推荐效果并不理想。知识图谱(knowledge graph,KG)增强的图神经网络(graph neural network,GNN)推荐,是以用户与项目交互行为构建的交互图为基础,引入同为图结构的知识图谱,并运用图神经网络技术进行处理,从而实现个性化推荐。深入探讨了现有知识图谱增强的图神经网络推荐研究进展。首先在对图神经网络推荐和知识图谱推荐进行探讨的基础上,从项目知识图谱和协同知识图谱视角,深入分析了当前知识图谱增强的图神经网络推荐取得的相关研究成果;然后从大规模动态知识图谱处理、用户对项目属性的偏好挖掘、知识图谱的图嵌入学习等方面,指出了已有知识图谱增强的图神经网络推荐研究存在的主要问题;最后从动态时序知识图谱增强的GNN推荐、元学习的知识图谱增强GNN推荐、多模态知识图谱增强的GNN推荐、知识图谱增强的GNN跨领域推荐等方面,展望了知识图谱增强的图神经网络推荐未来主要研究方向。

关键词：知识图谱图神经网络推荐系统项目知识图谱协同知识图谱

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：