检索结果-内蒙古大学图书馆

复旦学报（自然科学版） 2022年第4期61卷 460-471页

作者：徐凤如张昆明张武王瑞卿汪涛万盛明刘波饶元安徽农业大学信息与计算机学院安徽合肥230036

针对复杂环境下农业采茶机器人无法快速、准确地识别与定位茶树芽叶采摘点的问题,本文采用改进型YOLOv4-Dense算法和OpenCV图像处理方法,对茶树芽叶采摘点的定位问题进行研究。首先,基于YOLOv4算法,将CSPDarkNet53主干特征提取网络中的R... 详细信息

针对复杂环境下农业采茶机器人无法快速、准确地识别与定位茶树芽叶采摘点的问题,本文采用改进型YOLOv4-Dense算法和OpenCV图像处理方法,对茶树芽叶采摘点的定位问题进行研究。首先,基于YOLOv4算法,将CSPDarkNet53主干特征提取网络中的ResNet单元替换为DenseNet单元,使用改进后的算法模型对采集的茶树数据集进行芽叶目标检测;其次,运用OpenCV图像处理方法进行RGB-HSV颜色转换获取芽叶的轮廓,并基于形态学算法定位采摘点的位置;最后,开展采摘点定位方法的对比实验,分别与矩函数法、最小外接矩形中心点法的定位结果进行对比。实验结果表明:1)改进型YOLOv4-Dense算法在芽叶目标检测上的精确率为91.83%,召回率为68.84%,AP值为86.55%,F1分数为0.79;与YOLOv4模型的精确率、召回率、AP值、F1分数相比分别提升了2.21%,2.00%;2.05%,0.02;与YOLO v3模型相比它们分别提升了,5.56%,15.26%;9.13%,0.13;2)针对自然条件下的茶树芽叶,采用OpenCV图像处理方法定位采摘点的精确率为80.8%,召回率为83.2%,与矩函数法、最小外接矩形中心点法相比,分别提升了3.5%,7.1%;1.4%,6.1%。实验数据说明本研究方法对于芽叶采摘点的准确识别与定位具有一定的借鉴意义。

关键词：图像处理茶树芽叶采摘点深度学习

来源：评论

学校读者我要写书评

暂无评论

基于宽度卷积神经网络的异常农情数据检测方法

引用

华南农业大学学报 2022年第2期43卷 113-121页

作者：彭旭饶元乔焰安徽农业大学信息与计算机学院安徽合肥230036 合肥工业大学计算机与信息学院安徽合肥230001

【目的】为准确有效地检测农业物联网的感知数据异常,提出了基于宽度卷积神经网络的异常农情数据检测方法,为实现农业物联网数据高质量感知提供参考。【方法】首先将标准化后的农情数据编码为极坐标表示,通过滑动窗口机制划分子集,接着... 详细信息

【目的】为准确有效地检测农业物联网的感知数据异常,提出了基于宽度卷积神经网络的异常农情数据检测方法,为实现农业物联网数据高质量感知提供参考。【方法】首先将标准化后的农情数据编码为极坐标表示,通过滑动窗口机制划分子集,接着将每个子集数据重构为矩阵,最后设计并训练宽度卷积神经网络模型用于异常检测,采用养殖场环境监测数据进行试验。【结果】构建的滑动窗口机制可提升异常数据检测能力,缩短检测时间。所设计的宽度卷积神经网络对空气温湿度、土壤温湿度等数据中所存在的异常检测准确率均超过97.5%,优于SVM、RF和CNN模型1.69%、2.76%和3.05%;F1值均在0.985以上,优于SVM、RF和CNN模型0.0093、0.0149和0.0163;且在处理波动性较大的空气、土壤温湿度数据时性能优势更为明显,准确率和F1值分别提高了3.61%~5.98%和0.0188~0.0310。此外,该方法模型检测耗时较短,仅为传统CNN模型的1/6~1/7,并且比SVM和RF模型使用更少的超参数。【结论】所建立的数据编码、子集划分和重构方法与宽度卷积神经网络模型对异常农情数据有较好的检测效果。

关键词：农业物联网传感器宽度卷积神经网络异常检测

来源：评论

学校读者我要写书评

暂无评论

基于改进残差网络的黑毛猪肉新鲜度识别方法

引用

农业机械学报 2019年第8期50卷 364-371页

作者：焦俊王文周侯金波孙裴何屿彤辜丽川安徽农业大学信息与计算机学院合肥230036 安徽泓森物联网有限公司亳州236800 安徽农业大学动物科技学院合肥230036

为了提高黑毛猪肉新鲜度的识别准确率,提出基于改进残差网络和迁移学习的黑毛猪肉新鲜度识别方法。首先,根据猪肉的微生物菌体浓度、大肠菌菌体浓度和pH值,结合国家标准,将猪肉新鲜度分为7个类别;然后,将ResNet 50模型用PfidSet数据集训... 详细信息

为了提高黑毛猪肉新鲜度的识别准确率,提出基于改进残差网络和迁移学习的黑毛猪肉新鲜度识别方法。首先,根据猪肉的微生物菌体浓度、大肠菌菌体浓度和pH值,结合国家标准,将猪肉新鲜度分为7个类别;然后,将ResNet 50模型用PfidSet数据集训练,使其具有抽取图像特征的能力,利用模型迁移和模型微调对ResNet 50模型进行改进,即用一个3层的自适应网络取代ResNet-50模型的全连接层和分类层,再使用在PfidSet上训练的网络参数初始化改进的ResNet-50模型权重,运用LReLu -Softplus作为自适应网络的激活函数;最后,将改进ResNet-50模型在猪肉样品的图像数据集上学习得到的知识,迁移到黑毛猪肉新鲜度识别任务。选取7类共计23 427幅黑毛猪肉图像组成样本集,从样本集中随机选择80%的样本用作训练集、其余20%用作测试集进行测试,试验结果表明,迁移学习能够明显提高模型的收敛速度和识别性能,数据扩充有助于增加数据的多样性,避免出现过拟合现象,在迁移学习和数据扩充方式下的总体识别准确率达到94.5%,是一种高效的猪肉新鲜度识别方法。

关键词：猪肉新鲜度迁移学习 LReLu-Softplus激活函数改进残差网络

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算与改进YOLOv5的群养生猪姿态识别及跟踪研究

引用

东北农业大学学报 2023年第3期54卷 83-96页

作者：查文文潘伟豪陈成鹏陈威辜丽川焦俊安徽农业大学信息与计算机学院合肥230036

针对现有生猪检测跟踪算法参数量多、网络相对复杂、计算量大,不利于部署在嵌入式边缘节点的问题,文章提出一种改进YOLOv5s识别算法,结合DeepSort算法,适用于嵌入式边缘计算部署的群养生猪多目标识别跟踪算法。该算法在YOLOv5s主干网络... 详细信息

针对现有生猪检测跟踪算法参数量多、网络相对复杂、计算量大,不利于部署在嵌入式边缘节点的问题,文章提出一种改进YOLOv5s识别算法,结合DeepSort算法,适用于嵌入式边缘计算部署的群养生猪多目标识别跟踪算法。该算法在YOLOv5s主干网络中引入空洞卷积替代普通卷积,降低网络中参数量与计算量;添加CA协调注意力机制使模型锁定重点关注候选区域,提升模型精确度;对YOLOv5s算法主干网络中BN层进行不同比例剪枝操作,减少模型计算量,最后得到最优识别模型。将优化后识别模型结合DeepSort组成Tracking By Detecting算法并移植到Jetson AGX Xavier边缘计算节点中进行试验测试。结果表明,改进的YOLOv5s相较于YOLOv5s模型减少65.3%,模型识别精确度达到96.6%,跟踪消耗时间46 ms左右,跟踪帧率约21.7帧·s^(-1)。研究改进识别跟踪算法可满足在嵌入式边缘计算节点中稳定实时运行,加速推进深度学习算法在畜牧养殖业中的实际应用,为后期生猪预警疾病及其应对措施奠定基础。

关键词：目标检测行为识别多目标跟踪边缘计算

来源：评论

学校读者我要写书评

暂无评论

P2P网络信任模型研究

引用

计算机工程与科学 2012年第11期34卷 62-67页

作者：汪清涟吴国栋孙俊杰安徽农业大学信息与计算机学院安徽合肥230036

由于P2P网络的开放性、匿名性、随机性以及网络节点的高动态性等特点,使得网络节点之间的交流和服务存在着很大的安全隐患。信任模型作为一种解决网络安全隐患的方案,近年来得到了广泛的研究和发展。本文从基于超级节点、基于推荐、基... 详细信息

由于P2P网络的开放性、匿名性、随机性以及网络节点的高动态性等特点,使得网络节点之间的交流和服务存在着很大的安全隐患。信任模型作为一种解决网络安全隐患的方案,近年来得到了广泛的研究和发展。本文从基于超级节点、基于推荐、基于反馈和基于博弈论这四个方面系统总结和分析了目前国内外最具有代表性的P2P网络信任模型,详细阐述了这四类模型的特征,并指出了各自的优势和不足。尽管P2P网络信任模型的研究成果不断涌现,但尚有一些问题有待进一步解决,本文最后结合当前研究热点和难点展望了P2P网络信任模型在未来的研究方向。

关键词： P2P网络网络安全信任模型

来源：评论

学校读者我要写书评

暂无评论

基于基因表达式编程的番茄叶片CO2交换率建模与预测

引用

浙江农业学报 2016年第9期28卷 1616-1623页

作者：李婷婷江朝晖闵文芳姜贯杨饶元安徽农业大学信息与计算机学院安徽合肥230036

针对现有作物生长建模方法存在的不足,引入基因表达式编程算法,开展番茄叶片CO_2交换速率与主要环境因子关系的建模和预测研究。采用基因表达式编程算法建立番茄叶片CO_2交换速率模型,并将该模型与经典的回归模型及神经网络模型进行预... 详细信息

针对现有作物生长建模方法存在的不足,引入基因表达式编程算法,开展番茄叶片CO_2交换速率与主要环境因子关系的建模和预测研究。采用基因表达式编程算法建立番茄叶片CO_2交换速率模型,并将该模型与经典的回归模型及神经网络模型进行预测性能比较。经过3组数据的实验和对比,结果显示,基因表达式编程模型具有最高的预测精度和最佳的预测时效性,同时该算法的复杂度与神经网络相当。研究表明,基因表达式编程算法是一种性能良好的作物建模工具,可作为现有方法的补充。

关键词：作物生长模型基因表达式编程 CO2交换率环境因子

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv3的猪脸识别

引用

中国农业大学学报 2021年第3期26卷 53-62页

作者：何屿彤李斌张锋陶浩兵辜丽川焦俊安徽农业大学信息与计算机学院合肥230036

针对生猪智能化管理中传统标识方法存在的易脱标,易引起生猪感染等问题,采用基于改进YOLOv3模型的非侵入式方法,对生猪多个体识别进行研究。针对原有的YOLOv3模型,在Darknet53特征提取器中引入密连块,结合下采样层组成新的骨干网络;在YO... 详细信息

针对生猪智能化管理中传统标识方法存在的易脱标,易引起生猪感染等问题,采用基于改进YOLOv3模型的非侵入式方法,对生猪多个体识别进行研究。针对原有的YOLOv3模型,在Darknet53特征提取器中引入密连块,结合下采样层组成新的骨干网络;在YOLOv3模型中添加改进的SPP单元,最终构建了YOLOv3DBSPP模型。试验采用的猪脸数据集共分为10类,数据增强后样本为8 512张,训练集和测试集比例约为9∶1。结果表明:1)YOLOv3DBSPP模型在各分类概率阈值下检测猪脸数据集时的平均精度均值均高于YOLOv3模型;2)当IOU阈值为0.5,分类概率阈值为0.1时,YOLOv3DBSPP模型的平均精度均值比YOLOv3模型高9.87%;3)YOLOv3DBSPP模型检测远距离有遮挡的小目标样本时,平均精度值均高于YOLOv3模型。YOLOv3DBSPP模型用于猪脸识别时,能够提高基础特征提取器的特征提取能力以及检测器的准确率。

关键词：猪脸识别 YOLOv3 DenseNet SPP

来源：评论

学校读者我要写书评

暂无评论

一种新型P2P微支付协议P2P-BAPay

引用

计算机工程与科学 2012年第12期34卷 45-50页

作者：孙俊杰汪清涟吴国栋吴先富安徽农业大学信息与计算机学院安徽合肥230036

随着网络技术的迅猛发展,电子商务越来越频繁,电子支付技术也得到了广泛的研究和发展。本文研究的是在P2P网络环境下,针对P2P-NetPay微支付协议中商家不在线时经纪人工作负担过重的问题,通过加入经纪人助理BA,提出了一种基于P2P的新型... 详细信息

随着网络技术的迅猛发展,电子商务越来越频繁,电子支付技术也得到了广泛的研究和发展。本文研究的是在P2P网络环境下,针对P2P-NetPay微支付协议中商家不在线时经纪人工作负担过重的问题,通过加入经纪人助理BA,提出了一种基于P2P的新型微支付协议P2P-BAPay。在新协议中,经纪人助理BA为商家检验消费者电子货币的真实性,分担了经纪人在支付交易中的网络负载和工作负担,同时通过支付字链,能够及时发现消费者和商家的重复消费行为。协议中节点采用了匿名标识身份,在一定程度上有效地保护了节点隐私的安全。

关键词： P2P网络经纪人助理微支付

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel-2遥感影像的巢湖蓝藻水华提取方法研究

引用

生态环境学报 2021年第1期30卷 146-155页

作者：刘海秋任恒奎牛鑫鑫夏萍安徽农业大学信息与计算机学院安徽合肥230036 安徽农业大学农业机械系安徽合肥230036

Sentinel-2卫星兼具了空间分辨率高、重放周期短、谱段丰富三方面特点,为蓝藻水华爆发阶段及时准确的蓝藻水华提取提供了影像基础,但目前在大型湖泊蓝藻水华提取中的应用报道较少。为此,文章以2018—2020年巢湖的Sentinel-2遥感影像为例... 详细信息

Sentinel-2卫星兼具了空间分辨率高、重放周期短、谱段丰富三方面特点,为蓝藻水华爆发阶段及时准确的蓝藻水华提取提供了影像基础,但目前在大型湖泊蓝藻水华提取中的应用报道较少。为此,文章以2018—2020年巢湖的Sentinel-2遥感影像为例,开展包括浮游藻类指数(FAI)在内的多指标蓝藻水华提取方法研究,针对FAI阈值难以确定的典型问题,提出了基于回归分析的FAI阈值确定方法。结果表明,(1)与低分辨率卫星MODIS和GF-1影像的蓝藻水华提取结果相比,Sentinel-2提取到了面积小至100 m2的蓝藻水华区域,提取结果差异主要集中在蓝藻水华区域的边缘部分以及面积较小的零星区域,证明了Sentinel-2遥感影像能够更精确地估算蓝藻水华面积。(2)以NDVI的阈值0为基准,通过回归分析确定FAI的阈值为-1.152(决定系数r2达到0.982 3,显著性检验P<0.001),对2019年6—11月无云雾遮挡的Sentinel-2遥感影像,分别采用归一化植被指数(NDVI)与FAI指标提取蓝藻水华面积,结果表明蓝藻水华的分布情况基本一致,且蓝藻水华面积的相对偏差小于5%,证明了FAI阈值确定方法的有效性。(3)选取云雾遮挡但无大规模蓝藻水华爆发的Sentinel-2遥感影像,分别采用NDVI和FAI指标提取蓝藻水华面积,在无云雾遮挡的区域,两个指标的蓝藻水华分布情况一致,而有云雾遮挡的区域,FAI指标的提取面积仅为NDVI的53.89%,证明FAI指标受云雾影响更小。Sentinel-2遥感影像的高空间分辨率使巢湖蓝藻水华提取更为准确,在未来的水质监测领域将彰显更大的价值。

关键词： Sentinel-2 蓝藻水华 FAI阈值 NDVI

来源：评论

学校读者我要写书评

暂无评论

基于跨层网络编码感知的无线传感器网络节能路由算法研究

引用

电子学报 2015年第12期43卷 2484-2490页

作者：邵星王翠香饶元盐城工学院信息工程学院江苏盐城224051 安徽农业大学信息与计算机学院安徽合肥230036

编码感知路由可以发现路由中的网络编码机会,减少数据传输次数,提高网络吞吐量,是近年来路由算法研究的一个热点.当前编码感知路由存在编码条件失效、未考虑节点能量的问题,不适合直接应用于无线传感器网络.本文提出基于跨层网络编码感... 详细信息

编码感知路由可以发现路由中的网络编码机会,减少数据传输次数,提高网络吞吐量,是近年来路由算法研究的一个热点.当前编码感知路由存在编码条件失效、未考虑节点能量的问题,不适合直接应用于无线传感器网络.本文提出基于跨层网络编码感知的无线传感器网络节能路由算法CAER（Cross layer coding Aware Energy efficient Routing）.提出并证明了修正后的网络编码条件,以解决编码条件失效问题.基于跨层思想,将网络编码感知机制与拓扑控制、覆盖控制结合,挖掘潜在编码机会.提出综合考虑节点编码机会、节点能量的跨层综合路由度量CCRM（Cross layer Coding aware Routing Metric）.仿真结果表明,相比现有编码感知路由,CAER能够提高网络编码感知准确性,增加网络编码机会数量5%-15%,延长网络生存时间8%-12%.

关键词：跨层网络编码感知节能路由算法无线传感器网络

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：