检索结果-内蒙古大学图书馆

西南农业学报 2023年第6期36卷 1346-1356页

作者：李广博查文文陈成鹏时国龙辜丽川焦俊安徽农业大学信息与计算机学院合肥230036

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力... 详细信息

[目的]针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题,采用改进YOLOv5s的模型对猪脸进行非入侵式识别。[方法]首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度;其次,引入CA坐标注意力机制,提高模型特征提取的能力;最后,引入BiFPN特征融合,有效利用特征提高模型的检测能力。试验采用的猪脸数据集共分为5类,数据增强后样本为12756张,训练集和测试集划分比例为9∶1。[结果]改进后的算法在准确率、召回率、平均精确率(IOU=0.5)分别达到0.926、0.897、0.955,比原始YOLOv5s算法分别提高13.2%、3.0%、2.2%,同时,改进后的算法在单只、多只、小目标、密集、有遮挡的场景下,泛化能力较强、识别精准度高。[结论]利用深度学习算法,可以获取生猪面部信息并准确识别,减少漏检、错检情况,为生猪智能化管理提供较好的技术支持。

关键词：猪脸识别 YOLOv5 K-Means 坐标注意力机制 BiFPN

来源：评论

学校读者我要写书评

暂无评论

一种面向自然语言交互接口语义分析的MNet方法研究

引用

小型微型计算机系统 2023年第2期44卷 340-348页

作者：沈春山肖宗涛徐德强安徽农业大学信息与计算机学院合肥230036

自然语言接口的语义分析任务是将自然语言指令转化为某种目标系统的形式化描述逻辑,是对自然语言的形式化建模,但语义分析模型在可视化、并发性、复杂度、一致性、可变性等方面还不够完善.在吸收语义网、深度网络、依存分析等现有概念... 详细信息

自然语言接口的语义分析任务是将自然语言指令转化为某种目标系统的形式化描述逻辑,是对自然语言的形式化建模,但语义分析模型在可视化、并发性、复杂度、一致性、可变性等方面还不够完善.在吸收语义网、深度网络、依存分析等现有概念基础上,提出一种综合的意元网络MNet的语义分析方法.MNet由意元、内关系、外关系及特征属性构成,并通过层次化递归的方式进行定义,期待面向从短语、句子到篇章的整体语义空间描述.从元关系、树结构和网结构3个过程设计了MNet一般构造算法.重点提出了自底向上规约式的MNet语义依存树构造算法,实验表明MNet能有效解决语义依存分析和自然语言控制接口问题.将SCADA系统的自然语言操控接口的语义分析过程转化成MNet的一般构造过程,为自然语言语义分析提供了一定的思路.

关键词：自然语言处理系统控制与数据采集自然语言接口

来源：评论

学校读者我要写书评

暂无评论

面向嵌入式除草机器人的玉米田间杂草识别方法

引用

计算机工程与应用 2024年第2期60卷 304-313页

作者：何全令杨静文梁晋欣傅雷扬滕杰李绍稳安徽农业大学信息与计算机学院合肥230036 智慧农业技术与装备安徽省重点实验室合肥230036

为了实现嵌入式除草机器人在玉米田间准确、快速的进行除草工作,提出了一种实时目标检测算法GBCYOLOv5s。使用1×1卷积和深度可分离卷积的组合替代普通卷积,在不改变输出特征图大小的情况下减少主干网络产生的杂草冗余特征。设计了... 详细信息

为了实现嵌入式除草机器人在玉米田间准确、快速的进行除草工作,提出了一种实时目标检测算法GBCYOLOv5s。使用1×1卷积和深度可分离卷积的组合替代普通卷积,在不改变输出特征图大小的情况下减少主干网络产生的杂草冗余特征。设计了一种双向特征融合网络(S-BiFPN)增强特征提取能力,充分利用不同尺度的特征提高杂草检测速度,并将多通道结构与自注意力机制结合,通过对输入特征进行压缩与再加权,以加强对小目标的关注度。针对不同的环境构建MWeed数据集进行测试,结果表明,与现有Yolov5s、Faster RCNN等模型方法相比,GBC-YOLOv5s模型轻量化后的大小仅为3.3 MB,输入图像的检测耗时(GPU)达到15.6 ms,平均精度(mAP)达到96.3%,能够有效地提升目标检测速度和识别精度,为农业智能除草领域提供理论依据。

关键词： YOLOv5s 目标识别模型压缩特征融合

来源：评论

学校读者我要写书评

暂无评论

实用拜占庭容错共识算法的奖惩机制优化研究

引用

计算机工程与应用 2024年第7期60卷 266-273页

作者：张苗李绍稳吴雨婷涂立静张磊杨尚雄安徽农业大学信息与计算机学院合肥230036 智慧农业技术与装备安徽省重点实验室合肥230036

联盟链是农业溯源行业的首选区块链方案,针对其核心共识机制实用拜占庭容错共识算法(PBFT)存在的共识安全性低、主节点出错概率大、通信开销大等问题,通过引入奖惩机制以及分组共识机制,提出了基于奖惩机制的改进实用拜占庭容错共识算... 详细信息

联盟链是农业溯源行业的首选区块链方案,针对其核心共识机制实用拜占庭容错共识算法(PBFT)存在的共识安全性低、主节点出错概率大、通信开销大等问题,通过引入奖惩机制以及分组共识机制,提出了基于奖惩机制的改进实用拜占庭容错共识算法。把节点划分为4类,制定节点信誉规则,增强节点主动性,减少拜占庭节点的参与;剔除作恶节点参与共识资格,统计其余节点信誉值及票数,动态筛选信誉良好节点作为共识节点,并依据最高信誉值规则选取主节点,从而提升共识安全、降低拜占庭节点当选主节点概率;以PBFT共识为基础,将共识过程简化为组内共识及全局共识两个阶段,并基于最少广播消息数提出最优分组,缓解共识节点数目增多导致通信量过大的问题。实验结果表明,该方案能够有效抑制拜占庭节点,提升共识安全性能,降低共识成本。

关键词：区块链共识算法奖惩机制分组共识

来源：评论

学校读者我要写书评

暂无评论

高光谱影像的鲜桃可溶性固形物含量预测模型

引用

光谱学与光谱分析 2021年第11期41卷 3559-3564页

作者：杨宝华高志伟齐麟朱月高远安徽农业大学信息与计算机学院安徽合肥230036

可溶性固形物含量(SSC)是决定鲜桃风味和品质的重要成分。高光谱影像的特征提取为无损检测可溶性固形物含量提供了数据基础和方法路径。先前的研究表明,基于多光谱、荧光谱、近红外光谱、电子鼻的水果内部品质评估取得较好的结果。但是... 详细信息

可溶性固形物含量(SSC)是决定鲜桃风味和品质的重要成分。高光谱影像的特征提取为无损检测可溶性固形物含量提供了数据基础和方法路径。先前的研究表明,基于多光谱、荧光谱、近红外光谱、电子鼻的水果内部品质评估取得较好的结果。但是,由于缺少多特征融合,从而限制了水果品质的精准估测。为此,提出了一种基于堆栈自动编码器-粒子群优化支持向量回归(SAE-PSO-SVR)模型预测鲜桃可溶性固形物含量。首先,利用高光谱影像提取光谱信息、空间信息及空-谱融合信息。其次,设置普适性堆栈自动编码器(SAE)提取光谱信息、空间信息及空-谱融合信息的深层特征。最后,将深层特征作为粒子群优化支持向量回归(PSO-SVR)模型的输入数据进行鲜桃可溶性固形物含量的预测。其中,对于光谱信息作为输入的SAE模型,设计了453-300-200-100-40, 453-350-250-150-50, 453-350-250-100-60的三个隐含层结构。对于空间信息作为输入的SAE模型,设计了894-700-500-300-50, 894-650-350-200-80, 894-800-700-500-100的三个隐含层结构。对于融合信息作为输入的SAE模型,设计了1347-800-400-200-40, 1347-750-550-400-100, 1347-700-500-360-150的三个隐含层结构。实验结果表明,对于输入数据分别为光谱信息、空间信息及融合信息的SAE模型,结构为453-300-200-100-40, 894-800-700-500-100和1347-750-550-400-100的模型效果较好,而且基于融合信息的模型预测精度明显优于基于光谱信息或者图像信息的模型。为了验证模型的普适性,利用结构为1347-750-550-400-100的SAE模型提取融合信息的深层特征估测不同品种鲜桃的可溶性固形物含量并进行可视化。结果表明,基于结构为1237-650-310-130的SAE-PSO-SVR模型预测效果最好(R2=0.873 3, RMSE=0.645 1)。因此,所提出的SAE-PSO-SVR模型提高了鲜桃可溶性固形物含量的估计精度,为鲜桃的其他成分检测提供了技术支撑。

关键词：可溶性固形物含量高光谱影像深层特征支持向量回归鲜桃

来源：评论

学校读者我要写书评

暂无评论

一种基于改进YOLOv4算法的茶树芽叶采摘点识别及定位方法

引用

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

基于改进Inception网络的复杂环境下小样本黄瓜叶片病害识别

引用

华中农业大学学报 2023年第3期42卷 152-160页

作者：满超饶元张敬尧乔焰王胜和安徽农业大学信息与计算机学院合肥230036 安徽省公安教育研究院合肥230031 合肥工业大学计算机与信息学院合肥230601

为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题,将自注意力机制模块引入激活重建生成对抗网络(activation reconstruction GAN,AR-GAN),采用Smooth L_(1)正则化作为损失函数,设计改进激活重建生... 详细信息

为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题,将自注意力机制模块引入激活重建生成对抗网络(activation reconstruction GAN,AR-GAN),采用Smooth L_(1)正则化作为损失函数,设计改进激活重建生成对抗网络IAR-GAN(improved AR-GAN)增广黄瓜叶片病害图像。通过在Inception网络基础上加入空洞卷积和形变卷积,设计空洞和形变卷积神经网络(dilated and deformable convolutional neural network,DDCNN)用于黄瓜叶片病害识别。试验结果显示,提出的IAR-GAN有效缓解了过拟合现象,丰富了生成样本的多样性;所提出的DDCNN对黄瓜炭疽病、斑靶病和霜霉病的平均识别准确率均达到96%以上,比Inception-V3模型提高了9个百分点。以上结果表明,本研究提出的数据增广方法和病害识别模型可为复杂环境下小样本的作物叶部病害的准确识别提供新思路。

关键词：病害识别小样本生成对抗网络深度卷积神经网络

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

智能网联背景下驾驶人信息认知地图构建方法

引用

中国公路学报 2023年第9期36卷 302-314页

作者：李靖宇冯忠祥张卫华窦思伟周正钱昱昭合肥工业大学土木与水利工程学院安徽合肥230009 合肥工业大学汽车与交通工程学院安徽合肥230009 安徽农业大学信息与计算机学院安徽合肥230036

为提升网联环境下车载信息的传递效率,提出了一种驾驶人信息认知地图构建方法。在驾驶人交通场景信息认知中引入认知地图概念,通过对20名驾驶人进行面对面访谈,获取视距内、外(超空间距离)交通场景语义描述,采用要素频率统计法确定驾驶... 详细信息

为提升网联环境下车载信息的传递效率,提出了一种驾驶人信息认知地图构建方法。在驾驶人交通场景信息认知中引入认知地图概念,通过对20名驾驶人进行面对面访谈,获取视距内、外(超空间距离)交通场景语义描述,采用要素频率统计法确定驾驶人信息认知地图要素,设计概念图形完成可视化映射。构建轻量化深度学习MobileNet V2模型,实现驾驶人信息认知地图认知要素标签自动生成,并分别基于SE(Squeeze-and-Excitation Module)、CBAM(Convolutional Block Attention Module)、CA(Coordinate Attention Module)注意力模块对模型进行改进,通过Opencv算法实现可视化认知地图的自动生成。开展20名驾驶人的实车试验,获取12000组交通场景认知集作为测试数据,通过人工标注的方法获取认知要素标签。结果表明:驾驶人信息认知地图具有道路类型、车道数、自身车道、目标类型、方向、距离、危险程度7个认知要素;MobileNet V2、MobileNet V2-SE、MobileNet V2-CBAM和MobileNet V2-CA模型在测试集上的平均准确率分别为89.46%、90.99%、91.29%、91.14%。提出的驾驶人信息认知地图生成方法,能够简化、概括表征危险驾驶场景,有助于提升网联环境下的信息传递效率和安全性。

关键词：交通工程认知地图深度学习智能网联车载信息交通语义

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：