检索结果-内蒙古大学图书馆

基于改进DeblurGANv2模型的小麦条锈菌夏孢子离焦模糊显微图像复原方法

农业机械学报 2025年第1期56卷 366-376页

作者：雷雨陈旭阮超钱海明李劲松黄林生赵晋陵安徽大学互联网学院合肥230601 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601 天地信息网络研究院(安徽)有限公司合肥230088

针对复杂工况下孢子捕捉设备显微成像易出现离焦模糊导致高频信息缺失和夏孢子边缘模糊等问题,提出了一种改进DeblurGANv2模型的小麦条锈菌夏孢子离焦模糊显微图像复原方法。首先,在DeblurGANv2模型特征融合模块后设计引入一个自底向上... 详细信息

针对复杂工况下孢子捕捉设备显微成像易出现离焦模糊导致高频信息缺失和夏孢子边缘模糊等问题,提出了一种改进DeblurGANv2模型的小麦条锈菌夏孢子离焦模糊显微图像复原方法。首先,在DeblurGANv2模型特征融合模块后设计引入一个自底向上的5层特征增强模块,缩短浅层特征向深层特征的传播路径,增强不同尺度特征信息的相互融合,提升模型对高频和孢子边缘等信息的复原效果;同时,在特征提取主干网络部分引入卷积注意力机制(Convolutional block attention module,CBAM),在空间和通道2个维度增加夏孢子特征信息权重,提升模型对夏孢子的特征表达能力,丰富复原图像中夏孢子细节信息;最后,选取4种主流目标检测模型YOLO v5、Faster-R CNN、CenterNet和YOLO v8对复原前后的图像进行夏孢子检测,对比改进DeblurGANv2复原模型对检测性能的影响。试验结果表明,改进后DeblurGANv2复原模型均方误差、峰值信噪比和结构相似性指标分别为0.0014、28.88 dB、0.966,相较于原始DeblurGANv2模型性能分别提升17.65%、3.29%、0.35%;4种目标检测模型在结合改进DeblurGANv2复原模型去模糊后,检测性能指标均有不同程度提升,其中结合改进DeblurGANv2复原的YOLO v8模型性能表现最优,精确率、召回率、平均精度均值分别为96.1%、95.1%、97.7%,与直接使用YOLO v8检测模型相比,分别提升3.0、5.0、23.6个百分点,验证了本文提出的改进DeblurGANv2复原模型可复原出显微图像中离焦模糊夏孢子信息,显著提升了夏孢子目标检测模型检测性能,为气传小麦条锈菌夏孢子检测提供了技术支持。

关键词：小麦条锈菌显微图像离焦模糊孢子检测图像复原特征融合

来源：评论

学校读者我要写书评

暂无评论

基于动态图卷积和PointNet的三维局部特征描述符

引用

计算机辅助设计与图形学学报 2025年第1期37卷 89-99页

作者：赵宝王梓涵贾兆红梁栋刘强安徽大学互联网学院合肥230039 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

提取高描述性和强鲁棒性的点云局部特征描述符是点云配准中的关键环节.针对现有基于学习的描述符方法依赖于对噪声敏感的手工特征或不具有旋转不变性等问题,提出一种基于动态图卷积和PointNet的三维局部特征描述符生成网络,以提取具有... 详细信息

提取高描述性和强鲁棒性的点云局部特征描述符是点云配准中的关键环节.针对现有基于学习的描述符方法依赖于对噪声敏感的手工特征或不具有旋转不变性等问题,提出一种基于动态图卷积和PointNet的三维局部特征描述符生成网络,以提取具有旋转不变性和强泛化性的局部特征描述符.首先,将与局部参考框架对齐后的局部点云作为网络的输入,分别通过动态图卷积模型和PointNet模型提取输入点云中的局部几何特征和点特征,解决单一PointNet模型无法学习输入点集中点与点之间关系的问题;然后,为进一步提高网络的学习能力,提出一个由点自注意力模块和局部空间注意力模块组成的双重注意力机制层,用于更好地融合2个模型提取到的特征,来获取最终的描述符特征.在室内数据集3DMatch和室外数据集ETH和KITTI上的大量实验表明:所提网络在3DMatch上的特征匹配召回率达到98.2%,在ETH和KITTI上的特征匹配召回率和正确率分别达到98.7%和99.82%,验证了方法的有效性.

关键词：局部特征描述符局部参考框架深度学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

奶牛脸部及关键点检测数据集

引用

中国科学数据(中英文网络版) 2025年第1期10卷 14-23页

作者：侯现坤黄小平黄飞豆子豪郑寰宇王晨洋冯涛刘梦艺安徽大学互联网学院农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230039

奶牛脸部及关键点检测可以帮助牛场构建识别系统以及对牛脸进行姿态估计,帮助牛场智能化升级。基于深度学习的奶牛脸部及关键点检测模型需要数据集进行训练,以提高模型的准确性和鲁棒性。因此,在自然条件拍摄的奶牛脸部数据集,对于奶牛... 详细信息

奶牛脸部及关键点检测可以帮助牛场构建识别系统以及对牛脸进行姿态估计,帮助牛场智能化升级。基于深度学习的奶牛脸部及关键点检测模型需要数据集进行训练,以提高模型的准确性和鲁棒性。因此,在自然条件拍摄的奶牛脸部数据集,对于奶牛脸部及关键点检测模型训练,实现牛脸识别系统搭建以及牛脸姿态估计至关重要。本数据集包含了不同角度、不同光照、不同数量等复杂环境下的奶牛脸部的图像,共2538张图像。使用Labelme软件对奶牛脸部以及左右眼睛中心、鼻子中间、左右嘴角5个关键点进行标注,得到2538个json标注文件。并将标注的COCO(json)格式文件转为YOLO(txt)格式文件,把图片以及对应的txt格式标签按照4:1的比例划分训练集和测试集,用于训练YOLOv5-Pose、YOLOv7-Pose、YOLOv8-Pose等关键点检测模型。实验表明,本数据集在奶牛脸部及关键点检测模型上表现良好,为奶牛脸部及关键点检测等方向上的研究和应用提供了有价值的图像数据资源。

关键词：奶牛深度学习牛脸检测关键点检测

来源：评论

学校读者我要写书评

暂无评论

奶牛体况评分目标检测数据集

引用

中国科学数据(中英文网络版) 2025年第1期10卷 24-35页

作者：黄小平豆子豪黄飞郑寰宇侯现坤王晨洋冯涛饶元安徽大学互联网学院农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230039 安徽农业大学信息与人工智能学院农业农村部农业传感器重点实验室合肥230036

奶牛体况评分是评价奶牛产能与体态健康的重要指标。目前,随着现代化牧场的发展,智能检测技术已被应用于奶牛精准养殖中。本研究旨在创建一个奶牛体况评分目标检测数据集,以支持农业领域中奶牛健康监测的自动化。本数据集由体况评分3.25... 详细信息

奶牛体况评分是评价奶牛产能与体态健康的重要指标。目前,随着现代化牧场的发展,智能检测技术已被应用于奶牛精准养殖中。本研究旨在创建一个奶牛体况评分目标检测数据集,以支持农业领域中奶牛健康监测的自动化。本数据集由体况评分3.25、3.5、3.75、4.0和4.25的5类图像组成,且每张图像都标注了奶牛的体况评分区域。体况评分是衡量奶牛健康状况的重要指标,对于精确而高效的评估具有重要意义。数据集的构建来自规模化养殖农场的奶牛图像,每张图像都经过专业兽医团队的体况评分,评分结果被用于生成标注信息。标注信息包括奶牛体况评分的边界框坐标和相应的评分标签。为了提高数据集的多样性和鲁棒性,在数据集中引入了一系列挑战性因素,例如不同光照条件、奶牛姿态的变化以及背景杂乱的情况。这有助于确保训练的目标检测模型在真实场景中具有良好的泛化性能。通过开发这一奶牛体况评分目标检测数据集,为农业领域的奶牛健康监测提供了一个有力的工具,有望推动相关技术的发展,提高奶牛管理的效率和精度。此外,本数据集还为研究人员提供了一个有价值的资源,用于深入研究奶牛体况与健康之间的关联,为未来的农业科技创新提供支持。

关键词：奶牛体况评分目标检测农业领域健康监测

来源：评论

学校读者我要写书评

暂无评论

山羊和绵羊脸部检测数据集

引用

中国科学数据(中英文网络版) 2025年第1期10卷 36-44页

为实现羊的脸部检测、头部行为识别和分类,构建了山羊和绵羊脸部数据集。本研究拍摄了自然状态下的纯色山羊和自然环境中的绵羊的羊脸图像。本数据集包括了不同角度、不同数量、不同场景(舍内、舍外)以及不同遮挡等的山羊与绵羊脸部分... 详细信息

为实现羊的脸部检测、头部行为识别和分类,构建了山羊和绵羊脸部数据集。本研究拍摄了自然状态下的纯色山羊和自然环境中的绵羊的羊脸图像。本数据集包括了不同角度、不同数量、不同场景(舍内、舍外)以及不同遮挡等的山羊与绵羊脸部分的图像。为了保证数据集的质量,通过人工的处理和筛选,得到了2412幅高质量、高分辨率的羊脸图像数据集,并对这2412幅图像进行了手工标注。为了测试本数据集的质量与真实性,将数据集按照训练集和测试集为8︰2的比例划分,用于评估山羊和绵羊脸部检测模型的性能,测试了Faster R-CNN,SSD,Yolov3和Yolov5四个模型。经过实验验证,本数据集在羊脸检测模型上表现出良好的效果,为羊脸检测领域的研究和应用提供了有价值的资源。此外,将持续完善和更新本数据集,以满足不断增长的研究需求和应用场景。

关键词：羊脸检测畜牧养殖山羊绵羊

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v7-Pose的牛脸关键点检测与姿态识别方法

引用

农业机械学报 2024年第11期55卷 84-92,102页

作者：黄小平侯现坤郭阳阳郑寰宇豆子豪刘梦艺赵晋陵安徽大学互联网学院合肥230039 农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230039

奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键... 详细信息

奶牛脸部关键点检测在牛场智能化中发挥着重要的作用,它可以帮助实现牛脸识别、牛脸对齐、头部动作检测与行为识别等。针对目前奶牛养殖环境中存在牛脸遮挡、弱光照等问题,提出了一种改进的YOLO v7-Pose网络模型的算法,可用于牛脸关键点检测和头部姿态识别。首先通过网络相机在牛场获取奶牛脸部图像并构建数据集。其次,在YOLO v7-Pose网络模型中引入SPPFCSPCL结构,以提高奶牛脸部关键点的特征提取能力;将关键点检测的损失函数OKS替换为WingLoss损失函数,增加奶牛脸部关键点的检测精度;最后,使用L1范数对改进的模型剪枝,使改进后的网络模型参数量降低。试验结果表明:改进模型YOLO v7-SCLWL-Pose检测牛脸关键点较原模型AP提升5个百分点,AP0.5提升2.7个百分点,改进后模型内存占用量仅为106.7 MB,减少33.6%。将本文关键点检测用于姿态识别,试验结果对抬头和低头等动作的识别准确率达到95.5%和86.5%。本研究为牧场奶牛行为识别提供了支撑技术。

关键词：牛脸检测关键点检测 YOLO v7-Pose 姿态识别

来源：评论

学校读者我要写书评

暂无评论

基于坐标注意力机制和YOLO v5s模型的山羊脸部检测方法

引用

农业机械学报 2023年第7期54卷 313-321页

作者：郭阳阳洪文浩丁屹黄小平安徽大学互联网学院合肥230039 农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230039

山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中,羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题,以YOLO v5s为基础目标检测网络,提出了一种结合坐标信息的山羊脸部检测模型。首先,通过移动设备获取... 详细信息

山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中,羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题,以YOLO v5s为基础目标检测网络,提出了一种结合坐标信息的山羊脸部检测模型。首先,通过移动设备获取舍内、舍外、单头以及多头山羊的图像并构建数据集。其次,在YOLO v5s的主干网络融入坐标注意力机制,以充分利用目标的位置信息,提高遮挡区域、小目标、多视角样本的检测精度。试验结果表明,改进YOLO v5s模型的检测精确率为95.6%,召回率为83.0%,mAP0.5为90.2%,帧速率为69 f/s,模型内存占用量为13.2 MB;与YOLO v5s模型相比,检测精度提高1.3个百分点,模型所占内存空间减少1.2 MB;且模型的整体性能远优于Faster R-CNN、YOLO v4、YOLO v5s模型。此外,本文构建了不同光照和相机抖动的数据集,来进一步验证本文方法的可行性。改进后的模型可快速有效地对复杂场景下山羊的脸部进行精准检测及定位,为动物精细化养殖时目标检测识别提供了检测思路和技术支持。

关键词：羊脸检测 YOLO v5s 坐标注意力机制精准畜牧

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v5s的轻量级奶牛体况评分方法

引用

农业机械学报 2023年第6期54卷 287-296页

作者：黄小平冯涛郭阳阳梁栋安徽大学互联网学院合肥230039 农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230039

奶牛体况评分是评价奶牛产能与体态健康的重要指标。目前,随着现代化牧场的发展,智能检测技术已被应用于奶牛精准养殖中。针对目前检测算法的参数量多、计算量大等问题,以YOLO v5s为基础,提出了一种改进的轻量级奶牛体况评分模型(YOLO-M... 详细信息

奶牛体况评分是评价奶牛产能与体态健康的重要指标。目前,随着现代化牧场的发展,智能检测技术已被应用于奶牛精准养殖中。针对目前检测算法的参数量多、计算量大等问题,以YOLO v5s为基础,提出了一种改进的轻量级奶牛体况评分模型(YOLO-MCE)。首先,通过2D摄像机在奶牛挤奶通道处采集奶牛尾部图像并构建奶牛BCS数据集。其次,在MobileNetV3网络中融入坐标注意力机制(Coordinate attention,CA)构建M3CA网络。将YOLO v5s的主干网络替换为M3CA网络,在降低模型复杂度的同时,使得网络特征提取时更关注于牛尾区域的位置和空间信息,从而提高了运动模糊场景下的检测精度。YOLO v5s预测层采用EIoU Loss损失函数,优化了目标边界框回归收敛速度,生成定位精准的预测边界框,进而提高了模型检测精度。试验结果表明,改进的YOLO v5s模型的检测精度为93.4%,召回率为85.5%,mAP@0.5为91.4%,计算量为2.0×109,模型内存占用量仅为2.28 MB。相较原始YOLO v5s模型,其计算量降低87.3%,模型内存占用量减少83.4%,在保证模型复杂度较低与实时性较高的情况下,实现了奶牛体况的高效评分。此外,改进的YOLO v5s模型的整体性能优于Faster R-CNN、SDD和YOLO v3目标检测模型。本研究为奶牛体况评分商业化提供理论基础和研究思路,为奶牛养殖业提供了智能化解决方案。

关键词：奶牛体况评分轻量化目标检测注意力机制

来源：评论

学校读者我要写书评

暂无评论

人类活动影响下安徽省植被指数时空变化分析

引用

农业机械学报 2022年第8期53卷 203-212页

作者：魏圆圆孙守刚梁栋贾兆红安徽大学互联网学院合肥230039 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

利用2006—2020年MODIS NDVI数据和2010年及2015年的国内生产总值(GDP)、人口(POP)、土地覆盖(Land Cover)空间分布数据,分析了安徽省NDVI的时空变化规律及人类活动对NDVI空间变异的影响。结果表明:2006—2020年安徽省NDVI在0.535~0.56... 详细信息

利用2006—2020年MODIS NDVI数据和2010年及2015年的国内生产总值(GDP)、人口(POP)、土地覆盖(Land Cover)空间分布数据,分析了安徽省NDVI的时空变化规律及人类活动对NDVI空间变异的影响。结果表明:2006—2020年安徽省NDVI在0.535~0.568之间波动,总体呈改善趋势,累积增长率为6.23%;季节上年增长率由大到小依次为秋季(0.0042a^(-1))、冬季(0.0036a^(-1))、夏季(0.0031a^(-1))和春季(0.0029a^(-1))。15年来,安徽省NDVI明显改善和轻微改善的区域面积占全省NDVI面积的69.17%,改善区域主要分布在长江以南地区;季节上,春季和冬季对NDVI改善的贡献最大。安徽省NDVI呈现持续性改善的区域占42.36%,呈现持续性退化的区域占17.23%,退化区域主要分布在省会城市及其周边经济发展较快城市。2010年GDP、POP、Land Cover对NDVI的空间变异分布解释力均在27%以上,2015年解释力均在15%以上,可见,GDP、POP、Land Cover对NDVI的空间分布均存在显著的影响。安徽省2006—2020年NDVI在时间和空间上均呈不断改善趋势,表明安徽省的绿色发展正在稳步推进。

关键词：安徽省植被指数变化趋势人类活动相关性

来源：评论

学校读者我要写书评

暂无评论

LSVSH描述符:高鉴别强鲁棒的点云局部特征统计直方图

引用

计算机辅助设计与图形学学报 2024年第2期36卷 248-257页

作者：吴鹏鹏梁栋赵宝周磊安徽大学互联网学院合肥230039 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

三维局部特征描述是三维计算机视觉中的重要任务.现实场景中包含噪声、遮挡和杂波等干扰,使得准确和鲁棒的三维局部特征描述具有很大的挑战性.为提高特征描述的性能,提出一种局部曲面变化统计直方图(local sur-face variation based sta... 详细信息

三维局部特征描述是三维计算机视觉中的重要任务.现实场景中包含噪声、遮挡和杂波等干扰,使得准确和鲁棒的三维局部特征描述具有很大的挑战性.为提高特征描述的性能,提出一种局部曲面变化统计直方图(local sur-face variation based statistics histogram,LSVSH)描述符.首先设计一种不依赖于局部参考轴(local reference axis,LRA)的新属性(称为曲率属性),增强描述符对LRA误差的稳健性;然后沿径向剖分局部空间,在每个子空间中统计3个角度属性和1个曲率属性生成LSVSH描述符,实现对局部曲面信息的全面稳健描述.在B3R,U3M,U3OR和QuLD这4个数据集上进行大量的实验,结果表明,LSVSH在4个数据集上的RPC下面积(the area under the recall-precision curve,AUCpr)值分别为0.95,0.70,0.54和0.10,优于现有的局部特征描述符的性能;在U3M数据集上的正确配准率和在U3OR数据集上的正确识别率分别达到70%和100%,验证了LSVSH应用于物体配准和识别任务上的有效性.

关键词：局部特征描述符局部参考轴点云配准点云识别

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：