检索结果-内蒙古大学图书馆

中国农机化学报 2023年第4期44卷 145-152页

作者：陈鹏马子涵章军夏懿王兵梁栋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安徽大学互联网学院合肥市230601 安徽大学物质科学与信息技术研究院合肥市230601 安徽大学电气工程与自动化学院合肥市230601 安徽工业大学电气与信息工程学院安徽马鞍山201804

小麦赤霉病是导致小麦大幅度减产的病害之一,对其开展自动识别研究具有重大意义。然而,传统方法一般通过阈值、色彩直方图等在农田复杂背景下开展小麦赤霉病的分割识别研究,其分割识别精确度较差并且泛化能力也不尽如意。为了在节省大... 详细信息

小麦赤霉病是导致小麦大幅度减产的病害之一,对其开展自动识别研究具有重大意义。然而,传统方法一般通过阈值、色彩直方图等在农田复杂背景下开展小麦赤霉病的分割识别研究,其分割识别精确度较差并且泛化能力也不尽如意。为了在节省大量人力成本的同时对小麦赤霉病病斑进行快速、准确地分割从而辅助农业工作者对小麦患病的严重程度进行确认并开展后续的针对性研究,提出一种融合卷积神经网络和注意力机制的小麦赤霉病语义分割网络模型UNetA。该模型依据小麦赤霉病数据集的特点,使用融合了位置自注意力和空间注意力的注意力机制模块,并将注意力机制模块融入改进了的UNet结构中,再利用加权交叉熵损失函数来衡量预测值与实际值的差距同时缓解样本不均衡问题。试验结果表明,与现有的经典网络模型相比,UNetA模型的分割精度和实时性明显占据优势,其MIoU值达到83.90%,分割单张图像所用平均时间仅为0.5880 s。

关键词： UNet 注意力小麦赤霉病图像语义分割

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5s的铝型材表观缺陷检测方法

引用

制造业自动化 2024年第1期46卷 169-173页

作者：刘寅龙王杰曹昂徐国明朱静珂安徽大学互联网学院合肥230039 中国科学技术大学信息科学技术学院合肥230026 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

目前,在铝制品的加工生产过程中,缺陷检测环节仍以人眼观测为主,这种传统方式存在检测精度差和检测效率低等缺陷,为此,提出基于YOLOv5s的铝型材表观缺陷检测方法。针对具有9种缺陷的铝型材图像,使用labelimg进行标注,构建了铝型材数据... 详细信息

目前,在铝制品的加工生产过程中,缺陷检测环节仍以人眼观测为主,这种传统方式存在检测精度差和检测效率低等缺陷,为此,提出基于YOLOv5s的铝型材表观缺陷检测方法。针对具有9种缺陷的铝型材图像,使用labelimg进行标注,构建了铝型材数据集。基于该数据集,以YOLOv5s、YOLOv5m、YOLOv5l在COCO数据集上训练好的权值作为初始权值,对该3种模型进一步迭代训练,并将最优权重进行测试。对比3种模型的实验结果,决定采用YOLOv5s作为铝型材表观缺陷检测的模型,其测试精确度P、召回率R、均值平均精度mAP分别达到了0.684、0.742、0.692。并基于该模型,采用PyQt5开发了铝型材表观缺陷检测系统,其检测速率可达98Fps左右,可以很好地满足实时性要求,从而为铝型材表观缺陷检测提供了有效的参考方案。

关键词：机器视觉深度学习 YOLOv5 缺陷检测

来源：评论

学校读者我要写书评

暂无评论

并行注意力机制在图像语义分割中的应用

引用

计算机工程与应用 2022年第9期58卷 151-160页

作者：张汉张德祥陈鹏章军王兵安徽大学电气工程与自动化学院合肥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互联网学院合肥230601 安徽工业大学电气与信息工程学院安徽马鞍山201804

在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法。提出了一种融合了局部注意力和全局注意力的卷积神经网络。输入图像经主干网络的特征提取,并行输入给局部注意力和全局注意力模块。局部注意力模块以编码-解... 详细信息

在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法。提出了一种融合了局部注意力和全局注意力的卷积神经网络。输入图像经主干网络的特征提取,并行输入给局部注意力和全局注意力模块。局部注意力模块以编码-解码结构实现多尺寸的局部特征融合,全局注意力模块根据每个像素与其所在特征图上所有像素的相关性捕获全局信息。融合两个注意力模块不仅减少了局部信息的丢失,而且捕获了具有长距离依赖的全局信息,有效提升了特征提取的能力。采用一种数据相关的上采样方法代替双线性插值法恢复特征图至输入尺寸,同时改善了分割效果。采用Dice Loss损失函数并针对样本不平衡问题在类别损失前加入权重系数进一步改善了分割效果。该方法在药丸污点数据集、药丸缺损数据集以及走廊数据集上分别得到了96.39%、93.44%、96.28%的平均交并比结果。

关键词：局部注意力全局注意力数据相关上采样样本不平衡

来源：评论

学校读者我要写书评

暂无评论

快速三维重建的N级灰度编码法

引用

无线电通信技术 2022年第3期48卷 442-449页

作者：童陈恩蔡柏林梁栋安徽大学互联网学院安徽合肥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安徽合肥230601

基于灰度编码的条纹因易于编码和解码,在条纹投影轮廓术(Fringe Projection Profilometry,FPP)中有着广泛的应用,灰度编码方法通过给像素点设置不同的灰度值使得编码信息蕴含于图像之中。基于此,采用双灰度编码法,共投射五幅条纹图,其... 详细信息

基于灰度编码的条纹因易于编码和解码,在条纹投影轮廓术(Fringe Projection Profilometry,FPP)中有着广泛的应用,灰度编码方法通过给像素点设置不同的灰度值使得编码信息蕴含于图像之中。基于此,采用双灰度编码法,共投射五幅条纹图,其中包括三幅相移图像和两幅N级灰度编码图像。N级灰度编码图像经过解码后,可获取精确的条纹阶次信息,进而得到绝对相位信息。在解码过程中,使用两个交叉的二值掩膜对同级码字的码区进行统一解码,降低了因为条纹丢失或图像噪点引起的误差。与传统的灰度编码方法相比,新方法在不增加投射条纹数目的情况下获得了更加精准的编码信息。为验证该方法的有效性,进行了仿真实验和真实实验,实验结果表明可以有效获取物体表面三维形貌。

关键词：相位展开三维测量条纹投影灰度编码

来源：评论

学校读者我要写书评

暂无评论

基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法

引用

农业机械学报 2021年第12期52卷 233-241页

作者：雷雨周晋兵何东健陈鹏曾伟辉梁栋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 安徽大学互联网学院合肥230601 西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100

针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化Cente... 详细信息

针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化CenterNet网络中的特征提取网络,提高了检测和训练速度,降低了误检率;其次,根据孢子形态为近椭圆或圆形的特点,将原始用于CenterNet训练的目标长宽,改进为目标的椭圆框长短轴长度和角度,提高了孢子分割重合率;最后,提出使用椭圆的长短轴映射矩形来计算椭圆框热图的高斯核半径,以减少孢子的漏检率。实验结果表明,改进的CenterNet夏孢子检测方法对小麦条锈病菌夏孢子检测的识别精确率达到了98.77%,重叠度为83.63%,检测速度为41 f/s,达到了实时检测的应用需求,比原始的CenterNet模型重叠度提高了7.53个百分点,检测速度快11 f/s,模型占用内存降低了68.5%。本文方法能够精准检测并分割出显微图像中的夏孢子,可为农田空气中小麦条锈病菌夏孢子的自动检测及条锈病的早期预防控制提供技术支持。

关键词：小麦条锈病真菌夏孢子自动检测改进CenterNet 深度学习椭圆框

来源：评论

学校读者我要写书评

暂无评论

基于双通道注意力网络的脑电图意图识别

引用

传感器与微系统 2021年第9期40卷 128-131页

作者：孙亚东徐晓涛章军陈鹏安徽大学电气工程与自动化学院安徽合肥230601 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安徽合肥230601

为了正确地解释大脑活动并对脑电图信号数据进行有效识别,提出一种双通道注意力机制模型,对原始的脑电图信号数据进行分类,从而识别用户的意图。对于公共数据集Eegmmidb,模型在5项识别任务上的平均识别率为99.34%。实验结果表明:所提模... 详细信息

为了正确地解释大脑活动并对脑电图信号数据进行有效识别,提出一种双通道注意力机制模型,对原始的脑电图信号数据进行分类,从而识别用户的意图。对于公共数据集Eegmmidb,模型在5项识别任务上的平均识别率为99.34%。实验结果表明:所提模型优于现有方法。

关键词：意图识别注意力机制脑电图信号脑机接口

来源：评论

学校读者我要写书评

暂无评论

用于小麦多生长阶段倒伏边界精准检测的分层交互特征金字塔网络

引用

智慧农业（中英文） 2024年第2期6卷 128-139页

作者：庞春晖陈鹏夏懿章军王兵邹岩陈天娇康辰瑞梁栋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/信息材料与智能感知安徽省实验室/安徽大学互联网学院安徽合肥230601 安徽财经大学管理科学与工程学院安徽蚌埠233030 中国科学院合肥物质科学院智能机械研究所安徽合肥230031 中国科学技术大学安徽合肥230031 西南科技大学四川绵阳621010 农业传感器与智能感知安徽省技术创新中心中科合肥智慧农业协同创新研究院安徽合肥231131 安徽鹏视智能科技有限公司安徽合肥230000

[目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一... 详细信息

[目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一发育阶段的倒伏识别,而倒伏可能发生在小麦生长的各个时期,不同时期倒伏特征变化复杂,这给模型特征捕捉能力带来考验。本研究旨在探索一种基于深度学习技术的多生育期小麦倒伏区域检测方法。[方法]用无人机采集小麦灌浆期、早熟期、晚熟期这三个关键生长阶段的RGB图像,通过数据增强等技术构建出多生育期小麦倒伏数据集。提出一种小麦倒伏提取模型Lodging2Former,该模型在Mask2Former的基础上加以改进,引入分层交互式特征金字塔网络(Hierarchical Interactive Feature Pyramid Network,HI-FPN),用于提高模型在复杂田间背景干扰下对于多个生长阶段小麦倒伏特征的捕捉能力。[结果和讨论]所提出的Lodg⁃ing2Former模型相较于现存的多种主流算法,如Mask R-CNN(Mask Region-Based Convolutional Neural Network)、SOLOv2(Segmenting Objects by Locations,Version 2)以及Mask2Former,在平均精度均值(mean Average Precision,mAP)上展现出显著优势。在阈值分别为0.5、0.75以及0.5~0.95的条件下,模型的mAP值分别达到了79.5%、40.2%和43.4%,相比Mask2Former模型,mAP性能提升了1.3%~4.3%。[结论]提出的HI-FPN网络可以有效利用图像中的上下文语义和细节信息,通过提取丰富的多尺度特征,增强了模型对小麦在不同生长阶段倒伏区域的检测能力,证实了HI-FPN在多生育期小麦倒伏检测中的应用潜力和价值。

关键词：无人机深度学习小麦倒伏检测特征金字塔网络 Mask2Former

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：