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

浅水湖泊水生植被和藻类水华时空演变遥感长期监测:以太湖流域长荡湖为例(1985-2021年)

引用

湖泊科学 2025年第2期37卷 368-377,I0001页

作者：黄林生倪贵高王康赵晋陵罗菊花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 中国科学院南京地理与湖泊研究所湖泊与流域水安全全国重点实验室南京211135

水生植被和藻类作为湖泊生态系统的主要初级生产者,对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下,湖泊富营养化加剧,水生植被退化,藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被... 详细信息

水生植被和藻类作为湖泊生态系统的主要初级生产者,对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下,湖泊富营养化加剧,水生植被退化,藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被修复和藻类水华管控提供决策依据。本研究以太湖流域浅水湖泊长荡湖为研究区,基于1985-2021年的Landsat 5和8卫星数据,利用VBI(vegetation and bloom indices)草藻分类算法,开展了浮叶/挺水植被、沉水植被和藻类水华长时序时空演变分析。结果表明:36年来,长荡湖水生植被(包括浮叶/挺水植被和沉水植被)都呈现显著下降趋势,其中沉水植被下降趋势尤为明显,沉水植被从湖中心向岸边逐步退化,其覆盖度从1985年的75%下降至2021年的不足21%;自2011年起,长荡湖水生植被优势生活型从沉水植被转变为浮叶/挺水植被;2010年首次监测到水华发生,2020年和2021年连续两年均监测到湖中心有大面积水华。基于湖泊围网面积和气象数据分析发现,围网拆除是水生植被退化和优势生活型转变的主要因素。

关键词：太湖流域长荡湖水生植被藻类水华围网遥感

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

基于图像光谱超分辨率的苹果糖度检测

引用

光谱学与光谱分析 2024年第11期44卷 3095-3100页

作者：翁士状潘美静谭羽健张巧巧郑玲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合肥230601

苹果风味独特,清脆可口,深受全世界消费者的广泛喜爱。糖度是衡量苹果品质的关键指标。高光谱成像(HSI)由于含有丰富的图谱信息在糖度无损检测中有着广泛的应用前景,然而仍面临仪器笨重昂贵、操作耗时等问题。光谱超分辨率(SSR)可通过... 详细信息

苹果风味独特,清脆可口,深受全世界消费者的广泛喜爱。糖度是衡量苹果品质的关键指标。高光谱成像(HSI)由于含有丰富的图谱信息在糖度无损检测中有着广泛的应用前景,然而仍面临仪器笨重昂贵、操作耗时等问题。光谱超分辨率(SSR)可通过建立映射关系从低光谱维度RGB图像获得对应高光谱维度HSI图像,在HSI图像的高效获取上有着极大的优势。因而,将探索苹果RGB图像的SSR,并基于SSR数据进行糖度预测。首先,选取大小均匀的苹果作为研究对象,利用黑色哑光胶纸对感兴趣区域(ROI)进行标定。采集苹果RGB图像和HSI图像后,利用全局阈值法确定ROI并经过图像分割得到220个RGB-HSI图像对。然后,使用密集连接网络、多尺度层级回归网络和Transformer网络实现苹果RGB图像的SSR。最后,提取SSR后图像的反射率光谱,采用全光谱和竞争性自适应重加权选择后的有效波长光谱结合偏最小二乘回归(PLSR)、随机森林(RF)和极限学习机(ELM)构建糖度预测模型。结果表明,基于Transformer网络SSR结果最好。在SSR预测集中,平均相对绝对值(MRAESP)为0.1359,均方根误差(RMSESP)为0.0262;SSR后方法的反射率光谱与真实光谱一致性最好。在糖度预测的过程中,全光谱下ELM模型预测效果最好,预测集决定系数(RP2)和均方根误差(RMSEP)为0.9255和0.003,PLSR次之,RF最差。经过有效波长光谱提取后,预测结果有所提升,其中ELM模型预测结果最好,RP2为0.9609,RMSEP为0.0022,PLSR次之,RF最差。总之,基于Transformer图像SSR完成了苹果糖度的准确检测,提供了低成本高效率HSI图像的获取方式,实现了快速便捷的新型糖度检测,扩展了图像在水果品质分析中的应用场景,为促进智慧农业和食品领域的发展提供了理论依据。

关键词：高光谱成像苹果图像处理光谱超分糖度预测

来源：评论

学校读者我要写书评

暂无评论

反射光谱结合光谱基二维卷积回归网络快速检测食用油中饱和脂肪酸

引用

光谱学与光谱分析 2022年第5期42卷 1490-1496页

作者：翁士状储昭结王满琴王年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合肥230601

人们日常膳食中常见的食用油含有丰富的饱和脂肪酸,饱和脂肪酸能为人体提供能量和必须营养物质,但过量摄入会导致多种心血管疾病。结合反射率光谱和深度学习方法发展一种食用油中饱和脂肪酸含量的分析方法。首先,测量了菜籽油、大豆油... 详细信息

人们日常膳食中常见的食用油含有丰富的饱和脂肪酸,饱和脂肪酸能为人体提供能量和必须营养物质,但过量摄入会导致多种心血管疾病。结合反射率光谱和深度学习方法发展一种食用油中饱和脂肪酸含量的分析方法。首先,测量了菜籽油、大豆油、葵花籽油、玉米油、橄榄油、芝麻油及花生油等7种食用植物油350~2500nm范围的反射光谱,并通过气相色谱-质谱分析法获得其软脂酸、花生酸及山嵛酸等饱和脂肪酸的含量。使用中心化、多元散射校正、标准正态变量变换及标准化等算法做光谱预处理消除光谱噪声。然后,构建了一种新型的二维光谱卷积回归网络(S2DCRN)用于脂肪酸分析,而全卷积网络(FCN)、偏最小二乘回归(PLSR)、支持向量回归(SVR)及随机森林(RF)用于与S2DCRN模型相对比。最后,采用序列前向选择(SFS)、随机蛙跳(RFrog)及遗传算法选取光谱特征的重要波长,进而构建更为简单稳健的分析模型。实验结果表明,对食用油的全光谱预处理后,S2DCRN模型性能最优,其模型对预测集的决定系数(R2P)达到0.9879,均方根误差(RMSEP)为0.5100。基于重要波长的S2DCRN模型,RFrog-SFS为S2DCRN提供了最佳的预测结果R2P=0.9679,RMSEP=0.4627。虽然变量选择后所取得的分析效果略差,但光谱波长数目不足全光谱的1%,节省了光谱数据采集工作并大幅降低了模型复杂度,有助于后续便携式简化检测装置的研发。为进一步探究S2DCRN模型的通用性能,S2DCRN被用于食用油中花生酸和山嵛酸含量分析。其中,S2DCRN对花生酸的预测结果较好R2P=0.9501,RMSEP=0.1529。所提出的S2DCRN可实现反射率光谱对食用油中多种脂肪酸的准确快速分析。

关键词：食用油饱和脂肪酸反射光谱卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5网络的复杂背景图像中茶尺蠖检测

引用

农业工程学报 2021年第21期37卷 191-198页

作者：胡根生吴继甜鲍文霞曾伟辉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

茶叶的产量和品质深受病虫害的影响。茶尺蠖是一种常见的茶叶害虫,精确检测茶尺蠖对茶叶病虫害防治有重要意义。由于茶尺蠖和茶树枝、枯死茶叶的颜色、纹理相近,茶尺蠖的体积小、形态多变、被遮挡等问题,现有方法检测茶尺蠖的精度不高... 详细信息

茶叶的产量和品质深受病虫害的影响。茶尺蠖是一种常见的茶叶害虫,精确检测茶尺蠖对茶叶病虫害防治有重要意义。由于茶尺蠖和茶树枝、枯死茶叶的颜色、纹理相近,茶尺蠖的体积小、形态多变、被遮挡等问题,现有方法检测茶尺蠖的精度不高。该研究提出一种基于深度学习的复杂背景图像中茶尺蠖检测方法,该方法使用YOLOv5为基线网络,利用卷积核组增强对茶尺蠖的特征提取,在不增加计算量的条件下减少复杂背景对茶尺蠖检测结果的干扰;使用注意力模块关注茶尺蠖整体,根据茶尺蠖的大小和形状自适应调节感受野,降低因目标大小形状不一导致的漏检;使用Focal loss损失函数减少前景和背景的类不平衡对检测结果的影响。试验结果表明,所提方法用于复杂背景图像中茶尺蠖的检测,可以达到0.94的召回率,0.96的精确度和92.89%的平均精度均值。与基线网络相比,该方法的平均精度均值提高了6.44个百分点。使用相同的数据集和预处理的对比分析表明,该方法优于SSD、Faster RCNN和YOLOv4等其他经典深度学习方法,平均精度均值比SSD、Faster RCNN、YOLOv4分别高17.18个百分点、6.52个百分点和4.78个百分点。该方法可实现对茶尺蠖的智能检测,减少人力成本,有助于实现精准施药,提高茶叶的产量和品质。

关键词：农业算法目标检测深度学习卷积核组注意力模块茶尺蠖

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的田间麦穗密度估计及计数

引用

农业工程学报 2020年第21期36卷 186-193,F0003页

作者：鲍文霞张鑫胡根生黄林生梁栋林泽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

小麦的最终产量可由单位面积的小麦麦穗数侧面反映,为了快速准确统计小麦麦穗数,该研究给出一种在单幅图像上利用深度卷积神经网络估计田间麦穗密度图并进行麦穗计数的方法。首先对采集的田间小麦图像进行直方图均衡化及阈值分割预处理... 详细信息

小麦的最终产量可由单位面积的小麦麦穗数侧面反映,为了快速准确统计小麦麦穗数,该研究给出一种在单幅图像上利用深度卷积神经网络估计田间麦穗密度图并进行麦穗计数的方法。首先对采集的田间小麦图像进行直方图均衡化及阈值分割预处理,以减少图像中光照及一些复杂背景对计数的影响;然后根据灌浆期田间小麦图像麦穗密集的特点,引入拥挤场景识别网络(Congested Scene Recognition Network,CSRNet)构建麦穗密度图估计模型,并采用迁移学习方法,利用小麦图像公开数据集对模型进行预训练,再用所采集的小麦图像数据集进行模型参数调整和优化;利用得到的模型生成单幅小麦图像的麦穗密度图,根据密度图中所有密度值的总和对图像进行麦穗计数。最后根据对单幅麦穗图像的试验数据,构建田间麦穗计数函数模型,实现田间小麦麦穗数估计。通过对所采集的安农170、苏麦188、乐麦608和宁麦24这4个品种共296幅小麦图像进行试验,平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Squared Error,RMSE)分别为16.44和17.89,4个品种小麦的麦穗计数值与真实值的决定系数R^2均在0.9左右,表明该方法对单幅图像小麦麦穗计数精度较高。此外,通过对田间小麦麦穗数进行估计试验,结果表明,随面积的增大麦穗估计的误差越小,研究结果可以为小麦的产量自动估计提供参考。

关键词：卷积神经网络机器视觉密度图估计麦穗计数拥挤场景识别网络迁移学习

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：