检索结果-内蒙古大学图书馆

激光与光电子学进展 2024年第12期61卷 219-229页

作者：周磊赵宝梁栋王梓涵刘强安徽大学互联网学院安徽合肥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安徽合肥230601

三维局部特征描述是三维计算机视觉的重要研究方向,被广泛用于三维感知任务中,以获取两片点云之间的点对应关系。针对现有大多数描述符存在的鉴别力低和鲁棒性弱等问题,提出一种局部分区属性统计直方图(LDASH)描述符。LDASH描述符基于... 详细信息

三维局部特征描述是三维计算机视觉的重要研究方向,被广泛用于三维感知任务中,以获取两片点云之间的点对应关系。针对现有大多数描述符存在的鉴别力低和鲁棒性弱等问题,提出一种局部分区属性统计直方图(LDASH)描述符。LDASH描述符基于局部参考轴(LRA)构建,首先沿径向划分局部空间,然后在每个划分分区中统计5个特征属性,实现空间和几何信息的全面编码。在LDASH描述符中,提出一种用于局部特征描述的新属性——距离加权角度值(DWAV)。DWAV的构成不依赖LRA,增强了描述符对LRA误差的鲁棒性。此外,提出一种针对点云分辨率变化的鲁棒性增强策略,以降低实际测试中点云分辨率变化对描述符的干扰。在6个具有不同应用场景和干扰类型的数据集上对LDASH描述符的性能进行全面的评估,结果表明:LDASH描述符在所有数据集上的性能都明显优于现有描述符;与性能第二高的分区局部特征统计描述符相比,LDASH描述符的鉴别力平均提高约16.3%,鲁棒性平均增强约7.5%。最后,将LDASH描述符应用于点云配准,实现了最好的配准性能,其与5种转换估计算法结合后的平均正确配准率达到了73%。

关键词：机器视觉局部特征描述符局部参考轴特征描述点云配准

来源：评论

学校读者我要写书评

暂无评论

基于RSTCNN的小麦叶片病害严重度估计

引用

农业机械学报 2021年第12期52卷 242-252,263页

作者：鲍文霞林泽胡根生梁栋黄林生杨先军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 中国科学院合肥物质科学研究院合肥230031

以小麦叶片条锈病和白粉病为研究对象,针对同类型病害的不同严重度之间的图像颜色及纹理特征差异较小,传统方法病害严重度估计准确率不高的问题,提出一种基于循环空间变换的卷积神经网络(Recurrent spatial transformer convolutional n... 详细信息

以小麦叶片条锈病和白粉病为研究对象,针对同类型病害的不同严重度之间的图像颜色及纹理特征差异较小,传统方法病害严重度估计准确率不高的问题,提出一种基于循环空间变换的卷积神经网络(Recurrent spatial transformer convolutional neural network,RSTCNN)对小麦叶片病害进行严重度估计。RSTCNN包含3个尺度网络,并由区域检测子网络进行连接。每个尺度网络以VGG19作为基础网络以提取病害的特征,同时为了统一区域检测过程中前后特征图的维度,在全连接层前引入空间金字塔池化(Spatial pyramid pooling,SPP);区域检测子网络则采用空间变换(Spatial transformer,ST)有效提取尺度网络特征图中病害的注意力区域。小麦叶片病害图像通过每个尺度网络中卷积池化层得到的特征图,一方面可作为预测病害严重度类别概率的依据,另一方面通过ST进行注意力区域检测并将检测到的区域作为下一个尺度网络的输入,通过交替促进的方式对注意力区域检测和局部细粒度特征表达进行联合优化和递归学习,最后对不同尺度网络的输出特征进行融合再并入到全连接层和Softmax层进行分类,从而实现小麦叶片病害严重度的估计。本文对采集的患有条锈病和白粉病的小麦叶片图像结合数据增强方法构建病害数据集,实验验证了改进后的RSTCNN在3层尺度融合的网络对病害严重度估计准确率较佳,达到了95.8%。相较于基础分类网络模型,RSTCNN准确率提升了7~9个百分点,相较于传统的基于颜色和纹理特征的机器学习算法,RSTCNN准确率提升了9~20个百分点。结果表明,本文方法显著提高了小麦叶片病害严重度估计的准确率。

关键词：小麦叶片病害严重度估计循环空间变换卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进RDN网络的无人机茶叶图像超分辨率重建

引用

农业机械学报 2023年第4期54卷 241-249页

作者：鲍文霞吴育桉胡根生杨先军汪振宇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 中国科学院合肥物质科学研究院合肥230031

针对无人机搭建可见光传感器进行茶叶长势、病害等监测中因飞行高度影响图像分辨率的问题,本文提出了一种改进的残差密集网络(Residual dense network,RDN)用于无人机茶叶图像超分辨率重建。针对无人机茶叶图像纹理复杂的特点,以RDN为... 详细信息

针对无人机搭建可见光传感器进行茶叶长势、病害等监测中因飞行高度影响图像分辨率的问题,本文提出了一种改进的残差密集网络(Residual dense network,RDN)用于无人机茶叶图像超分辨率重建。针对无人机茶叶图像纹理复杂的特点,以RDN为基线网络,在其结构中引入了残差组(Residual group,RG)模块,将多个残差通道注意力模块(Residual channel attention block,RCAB)组合在一起,通过引入注意力机制来区别对待不同的通道,关注无人机茶叶图像高频细节信息,从而提高网络的表征能力;同时设计了一个卷积长跳跃结构,利用带有卷积的远程跳跃连接,动态调整经过残差密集块(Residual dense block,RDB)后特征的权重,更好地利用无人机茶叶图像的分层特征信息,从而提升超分辨率重建图像的质量。实验结果表明,本文改进的RDN网络在无人机茶叶图像测试集上相较于其他算法表现更优,超分辨率重建后的图像具有更高的峰值信噪比和结构相似度,在4倍超分的情况下分别达到36.03 dB和0.9132,能够为茶叶智能化监测研究提供支持。

关键词：茶叶图像重建超分辨率残差组模块卷积长跳跃结构

来源：评论

学校读者我要写书评

暂无评论

基于轻量型残差网络的自然场景水稻害虫识别

引用

农业工程学报 2021年第16期37卷 145-152页

作者：鲍文霞吴德钊胡根生梁栋王年杨先军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 中国科学院合肥物质科学研究院合肥230031

准确识别水稻害虫对水稻及时采取防护和治理具有重要意义。该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫个体间形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构... 详细信息

准确识别水稻害虫对水稻及时采取防护和治理具有重要意义。该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫个体间形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络(Light Weight Residual Network,LW-ResNet)用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×10^(6)个,浮点运算量仅为0.34×10^(9)次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。

关键词：农作物模型图像识别水稻害虫注意力机制深度可分离卷积

来源：评论

学校读者我要写书评

暂无评论

基于TPH-YOLO的无人机图像麦穗计数方法

引用

农业工程学报 2023年第1期39卷 155-161页

作者：鲍文霞谢文杰胡根生杨先军苏彪彪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 中国科学院合肥物质科学研究院合肥230031

在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法,它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象,针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点,设计了一种基于TPH-YOLO(YOLO with t... 详细信息

在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法,它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象,针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点,设计了一种基于TPH-YOLO(YOLO with transformer prediction heads)的麦穗检测模型,提高无人机图像麦穗计数的精度。首先,为了减小光照不均匀对无人机图像质量造成的影响,该研究采用Retinex算法进行图像增强处理。其次,在YOLOv5的骨干网络中添加坐标注意力机制(coordinate attention,CA),使模型细化特征,更加关注麦穗信息,抑制麦秆、麦叶等一些背景因素的干扰。再次,将YOLOv5中原始的预测头转换为Transformer预测头(transformer prediction heads,TPH),该预测头具有多头注意力机制的预测潜力,可以在高密度场景下准确定位到麦穗。最后,为了提高模型的泛化能力和检测精度,采用了迁移学习的训练策略,先使用田间采集的小麦图像数据集对模型进行预训练,接着再使用无人机采集的小麦图像数据集对模型进行参数更新和优化训练,并在无人机采集的小麦图像数据集上进行了试验。结果表明,该研究方法精确率、召回率及平均精确率分别为87.2%、84.1%和88.8%,相较于基础的YOLOv5平均精确率提高4.1个百分点,性能优于SSD、Faster-RCNN、CenterNet、YOLOv5等目标检测模型。此外,该研究利用公开数据集Global Wheat Head Detection(GWHD)在不同目标检测模型上进行对比试验,该数据集的小麦样本是多样的和典型的,与SSD、Faster-RCNN、CenterNet和YOLOv5等模型相比,平均精确率分别提升11.1、5.4、6.9和3.3个百分点,进一步验证了该研究所提方法的可靠性和有效性,研究结果可以为小麦的产量预测提供支撑。

关键词：无人机图像处理麦穗计数 YOLOv5 注意力机制 transformer编码器迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于最少边的最短路径扰动

引用

电子科技大学学报 2023年第2期52卷 271-279页

作者：马闯杨晓龙张海峰李春春安徽大学互联网学院合肥230039 安徽大学数学科学学院合肥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

提出一种最少边扰动算法,以解决如何在扰动最少边的前提下,以最小代价来使得一条特定的目标路径成为最短路径的问题。该算法基于最少边的最短路径扰动模型,通过引入每条边的权重扰动上限约束,提出了最少扰动边数-最小扰动成本的双目标... 详细信息

提出一种最少边扰动算法,以解决如何在扰动最少边的前提下,以最小代价来使得一条特定的目标路径成为最短路径的问题。该算法基于最少边的最短路径扰动模型,通过引入每条边的权重扰动上限约束,提出了最少扰动边数-最小扰动成本的双目标混合整数规划问题,从而实现操纵网络节点间的最短路径。与以往的最小代价扰动算法相比,该方法降低了扰动的复杂性和扰动网络被察觉的风险。实验表明,最优解使扰动边数减少了约27%,具有更好的性能。

关键词：扰动边数扰动代价路径扰动最短路径

来源：评论

学校读者我要写书评

暂无评论

基于改进卷积神经网络的苹果叶部病害识别

引用

安徽大学学报（自然科学版） 2021年第1期45卷 53-59页

作者：鲍文霞吴刚胡根生张东彦黄林生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

针对苹果病害叶片图像病斑区域较小导致的传统卷积神经网络不能准确快速识别的问题,提出基于改进卷积神经网络的苹果叶部病害识别的网络模型.首先,将VGG16网络模型从ImageNet数据集上学习到的先验知识迁移到苹果病害叶片数据集上;然后,... 详细信息

针对苹果病害叶片图像病斑区域较小导致的传统卷积神经网络不能准确快速识别的问题,提出基于改进卷积神经网络的苹果叶部病害识别的网络模型.首先,将VGG16网络模型从ImageNet数据集上学习到的先验知识迁移到苹果病害叶片数据集上;然后,在瓶颈层后采用选择性核(selective kernel,简称SK)卷积模块;最后,使用全局平均池化代替全连接层.实验结果表明:与其他传统网络模型相比,该模型能更准确快速捕获苹果病害叶片上微小的病斑.

关键词：苹果叶部病害图像识别 VGG16 SK卷积迁移学习全局平均池化

来源：评论

学校读者我要写书评

暂无评论

多源卫星遥感数据监测巢湖蓝藻水华爆发研究

引用

红外与激光工程 2019年第7期48卷 295-306页

作者：张东彦尹勋佘宝丁玉婉梁栋黄林生赵晋陵郜允兵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 安徽理工大学测绘学院安徽淮南232001 北京农业信息技术研究中心北京100097

湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据,通过归一化水体指数(Normali... 详细信息

湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据,通过归一化水体指数(Normalized Difference Water Index,NDWI)实现巢湖水域范围提取,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)和浮游藻类指数(Floating Algae Index,FAI)提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的,对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析,评价Landsat、HJ-1B以及VIIRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明:(1)相比NDVI指数,FAI指数(Landsat和HJ-1B数据为主,VIIRS数据辅助)能降低薄云对蓝藻水华提取效果的影响,可提高蓝藻水华爆发区域、程度的识别能力;(2)气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度,降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述,论文引入VIIRS卫星影像研究巢湖蓝藻水华爆发,利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响,取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持,有利于推进卫星遥感技术在安徽省“河长制”和“湖长制”中发挥重要作用。

关键词：浮游藻类指数归一化水体指数 VIIRS影像巢湖蓝藻气象因子

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的生菜多光谱图像分割与配准

引用

农业机械学报 2021年第9期52卷 186-194页

作者：黄林生邵松卢宪菊郭新宇樊江川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 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097

针对多光谱图像中由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用,图像分析处理过程往往会出现无法自动化分割或分割精度较低的问题,提出采用基于相位相关算法和基于UNet的语义分割模型对田间生菜多光谱图像进行各... 详细信息

针对多光谱图像中由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用,图像分析处理过程往往会出现无法自动化分割或分割精度较低的问题,提出采用基于相位相关算法和基于UNet的语义分割模型对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割。使用Canny算法对多光谱各通道图像进行边缘提取,进而使用相位相关算法对多光谱各通道图像进行配准,单幅图像平均处理时间0.92 s,配准精度达到99%,满足后续图像分割所需精度;以VGG16作为主干特征提取网络,直接采用两倍上采样,使最终输出图像和输入图像高宽相等,构建优化的UNet模型。实验结果表明:本文所提出的图像配准和图像分割网络,分割像素准确率达到99.19%,平均IoU可以达到94.98%,能够很好地对生菜多光谱图像进行前景分割,可以为后续研究作物精准表型的光谱分析提供参考。

关键词：生菜多光谱图像图像配准图像分割卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

SMS和双向特征融合的自然背景柑橘黄龙病检测技术

引用

农业机械学报 2022年第11期53卷 280-287页

作者：曾伟辉陈亚飞胡根生鲍文霞梁栋安徽大学互联网学院合肥230039 科大国创软件股份有限公司中央研究院合肥230088 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

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有... 详细信息

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有的算法对自然背景柑橘黄龙病检测的精度不高。本研究提出了一种结合剪切混合拼接(Shearing mixed splicing, SMS)增广算法和双向特征融合的自然背景柑橘黄龙病检测方法,该方法通过SMS、镜像翻转和旋转方法对训练集和验证集进行了增广,增加了训练集和验证集图像中背景目标的数量和多样性;为了自适应地改变柑橘黄龙病检测中的局部采样点,增大有效感受野,使用可变形卷积替换骨干网络后3个卷积层中所有的标准卷积;为了减小自然背景的影响,使用全局上下文模块对骨干网络后3个卷积层输出的特征图进行特征增强,来建立有效的长距离依赖,以便更好的学习到全局上下文信息;使用双向融合特征金字塔,改善浅层特征和深层特征的信息交流路径,用以降低因柑橘黄龙病叶片尺寸变化大导致的漏检,提高小尺寸的柑橘黄龙病叶片的检测精度。实验结果表明,本研究提出的方法用于自然背景柑橘黄龙病的检测,平均精度可达84.8%,性能优于SSD、RetinaNet、YOLO v3、YOLO v5s、Faster RCNN、Cascade RCNN等目标检测方法。

关键词：柑橘黄龙病检测自然背景全局上下文模块可变形卷积双向特征融合

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：