检索结果-内蒙古大学图书馆

智慧农业（中英文） 2023年第3期5卷 75-85页

作者：张淦严海峰胡根生张东彦程涛潘正高许海峰沈书豪朱科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安徽合肥230039 西北农林科技大学机械与电子工程学院陕西杨凌712100 宿州学院信息工程学院安徽宿州234000

[目的/意义]利用低空无人机技术并结合深度学习语义分割模型精准提取作物倒伏区域是一种高效的倒伏灾害监测手段。然而,在实际应用中,受田间各种客观条件(不同无人机飞行高度低于120 m、多个研究区、关键生育期不同天气状况等)限制,无... 详细信息

[目的/意义]利用低空无人机技术并结合深度学习语义分割模型精准提取作物倒伏区域是一种高效的倒伏灾害监测手段。然而,在实际应用中,受田间各种客观条件(不同无人机飞行高度低于120 m、多个研究区、关键生育期不同天气状况等)限制,无人机获取的图像数量仍偏少,难以满足高精度深度学习模型训练的要求。本研究旨在探索一种在作物生育期和研究区有限的情况下精准提取倒伏面积的方法。[方法]以健康/倒伏小麦为研究对象,在其灌浆期和成熟期开展麦田图像采集工作。设置2个飞行高度(40和80 m),采集并拼接获取2019、2020、2021和2023年份3个研究区的数字正射影像图(Digital Ortho-photo Map,DOM);在Swin-Transformer深度学习语义分割框架基础上,分别使用40 m训练集单独训练、40和80 m训练集混合训练、40 m训练集预训练80 m训练集迁移学习等3种训练方法,获得对照模型、混合训练模型和迁移学习模型;采用对比实验比较上述3种模型分割80 m高度预测集图像的精度并评估模型性能。[结果和讨论]迁移学习模型倒伏面积提取精度最高,交并比、正确率、精确率、召回率和F_1-Score共5个指标平均数分别为85.37%、94.98%、91.30%、92.52%和91.84%,高于对照组模型1.08%~3.19%,平均加权帧率达到738.35 fps/m~2,高于40 m图像183.12 fps/m~2。[结论]利用低飞行高度(40 m)预训练语义分割模型,在较高飞行高度(80 m)空图像做迁移学习的方法提取倒伏小麦面积是可行的,这为解决空域飞行高度限制下,较少80 m及以上图像数据集无法满足语义分割模型训练的要求的问题,提供了一种有效的方法。

关键词：倒伏识别农业遥感无人机影像迁移学习语义分割 Swin-Transformer

来源：评论

学校读者我要写书评

暂无评论

基于无人机RGB影像的大豆种植区提取方法研究

引用

浙江农业学报 2023年第4期35卷 952-961页

作者：张梦佘宝杨玉莹黄林生朱梦琦安徽理工大学空间信息与测绘工程学院安徽淮南232001 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

针对皖北大豆主产区——阜阳市太和县境内的典型破碎农田环境,基于无人机RGB影像与多种机器学习算法构建大豆遥感识别模型,据此实现种植区的精细制图。除了R、G、B波段的相对反射率外,还选取了3个HLS色彩空间分量、9个可见光植被指数、... 详细信息

针对皖北大豆主产区——阜阳市太和县境内的典型破碎农田环境,基于无人机RGB影像与多种机器学习算法构建大豆遥感识别模型,据此实现种植区的精细制图。除了R、G、B波段的相对反射率外,还选取了3个HLS色彩空间分量、9个可见光植被指数、6个纹理特征和1个几何特征共22个候选特征变量扩大RGB影像的信息量。采用与分类器相耦合的特征选择方法筛选出针对4种算法——随机森林(RF)、支持向量机(SVM)、极端梯度提升(XGBoost)和BP神经网络(BPNN)的特征子集,并基于最优特征子集和相应的算法构建监督分类模型进行大豆分布区的提取制图,并对比效果差异。结果表明,在4种算法下,基于优选特征子集构建的监督分类模型的提取效果全部优于基于原始RGB波段的提取效果,其中,RF算法结合优选特征的表现最佳,总体精度为93.96%,Kappa系数达到0.87。总的来看,RF算法结合特征优选方法在无人机大豆遥感识别中具有较大的应用潜力,通过特征筛选可在较高的分类精度与较少的数据量之间取得平衡。

关键词：无人机机器学习大豆作物制图特征优选

来源：评论

学校读者我要写书评

暂无评论

基于多源无人机影像特征融合的冬小麦LAI估算

引用

农业工程学报 2022年第9期38卷 171-179页

作者：张东彦韩宣宣林芬芳杜世州张淦洪琪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 南京信息工程大学遥感与测绘工程学院南京210044 河南大学黄河中下游数字地理技术教育部重点实验室开封475004 安徽省农业科学院作物研究所合肥230001

为探讨无人机多源影像特征融合估测作物叶面积指数的能力,该研究以冬小麦为研究对象,利用多旋翼无人机搭载高清数码相机和UHD185成像光谱仪获取研究区冬小麦关键生育期(扬花期、灌浆期)的可见光和高光谱影像。综合考虑可见光、高光谱影... 详细信息

为探讨无人机多源影像特征融合估测作物叶面积指数的能力,该研究以冬小麦为研究对象,利用多旋翼无人机搭载高清数码相机和UHD185成像光谱仪获取研究区冬小麦关键生育期(扬花期、灌浆期)的可见光和高光谱影像。综合考虑可见光、高光谱影像特征与冬小麦叶面积指数的相关性及影像特征重要性进行特征筛选,然后,以可见光植被指数、纹理特征、可见光植被指数+纹理特征、高光谱波段、高光谱植被指数及高光谱波段+植被指数分别作为输入变量构建多元线性回归、支持向量回归和随机森林回归的叶面积指数估测模型(单传感器数据源);以优选的两种影像特征结合支持向量回归、随机森林回归构建叶面积指数估测模型(两种传感器数据源),比较分析单源与多源影像特征监测冬小麦叶面积指数的性能。进一步地,考虑到小区土壤空间异质性会影响冬小麦叶面积指数估测结果,该研究探讨了不同影像采样面积下基于单源遥感数据构建的小麦叶面积指数估测模型精度。研究结果表明:在扬花期和灌浆期,使用两种影像优选特征构建的随机森林回归估测模型精度最佳,验证集决定系数分别为0.733和0.929,均方根误差为0.193和0.118。可见光影像采样面积分别为30%和50%,高光谱影像采样面积为65%时,基于单源影像特征构建的随机森林回归估测模型在扬花期和灌浆期效果最好。综上,该研究结果可为无人机遥感监测作物生理参数提供有价值的依据和参考。

关键词：无人机特征融合机器学习叶面积指数冬小麦

来源：评论

学校读者我要写书评

暂无评论

面向高分卫星遥感共性产品真实性检验的无人机空港布局

引用

地理学报 2021年第11期76卷 2621-2631页

作者：刘俊伟陈鹏飞鹿明廖小罕中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室北京100101 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技术研究中心合肥230601 钱学森空间技术实验室北京100094 天津中科无人机应用研究院天津301800

针对高分卫星遥感共性产品真实性检验对无人机数据的需求,本文以已有野外台站为依托,开展无人机空港布局研究。首先,综合考虑影响卫星产品空间变异的因素,构建了地理背景覆盖率的物理模型;其次,基于地理背景覆盖率改进覆盖模型提出最大... 详细信息

针对高分卫星遥感共性产品真实性检验对无人机数据的需求,本文以已有野外台站为依托,开展无人机空港布局研究。首先,综合考虑影响卫星产品空间变异的因素,构建了地理背景覆盖率的物理模型;其次,基于地理背景覆盖率改进覆盖模型提出最大地理背景覆盖模型,并利用简单随机抽样中的样本容量确定方法确定合理的空港数量,分别利用本文提出的最大地理背景覆盖模型和已有最大面积覆盖模型进行空港布局的研究;最后,对两种模型下的空港布局结果进行对比,并利用MODIS EVI数据产品对布局结果进行验证。结果表明,在空港数有限的条件下(n=60),最大面积覆盖模型选择的空港,其服务范围内的地理背景覆盖率为26.66%,能代表70.37%的中国陆地区域,而最大地理背景覆盖模型选择的空港,其服务范围内的地理背景覆盖率为38.32%,能代表73.36%的中国陆地区域。最大地理背景覆盖模型比最大面积覆盖模型能获得更优的空港布局结果,可用于支撑中国区域面向高分卫星遥感共性产品真实性检验的无人机观测网络建设。

关键词：无人机空港布局最大地理背景覆盖模型最大面积覆盖模型高分卫星遥感共性产品

来源：评论

学校读者我要写书评

暂无评论

基于集中注意力接受场网络的偏振成像伪装目标检测

引用

计算机应用研究 2024年第9期41卷 2854-2859页

作者：徐国明陈奇志刘綦马健王峰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 偏振光成像探测技术安徽省重点实验室合肥230031

针对伪装物体分割中图像识别鲁棒性较差、模型泛化性不强的问题,受神经科学中人类视觉系统接受场结构的启发,提出一种基于集中注意力接受场网络的偏振成像伪装目标检测方法。根据偏振成像目标探测需要,构建了能有效遏制背景噪声以及获... 详细信息

针对伪装物体分割中图像识别鲁棒性较差、模型泛化性不强的问题,受神经科学中人类视觉系统接受场结构的启发,提出一种基于集中注意力接受场网络的偏振成像伪装目标检测方法。根据偏振成像目标探测需要,构建了能有效遏制背景噪声以及获取目标细节特征的偏振成像数据集。该方法基于识别与定位网络框架,通过改进特征提取模块和解码器模块,该模块利用了偏心度和感受野大小之间的关系,涵盖多尺度的目标信息,可以有效提高伪装目标特征的可分辨性和鲁棒性。实验验证利用自建数据集在多个典型目标上进行,并与经典算法进行分割结果的主观视觉与客观评价指标对比,对比实验结果验证了该方法的有效性。

关键词：偏振成像伪装目标分割机器视觉卷积神经网络数据集

来源：评论

学校读者我要写书评

暂无评论

基于堆栈稀疏自编码器的小麦赤霉病高光谱遥感检测

引用

作物学报 2023年第8期49卷 2275-2287页

作者：林芬芳陈星宇周维勋王倩张东彦南京信息工程大学遥感与测绘工程学院江苏南京210044 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) 安徽合肥230601 黄河中下游数字地理技术教育部重点实验室(河南大学) 河南开封475004

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,... 详细信息

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,提取出麦穗光谱曲线,使用多源散射校正对光谱进行去噪处理,再采用堆栈稀疏自编码器(Stacked Sparse Auto-encoder,SSAE)提取小麦赤霉病的光谱特征,利用该特征分别结合Softmax分类器和偏最小二乘回归方法构建小麦赤霉病严重度判别和预测模型。通过预训练,具有12~6个神经元的双层SSAE模型表现较好,模型均方误差更低,而且各个病害等级的特征差异明显;以训练的SSAE模型提取的深度学习特征为基础分别建立赤霉病严重度等级判别模型和严重度预测模型,在严重度等级判别的分类结果中,模型的总体精度和Kappa系数分别为88.2%和0.84,其中“淮麦35”品种的总体精度最高;在严重度预测模型中,模型对所有品种测试集的预测决定系数和均方根误差分别为0.927和0.062,对各品种的预测决定系数均在0.95左右;相比常见的几种小麦赤霉病光谱指数,基于SSAE深度学习特征的赤霉病预测模型精度更高。高光谱遥感数据量大、光谱波段多,堆栈稀疏自编码器通过在自编码器模型中加入稀疏表示的限定条件,并增加隐含层数及隐含神经元数来构建更为复杂的模型,所提取的光谱特征更能全方面地体现小麦赤霉病的光谱特征,利用该特征构建的小麦赤霉病检测模型具有更高的精度,可为精准监测小麦赤霉病提供科学依据。

关键词：赤霉病堆栈稀疏自编码器高光谱检测小麦

来源：评论

学校读者我要写书评

暂无评论

融合高光谱成像多类特征的名优牛肉种类鉴别

引用

激光杂志 2021年第8期42卷 57-61页

作者：郑守国翁士状刘瑜凡王海燕朱恭钦邱梦琴中科院合肥物质科学研究院智能技术与系统研究室合肥230031 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

提出一种基于高光谱成像技术鉴别名优牛肉的新方法。首先,测量采集了来自安徽、新疆和西藏三种牛肉的120个样本的高光谱图像。然后,通过感兴趣区域提取、加和平均获得样本的400 nm~1 000 nm波段的反射率光谱,并采用局部二值模式从样本... 详细信息

提出一种基于高光谱成像技术鉴别名优牛肉的新方法。首先,测量采集了来自安徽、新疆和西藏三种牛肉的120个样本的高光谱图像。然后,通过感兴趣区域提取、加和平均获得样本的400 nm~1 000 nm波段的反射率光谱,并采用局部二值模式从样本灰度图中提取纹理特征。同时,通过标准化、多元散射校正(MSC)和标准正态变量校正方法去除反射率光谱中的噪声,利用连续投影算法(SPA)、竞争性自适应重加权采样算法以及稳定性竞争自适应重加权采样算法选择重要波长。最后,基于重要波长的光谱信息和纹理特征,采用支持向量机、随机森林和K最邻近算法(KNN)构建牛肉品种分类模型。实验结果表明,融合重要光谱信息和牛肉纹理特征后,基于SPA波长选择的MSC-KNN模型具有最好的分类效果,分类结果的校正集与预测集正确率分别为100%、99.14%。所提方法为实现基于多光谱系统与成像系统的快速、简便的牛肉种类鉴别装置奠定了理论与实验基础。

关键词：高光谱成像反射率光谱纹理牛肉种类鉴别

来源：评论

学校读者我要写书评

暂无评论

一种结合增强对齐与多注意力融合的偏振视频超分辨方法

引用

光学技术 2024年第3期50卷 269-276页

作者：徐国明金苗梁栋马健王峰李毅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 偏振光成像探测技术安徽省重点实验室安徽合肥230031 安徽文达信息工程学院智能技术研究所安徽合肥231201

在偏振成像探测中,偏振多通道视频序列给数据传输和处理带来挑战,同时探测精度又依赖高分辨率图像,为此超分辨率计算成像就成为偏振成像探测系统的关键技术。从视频运动特征入手,提出一种结合增强对齐与多注意力融合的偏振视频超分辨率... 详细信息

在偏振成像探测中,偏振多通道视频序列给数据传输和处理带来挑战,同时探测精度又依赖高分辨率图像,为此超分辨率计算成像就成为偏振成像探测系统的关键技术。从视频运动特征入手,提出一种结合增强对齐与多注意力融合的偏振视频超分辨率重建方法。采用三级级联结构实现特征对齐,每一级特征由上一级特征下采样两倍得到,并采用光流引导的可变形卷积进行特征对齐;在融合阶段结合包括时间注意力、空间注意力、通道注意力在内的多种注意力机制,以充分利用通道间依赖性和时空相关性来提升超分辨率重建效果。所提方法与VSR-DUF、RBPN、EDVR、RLSP、RSDN、RRN、DARN、MSAWN等视频超分辨率方法在0°、45°、90°、135°偏振角视频上进行定性和定量对比实验,该实验表明该算法峰值信噪比和结构相似度指标高于其他算法,并且视频帧的高频纹理细节的修复更加丰富,接近偏振成像系统的原始高清图像帧。

关键词：成像探测视频超分辨率深度学习偏振视频注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8-FECA的密集场景下小麦赤霉病孢子目标检测

引用

农业工程学报 2024年第21期40卷 127-136页

作者：张东彦高玥程涛胡根生杨雪乔红波郭伟谷春艳西北农林科技大学机械与电子工程学院杨凌712100 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 安徽省农业科学院植物保护与农产品质量安全研究所合肥236065 河南农业大学信息与管理科学学院郑州450002

针对小麦赤霉病孢子图像中密集分布小目标的漏检错检问题,该研究设计了一种针对该场景下小目标检测模型YOLOv8-FECA。以YOLOv8为基准模型,先添加新的小目标检测层,以此增强网络对更小目标语义信息的捕捉以及提高其特征描述的准确性;其次... 详细信息

针对小麦赤霉病孢子图像中密集分布小目标的漏检错检问题,该研究设计了一种针对该场景下小目标检测模型YOLOv8-FECA。以YOLOv8为基准模型,先添加新的小目标检测层,以此增强网络对更小目标语义信息的捕捉以及提高其特征描述的准确性;其次,构建融合特征的焦点注意力机制(focal efficient channel attention module,FECA)以实现对小目标和密集分布目标的关注;再次,引入Wise-IoU Loss与DFL Loss结合作为边界框的回归损失,提高模型的收敛能力以及对边界框预测的准确性;最后,在不同密集场景和不同光线环境下验证了模型的鲁棒性。结果表明,优化后模型YOLOv8-FECA相比YOLOv8在孢子数据集中的平均检测精度均值m AP@0.5提高了4.3个百分点,达到96.8%,且改进模型的检测效率达到实时检测要求。该研究设计的YOLOv8-FECA网络模型在保持高性能的同时能够有效提升密集场景小目标检测的精度,为其他作物病害孢子的检测提供了思路。

关键词：小麦赤霉病孢子密集场景小目标检测 YOLOv8 显微图像

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

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：