检索结果-内蒙古大学图书馆

农业机械学报 2021年第11期52卷 253-262页

作者：章权兵胡姗姗舒文灿程鸿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

为了准确预测小麦产量,提出了一种基于特征金字塔网络改进的小麦穗部检测方法。针对检测结果中存在的误检或漏检等问题,本文首先在原始特征提取网络的编码和解码区域分别引入通道注意力机制和空间注意力机制,以增加对麦穗空间信息和语... 详细信息

为了准确预测小麦产量,提出了一种基于特征金字塔网络改进的小麦穗部检测方法。针对检测结果中存在的误检或漏检等问题,本文首先在原始特征提取网络的编码和解码区域分别引入通道注意力机制和空间注意力机制,以增加对麦穗空间信息和语义信息的提取,有效提升网络对遮挡麦穗的检测性能;其次对原始区域建议网络的输入进行改进,设计了一种加权区域建议网络,在通道级别上将高层具有强语义信息的低分辨率特征图融合在一起,经过一系列的全连接层和激活函数生成对应维度的概率后,对底层高分辨率特征图进行加权以增强有用的信息通道,为难以检测的较小麦穗生成更精确的检测框。关于实地采集的灌浆期麦穗图像的实验结果表明,本文方法明显改善了对遮挡麦穗和较小麦穗的检测效果,其检测精确度、召回率和平均精度分别达到80.53%、87.12%和88.53%。通过对公开ACID数据集上不同时期麦穗检测结果的对比分析,进一步验证了本文方法的有效性。

关键词：麦穗检测金字塔网络特征提取注意力机制加权区域建议网络

来源：评论

学校读者我要写书评

暂无评论

基于椭圆型度量学习空间变换的水稻虫害识别

引用

华南理工大学学报（自然科学版） 2020年第10期48卷 136-144页

作者：鲍文霞邱翔胡根生梁栋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

为了提高水稻虫害识别的准确率,文中首先采用深度语义分割U-Net网络去除复杂背景的影响,采用滑动窗口法提取水稻虫害图像的HSV颜色特征和SILTP纹理特征,统计同一水平滑窗中特征的最大值来构成特征向量,并利用Relief-F算法进行优化,获取... 详细信息

为了提高水稻虫害识别的准确率,文中首先采用深度语义分割U-Net网络去除复杂背景的影响,采用滑动窗口法提取水稻虫害图像的HSV颜色特征和SILTP纹理特征,统计同一水平滑窗中特征的最大值来构成特征向量,并利用Relief-F算法进行优化,获取具有高辨识性的水稻虫害图像特征。同时,引入对数据具有更好区分性的椭圆型度量,通过椭圆型度量学习寻找反映虫害图像特征空间结构信息和语义信息的非线性变换,对虫害图像特征的潜在关系进行建模,使相同类别特征之间的距离减小,不同类别特征之间的距离增大;在椭圆型度量学习过程中,通过在三元组约束函数中增加Frobenius范数正则项来避免过拟合,提高泛化能力。最后,利用椭圆型度量矩阵将水稻虫害特征变换到新的特征空间,从而提升SVM分类器的辨识能力。对13类常见水稻虫害图像的识别结果表明,文中提出的算法显著提高了小样本和复杂背景下水稻虫害图像识别的准确率,可以为精准农业中农作物病虫害的智能识别提供参考。

关键词：水稻虫害识别椭圆型度量空间变化三元组约束

来源：评论

学校读者我要写书评

暂无评论

基于轻量级密集多尺度注意力网络的小麦叶部锈病识别方法

引用

农业机械学报 2024年第11期55卷 21-31页

作者：鲍文霞赵诗意黄林生梁栋胡根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合肥230601

人工诊断小麦锈病成本高、效率低,已无法满足现代农业生产的需要。本文提出了一种轻量级密集多尺度注意力网络模型(Mobile-Dense multi-scale attention net,Mobile-DMSANet),用于自动识别田间自然场景中的小麦叶部锈病(条锈病和叶锈病... 详细信息

人工诊断小麦锈病成本高、效率低,已无法满足现代农业生产的需要。本文提出了一种轻量级密集多尺度注意力网络模型(Mobile-Dense multi-scale attention net,Mobile-DMSANet),用于自动识别田间自然场景中的小麦叶部锈病(条锈病和叶锈病)。该模型在输入层设计了一个快速下采样模块(Fast subsampling block,FSB),它在不增加计算成本的前提下提高模型的特征表达能力。模型的特征提取层使用3个轻量级特征提取模块(Dense multiscale attention,DMS A)来提取小麦叶部锈病的特征。DMS A模块设计了一个多尺度的3路卷积层(Multi-scale threeway convolution,MSTC)用于获得不同尺度感受野,以提高模型的表达能力和对不同尺寸锈病的感知能力。DMSA模块中6个MSTC层通过密集连接实现特征重用,不仅大大减少了模型的参数量,而且提高了对这两种相似的小麦叶部锈病的特征提取能力。在DMSA模块中还引入了协调注意力机制(Coordinated attention,CA),来提高对病害信息的敏感性,并抑制图像中的背景信息。模型的输出层使用Softmax函数实现小麦叶部锈病识别。结果表明,Mobile-DMSANet模型在测试数据集上的识别准确率为96.4%,高于经典CNN模型(如ResNet50、AlexNet)和轻量级CNN模型(如ShufflenetV2、DenseNet系列)。Mobile-DMSANet参数量为4.54×10^(5),与其他轻量级模型相比大幅下降。本文所设计模型可用于移动端小麦叶部锈病的自动识别。

关键词：小麦条锈病小麦叶锈病病害识别轻量级卷积神经网络 Molile-DMSANet

来源：评论

学校读者我要写书评

暂无评论

基于轻量型网络的无人机遥感图像中茶叶枯病检测方法

引用

农业机械学报 2024年第4期55卷 165-175页

作者：胡根生谢一帆鲍文霞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

针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的... 详细信息

针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小。此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力。实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%,平均精度均值为78.5%,与YOLO v5s接近。然而,LiTLBNet内存占用量仅2.0 MB,是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

关键词：茶叶病害目标检测无人机遥感轻量型网络 LiTLBNet

来源：评论

学校读者我要写书评

暂无评论

基于多路卷积神经网络的大田小麦赤霉病图像识别

引用

农业工程学报 2020年第11期36卷 174-181页

作者：鲍文霞孙庆胡根生黄林生梁栋赵健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

为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像... 详细信息

为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像的识别。首先利用深度语义分割网络U-Net对大田环境下的小麦图像进行分割,去除小麦叶片及其他无关背景的影响,从而分割出麦穗图像。然后设计结构较为简单的多路卷积神经网络分别提取麦穗图像R、G、B 3个通道的特征,通过特征融合获得具有高辨识性的麦穗图像语义特征。最后,为了增大赤霉病和健康麦穗图像特征之间的可区分性,同时减小赤霉病麦穗图像类内特征的差异,采用联合损失函数进一步改善网络的性能。该研究对采集的大田环境下的510幅灌浆期小麦群体图像进行分割,选取2745幅完整单株麦穗图像利用所设计的多路卷积神经网络进行赤霉病识别试验,结果表明该研究所提算法对单株麦穗赤霉病识别精度达到100%,能够为小麦病害的智能识别提供帮助。

关键词：图像识别农作物病害小麦赤霉病多路卷积神经网络联合损失函数

来源：评论

学校读者我要写书评

暂无评论

基于椭圆型度量学习的小麦叶部病害识别

引用

农业机械学报 2018年第12期49卷 20-26页

作者：鲍文霞赵健张东彦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

特征提取和相似性度量是基于图像处理的农作物病虫害识别方法中的两大关键问题。以感染小麦白粉病的叶片为研究对象,提出了一种基于椭圆型度量学习的小麦叶部病害严重度识别算法。该算法首先给出了一种滑窗最大值(Moving window maximum... 详细信息

特征提取和相似性度量是基于图像处理的农作物病虫害识别方法中的两大关键问题。以感染小麦白粉病的叶片为研究对象,提出了一种基于椭圆型度量学习的小麦叶部病害严重度识别算法。该算法首先给出了一种滑窗最大值(Moving window maximum,MWM)特征提取方法,对分割后的病斑图像采用滑窗法提取HSV颜色特征和LBP纹理特征,在同一水平条滑窗上取每一维特征的最大值作为这一水平条的特征,这种MWM特征表示方法能有效减弱小麦叶片弯曲、倾斜、拍摄角度不同等对识别率的影响;然后,引入对样本数据具有更好区分性的椭圆型度量,根据样本的类内与类间高斯分布的对数似然比定义椭圆型度量矩阵,为了保持最大化的分类信息,将特征子空间学习和椭圆型度量学习同时进行;最后,利用得到的椭圆型度量计算特征向量之间的距离实现不同严重度病害的识别。对比实验结果表明,本文算法使得小麦白粉病严重度的识别正确率达到了100%,优于SVM方法的88. 33%、BP神经网络方法的90%。

关键词：小麦白粉病叶部病害识别图像处理滑窗最大值特征椭圆型度量

来源：评论

学校读者我要写书评

暂无评论

基于FE-P2Pnet的无人机小麦图像麦穗计数方法

引用

农业机械学报 2024年第4期55卷 155-164,289页

作者：鲍文霞苏彪彪胡根生黄承沛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

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的... 详细信息

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的差异度,减少叶、秆等复杂背景因素的影响。引入了基于点标注的网络P2Pnet作为基线网络,以解决麦穗密集的问题。同时,针对麦穗目标小引起的特征信息较少的问题,在P2Pnet的主干网络VGG16中添加了Triplet模块,将C(通道)、H(高度)和W(宽度)3个维度的信息交互,使得主干网络可以提取更多与目标相关的特征信息;针对麦穗尺寸不一的问题,在FPN(Feature pyramid networks)上增加了FEM(Feature enhancement module)和SE(Squeeze excitation)模块,使得该模块能够更好地处理特征信息和融合多尺度信息;为了更好地对目标进行分类,使用Focal Loss损失函数代替交叉熵损失函数,该损失函数可以对背景和目标的特征信息进行不同的权重加权,进一步突出特征。实验结果表明,在本文所构建的无人机小麦图像数据集(Wheat-ZWF)上,麦穗计数的平均绝对误差(MAE)、均方误差(MSE)和平均精确度(ACC)分别达到3.77、5.13和90.87%,相较于其他目标计数回归方法如MCNN(Multi-column convolutional neural network)、CSRnet(Congested scene recognition network)和WHCNETs (Wheat head counting networks)等,表现最佳。与基线网络P2Pnet相比,MAE和MSE分别降低23.2%和16.6%,ACC提高2.67个百分点。为了进一步验证本文算法的有效性,对采集的其它4种不同品种的小麦(AK1009、AK1401、AK1706和YKM222)进行了实验,实验结果显示,麦穗计数MAE和MSE平均为5.10和6.17,ACC也达到89.69%,表明本文提出的模型具有较好的泛化性能。

关键词：麦穗计数无人机图像 FE-P2Pnet FEM Wheat-ZWF数据集

来源：评论

学校读者我要写书评

暂无评论

加权切趾传递函数约束的傅里叶叠层显微成像

引用

光学学报 2021年第4期41卷 87-96页

作者：张芬周业倩尤栖冲程鸿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

傅里叶叠层显微成像技术(FPM)是一种新型显微成像技术,该方法巧妙地结合了相位恢复算法和合成孔径的理念,解决了大视场与高分辨率难以兼备的问题。在传统计算中,往往将FPM成像过程近似为相干成像,即将LED视为点光源,进而相干传递函数作... 详细信息

傅里叶叠层显微成像技术(FPM)是一种新型显微成像技术,该方法巧妙地结合了相位恢复算法和合成孔径的理念,解决了大视场与高分辨率难以兼备的问题。在传统计算中,往往将FPM成像过程近似为相干成像,即将LED视为点光源,进而相干传递函数作为最优解的频谱支持域约束。但是,严格来说,LED是扩展的非相干光源,因此这种不恰当的近似会降低重构图像质量。为此,通过探究FPM系统的相干性,提出了一种新的传递函数——基于贝塞尔函数加权的切趾相干(B-AC)传递函数作为支持域约束的方法,实验结果证明,B-AC约束更适配于FPM成像系统,可以明显减少相干传递函数约束时产生的振铃效应,使得重构图像质量和鲁棒性优于相干传递函数和切趾相干传递函数约束。

关键词：成像系统相位恢复傅里叶叠层显微成像相干传递函数相干成像部分相干成像

来源：评论

学校读者我要写书评

暂无评论

自适应聚焦下基于强度传输方程的相位恢复

引用

红外与激光工程 2022年第3期51卷 311-321页

作者：程鸿王丽王瑞向昕宇章权兵朱啸天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

基于强度传输方程的非干涉相位恢复方法是通过对强度图像求解方程来获取相位的一种途径。在图像采集过程中,对聚焦图像的选择是很重要的。但该过程通常是由主观方法来确定,从而导致聚焦定位不准确,进而影响相位恢复结果的精度。首先,提... 详细信息

基于强度传输方程的非干涉相位恢复方法是通过对强度图像求解方程来获取相位的一种途径。在图像采集过程中,对聚焦图像的选择是很重要的。但该过程通常是由主观方法来确定,从而导致聚焦定位不准确,进而影响相位恢复结果的精度。首先,提出了一种基于强度传输方程的自适应聚焦相位恢复方法;其次,使用边缘占空比对采集图像进行定位,在求解相位之后进行循环角谱传播,直到边缘占空比定位位置不变,即被认为是定位到了最佳聚焦位置;最后,再使用强度传输方程求解样本的相位。结果证明:该方法不仅提高了相位恢复的准确性而且减少了获取大量图像的次数。在模拟实验中,恢复相位与原始相位的相关系数达到0.986 6,均方根误差为0.305 0。在实际的微透镜阵列实验中,用所提出的相位恢复方法恢复出的微透镜高度与真实高度误差仅为5.7%,证明了在显微成像领域,所提算法可以定位到最优聚焦位置,有利于自动聚焦技术的发展,进而提高相位恢复的精度。

关键词：相位恢复强度传输方程自适应聚焦边缘占空比

来源：评论

学校读者我要写书评

暂无评论

联合局部二值模式与K-最近邻算法的高光谱图像分类方法

引用

红外与毫米波学报 2021年第3期40卷 400-412页

作者：赵晋陵胡磊严豪储国民方艳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 安徽大学电子信息工程学院安徽合肥230601

如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法... 详细信息

如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法的高光谱图像分类方法。首先,通过主成分分析PCA(Principle Component Analysis)对高光谱数据进行降维;然后,使用LBP提取降维后的高光谱图像空间纹理信息,将光谱与空间特征变量堆叠成空—谱特征向量;最后,输入最近邻分类器得到分类结果。选取Pavia University、Indian Pines和Salinas三种公开高光谱数据集的训练集和测试集作为建模和验证数据源,选取KNN、基于径向基核函数的支持向量机(RBF-SVM)、核联合正交匹配追踪(Kernel Simultaneous Orthogonal Matching Pursuit,KSOMP)三种经典分类算法作为比较。在Pavia University与Indian Pines数据集中随机选取10%作为训练样本,总体精度和Kappa系数分别达到99.15%、98.87%和97.88%、97.58%;在Salinas数据集中随机选取2%作为训练样本,总体精度与Kappa系数为98.46%和98.29%。实验结果表明,在训练样本仅为数据集10%甚至2%的条件下,本文提出的方法仍可达到98%以上的分类精度,可满足训练样本难以获取的应用场景对高分类精度要求。

关键词：高光谱遥感局部二值模式 K-最近邻空谱特征主成分分析

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：