检索结果-内蒙古大学图书馆

基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测

农业工程学报 2018年第15期34卷 167-175,314页

作者：黄林生阮超黄文江师越彭代亮丁文娟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 中国科学院遥感与数字地球研究所数字地球重点实验室北京100094

选择合适的建模和特征选择算法对提高作物病害的遥感监测水平有着重要的作用。研究以河北省小麦白粉病为研究对象,基于GF-1/WFV数据共提取了4个波段反射率数据和10个对作物长势和胁迫敏感的植被指数作为初选特征。针对常用的特征提取算... 详细信息

选择合适的建模和特征选择算法对提高作物病害的遥感监测水平有着重要的作用。研究以河北省小麦白粉病为研究对象,基于GF-1/WFV数据共提取了4个波段反射率数据和10个对作物长势和胁迫敏感的植被指数作为初选特征。针对常用的特征提取算法relief算法筛选出的特征存在冗余性的问题,提出了一种relief结合最小冗余最大相关(minimum redundancy maximum relevance,m RMR)的特征降维算法(relief-m RMR)。首先,通过relief算法计算出各特征的权重系数,对特征集进行加权;然后利用m RMR算法选出与类别具有最小冗余性的特征,利用支持向量机(support vector machine,SVM)对河北白粉病进行监测,并用遗传算法(genetic algorithm,GA)优化的SVM(GASVM)建立了白粉病的监测模型(relief-m RMR-GASVM),将监测结果分别与SVM和网格寻优(grid search,GS)算法优化的SVM(GSSVM)的监测结果进行对比分析,同时比较了该方法与Ada Boost、粒子群(Pso)优化的最小二乘支持向量机(least squares support vector machine,Pso-LSSVM)和随机森林(random forest,RF)3种方法的优越性。结果表明,relief-m RMR算法筛选出的特征与GASVM、SVM和GSSVM建立的监测模型精度比传统relief算法筛选特征所建模型的精度分别提高了14.3个百分点、7.2个百分点和7.1个百分点,比传统m RMR算法筛选特征所建模型的精度分别提高了14.3个百分点、14.3个百分点和14.2个百分点。relief-m RMR算法结合GASVM建立的监测模型精度为所有模型中最高,精度为85.7个百分点,分别比SVM和GSSVM所建监测模型精度提高了21.4个百分点和7.2个百分点。此外,GF-1数据结合relief-m RMR-GASVM模型的监测精度分别高出Ada Boost、Pso-LSSVM和RF方法21.4个百分点、14.3个百分点和7.1个百分点。说明GF-1数据结合relief-m RMR-GASVM模型可用于小麦白粉病的遥感监测。

关键词：病害遥感监测小麦白粉病支持向量机 relief算法 mRMR算法

来源：评论

学校读者我要写书评

暂无评论

基于SCResNeSt的低分辨率水稻害虫图像识别方法

引用

农业机械学报 2022年第9期53卷 277-285页

作者：曾伟辉张文凤陈鹏胡根生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

针对稻田自然环境下害虫移动,难以近距离拍摄高质量图像,导致在现有识别模型检测时无法达到满意识别精度的问题,提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法。首先,使用增强型超分辨率生成对抗网络(ESRGAN)对低分辨率图像... 详细信息

针对稻田自然环境下害虫移动,难以近距离拍摄高质量图像,导致在现有识别模型检测时无法达到满意识别精度的问题,提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法。首先,使用增强型超分辨率生成对抗网络(ESRGAN)对低分辨率图像进行数据增强,解决低分辨率水稻害虫有效信息少的问题;其次构建了SCResNeSt网络,使用3个连续的3×3卷积层替换ResNet50中第1个7×7卷积,以减少计算量;使用自校准卷积替代第2层卷积层中的3×3卷积,通过内部通信显式地扩展每个卷积层的视场,获取害虫图像的部分背景信息,从而丰富输出特征;在主干网络中使用ResNeSt block(Split-attention network block)进一步提升图像中害虫信息获取的准确性。最终,将优选模型移植到手机端,开发了轻量化的移动端水稻害虫识别系统。实验结果表明,与现有方法对比,ESRGAN数据增强方法可以恢复真实的作物害虫信息,SCResNeSt模型有效提高了水稻害虫的识别性能,识别精度达到91.20%,比原始ResNet50网络提高3.2个百分点,满足野外实际场景下的应用需求。本研究为水稻害虫智能化识别和防治提供了技术基础。

关键词：水稻害虫图像低分辨率 SCResNeSt 卷积神经网络识别系统

来源：评论

学校读者我要写书评

暂无评论

基于有向超图的图像匹配算法

引用

华南理工大学学报（自然科学版） 2019年第2期47卷 50-58页

作者：朱明张健梁栋唐俊张艳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 偏振光成像探测技术安徽省重点实验室安徽合肥230031

为了提高复杂变换下图模型的匹配精度,提出了一种基于有向超图的图像匹配算法.该算法首先分别在两个待匹配的特征点集中构造3一致超图,计算每条超边所包含三元组的权值,然后利用这些权值来构造加权邻接张量,最后通过凸凹松弛算法实现图... 详细信息

为了提高复杂变换下图模型的匹配精度,提出了一种基于有向超图的图像匹配算法.该算法首先分别在两个待匹配的特征点集中构造3一致超图,计算每条超边所包含三元组的权值,然后利用这些权值来构造加权邻接张量,最后通过凸凹松弛算法实现图像匹配.模拟和真实图像的实验结果表明,文中算法能够获得更高的匹配精度,对于复杂变换的图像也有很好的匹配效果.

关键词：超图三元组邻接张量凸凹松弛匹配

来源：评论

学校读者我要写书评

暂无评论

基于协同克里金插值法的土壤锰元素含量预测

引用

地理与地理信息科学 2018年第3期34卷 119-124页

作者：高文武姜燕赵晋陵安徽大学(合肥)经济学院安徽合肥230601 安徽大学(合肥)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

土壤中锰元素含量对植物的生长起着至关重要的作用,不同植物对锰元素含量的需求往往不同。因此,预测土壤中锰元素含量并进行空间制图对监测土壤生态环境及作物生长具有重要的现实意义。该文基于北京市房山区果园、水浇地、菜地、灌溉水... 详细信息

土壤中锰元素含量对植物的生长起着至关重要的作用,不同植物对锰元素含量的需求往往不同。因此,预测土壤中锰元素含量并进行空间制图对监测土壤生态环境及作物生长具有重要的现实意义。该文基于北京市房山区果园、水浇地、菜地、灌溉水田和旱地5种耕地类型、1 497个采样点的土壤重金属元素数据,首先基于方差分析法解析5种耕地类型对土壤锰元素含量的影响;然后运用协同克里金插值方法预测各耕地类型下土壤中锰元素的含量,选取平均误差(ME)、均方根误差(RMSE)、标准化均方根误差(RMSSE)对插值结果进行精度评价。结果表明:耕地类型对土壤锰元素含量具有显著影响;果园、菜地、水浇地和旱地的锰含量块金系数都在0.63~0.75之间,均为中等强度空间相关性,锌、铁和铜含量共同作为辅助变量的插值精度高于单辅助变量的插值精度;果园、水浇地、旱地的RMSSE分别为1.072、0.978、0.979,表明对锰元素的预测精度都非常高。

关键词：锰元素方差分析主成分分析协同克里金插值法后验误差分析

来源：评论

学校读者我要写书评

暂无评论

结合Sentinel-2影像和特征优选模型提取大豆种植区

引用

农业工程学报 2021年第9期37卷 110-119页

作者：张东彦杨玉莹黄林生杨琦梁栋佘宝洪琪姜飞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 安徽理工大学空间信息与测绘工程学院淮南232001 宿州学院信息工程学院宿州234000

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种... 详细信息

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(Random Forest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine,SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%~91.91%,Kappa系数在0.72~0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。

关键词：机器学习模型大豆 Sentinel-2 种植区提取特征优选

来源：评论

学校读者我要写书评

暂无评论

基于多光谱卫星模拟波段反射率的冬小麦水分状况评估

引用

农业机械学报 2020年第11期51卷 243-252页

作者：靳宁张东彦李振海何亮山西能源学院资源与环境工程系晋中030600 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 农业农村部农业遥感机理与定量遥感重点实验室北京100097 国家气象中心北京100081

为及时掌握作物水分利用状况、评估作物水分亏缺和提高作物水分利用效率,在2012—2016年期间进行了不同水分处理的冬小麦田间试验,获取了冬小麦主要生育期冠层光谱和叶片含水量等数据。利用冬小麦冠层光谱以及Quickbird、IKONOS、GF-2、... 详细信息

为及时掌握作物水分利用状况、评估作物水分亏缺和提高作物水分利用效率,在2012—2016年期间进行了不同水分处理的冬小麦田间试验,获取了冬小麦主要生育期冠层光谱和叶片含水量等数据。利用冬小麦冠层光谱以及Quickbird、IKONOS、GF-2、GF-1、Landsat8、HJ-1A/B、GF-4和MODIS卫星传感器光谱响应函数模拟卫星多波段反射率,参照归一化植被指数(Normalized vegetation index,NDVI)、比值植被指数(Ratio vegetation index,RVI)和差值植被指数(Difference vegetation index,DVI)的形式,将各卫星波段反射率两两组合,系统分析构建的植被指数与叶片含水量的相关性,探讨不同空间分辨率(2.44、4、8、30、50、250 m)波段组合及植被指数对作物水分状况和灌溉活动的响应能力。结果表明,NDVI、RVI和DVI 3种指数对作物水分敏感区域的分布类似;8个卫星的近红外波段与叶片含水量的相关系数为正,其余几个波段与叶片含水量的相关系数为负;NDVI(GF-1绿波段,GF-2绿波段)、RVI(GF-1绿波段,GF-2绿波段)和DVI(GF-2蓝波段,GF-4蓝波段)与叶片含水量相关性较好,决定系数R2分别为0.776、0.774和0.886,以DVI形式构建的植被指数对叶片含水量的估算效果最好。本研究可为区域作物水分状况评估以及作物灌溉活动监测提供技术和方法支持。

关键词：冬小麦叶片含水率高光谱卫星遥感多波段模拟反射率

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和多尺度残差网络的农作物病害识别

引用

农业机械学报 2021年第10期52卷 264-271页

作者：黄林生罗耀武杨小冬杨贵军王道勇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 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 浙江大学华南工业技术研究院广州510535

针对传统农作物病害识别方法依靠人工提取特征,步骤复杂且低效,难以实现在田间环境下识别的问题,提出一种多尺度卷积结构与注意力机制结合的农作物病害识别模型。该研究在残差网络(ResNet18)的基础上进行改进,引入Inception模块,利用其... 详细信息

针对传统农作物病害识别方法依靠人工提取特征,步骤复杂且低效,难以实现在田间环境下识别的问题,提出一种多尺度卷积结构与注意力机制结合的农作物病害识别模型。该研究在残差网络(ResNet18)的基础上进行改进,引入Inception模块,利用其多尺度卷积核结构对不同尺度的病害特征进行提取,提高了特征的丰富度。在残差结构的基础上加入注意力机制SENet(Squeeze-and-excitation networks),增强了有用特征的权重,减弱了噪声等无用特征的影响,进一步提高特征提取能力并且增强了模型的鲁棒性。实验结果表明,改进后的多尺度注意力残差网络模型(Multi-Scale-SE-ResNet18)在复杂田间环境收集的8种农作物病害数据集上的平均识别准确率达到95.62%,相较于原ResNet18模型准确率提高10.92个百分点,模型占用内存容量仅为44.2 MB。改进后的Multi-Scale-SE-ResNet18具有更好的特征提取能力,可以提取到更多的病害特征信息,并且较好地平衡了模型的识别精度与模型复杂度,可为田间环境下农作物病害识别提供参考。

关键词：农作物病害识别残差网络特征提取多尺度卷积注意力机制

来源：评论

学校读者我要写书评

暂无评论

融合卷积神经网络与Adaboost算法的病害松树识别

引用

安徽大学学报（自然科学版） 2019年第2期43卷 44-53页

作者：胡根生殷存军张艳方怡朱艳秋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

针对无人机平台获取的高分辨率可见光松树图像,提出一种结合深度卷积神经网络和Adaboost算法的病害松树识别方法,解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地... 详细信息

针对无人机平台获取的高分辨率可见光松树图像,提出一种结合深度卷积神经网络和Adaboost算法的病害松树识别方法,解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地、裸土及黑影等复杂信息剔除掉,提取病害松树、健康松树及黑影区域的颜色和纹理特征,依据提取的特征在剔除地物干扰项后的决策层使用Adaboost分类器进行目标识别.实验结果表明,该方法相较传统的K-means聚类、支持向量机、Adaboost算法、BP神经网络、VGG(visual geometry group)算法等在识别精确度方面有显著提高.

关键词：深度卷积神经网络 Adaboost算法机器学习目标识别支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于多尺度多方向分解的自然场景下麦穗计数

引用

安徽大学学报（自然科学版） 2020年第6期44卷 20-27页

作者：鲍文霞张婷婷胡根生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合肥230601 安徽大学电子信息工程学院安徽合肥230601

小麦是我国重要的粮食作物,准确的小麦麦穗计数是小麦产量精确估计的前提.针对自然场景下小麦图像的频域分布特点,提出了一种多尺度多方向分解的小麦麦穗计数方法.首先,该方法根据待处理的小麦麦穗图像中麦穗和背景信息分布的频段不同... 详细信息

小麦是我国重要的粮食作物,准确的小麦麦穗计数是小麦产量精确估计的前提.针对自然场景下小麦图像的频域分布特点,提出了一种多尺度多方向分解的小麦麦穗计数方法.首先,该方法根据待处理的小麦麦穗图像中麦穗和背景信息分布的频段不同的特点,对小麦麦穗图像进行多尺度多方向分解,获取能突出小麦麦穗信息的多尺度多方向子带,减小土壤、小麦叶片等背景信息的干扰;然后,利用灰度阈值分割方法对小麦麦穗子带图像进行分割,利用形态学中的膨胀和腐蚀等操作实现包含小麦麦穗信息的连通区域的分离;最后,利用Find maxima计数方法实现小麦麦穗计数.实验结果表明,该方法对小麦麦穗计数的精准度明显优于其他基于颜色特征和纹理特征小麦麦穗计数方法.

关键词：麦穗计数多尺度多方向分解特征提取形态学处理

来源：评论

学校读者我要写书评

暂无评论

基于度量核和GHI核混合的植物叶片识别算法

引用

安徽大学学报（自然科学版） 2021年第2期45卷 47-54页

作者：张东明李新华梅星宇张东彦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

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale mar... 详细信息

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.

关键词：度量学习组合核函数复合特征叶片识别支持向量机

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：