检索结果-内蒙古大学图书馆

农业机械学报 2021年第12期52卷 233-241页

作者：雷雨周晋兵何东健陈鹏曾伟辉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 安徽大学互联网学院合肥230601 西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100

针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化Cente... 详细信息

针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化CenterNet网络中的特征提取网络,提高了检测和训练速度,降低了误检率;其次,根据孢子形态为近椭圆或圆形的特点,将原始用于CenterNet训练的目标长宽,改进为目标的椭圆框长短轴长度和角度,提高了孢子分割重合率;最后,提出使用椭圆的长短轴映射矩形来计算椭圆框热图的高斯核半径,以减少孢子的漏检率。实验结果表明,改进的CenterNet夏孢子检测方法对小麦条锈病菌夏孢子检测的识别精确率达到了98.77%,重叠度为83.63%,检测速度为41 f/s,达到了实时检测的应用需求,比原始的CenterNet模型重叠度提高了7.53个百分点,检测速度快11 f/s,模型占用内存降低了68.5%。本文方法能够精准检测并分割出显微图像中的夏孢子,可为农田空气中小麦条锈病菌夏孢子的自动检测及条锈病的早期预防控制提供技术支持。

关键词：小麦条锈病真菌夏孢子自动检测改进CenterNet 深度学习椭圆框

来源：评论

学校读者我要写书评

暂无评论

轻量级注意力级联网络的偏振计算成像超分辨率重建

引用

光学精密工程 2022年第19期30卷 2404-2419页

作者：王杰徐国明马健王勇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 陆军炮兵防空兵学院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

深度学习模式下新型偏振计算成像方法存在随着网络深度的增加计算复杂度和内存使用相应增加以及分层特征提取不充分的问题,针对该问题,提出一种轻量级注意力级联网络的偏振计算成像超分辨率方法,采用级联连接和融合连接的方式来深化卷... 详细信息

深度学习模式下新型偏振计算成像方法存在随着网络深度的增加计算复杂度和内存使用相应增加以及分层特征提取不充分的问题,针对该问题,提出一种轻量级注意力级联网络的偏振计算成像超分辨率方法,采用级联连接和融合连接的方式来深化卷积层的表征能力,以有效地传递浅层特征并减少参数量。设计空间注意力自适应权重机制以提取关键的空间内容特征,构造空间金字塔网络增强多感受野下的偏振特征信息,特别地,上采样模块引入浅层与深层重建双路径,通过融合双层路径特征计算生成高分辨率偏振图像。最后,网络末端信息细化块用以学习更精细的特征并增强重建质量。实验结果表明:本文网络重建图像的纹理细节更加丰富,在全偏振图像集上2倍超分辨率的峰值信噪比为45.12 dB,参数量仅约为MSRN模型的9%。所提方法通过级联方式有效捕捉低频特征信息同时极大地减少参数量,并结合注意力金字塔结构探索深层特征,实现了轻量级网络的高效超分辨率重建效果。

关键词：计算成像超分辨率轻量级网络偏振图像级联连接

来源：评论

学校读者我要写书评

暂无评论

联合多源多时相卫星影像和支持向量机的小麦白粉病监测方法(英文)

引用

智慧农业（中英文） 2022年第1期4卷 17-28页

作者：赵晋陵杜世州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 安徽省农业科学院作物研究所安徽合肥230031

白粉病主要侵染小麦叶部,可利用卫星遥感技术进行大范围监测和评估。本研究利用多源多时相卫星遥感影像监测小麦白粉病并提升分类精度。使用四景Landat-8的热红外传感器数据(Thermal Infrared Sensor,TIRS)和20景MODIS影像的MOD11A1温... 详细信息

白粉病主要侵染小麦叶部,可利用卫星遥感技术进行大范围监测和评估。本研究利用多源多时相卫星遥感影像监测小麦白粉病并提升分类精度。使用四景Landat-8的热红外传感器数据(Thermal Infrared Sensor,TIRS)和20景MODIS影像的MOD11A1温度产品反演地表温度(Land Surface Temperature,LST),使用4景国产高分一号(GF-1)宽幅相机数据(Wide Field of View,WFV)提取小麦种植区和计算植被指数。首先,利用ReliefF算法优选对小麦白粉病敏感的植被指数,然后利用时空自适应反射率融合模型(Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM)对Landsat-8 LST和MOD11A1数据进行时空融合。利用Z-score标准化方法对植被指数和温度数据统一量度。最后,将处理和融合后的单一时项Landsat-8LST、多时相Landsat-8 LST、累加MODIS LST和多时相Landsat-8 LST与累加MODIS LST结合的数据分别输入支持向量机(Support Vector Machine,SVM)构建了四个分类模型,即LST-SVM、SLST-SVM、MLSTSVM和SMLST-SVM,利用用户精度、生产者精度、总体精度和Kappa系数对比四个模型的分类精度。结果显示,本研究构建的SMLST-SVM取得了最高分类精度,总体精度和Kappa系数分别为81.2%和0.67,而SLST-SVM则为76.8%和0.59。表明多源多时相的LST联合SVM能够提升小麦白粉病的识别精度。

关键词：小麦白粉病高分一号 MODIS Landsat-8 地表温度支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于卷积块注意力胶囊网络的小样本水稻害虫识别

引用

中国农业大学学报 2022年第3期27卷 63-74页

作者：曾伟辉唐欣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合肥230601 安徽大学互联网学院合肥230039 科大国创软件股份有限公司合肥230088

针对真实复杂背景下小样本水稻害虫识别模型泛化能力弱,易受复杂背景干扰以及重要特征表达能力不强等问题,提出了一种基于卷积块注意力胶囊网络的小样本水稻害虫识别方法。采用数据增强的方法扩充数据,以提高模型的泛化能力同时预防过拟... 详细信息

针对真实复杂背景下小样本水稻害虫识别模型泛化能力弱,易受复杂背景干扰以及重要特征表达能力不强等问题,提出了一种基于卷积块注意力胶囊网络的小样本水稻害虫识别方法。采用数据增强的方法扩充数据,以提高模型的泛化能力同时预防过拟合;利用GrabCut算法去除图像中的复杂背景,减小复杂背景对水稻害虫识别的干扰;将空间注意机制和通道注意机制相结合的卷积块注意模块(Convolutional block attention module,CBAM)引入到胶囊网络中,提高模型对水稻害虫特征的表达能力,使模型关注重要特征,抑制不必要的特征。其中胶囊网络主要用来更加敏锐地发现小样本图像中水稻害虫的相对位置和角度等信息。结果表明:在对复杂背景下小样本水稻害虫的识别时,本研究方法准确识别率达99.19%,优于支持向量机(Support vector machine,SVM)、k近邻(k-nearest neighbors,kNN)等浅层网络方法,也优于VGG16、GoogLeNet以及Mobilenet等深度网络方法,可实现复杂背景下的小样本水稻害虫的准确识别。

关键词：水稻害虫害虫识别卷积神经网络胶囊网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

2000至2019年休克和脓毒症微循环领域研究进展:基于知识可视化分析

引用

中华危重病急救医学 2020年第3期32卷 287-293页

作者：陆宗庆刘瑜郑瑶张金肖文艳华天凤杨旻安徽医科大学第二附属医院重症医学科心肺复苏与危重病实验室合肥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

目的:基于知识可视化分析,探讨2000至2019年休克和脓毒症微循环领域研究进展。方法:收集2000至2019年科学网(Web of Science)及万方数据收录的休克和脓毒症微循环研究领域相关文献。应用Excel软件对数据进行整理并绘制文献增长柱状图和... 详细信息

目的:基于知识可视化分析,探讨2000至2019年休克和脓毒症微循环领域研究进展。方法:收集2000至2019年科学网(Web of Science)及万方数据收录的休克和脓毒症微循环研究领域相关文献。应用Excel软件对数据进行整理并绘制文献增长柱状图和曲线图;应用CiteSpace 5.0 R1软件对国家、研究机构、作者信息进行提取及整理并生成相关共现网络,分析该领域主要研究力量分布及合作关系;应用CiteSpace 5.0 R1软件对关键词及相关引文进行分析并绘制共被引文献网络,分析该领域前沿及热点信息。结果:共收集中文"期刊论文"与"学位论文"2000篇,英文"article"及"review"1823篇,中文文献只进行发文量、研究机构及作者的统计描述,所有英文文献均纳入可视化分析。在发文量方面,2009至2019年休克和脓毒症微循环研究领域英文文献数量呈稳步上升趋势,中文文献于2011年呈现下滑趋势;而在发文质量方面,该领域文章影响因子大多集中在6以下,高影响因子文章数量较少,且每年数量保持稳定。英文文献分析显示,全球发文量排名前3位的国家依次为德国(430篇)、美国(401篇)、荷兰(223篇)。从研究机构上看,荷兰阿姆斯特丹大学以113篇位列Web of Science首位;国内发文最多的研究机构为南方医科大学(71篇)。作者共现网络分析显示在全球形成了三大科研团体,其中以Can Ince、Daniel De Backer及Jean-Louis Vincent对该领域贡献最大。中文发文量最多的前3位作者分别是牛春雨(20篇)、赵自刚(18篇)、段美丽(13篇)。关键词共现分析显示,该领域的研究热点主要围绕在"血流""一氧化氮""失血性休克""灌注",而"心源性休克""急性肾损伤""液体复苏""舌下微循环""病死率""氧化应激"和"重症患者"等突增关键词则体现了研究前沿。共被引文献网络分析显示,"舌下微循环"和"斑点阴影分数"相关文献最为活跃,表明微循环检测技术不但是休克和脓毒症微循环研究领域的热点,更可被视为未来的新兴话题,这也与突增关键词分析结果相吻合。结论:通过知识可视化分析可以直观显示,微循环领域一直是休克和脓毒症治疗与科研的重点,其主要研究力量大多集中于欧洲发达国家,未来研究趋势多偏向于微循环监测技术。

关键词：休克脓毒症微循环 CiteSpace 可视化分析

来源：评论

学校读者我要写书评

暂无评论

基于双重注意力残差网络的偏振图像超分辨率重建

引用

光子学报 2022年第4期51卷 295-309页

作者：徐国明王杰马健王勇刘佳庆李毅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 陆军炮兵防空兵学院偏振光成像探测技术安徽省重点实验室合肥230031 安徽文达信息工程学院智能技术研究所合肥231201

在利用深度学习进行偏振图像计算成像过程中,图像映射函数的解空间极大、空间分辨率一般较低,难以生成清晰的纹理细节且存在高频信息缺失等问题。为解决该问题,提出一种结合双注意力机制的深度残差偏振图像超分辨率网络。该网络由一个... 详细信息

在利用深度学习进行偏振图像计算成像过程中,图像映射函数的解空间极大、空间分辨率一般较低,难以生成清晰的纹理细节且存在高频信息缺失等问题。为解决该问题,提出一种结合双注意力机制的深度残差偏振图像超分辨率网络。该网络由一个具有全局跳跃连接的残差网络组成,包含10个残差组,每个残差组包含20个具有局部跳跃连接的双重注意力块级联的残差块;同时考虑通道间的相互依赖性,设计自适应通道特征调整机制;引入级联的空间注意力块,将残差的特征更集中于关键的空间内容。将所提方法与Bicubic、SRCNN、FSRCNN、EDSR等方法进行对照实验与成像系统对比校正实验,结果表明该方法重建图像纹理细节更加丰富,亮度均匀,较为接近成像系统的高清图像,同时峰值信噪比和结构相似性指标优于其他方法但参数量仅约为EDSR的2/5。

关键词：计算成像超分辨率深度残差网络偏振图像双重注意力块

来源：评论

学校读者我要写书评

暂无评论

基于双通道注意力网络的脑电图意图识别

引用

传感器与微系统 2021年第9期40卷 128-131页

作者：孙亚东徐晓涛章军陈鹏安徽大学电气工程与自动化学院安徽合肥230601 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安徽合肥230601

为了正确地解释大脑活动并对脑电图信号数据进行有效识别,提出一种双通道注意力机制模型,对原始的脑电图信号数据进行分类,从而识别用户的意图。对于公共数据集Eegmmidb,模型在5项识别任务上的平均识别率为99.34%。实验结果表明:所提模... 详细信息

为了正确地解释大脑活动并对脑电图信号数据进行有效识别,提出一种双通道注意力机制模型,对原始的脑电图信号数据进行分类,从而识别用户的意图。对于公共数据集Eegmmidb,模型在5项识别任务上的平均识别率为99.34%。实验结果表明:所提模型优于现有方法。

关键词：意图识别注意力机制脑电图信号脑机接口

来源：评论

学校读者我要写书评

暂无评论

基于无人机数码影像的马铃薯覆盖度提取方法

引用

农业机械学报 2020年第3期51卷 164-170页

作者：吴智超李长春冯海宽翟丽婷王道勇杨贵军河南理工大学测绘与国土信息工程学院焦作454000 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 国家农业信息化工程技术研究中心北京100097 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

为了利用数码影像快速提取马铃薯覆盖度,首先,利用植被覆盖度提取算法从地面数码影像中获取马铃薯覆盖度实测值;然后,通过植被指数提取法和最大似然监督分类法对无人机数码影像进行处理,分别获取各个研究小区的马铃薯覆盖度;提出利用颜... 详细信息

为了利用数码影像快速提取马铃薯覆盖度,首先,利用植被覆盖度提取算法从地面数码影像中获取马铃薯覆盖度实测值;然后,通过植被指数提取法和最大似然监督分类法对无人机数码影像进行处理,分别获取各个研究小区的马铃薯覆盖度;提出利用颜色转换空间HSI(HA法)从无人机数码影像中快速提取马铃薯覆盖度;最后,对HA法、最大似然监督分类法和植被指数提取法3种方法的计算结果进行精度比较。结果表明,HA法估测的植被覆盖度的精度最高,均达到0.91以上,拟合函数拟合度为0.97;最大似然监督分类法次之,最低精度为0.75,拟合度为0.82;植被指数提取法最差,最低精度为0.74,拟合度为0.74。

关键词：马铃薯植被覆盖度提取算法过绿植被指数监督分类颜色转换空间算法

来源：评论

学校读者我要写书评

暂无评论

嵌入位置编码的多头注意力机制在堆积脉冲幅度估计中的应用

引用

核技术 2023年第9期46卷 85-93页

作者：唐琳周爽李勇廖先莉李跃鹏成都大学电子信息与电气工程学院成都610106 安徽大学农业生态大数据分析与应用国家工程研究中心合肥230039 南洋理工大学电气与电子工程学院新加坡639798 成都理工大学核技术与自动化工程学院成都610059

传统脉冲成形方法对堆积脉冲幅度计算存在的误差将会导致X射线荧光光谱失真,因此,在高堆积率背景下测量得到的光谱很难对光谱进行准确分析。本文提出一种基于深度学习的Transformer模型,该模型采用编码器-解码器结构,通过嵌入位置编码... 详细信息

传统脉冲成形方法对堆积脉冲幅度计算存在的误差将会导致X射线荧光光谱失真,因此,在高堆积率背景下测量得到的光谱很难对光谱进行准确分析。本文提出一种基于深度学习的Transformer模型,该模型采用编码器-解码器结构,通过嵌入位置编码的多头注意力来估计堆积脉冲的幅度,并将其应用于高性能硅漂移探测器的辐射测量,以及X射线荧光光谱学分析。为了训练该模型,通过预定义的数学模型模拟得到探测器输出的脉冲信号,为了模拟真实的核脉冲,在信号中加入了与热噪声和散粒噪声相对应的高斯噪声。训练后的模型通过截取粉末铁矿样品和粉末岩石样品的实测脉冲序列进行验证,使用相对误差作为模型性能评估指标,对应于脉冲幅度估计的准确度。在粉末铁矿样品和粉末岩石样品的实验测量8组离线脉冲序列中,得到的平均相对误差为0.89%。结果表明:该模型能够实现堆积脉冲幅度的准确估计。

关键词：堆积脉冲深度学习 Transformer模型位置编码

来源：评论

学校读者我要写书评

暂无评论

基于深度学习语义分割和迁移学习策略的麦田倒伏面积识别方法

引用

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

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：