检索结果-内蒙古大学图书馆

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

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

基于深度学习的LSTM模型在X荧光光谱中的应用

引用

核技术 2023年第7期46卷 78-84页

作者：唐琳李勇唐羽锋刘泽柳炳琦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 数学地质四川省重点实验室(成都理工大学) 成都610059 南洋理工大学电气与电子工程学院新加坡639798 成都大学机械工程学院成都610106

在X荧光光谱分析中,为了解决传统谱分析方法中存在的特征峰计数率损失以及影子峰的问题,本文拟采用一种基于深度学习的长短期记忆(Long and Short Term Memory,LSTM)神经网络模型,该模型对核脉冲幅度时间序列具有较好的适用性,通过对样... 详细信息

在X荧光光谱分析中,为了解决传统谱分析方法中存在的特征峰计数率损失以及影子峰的问题,本文拟采用一种基于深度学习的长短期记忆(Long and Short Term Memory,LSTM)神经网络模型,该模型对核脉冲幅度时间序列具有较好的适用性,通过对样本的学习能够对核脉冲信号的幅度进行准确估计。鉴于核脉冲信号样本较大,模型训练效率低,特引入卷积神经网络(Convolutional Neural Network,CNN),利用其特有的卷积核结构逐层提取样本特征,能够有效减少样本数量,降低模型训练复杂度。使用粉末铁矿样品测量得到的一系列离线核脉冲序列产生模型训练所需的数据集,该数据集的64000个条目中,44800个用作训练集,12800个用作验证集,余下6400个用作测试集。实验结果表明:训练好的CNN-LSTM模型能够极大地节省训练时间,克服传统方法局部收敛的缺陷,也能够对不同程度畸变的输入脉冲进行准确的参数估计,在训练集和验证集上得到的准确率都高于99%。进一步分析计数修复结果,得到三个影子峰校正比例的平均值为91.52%,表明训练的CNN-LSTM模型对畸变脉冲产生的计数损失的校正比例约为91.52%。该模型能够有效校正因畸变脉冲幅度损失造成的影子峰,改善X射线荧光光谱中特征峰计数率精度,在X射线荧光光谱领域具有较高的应用价值。

关键词：深度学习长短期记忆 X荧光光谱卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

黄淮地区辐射模型适用性评价及参数优化

引用

气象科学 2021年第2期41卷 245-252页

作者：王晓东曹雯伍琼岳伟段春锋安徽省农业气象中心/安徽省农业生态大数据工程实验室合肥230031 安徽省气候中心合肥230031

利用1961—2015年黄淮地区8个辐射站太阳辐射和日照时数等常规气象资料,分别评价6种常用的太阳总辐射和有效辐射估算模型在黄淮地区的适用性,同时采用多元回归分析和迭代等方法,对辐射参数进行优化调整,建立了适合本地区的辐射最优化估... 详细信息

利用1961—2015年黄淮地区8个辐射站太阳辐射和日照时数等常规气象资料,分别评价6种常用的太阳总辐射和有效辐射估算模型在黄淮地区的适用性,同时采用多元回归分析和迭代等方法,对辐射参数进行优化调整,建立了适合本地区的辐射最优化估算模型。结果表明:童宏良公式和邓根云公式分别在估算太阳总辐射和地面有效辐射时的误差最小,相比其余的辐射估算模型,两者在黄淮地区适用性最好。另外太阳总辐射本地化修正模型的相对误差绝对值(value of Absolute Relative Error,ARE)和均方根误差(Root Mean Squared Error,RMSE)分别为16.28%和1.730 MJ·m^(-2)·d^(-1),优于童宏良公式等常用太阳辐射估算模型;有效辐射本地化修正模型的ARE和RMSE分别为23.19%和1.404 MJ·m^(-2)·d^(-1),优于邓根云公式等常用有效辐射估算模型;因此黄淮地区本地化辐射修正模型适用于当地地表净辐射估算,且具有较好的估算精度。

关键词：黄淮地区辐射模型适用性评估参数优化

来源：评论

学校读者我要写书评

暂无评论

用于小麦多生长阶段倒伏边界精准检测的分层交互特征金字塔网络

引用

智慧农业（中英文） 2024年第2期6卷 128-139页

作者：庞春晖陈鹏夏懿章军王兵邹岩陈天娇康辰瑞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/信息材料与智能感知安徽省实验室/安徽大学互联网学院安徽合肥230601 安徽财经大学管理科学与工程学院安徽蚌埠233030 中国科学院合肥物质科学院智能机械研究所安徽合肥230031 中国科学技术大学安徽合肥230031 西南科技大学四川绵阳621010 农业传感器与智能感知安徽省技术创新中心中科合肥智慧农业协同创新研究院安徽合肥231131 安徽鹏视智能科技有限公司安徽合肥230000

[目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一... 详细信息

[目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一发育阶段的倒伏识别,而倒伏可能发生在小麦生长的各个时期,不同时期倒伏特征变化复杂,这给模型特征捕捉能力带来考验。本研究旨在探索一种基于深度学习技术的多生育期小麦倒伏区域检测方法。[方法]用无人机采集小麦灌浆期、早熟期、晚熟期这三个关键生长阶段的RGB图像,通过数据增强等技术构建出多生育期小麦倒伏数据集。提出一种小麦倒伏提取模型Lodging2Former,该模型在Mask2Former的基础上加以改进,引入分层交互式特征金字塔网络(Hierarchical Interactive Feature Pyramid Network,HI-FPN),用于提高模型在复杂田间背景干扰下对于多个生长阶段小麦倒伏特征的捕捉能力。[结果和讨论]所提出的Lodg⁃ing2Former模型相较于现存的多种主流算法,如Mask R-CNN(Mask Region-Based Convolutional Neural Network)、SOLOv2(Segmenting Objects by Locations,Version 2)以及Mask2Former,在平均精度均值(mean Average Precision,mAP)上展现出显著优势。在阈值分别为0.5、0.75以及0.5~0.95的条件下,模型的mAP值分别达到了79.5%、40.2%和43.4%,相比Mask2Former模型,mAP性能提升了1.3%~4.3%。[结论]提出的HI-FPN网络可以有效利用图像中的上下文语义和细节信息,通过提取丰富的多尺度特征,增强了模型对小麦在不同生长阶段倒伏区域的检测能力,证实了HI-FPN在多生育期小麦倒伏检测中的应用潜力和价值。

关键词：无人机深度学习小麦倒伏检测特征金字塔网络 Mask2Former

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

基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法

引用

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

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

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

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

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：