检索结果-内蒙古大学图书馆

南京农业大学学报 2024年第4期47卷 782-791页

作者：薛悦平胡彦蓉刘洪久童莉珍葛万钊浙江农林大学数学与计算机科学学院/浙江省林业智能监测与信息技术研究重点实验室/林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300

[目的]针对水稻病虫害图像分类技术缺少对病症描述的问题,本文提出一种轻量化的水稻病虫害图像描述模型,对水稻病虫害图像进行更为具体的描述。[方法]以白叶枯病、细菌性条斑病、恶苗病、三化螟虫、稻瘟病、稻曲病、纹枯病、飞虱、稻蓟... 详细信息

[目的]针对水稻病虫害图像分类技术缺少对病症描述的问题,本文提出一种轻量化的水稻病虫害图像描述模型,对水稻病虫害图像进行更为具体的描述。[方法]以白叶枯病、细菌性条斑病、恶苗病、三化螟虫、稻瘟病、稻曲病、纹枯病、飞虱、稻蓟马、胡麻斑病这十类常见的水稻病虫害开展研究,构建了水稻病虫害图像中文描述数据集。首先采用多模态预训练模型CLIP生成图像向量,其中包含基本的图像信息以及丰富的语义信息,采用映射网络将图像向量映射到文本空间里生成文本提示向量,语言模型GPT-2根据文本提示向量生成图像描述。[结果]在水稻病虫害图像描述数据集上,本文模型的指标总体明显优于其他模型,本文算法的BLEU-1、BLEU-2、BLEU-3、BLEU-4、ROUGE、METEOR指标较传统的CNN_LSTM模型分别提升0.26、0.27、0.24、0.22、0.22、0.14。生成的图像描述具有准确、详细、语义丰富等优点。另外使用实际稻田图片对模型进行测试,实际田间的场景更为复杂多样,生成的图像描述指标与数据集指标对比总体仅有轻微下降,仍高于其他对比模型。本文模型对水稻病虫害的总体识别准确率达97.28%。[结论]基于多模态预训练模型的水稻病虫害图像描述方法能够准确识别水稻病虫害病症并形成相应的病症描述,为水稻病虫害检测提供一种新思路。

关键词：多模态预训练模型水稻病虫害图像描述生成诊断

来源：评论

学校读者我要写书评

暂无评论

结合RGB-DSM图像和深度学习的城市樟树树冠检测

引用

遥感学报 2023年第12期27卷 2762-2773页

作者：王昊夏凯杨垠晖冯海林浙江农林大学数学与计算机科学学院杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 林业感知技术与智能装备国家林业局重点实验室杭州311300

当前,结合遥感图像和深度学习进行单木树冠检测已经成为一种趋势。RGB图像是检测中最常用的数据类型,但由于树冠的颜色和纹理一般比较接近,在树冠密度较高的区域,仅使用RGB图像的颜色和纹理信息难以区分不同个体的树冠。对此,本研究在RG... 详细信息

当前,结合遥感图像和深度学习进行单木树冠检测已经成为一种趋势。RGB图像是检测中最常用的数据类型,但由于树冠的颜色和纹理一般比较接近,在树冠密度较高的区域,仅使用RGB图像的颜色和纹理信息难以区分不同个体的树冠。对此,本研究在RGB图像的基础上,叠加了高程信息,以提高单木树冠检测的精度。实验采用彩色图像RGB图像和数字表面模型DSM (Digital Surface Model)作为数据源,并分别利用波段组合和双源检测网络模型两种方法结合RGB和DSM进行单木树冠检测。在前一种方法中,对RGB和DSM进行波段组合,生成GBD、RGD和RBD 3类图像,并使用这3类图像分别进行网络的训练和测试。在后一种方法中,将RGB和DSM输入双源检测网络模型,并得到检测结果。本文使用FPN-Faster-R-CNN和Yolov3进行实验,相比于RGB方案(仅使用地物的颜色和纹理信息进行单木树冠检测,是对照方案),FPN-Faster-R-CNN在GBD方案、RBD方案和双源检测网络方案中的平均精度分别上升了3.36%、2.45%和7.77%,在RGD方案中的平均精度下降了0.17%,Yolov3在GBD方案、RBD方案和双源检测网络方案中的平均精度分别上升了0.72%、0.14%和5.71%,在RGD方案中的平均精度下降了0.98%。在两个网络下,双源检测网络方案都在各方案中取得了最佳的检测结果。并且相对于RGB方案,双源检测网络方案在平均精度上的提升幅度随着树冠密度的上升呈现出上升的趋势。对比分析实验结果可知,在基于深度学习的城市单木树冠检测任务中,妥善结合并利用地物的颜色、纹理信息和高程信息有利于提高任务性能。

关键词：遥感单木树冠检测深度学习城市高程彩色图像无人机

来源：评论

学校读者我要写书评

暂无评论

双角激光立木胸径测量仪的研制

引用

传感技术学报 2023年第6期36卷 990-998页

作者：孙渊敬方陆明余顺海郑似青袁方星楼雄伟浙江农林大学信息工程学院浙江杭州311300 浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 国家林业与草原局林业感知技术与智能装备重点实验室浙江杭州311300 钱江源国家公园管理局浙江开化324300

胸径是立木生长量测量的主要指标。运用角度传感器、激光测距传感器、超声波测距传感器研制了一款双角激光立木胸径测量仪,并结合电脑端上位机实现了数据上传、存储等功能。实测表明:与围尺相比,总体偏差为-0.82%、测量精度为98.23%;与... 详细信息

胸径是立木生长量测量的主要指标。运用角度传感器、激光测距传感器、超声波测距传感器研制了一款双角激光立木胸径测量仪,并结合电脑端上位机实现了数据上传、存储等功能。实测表明:与围尺相比,总体偏差为-0.82%、测量精度为98.23%;与卡尺相比,总体偏差为0.35%、测量精度为98.02%。与相关电子测量仪相比,测量范围扩大,功能更为丰富,效率更高,适用性更广。

关键词：森林资源清查胸径测量激光测距传传感器角度传感器

来源：评论

学校读者我要写书评

暂无评论

RGB-DSM数据融合研究——以城市樟树检测为例

引用

林业工程学报 2023年第6期8卷 137-144页

作者：冯源夏凯冯海林浙江农林大学数学与计算机科学学院国家林草局林业感知技术与智能装备重点实验室浙江省林业智能监测与信息技术研究重点实验室杭州311300

单木检测是森林资源调查的基础工作,在森林管理与监测中发挥着重要作用。无人机RGB图像作为一种经济高效的遥感数据源,已被广泛应用于单木检测。然而,由于城市树木形状和结构的多样性以及城市森林的复杂性,基于无人机RGB图像检测城市树... 详细信息

单木检测是森林资源调查的基础工作,在森林管理与监测中发挥着重要作用。无人机RGB图像作为一种经济高效的遥感数据源,已被广泛应用于单木检测。然而,由于城市树木形状和结构的多样性以及城市森林的复杂性,基于无人机RGB图像检测城市树木效果并不理想。数字表面模型(DSM)提供地物的高程数据,融合RGB图像与DSM高程数据可有效识别城市树木,但不同融合方法对于单木检测精度的提升效果差异尚未明确。针对上述问题,本研究以城市樟树为研究对象,使用两类数据融合方法:像素级融合(IHS变换融合、Brovey变换融合和多通道组合)与特征级融合(双分支特征融合和SE-双分支特征融合),并采用Faster R-CNN模型进行单木检测实验。实验结果表明,SE-双分支特征融合的提升效果最显著,平均精度提高9.3个百分点,达91.3%。并且,在街道与绿地两类城市森林场景下,SE-双分支特征融合也表现最佳,平均精度分别达89.2%与93.9%。研究结果表明,在多树种的绿地场景下,引入高程数据可有效提高单木检测精度;在单一树种的街道场景下,高程数据提升效果有限。

关键词：数据融合单木检测深度学习高程数据无人机樟树

来源：评论

学校读者我要写书评

暂无评论

基于无人机影像的山核桃单木检测及冠幅与树高的提取

引用

林业工程学报 2023年第4期8卷 159-166页

作者：郭阳光夏凯杨垠辉冯海林浙江农林大学数学与计算机科学学院浙江省林业智能监测与信息技术研究重点实验室林业感知技术与智能装备国家林业和草原局重点实验室杭州311300

针对经济林中树木的生长状况进行调查,有助于农户制定针对性的经营策略,提高经营效率。然而,由于山核桃树通常生长在山地环境下,使用传统的林业调查方法获取树木参数需要的人力资源和时间成本较高,而且在陡峭的山地环境中容易受到地形... 详细信息

针对经济林中树木的生长状况进行调查,有助于农户制定针对性的经营策略,提高经营效率。然而,由于山核桃树通常生长在山地环境下,使用传统的林业调查方法获取树木参数需要的人力资源和时间成本较高,而且在陡峭的山地环境中容易受到地形、植被和气象等因素的干扰。为了解决这一问题,提出了一种新的自动化方法——检测框投影法。该方法基于深度学习的目标检测算法对遥感图像中的树冠进行检测并生成检测框,再依据所得到的检测框获取树木位置和数量,并进一步提取单木的冠幅与树高等参数。在不同环境的山核桃种植林场进行的树冠检测实验结果表明,该方法使用的目标检测算法对山核桃树冠检测的总体平均精度和F1-score分别达到了85.5%与0.84;参数提取方面,在两处不同的山核桃种植林场选取了3处研究样地,并在每处样地选取并实地测量了50棵样本树木的冠幅和树高以验证参数提取精度,结果表明,使用检测框投影法预测冠幅与实测值的均方根误差、平均绝对误差和平均相对误差分别为0.469 m、0.313 m和5.7%,预测树高与实测值的均方根误差、平均绝对误差和平均相对误差分别为0.427 m、0.331 m和6.0%。提出的检测框投影法在山核桃林地环境下可以获得较为准确的树冠检测与参数提取结果,帮助农户制定更加合理和科学的经营策略,提高经营效率,同时也为林业生产的可持续发展提供了参考。

关键词：山核桃无人机影像 YOLOv5 树冠检测参数提取检测框投影法

来源：评论

学校读者我要写书评

暂无评论

结合多光谱影像降维与深度学习的城市单木树冠检测

引用

遥感学报 2022年第4期26卷 711-721页

作者：奚祥书夏凯杨垠晖杜晓晨冯海林浙江农林大学数学与计算机科学学院杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 林业感知技术与智能装备国家林业局重点实验室杭州311300

多光谱数据的降维处理对基于深度学习的单木树冠检测研究有重要意义,如何使用合适的降维方法以提高单木检测的精度却少有研究讨论。本文使用无人机搭载多光谱相机进行航拍作业,采集研究区内银杏树种多光谱影像。将原始多光谱影像通过特... 详细信息

多光谱数据的降维处理对基于深度学习的单木树冠检测研究有重要意义,如何使用合适的降维方法以提高单木检测的精度却少有研究讨论。本文使用无人机搭载多光谱相机进行航拍作业,采集研究区内银杏树种多光谱影像。将原始多光谱影像通过特征波段选择、特征提取、波段组合的方法生成5种不同的数据集用于训练3种经典的深度学习网络FPN-Faster-R-CNN,YOLOv3,Faster R-CNN。其中由波段组合方法得到的近红外、红色、绿色波段组合在不同类型的目标检测网络中都有最好的检测结果,其中FPN-Faster-R-CNN网络对银杏树冠的检测精度最高为88.4%,由OIF指标得到的蓝色、红色、近红外波段组合信息量最高,但在所有网络中的平均检测精度最低,仅为79.3%。实验结果表明:在不同波段降维方法中,若降维后的影像中目标物体的色彩与背景差异较明显,且轮廓清晰,则深度学习网络对树冠的检测可获得较好的结果。而影像自身的信息量则对深度学习网络的树冠检测能力的提升作用有限。本研究中针对多光谱影像的降维方法分析,为基于深度学习的单木树冠检测研究提供了重要的实验参考。

关键词：遥感单木树冠检测深度学习无人机多光谱影像降维

来源：评论

学校读者我要写书评

暂无评论

基于ResNet18特征编码器的水稻病虫害图像描述生成

引用

农业工程学报 2022年第12期38卷 197-206页

作者：谢州益冯亚枝胡彦蓉刘洪久浙江农林大学数学与计算机科学学院杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 林业感知技术与智能装备国家林业与草原局重点实验室杭州311300

针对图像描述算法缺乏在农业领域中的应用,传统模型参数庞大的问题,该研究提出一种基于ResNet18特征编码器的图像描述算法,对作物患病类型进行识别并生成描述。首先,建立水稻病虫害图像描述数据集。其次,使用浅层ResNet18作为编码器,在... 详细信息

针对图像描述算法缺乏在农业领域中的应用,传统模型参数庞大的问题,该研究提出一种基于ResNet18特征编码器的图像描述算法,对作物患病类型进行识别并生成描述。首先,建立水稻病虫害图像描述数据集。其次,使用浅层ResNet18作为编码器,在保证特征提取能力的同时缩减网络模型大小,解码器使用融合了注意力机制的长短期记忆网络(Long Short Term Memory,LSTM)来生成图像描述。试验结果表明,改进后模型尺寸大小为原来的1/3,经过6000次迭代后模型基本收敛,准确率达到98.48%。在水稻病虫害图像描述数据集上,改进编码器-解码器结构后的双语评估替换值(Bilingual Evaluation Understudy,BLEU)和METEOR(Metric for Evaluation of Translation with Explicit ORdering)分别达到0.752和0.404,其余指标结果也明显优于其他模型,具有描述细致准确、鲁棒性强等优点,能够更好地适用于小规模数据集上的训练,可为农作物相似病害特征的自动化描述提供有益参考。

关键词：农业算法图像描述水稻病虫害编码器-解码器框架 ResNet18 注意力机制

来源：评论

学校读者我要写书评

暂无评论

土壤碳通量监测网络中的移动数据收集策略

引用

计算机应用与软件 2023年第11期40卷 29-35,71页

作者：刘鑫胡军国浙江农林大学信息工程学院林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300 浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300

针对使用多台土壤呼吸测量仪建立监测网络时遇到的数据收集问题,提出一种移动数据收集策略并给出其实现方案。该策略使用了多色栅格图环境建模方法,提高了同类研究中障碍物的建模精度;使用了最大均值聚类算法,延长了监测网络的寿命并减... 详细信息

针对使用多台土壤呼吸测量仪建立监测网络时遇到的数据收集问题,提出一种移动数据收集策略并给出其实现方案。该策略使用了多色栅格图环境建模方法,提高了同类研究中障碍物的建模精度;使用了最大均值聚类算法,延长了监测网络的寿命并减少了数据收集点的数量;使用了最短避障遍历路径规划策略,可快速计算出访问所有数据收集点一次且仅一次的移动数据收集路径。仿真实验表明,该移动数据收集策略运行稳定、高效,符合应用要求。

关键词：土壤碳通量监测网络移动数据收集器障碍物聚类路径规划

来源：评论

学校读者我要写书评

暂无评论

基于改进的ResNet152V2模型对临安山核桃果仁等级分类研究

引用

中国粮油学报 2023年第1期38卷 90-100页

作者：陈思伟戴丹郑剑郑辛煜康浩愉莫佳莉顾晓波浙江农林大学数学与计算机科学学院杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 林业感知技术与智能装备国家林业局重点实验室杭州311300 浙江农林大学食品与健康学院杭州311300 临安区农林技术推广中心杭州311300

提出基于空间注意力机制的深度学习模型对临安山核桃进行等级分类,选取L值作为外观指标,MDA值作为品质指标,通过机器学习的方法挖掘二者之间的关联关系,从而建立山核桃果仁外观与品质的关联模型。通过多设备、多环境下的照片建立山核桃... 详细信息

提出基于空间注意力机制的深度学习模型对临安山核桃进行等级分类,选取L值作为外观指标,MDA值作为品质指标,通过机器学习的方法挖掘二者之间的关联关系,从而建立山核桃果仁外观与品质的关联模型。通过多设备、多环境下的照片建立山核桃果仁数据集,在此基础上构建了基于迁移学习、空间注意力机制的ResNet152V2模型(SA-ResNet152V2),利用该模型对数据集进行图像训练和特征提取,并与VGG16、ResNet152V1、ResNet152V2模型进行比较。结果表明:SA-ResNet152V2模型在测试集平均精确率方面比ResNet152V2模型、VGG16模型、ResNet152V1模型分别提高了2.04%、77.42%、81.59%。测试集平均召回率方面比ResNet152V2模型、VGG16模型、ResNet152V1模型分别提高了3.62%、63.89%、65.18%。实验证明,SA-ResNet152V2模型对于山核桃等级分类具有较好的效果,有望用于山核桃的智能分级。

关键词：山核桃等级分类空间注意力机制残差网络迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于距离相关系数和Catboost方法的森林蓄积量估测

引用

中南林业科技大学学报 2023年第5期43卷 27-35页

作者：胡建锦熊伟方陆明吴达胜浙江农林大学数学与计算机科学学院浙江杭州311300 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室浙江杭州311300 龙泉市林业局浙江龙泉610100

【目的】探讨采用Landsat-8遥感影像数据,基于距离相关系数特征选择的Catboost模型在森林蓄积量估测中的潜力和适应性,为森林蓄积量的估测方法再增加一种可能性,也能为“双碳”目标的实现提供理论支撑。【方法】以浙江省龙泉市为研究区... 详细信息

【目的】探讨采用Landsat-8遥感影像数据,基于距离相关系数特征选择的Catboost模型在森林蓄积量估测中的潜力和适应性,为森林蓄积量的估测方法再增加一种可能性,也能为“双碳”目标的实现提供理论支撑。【方法】以浙江省龙泉市为研究区域,使用多源数据,包括Landsat-8卫星影像数据、森林资源二调数据和数字高程模型的数据,整个过程使用十字折交叉验证法对模型检验。首先使用基于距离相关系数的方法筛选特征因子,在不区分树种的情况下,分别利用K最近邻算法(KNN)、装袋算法(Bagging)、决策树梯度提升算法(LGBM)、梯度增强集成分类器算法(Catboost)4种方法建立蓄积量估测模型。之后再选取样本数据中数量比较大的杉木、针叶混交林、马尾松3种优势树种,分别使用Catboost方法进行蓄积量估测,再按权求和与未区分树种情况下的估测结果进行比较。【结果】Catboost方法表现优势明显,优于K最近邻算法(KNN)、装袋算法(Bagging)以及决策树梯度提升算法(LGBM),其模型的精确度达到了81.43%,建模估测的精确度达到了76.74%,并且与3种不同优势树种按权求和的结果对比,Catboost法的建模精确度差别不大,但是估测的精确度提高了1.01%。【结论】基于距离相关系数特征选择方法结合Catboost模型在森林蓄积量估测中效果表现更好,并且尽管区分树种和不区分树种的情况下模型的估测能力差距比较小,但是区分树种情况下还是略有提高,这为测量区域森林蓄积量提供了一种新的思路。

关键词：森林蓄积量 Catboost方法 Bagging方法距离相关系数

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：