检索结果-内蒙古大学图书馆

激光与光电子学进展 2022年第18期59卷 362-371页

作者：尹萍徐爱俊尹建新浙江农林大学数学与计算机科学学院浙江杭州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 浙江农林大学林业感知技术与智能装备国家林业与草局重点实验室浙江杭州311300

立木视差图是立木因子测量、三维重建的基础。结合立木图像特征,为解决自然环境下立木图像结构复杂、光照干扰大等因素导致获取高质量立木视差图困难的问题,提出一种基于改进的semiglobal matching(SGM)算法的立木视差图生成方法。针对... 详细信息

立木视差图是立木因子测量、三维重建的基础。结合立木图像特征,为解决自然环境下立木图像结构复杂、光照干扰大等因素导致获取高质量立木视差图困难的问题,提出一种基于改进的semiglobal matching(SGM)算法的立木视差图生成方法。针对SGM算法在图像纹理较弱和光照不稳定时生成的视差图效果不佳的问题,提出改进Census变换,该变换将Census中心像素值用周围像素的中值替代,提高初始代价的可靠性;在代价聚合过程中使用均值漂移算法进行图像分割,使算法具有较强鲁棒性的同时还有效降低了对重复和弱纹理区域的误匹配率。最后,分别采用自适应窗口填充无效值、中值滤波剔除不可靠视差值,使视差不连续的区域也能获得准确的视差值。在Middlebury公共数据集上对所提方法进行验证,所提方法的平均误匹配率约为5.23%,较传统的semiglobal block matching(SGBM)算法、BoyerMoore(BM)算法、SGM算法,分别提升9.47个百分点、9.345个百分点、8.96个百分点。自然环境下,所提改进的SGM算法可生成较高精确度的立木视差图。

关键词：立木视差图 SGM 图像分割视差图优化自适应窗口

来源：评论

学校读者我要写书评

暂无评论

基于消费级双目相机的立木因子测量方法

引用

浙江农林大学学报 2023年第2期40卷 436-445页

作者：尹萍徐爱俊叶俊华夏芳王泽华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与草原局重点实验室浙江杭州311300 浙江农林大学环境与资源学院浙江杭州311300 浙江农林大学数字乡村研究所浙江杭州311300 浙江农林大学经济与管理学院浙江杭州311300

【目的】随着林业信息化的快速发展,机器视觉测量技术广泛应用于林业领域。针对传统立木因子测量方法成本较高、携带不便、操作复杂等问题,提出消费级双目相机与机器视觉技术相结合的立木因子无接触测量方法。【方法】首先使用消费级USB... 详细信息

【目的】随着林业信息化的快速发展,机器视觉测量技术广泛应用于林业领域。针对传统立木因子测量方法成本较高、携带不便、操作复杂等问题,提出消费级双目相机与机器视觉技术相结合的立木因子无接触测量方法。【方法】首先使用消费级USB 3.0双目相机采集立木图像,通过改进的SGM算法生成高质量视差图;再根据三角原理转化为深度图,进而获取立木三维点云;基于空间密度聚类和混合滤波三维点云去噪方法快速准确去除聚集、离散的噪声点,再进行方向矫正和点云分割;最后,利用最值遍历法和椭圆拟合法实现树高、胸径的无接触测量。【结果】树高、胸径的相对测量误差分别小于2.219%、5.620%,测量值与真实值的相关系数R2分别为0.978、0.995,均方根误差分别为0.047 m、0.249 cm。【结论】本方法易操作、成本较低,同时具有较高的测量精度,能够满足无接触测量的需求。

关键词：视差图双目视觉三维点云点云去噪立木因子测量

来源：评论

学校读者我要写书评

暂无评论

基于高光谱技术及SA-CNN模型的甘薯黑斑病早期预测研究

引用

中国粮油学报 2025年第4期40卷 186-196页

作者：李艳宏戴丹郑剑金佳东张帅杰梁子乐陈思思董晨郑辛煜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 浙江农林大学食品与健康学院杭州311300 浙江农林大学光机电工程学院杭州311300 临安区农林技术推广中心杭州311300

甘薯块根在储运过程中易受长喙壳菌侵染而引发黑斑病,因此在发病初期进行早期预测并有效预防尤为重要。鉴于此,本研究提出将高光谱技术和深度学习模型相结合对甘薯块根黑斑病进行早期预测,以接种长喙壳菌后的甘薯块根为实验对象,定期采... 详细信息

甘薯块根在储运过程中易受长喙壳菌侵染而引发黑斑病,因此在发病初期进行早期预测并有效预防尤为重要。鉴于此,本研究提出将高光谱技术和深度学习模型相结合对甘薯块根黑斑病进行早期预测,以接种长喙壳菌后的甘薯块根为实验对象,定期采集染病甘薯块根的高光谱图像和对应的总酚含量。首先基于全波段进行模型训练,使用Savitzky-Golay平滑(SG)、一阶求导(D1)和多元散射校正(MSC)3种光谱预处理方法分别与机器学习模型(BPNN、SVR和PLSR)和深度学习模型(CNN和LSTM)相结合进行对比分析。结果表明,经MSC预处理后的CNN模型的预测效果最好,预测集的决定系数(R2P)为0.865,均方根误差(RM-SEP)为0.151mg/g,剩余预测偏差(RPD)为2.724。因此在CNN模型的基础上引入自注意力机制进行优化,优化后的模型SA-CNN较原模型预测精度明显提升。为了进一步减少波段冗余信息,本研究基于特征波段进行模型训练,使用PCA、CARS和SPA3种特征提取方法建立SA-CNN模型进行预测,结果表明,MSC-CARS-SA-CNN模型具有最佳的预测性能,R2P、RMSEP和RPD分别为0.959、0.083mg/g和4.961。

关键词：高光谱技术甘薯黑斑病早期预测自注意力机制 CNN

来源：评论

学校读者我要写书评

暂无评论

不同栽培密度和施肥量对大豆农艺性状和产量的影响

引用

山东农业大学学报（自然科学版） 2023年第4期54卷 517-522页

作者：徐东进童孟军浙江农林大学数学与计算机科学学院浙江杭州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

为探索不同施肥量和不同栽培密度的组合对大豆农艺性状和产量的影响,以期提升大豆栽培生产效率,在保护生态环境的同时获得较高的大豆产量。本文以鲜食秋大豆品种萧农秋艳为试验材料,考察不同栽培密度(10,15,20万株·hm^(-2))和氮肥... 详细信息

为探索不同施肥量和不同栽培密度的组合对大豆农艺性状和产量的影响,以期提升大豆栽培生产效率,在保护生态环境的同时获得较高的大豆产量。本文以鲜食秋大豆品种萧农秋艳为试验材料,考察不同栽培密度(10,15,20万株·hm^(-2))和氮肥施用量(75,112.5,150kg·hm^(-2))组合对大豆光合性能,农艺性状和产量的影响。结果表明:在栽培密度为15万株·hm^(-2),氮肥施用量为112.5kg·hm^(-2)处理下,萧农秋艳大豆产量较高,农艺性状较好,光合性能较强。较常规氮肥施用量减少25%,配合适当增加栽培密度的措施,萧农秋艳大豆产量较高,植株光合效率较高,农艺性状优良,且对生态环境友好。

关键词：大豆栽培密度施肥量农艺性状产量

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv4的多目标花卉识别系统

引用

南京农业大学学报 2022年第4期45卷 818-827页

作者：谢州益胡彦蓉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]花卉多目标识别定位是自动化作业的基础,大型的目标检测网络识别效果好,但由于复杂度高难以满足实时检测需求,本文提出了基于YOLOv4的轻量化目标检测算法。[方法]采用MobileNetV3替换原有的主干特征提取网络,自下而上融合网络的... 详细信息

[目的]花卉多目标识别定位是自动化作业的基础,大型的目标检测网络识别效果好,但由于复杂度高难以满足实时检测需求,本文提出了基于YOLOv4的轻量化目标检测算法。[方法]采用MobileNetV3替换原有的主干特征提取网络,自下而上融合网络的浅层和深层特征,简化路径聚合网络进一步减少计算量。结合优化K-means聚类获得的预选框参数来提高算法对特定目标的检测精度,并比较训练策略对模型性能的影响,将优化后的算法集成到用户交互界面,实现花卉识别定位。[结果]该系统实现了操作简单的花卉多目标的识别,具有实时反馈和较高准确率等优势,改进算法在余弦退火方式下训练得到的模型对图像的处理速度为每秒31.85帧,最高检测精确率达96.43%。[结论]这种基于YOLOv4的轻量级目标检测模型具有较高的识别率,系统对多目标花卉的检测具有可行性,为自动化作业提供技术支撑。

关键词：花卉识别多目标检测 YOLOv4 深度可分离卷积 K-means聚类余弦退火

来源：评论

学校读者我要写书评

暂无评论

结合注意力机制与YOLOv5的松材线虫病受害木检测

引用

林业工程学报 2023年第3期8卷 156-164页

作者：许可季卓夏凯杨垠辉冯海林浙江农林大学数学与计算机科学学院杭州311300 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 浙江省林业智能监测与信息技术研究重点实验室杭州311300 浙江同创空间技术有限公司杭州311300

松材线虫病是我国近几十年来最严重的一种森林病害,加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木,分别对比了改进模型CBAM-Y... 详细信息

松材线虫病是我国近几十年来最严重的一种森林病害,加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木,分别对比了改进模型CBAM-YOLOv5、SE-YOLOv5、CA-YOLOv5与YOLOv5模型的识别效果,实现了对变色松树和枯死疫木检测效果的提升。结果表明:3种注意力改进策略的变色松树查全率、平均精度和F1分数显著提高,查准率不逊色于YOLOv5模型;综合考量查全率和F1分数指标,SE-YOLOv5模型的变色松树和枯死疫木检测效果最好,其F1分数分别达到89.7%和76.9%,比原模型分别提高了5.5%和5.4%,其检测精度分别为91.7%和80.3%,较YOLOv5模型分别提升了4.7%和5.1%;在理想置信度阈值情况下3种注意力改进策略的变色松树和枯死疫木查全率均值分别为85.4%和76.6%,基本满足实际检测需求。对各注意力改进模型检测层的特征图和热力图进行剖析可以看出,嵌入注意力机制有利于提取高贡献度的特征成分,可以提升变色松树特征提取的准确性。因此,改进的YOLOv5模型基本满足了在较大疫区范围内对疫情监测的需求,这对于松林资源保护和病害防治具有积极意义。

关键词：松材线虫病无人机影像 YOLO算法注意力机制目标检测

来源：评论

学校读者我要写书评

暂无评论

基于运动恢复结构的多株立木因子测量方法

引用

浙江农林大学学报 2022年第4期39卷 792-799页

作者：顾雯钧徐爱俊尹建新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与草原局重点实验室浙江杭州311300

【目的】提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。【方法】(1)使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差... 详细信息

【目的】提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。【方法】(1)使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;(2)在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;(3)对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。【结果】与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。【结论】该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27。

关键词：立木因子测量视频关键帧运动恢复结构三维点云分割

来源：评论

学校读者我要写书评

暂无评论

基于模糊C均值聚类和梯度提升决策树的护林员评价方法

引用

河北农业大学学报 2023年第2期46卷 125-133页

作者：丁鹏徐爱俊李义平浙江农林大学信息工程学院/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 广东省广州市十力位置智能技术有限公司广东广州510627

现有关于基层护林员科学、客观、精准的评价方法的研究十分缺乏,传统的人员绩效评价方法也不适用于护林员巡护情况的评价。本文以中国东南部某县级市的护林员为研究对象,自创1种基于模糊C均值聚类(Fuzzy C-means,FCM)结果和FCM隶属度以... 详细信息

现有关于基层护林员科学、客观、精准的评价方法的研究十分缺乏,传统的人员绩效评价方法也不适用于护林员巡护情况的评价。本文以中国东南部某县级市的护林员为研究对象,自创1种基于模糊C均值聚类(Fuzzy C-means,FCM)结果和FCM隶属度以及梯度提升决策树相结合的护林员巡护情况评价方法。首先对护林员巡护情况数据集进行Z-Score标准化处理以提高算法的准确率和效率,其次以里程数、考勤率、耗时数和上报事件数为特征变量,使用FCM对巡护情况数据集进行聚类,确定基准月,并使用隶属度评价得分划定法计算基准月护林员评价得分,再通过梯度提升决策树(Gradient boosting decision tree,GBDT)和基准月数据确定研究期内其他月份的护林员评价得分,最后对护林员巡护情况进行综合分析。研究结果表明,该方法可精准、清晰地划定护林员巡护情况评价得分;研究期内护林员整体巡护情况偏差,评价得分≤60分的人数占比较大;常驻护林员在研究期内巡护情况评价得分基本保持不变,偶尔上下波动,毫无提升。本文的方法从实际数据出发,对护林员巡护情况进行针对性的分析,使得护林员管理者可制定科学的管理方案,并以期为护林员巡护情况的评价方法提供新的方向和思路。

关键词：护林员评价方法得分模糊C均值聚类隶属度梯度提升决策树

来源：评论

学校读者我要写书评

暂无评论

三段式立木胸径测量方法及装置设计与试验

引用

林业科学 2021年第5期57卷 130-139页

作者：孙林豪翁卫松方陆明任俊俊浙江农林大学信息工程学院杭州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 浙江省森林资源监测中心杭州310020

【目的】针对现阶段我国森林资源清查立木胸径测量中围尺适用性差、操作复杂、效率低和卡尺携带性差、量程短等问题,设计一款高效、准确、便携、适用于大胸径树木测量,集成自动读数、记录和上传功能的立木胸径测量装置,以解决林业勘测... 详细信息

【目的】针对现阶段我国森林资源清查立木胸径测量中围尺适用性差、操作复杂、效率低和卡尺携带性差、量程短等问题,设计一款高效、准确、便携、适用于大胸径树木测量,集成自动读数、记录和上传功能的立木胸径测量装置,以解决林业勘测人员的实际工作需求。【方法】基于三段式切臂和双角度传感器提出一种立木胸径测量方法,设计测量装置,并通过试验评估装置的有效性。【结果】1)通过15个圆柱体200次测量,平均绝对误差(MAE)为0.19 cm(0.79%),均方根误差(RMSE)为0.25 cm(0.94%);2)通过不同径阶218株立木测量,MAE为0.22 cm(0.89%)、RMSE为0.42 cm(1.23%);3)在83株立木小样地进行效率试验,平均每株立木测量耗时8.67 s。【结论】基于三段式切臂和双角度传感器方法研制的立木胸径测量装置,具有机电结构简单、可折叠、携带方便、操作简便、作业效率高等优点,同时适用于大胸径树木测量,可实现立木胸径数据测量、上传和入库的一体化,满足森林资源清查精度要求。

关键词：立木胸径三段式角度传感器

来源：评论

学校读者我要写书评

暂无评论

基于改进UNet++模型的葡萄黑腐病病斑分割和病害程度分级

引用

浙江农业学报 2023年第11期35卷 2720-2730页

作者：茹佳棋吴斌翁翔徐达宇李颜娥浙江农林大学数学与计算机科学学院浙江杭州311300 浙江省林业智能监测与信息技术实验室浙江杭州311300 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 浙江农林大学光机电工程学院浙江杭州311300

为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题,基于PlantVillage数据集中的葡萄黑腐病图像,提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时:一方面,采用自适应软阈值化方法消除噪声影响,提高葡... 详细信息

为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题,基于PlantVillage数据集中的葡萄黑腐病图像,提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时:一方面,采用自适应软阈值化方法消除噪声影响,提高葡萄病斑边缘的分割精度;另一方面,采用长、短连接结合的方式构建UNet++中的跳跃式连接结构,降低模型的计算复杂度。同时,在模型的横向输出层中融合多尺度特征,增强病斑的语义信息,进一步提高目标分割精度。在该模型的损失函数中,将Dice损失函数和交叉熵损失函数进行线性加权组合,以解决病斑像素面积与叶片面积不平衡的问题。采用五折交叉验证进行模型训练与测试。结果显示,本文模型的像素准确率达到98.433%,平均交并比达到92.056%,病斑交并比为81.230%,Dice系数为0.941,均优于传统的UNet++模型。采用病斑占叶面积的比例对病害程度进行分级。结果表明,本文模型对病害等级的划分准确率达97.41%。该模型能精确实现对葡萄黑腐病病斑边缘和小病斑的分割,以及病害程度分级,具有良好的稳健性。

关键词：葡萄黑腐病图像分割自适应软阈值化

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：