检索结果-内蒙古大学图书馆

福建茶叶 2025年第1期47卷 39-42页

作者：付志威楼雄伟高海力浙江农林大学数学与计算机科学学院浙江农林大学、国家林业和草原局林业传感技术与智能装备重点实验室浙江农林大学、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 浙江省公益林和国有林场管理总站浙江杭州310020

为解决传统茶叶种苗图像采集方法效率低下、成本高昂的问题,设计了茶叶种苗数字图像获取系统。本系统融合了传统RGB相机和树莓派4B控制的自动化硬件,解决传统茶叶图像采集的低效高成本问题。采用柔性链传送结构和齿形链传动确保茶叶种... 详细信息

为解决传统茶叶种苗图像采集方法效率低下、成本高昂的问题,设计了茶叶种苗数字图像获取系统。本系统融合了传统RGB相机和树莓派4B控制的自动化硬件,解决传统茶叶图像采集的低效高成本问题。采用柔性链传送结构和齿形链传动确保茶叶种苗传送的精确稳定。人机交互界面的设计实现了自动化控制,包括采集、存储路径选择等功能。经过系统测试,表明系统稳定可靠,能够满足科研对茶叶种苗图像获取的需求,在茶叶图像获取方面具有广泛的前景。

关键词：茶叶种苗数字图像获取系统传统RGB相机树莓派4B 人机交互界面

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

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

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

基于多模态预训练模型的水稻病虫害图像描述生成研究

引用

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

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

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

基于改进SGM的立木视差图生成方法

引用

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

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

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：