检索结果-南通市图书馆

基于改进ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第3期40卷 165-174页

作者：肖德琴陈芳玲刘又夫谢青梅张新珩华南农业大学农业农村部华南热带智慧农业技术重点实验室广州510642 华南农业大学数学与信息学院广州510642 华南农业大学动物科学学院广州510642

为解决活体黄羽鸡表皮层黑色素分级方法成本高、效率低下、分级环境易受环境光干扰等问题,该研究探索一种基于ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法ConvNeXt-WPCA,用于实现活体黄羽鸡表皮层黑色素智能分级。ConvNeXt-WPCA模型... 详细信息

为解决活体黄羽鸡表皮层黑色素分级方法成本高、效率低下、分级环境易受环境光干扰等问题,该研究探索一种基于ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法ConvNeXt-WPCA,用于实现活体黄羽鸡表皮层黑色素智能分级。ConvNeXt-WPCA模型通过以下3点改进提高模型对黄羽鸡黑色素的识别效果:1)针对黄羽鸡黑色素图像RGB三通道内黑色素信息分布不均衡问题,改变输入图片通道权重来增强模型对黑色素特征的提取能力;2)使用部分卷积代替深度可分离卷积,减少模型计算量和内存访问次数提高对计算资源的利用率;3)引入坐标注意力机制,引导模型关注黄羽鸡胸腹部及肛门附近皮肤提升模型精度。同时,该研究还设计一种双光源图像获取装置,分别在自然光和偏振光条件下拍摄黄羽鸡样本,以减小分级结果受环境光干扰的影响,并探索偏振光在黑色素分级任务中的应用潜力。结果表明ConvNeXt-WPCA模型相较标准ConvNeXt模型,针对自然光下黄羽鸡黑色素图像数据集分级准确率提升9.68个百分点,最终达到89.03%的识别准确率,针对偏振光下黄羽鸡黑色素图像数据集分级准确率提升15.26个百分点,最终达到98.87%的识别准确率。该研究证实基于偏振光条件获取的黄羽鸡表皮层黑色素图像分级效果优于自然光条件,提出的ConvNeXt-WPCA黄羽鸡表皮层黑色素分级方法识别准确率高,同时模型参数量及浮点计算量均有降低,为黄羽鸡表皮层黑色素智能分级实际应用提供了理论基础及技术支持。

关键词：模型深度学习注意力机制黄羽鸡 ConvNeXt 品质分级偏振光

基于空间注意力增强ResNeSt-101网络和迁移元学习的小样本害虫分类

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第6期40卷 285-297页

作者：梁炜健郭庆文王春桃肖德琴黄琼华南农业大学数学与信息学院广州510642 农业农村部华南热带智慧农业技术重点实验室广州510642 广东省农业人工智能重点实验室广州510642 广州市智慧农业重点实验室广州510642 深圳鹏城技师学院深圳518000

害虫识别是害虫防治的关键基础,由于较难获得足够的害虫种类图像,如何使用少量标记图像构造害虫分类器是一个富有挑战性的问题。现有研究多采用匹配网络框架来解决这个问题,该框架使用元学习避免重新训练深度网络,然而主干网络的特征提... 详细信息

害虫识别是害虫防治的关键基础,由于较难获得足够的害虫种类图像,如何使用少量标记图像构造害虫分类器是一个富有挑战性的问题。现有研究多采用匹配网络框架来解决这个问题,该框架使用元学习避免重新训练深度网络,然而主干网络的特征提取能力有限,元学习算法没有提供较好的权重初始化策略,可能导致网络出现梯度消失或者梯度爆炸的情况。为了解决这一问题,该研究提出一种基于空间注意力增强ResNeSt-101和迁移元学习算法的小样本害虫分类器。首先,通过一个空间注意力模块增强ResNeSt-101以更好地提取害虫图像特征,即在ResNeSt-101的第1阶段的最大池化层之前以及在第2~4阶段的末尾分别附加集成空间注意力模块,并通过数值仿真确定空间注意力增强模块的最佳放置位置为第1阶段的最大池化层之前。随后,通过迁移学习策略初始化网络权重,进而通过元学习进行优化。为了避免网络出现梯度消失或者梯度爆炸的情况,在元学习算法中选择归一化的温度缩放交叉熵损失函数代替三元组损失函数。最后,通过计算查询图像和支持图像深度特征之间的相似度实现害虫分类。所提出方法在自建的害虫图像数据集AD0和MIP50上使用N-类K-例准确率和每张图像处理时间(the time of per image processing,TPIP)进行评估。害虫图像数据集的构建方式如下:首先对公共害虫图像数据集IP102和D0进行清洗,以消除由于英文害虫名称导致的歧义类别;然后移除卵、幼虫和蛹阶段的害虫图像,仅保留成虫阶段的图像。考虑到人工和时间成本,从清理后的IP102害虫数据集中选择50个类别构建MIP50害虫图像数据集。随后,通过害虫的拉丁名称从互联网搜索更多的害虫图像,生成AD0害虫图像数据集。自建的MIP50数据集包括来自IP102的50个类别的16424张成虫图像,AD0包含来自D0的所有40个类别的17112张成虫图像。试验结果表明,当测试集中只有少数未知类别的害虫图像时,本文方法在AD0数据集上的5-类10-例评估准确率达到了96.37%,在MIP50数据集上达到了76.91%。当测试集中同时存在几个未知和已知类别的害虫图像时,所提方法在AD0数据集上的5-类10-例设置下的识别准确率达到了93.73%,在MIP50数据集上达到90.60%。同时,本文方法的TPIP大约为0.44 ms,满足大多数场景下的实时害虫识别要求。此外,消融试验结果表明,基于空间注意力增强ResNeSt-101网络和迁移元学习的小样本害虫分类方法在AD0、MIP50数据集上对未知类别害虫图像的5-类10-例的识别准确率分别提升了5和3个百分点以上,具有良好应用前景。但未来研究中还需进一步研究本方法中存在的问题,如通过采用更好地表征支持集样本与查询集样本之间复杂关系的度量优化本工作中用到的度量以解决增加类别数可能导致分类准确率降低的问题,以及将所提方法应用于现实农业场景进行优化改进以更好提升本文方法的实用性。

关键词：病虫害图像处理小样本分类元学习 ResNeSt-101 交叉熵损失

基于mRMR-XGBoost的水稻关键生育期识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第15期40卷 111-118页

作者：冯健昭潘永琪熊悦淞吴彻肖德琴华南农业大学数学与信息学院广州510642 华南农业大学农业农村部华南热带智慧农业技术重点实验室广州510642 广州华农大智慧农业科技有限公司广州510642

针对目前使用无人机识别水稻关键生育期时光谱数据特征维度高和冗余,导致模型准确率和泛化能力不足的问题,该研究提出一种基于最优特征组合的水稻关键生育期(分蘖期、拔节期、抽穗期、乳熟期、完熟期)识别方法。首先使用无人机采集田间... 详细信息

针对目前使用无人机识别水稻关键生育期时光谱数据特征维度高和冗余,导致模型准确率和泛化能力不足的问题,该研究提出一种基于最优特征组合的水稻关键生育期(分蘖期、拔节期、抽穗期、乳熟期、完熟期)识别方法。首先使用无人机采集田间光谱图像,基于相对植被指数和迭代自组织数据分析算法对光谱图像进行分割,以有效提取水稻冠层区域。然后对水稻生育期的关键特征进行表达,采用最小冗余特征选择算法对特征进行重要性排序,并通过增量分组法确定最优特征组合。最后基于极度梯度提升算法构建水稻生育期的识别模型。对比试验结果显示,本文模型对5个关键生育期的识别较好,混淆情况少,对水稻分蘖期、拔节期、抽穗期、乳熟期和完熟期识别精确率分别为98.08%、100.00%、99.68%、97.50%和99.29%,整体识别精确率达到98.77%,F1值为0.9891,Kappa系数为0.984,相比于SVM(支持向量机)分别提高了1.59个百分点、0.0146和0.02,相比于RF(随机森林)分别提升了1.23个百分点、0.011和0.015。研究结果可为田间作物的精准管理和决策提供重要依据。

关键词：水稻机器学习生育期光谱图像识别

基于空间注意力增强ResNeSt-101网络和迁移元学习的小样本害虫分类（英文）

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年

作者：梁炜健郭庆文王春桃肖德琴黄琼农业农村部华南热带智慧农业技术重点实验室广州市智慧农业重点实验室广东省农业人工智能重点实验室深圳鹏城技师学院华南农业大学数学与信息学院

害虫识别是害虫防治的关键基础,由于较难获得足够的害虫种类图像,如何使用少量标记图像构造害虫分类器是一个富有挑战性的问题。现有研究多采用匹配网络框架来解决这个问题,该框架使用元学习避免重新训练深度网络,然而主干网络的特征提取能力有限,元学习算法没有提供较好的权重初始化策略,可能导致网络出现梯度消失或者梯度爆炸的情况。为了解决这一问题,该研究提出一种基于空间注意力增强ResNeSt-101和迁移元学习算法的小样本害虫分类器。首先,通过一个空间注意力模块增强ResNeSt-101以更好地提取害虫图像特征,即在ResNeSt-101的第1阶段的最大池化层之前以及在第2～4阶段的末尾分别附加集成空间注意力模块,并通过数值仿真确定空间注意力增强模块的最佳放置位置为第1阶段的最大池化层之前。随后,通过迁移学习策略初始化网络权重,进而通过元学习进行优化。为了避免网络出现梯度消失或者梯度爆炸的情况,在元学习算法中选择归一化的温度缩放交叉熵损失函数代替三元组损失函数。最后,通过计算查询图像和支持图像深度特征之间的相似度实现害虫分类。所提出方法在自建的害虫图像数据集ADO和MIP50上使用N-类K-例准确率和每张图像处理时间(the time of per image processing,TPIP)进行评估。害虫图像数据集的构建方式如下:首先对公共害虫图像数据集IP102和DO进行清洗,以消除由于英文害虫名称导致的歧义类别;然后移除卵、幼虫和蛹阶段的害虫图像,仅保留成虫阶段的图像。考虑到人工和时间成本,从清理后的IP102害虫数据集中选择50个类别构建MIP50害虫图像数据集。随后,通过害虫的拉丁名称从互联网搜索更多的害虫图像,生成ADO害虫图像数据集。自建的MIP50数据集包括来自IP102的50个类别的16424张成虫图像,ADO包含来自DO的所有40个类别的17 112张成虫图像。试验结果表明,当测试集中只有少数未知类别的害虫图像时,本文方法在ADO数据集上的5-类10-例评估准确率达到了96.37%,在MIP50数据集上达到了76.91%。当测试集中同时存在几个未知和已知类别的害虫图像时,所提方法在ADO数据集上的5-类10-例设置下的识别准确率达到了93.73%,在MIP50数据集上达到90.60%。同时,本文方法的TPIP大约为0.44 ms,满足大多数场景下的实时害虫识别要求。此外,消融试验结果表明,基于空间注意力增强ResNeSt-101网络和迁移元学习的小样本害虫分类方法在ADO、MIP50数据集上对未知类别害虫图像的5-类10-例的识别准确率分别比提升了5和3个百分点以上,具有良好应用前景。但未来研究中还需进一步研究本方法中存在的问题,如通过采用更好地表征支持集样本与查询集样本之间复杂关系的度量优化本工作中用到的度量以解决增加类别数可能导致分类准确率降低的问题,以及将所提方法应用于现实农业场景进行优化改进以更好提升本文方法的实用性。

关键词：病虫害图像处理小样本分类元学习 ResNeSt-101 交叉熵损失

基于模糊控制的设施菜心生产环境管控模型及系统

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

华南农业大学学报 2024年第1期45卷 127-136页

作者：毛远洋陈芳玲卞智逸肖德琴周敏华南农业大学数学与信息学院/农业农村部华南热带智慧农业技术重点实验室广东广州510642

【目的】为实现设施菜心生产环境的实时监控和精准调控,设计一种基于模糊控制的设施菜心生产环境管控模型及系统。【方法】采用物联网设备实时监测菜心各生长阶段(种子发芽期、叶片生长期、菜薹形成期)的环境因子(空气温度、土壤温度、... 详细信息

【目的】为实现设施菜心生产环境的实时监控和精准调控,设计一种基于模糊控制的设施菜心生产环境管控模型及系统。【方法】采用物联网设备实时监测菜心各生长阶段(种子发芽期、叶片生长期、菜薹形成期)的环境因子(空气温度、土壤温度、土壤湿度和土壤电导率),将参数的监测值与适宜范围进行对比,获得各环境因子的偏差及变化率。管控模型利用模糊推理与定性分析结合的方法优化环境因子控制量,确定环境调控设备的调控决策,达到对环境因子的精准调控。【结果】管理模式对比试验表明:在菜心3个生长阶段,管控系统模式的平均调控实时性指标分别为0.10、0.17和0.18,平均准确性指标分别为0.78、0.68和0.74;人工管理模式的平均调控实时性指标分别为0.37、0.41和0.43,平均准确性指标分别为0.31、0.34和0.30。管控系统的平均实时性和准确性与人工管理模式相比分别有62.50%和1.34倍的提升。【结论】管控系统模式实现了菜心生产环境信息的实时获取与精准调控,能帮助用户更好地进行设施菜心的生产管理。

关键词：设施农业菜心管控模型模糊控制环境调控

维普期刊数据库博看期刊

改进YOLOv5s对病理学图像中猪只小肠绒毛的检测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第5期40卷 207-215页

作者：王美华王安邦肖德琴熊云霞王丽李朋涛吴耀丰华南农业大学数学与信息学院广州510642 农业农村部华南动物营养与饲料重点实验室广东省农业科学院动物科学研究所广州510642

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进YOLOv5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合... 详细信息

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进YOLOv5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合池化对空间金字塔进行优化,增强特征提取与特征表达,提升检测精度;然后引入一种基于注意力机制的网络模块(simpleattentionmechanism,SimAM)与Bottleneck中的残差连接相结合,使用SimAM对Bottleneck中的特征图进行加权,得到加权后的特征表示,利用注意力机制加强模型对目标的感知。试验结果表明,该研究算法的平均精度(average precision)和每秒传输帧数(frame per second,FPS)达到92.43%和40帧/s。改进后的YOLOv5s在召回率和平均精度上相较改进前提高2.49和4.62个百分点,在不增加模型参数量的情况下,每帧图片的推理时间缩短1.04 ms。与经典的目标检测算法SSD、Faster R-CNN、YOLOv6s、YOLOX相比,平均精度分别提高15.16、10.56、2.03和4.07个百分点。结果表明,该方法能够实现病理学图像中猪只小肠绒毛自动化检测,保证复杂图像检测速度的同时,提高了小肠绒毛的检测精度。

关键词：目标检测猪算法 YOLOv5s 猪只小肠绒毛病理学图像无参注意力机制

引入家禽疫病智能化防控技术的课程教学改革与实践——以《动物免疫学》为例

在线全文

学校读者我要写书评

暂无评论

中国家禽 2024年

作者：张新珩肖德琴张永亮李鸿鑫谢青梅华南农业大学动物科学学院华南农业大学数学与信息学院/农业农村部华南热带智慧农业技术重点实验室

新农科建设要求课程具备时代性、前沿性，一流课程应具有创新性、高阶性和挑战度等基本特征。人工智能技术与传统产业的融合是产业发展的新趋势。为适应新农科建设和产业发展的需求，文章探索人工智能与传统《动物免疫学》交叉融合的新... 详细信息

新农科建设要求课程具备时代性、前沿性，一流课程应具有创新性、高阶性和挑战度等基本特征。人工智能技术与传统产业的融合是产业发展的新趋势。为适应新农科建设和产业发展的需求，文章探索人工智能与传统《动物免疫学》交叉融合的新形态课程建设。教学内容融入家禽疫病智能化防控技术，教学方法采用“案例式+任务驱动式+讨论式”教学，教学模式强化以产教融合为特征的改革。结果显示：学生的家禽疫病智能化防控技术知识水平得到全面提升，实际应用能力及团队协作能力明显提高，极大促进了学生对该课程的学习兴趣。研究表明将智能化防控技术融入《动物免疫学》课程的教学改革提高了人才培育质量，为构建传统课程与人工智能融合的新形态课程提供了新范式。

关键词：《动物免疫学》家禽疫病智能防控教学改革

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

畜禽机器人技术研究进展与未来展望

华南农业大学学报 2024年第5期45卷 624-634,I0003页

作者：肖德琴黄一桂熊悦淞刘俊彬谭祖杰吕斯婷农业农村部华南热带智慧农业技术重点实验室/华南农业大学数学与信息学院广东广州510642

随着现代畜禽养殖业面临的挑战日益增加,包括提高生产效率、降低成本、确保动物福利以及应对环境变化等,机器人技术的应用成为推动该行业转型的关键。文章综述了畜禽养殖机器人技术的研究进展,涵盖了饲喂机器人、清洁机器人、巡检机器... 详细信息

随着现代畜禽养殖业面临的挑战日益增加,包括提高生产效率、降低成本、确保动物福利以及应对环境变化等,机器人技术的应用成为推动该行业转型的关键。文章综述了畜禽养殖机器人技术的研究进展,涵盖了饲喂机器人、清洁机器人、巡检机器人、挤奶机器人以及其他相关领域的研究现状和技术特点。机器人技术在提升畜禽养殖业自动化和智能化水平中具有重要作用。其中,饲喂机器人通过精准控制饲料投放,提高了饲喂效率和养殖动物健康水平;清洁机器人能有效地管理畜牧环境,提升养殖场卫生条件;巡检机器人通过实时监测环境和动物健康状况,优化了养殖管理;挤奶机器人则实现了奶牛养殖自动化,提高了生产效率。探讨了畜禽养殖机器人技术面临的挑战与机遇,并对未来的发展趋势进行了展望。

关键词：机器人畜禽养殖智能化发展前景

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

家禽疫病智能化检测技术研究进展

中国家禽 2024年第7期46卷 93-100页

作者：邵润霖白宇航刘睿衡张京董梦玥肖德琴谢青梅张新珩华南农业大学动物科学学院广东广州510642 华南农业大学数学与信息学院农业农村部华南热带智慧农业技术重点实验室广东广州510642

家禽是我国养殖业的重要组成部分,但在养殖过程中易感染病原导致死亡,给养禽业造成严重的经济损失。对家禽疫病的人工检测常伴有耗时长、劳动力大、不够准确等问题,新兴检测技术的研究和使用十分必要。文章对红外热成像技术、生物传感... 详细信息

家禽是我国养殖业的重要组成部分,但在养殖过程中易感染病原导致死亡,给养禽业造成严重的经济损失。对家禽疫病的人工检测常伴有耗时长、劳动力大、不够准确等问题,新兴检测技术的研究和使用十分必要。文章对红外热成像技术、生物传感器、可穿戴传感器、发声分析技术、视觉分析技术、免疫传感器等家禽常见疾病的新兴智能化检测技术进行综述,建议通过智能化手段与监测方法相结合,对家禽的行为动态与生理信息进行分析,为疫病防控技术的研发提供参考。

关键词：家禽疫病检测智能化技术