检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

果实目标深度学习识别技术研究进展

农业机械学报 2023年第1期54卷 1-19页

作者：宋怀波尚钰莹何东健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

机器视觉技术是果实目标识别与定位研究的关键。传统的目标识别算法准确率较低、检测速度较慢,难以满足实际生产的需求。近年来,深度学习方法在果实目标识别与定位任务中表现出了优良的性能。本文从数据集制备与果实目标识别模型两方面... 详细信息

机器视觉技术是果实目标识别与定位研究的关键。传统的目标识别算法准确率较低、检测速度较慢,难以满足实际生产的需求。近年来,深度学习方法在果实目标识别与定位任务中表现出了优良的性能。本文从数据集制备与果实目标识别模型两方面进行综述,总结了数据集制备相关的有监督、半监督和无监督3种方法的特点,按照深度学习算法的发展历程,归纳了基于深度学习的果实目标检测和分割技术的常用方法及其实际应用,轻量化模型的研究进展及其应用情况,基于深度学习的果实目标识别技术面临的问题和挑战。最后指出基于深度学习的果实目标识别方法未来发展趋势为:通过弱监督学习来降低模型对数据标签的依赖性,提高轻量化模型的检测速度以实现果实目标的实时准确检测。

关键词：果实深度学习目标识别分割

维普期刊数据库博看期刊

基于改进残差网络的田间葡萄霜霉病病害程度分级模型

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第1期53卷 235-243页

作者：何东健王鹏牛童毛燕茹赵艳茹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 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

针对传统葡萄霜霉病人工诊断分级方法低效且存在滞后性的问题,提出了一种改进残差网络的田间葡萄霜霉病识别及病害程度分级模型。在田间采集霜霉病前期、中期、后期以及健康叶片图像,并模拟天气、拍摄角度及设备噪声等影响因素进行数据... 详细信息

针对传统葡萄霜霉病人工诊断分级方法低效且存在滞后性的问题,提出了一种改进残差网络的田间葡萄霜霉病识别及病害程度分级模型。在田间采集霜霉病前期、中期、后期以及健康叶片图像,并模拟天气、拍摄角度及设备噪声等影响因素进行数据增容;基于不同发病程度叶片间特征相似度高、区分难度大的特点,在优选ResNet-50模型的基础上,为解决捷径分支信息损失严重和主分支特征提取能力不足的问题,在多个残差块组成的残差体的Base Block中加入步长为2的3×3最大值池化层,实现保留重要信息的降维;改进ID Block中残差块的主分支结构,将其中的第1层1×1降维卷积层替换为3×3降维卷积层且步长为1;设计新的全连接层,用全局均值池化和3层全连接层网络替换原模型全连接层结构,并加入Dropout(随机失活)层避免模型过拟合。原始数据集和增容后数据集试验结果表明,动量因子m为0.60、学习率α为0.001时,改进ResNet-50网络模型与ResNet-34/50/101、AlexNet、VGG-16、GoogLeNet等模型相比具有最好的识别效果。改进后的残差块增强了网络的特征提取能力,在优化超参数的基础上,相较于原始模型准确率提升了2.31个百分点;不同的数据增强方式对提高模型识别准确率均有一定贡献,在综合各种增强方式的数据集上改进残差网络模型的识别准确率高于原始模型4.68个百分点,达到99.92%。本文为复杂环境下葡萄霜霉病病害程度的自动分级提供了一种实时、准确的解决方法。

关键词：葡萄霜霉病病害程度残差网络深度学习分级

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

农用无人机移动平台自主降落技术研究

农机化研究 2022年第7期44卷 33-38页

作者：郭佳倩何东健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 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

针对农药喷洒无人机携带药量和续航能力有限,需返回固定点更换药液或电池导致效率低的问题,为提高无人机田间作业效率,以四旋翼无人机为研究对象,研究农用无人机自主移动平台降落技术,以实现无人机自主降落在装载无人机和药液的移动平... 详细信息

针对农药喷洒无人机携带药量和续航能力有限,需返回固定点更换药液或电池导致效率低的问题,为提高无人机田间作业效率,以四旋翼无人机为研究对象,研究农用无人机自主移动平台降落技术,以实现无人机自主降落在装载无人机和药液的移动平台上。将北斗卫星和机器视觉定位相结合,提出将降落过程分为卫星定位、机器视觉定位和超声波测距分别进行控制的策略,设计了无人机平台硬件和软件,以及固定于移动平台的吸附减震结构和嵌套着陆标志,试验结果表明:北斗卫星相对定位方法定位精度在1.5m内;设计的嵌套着陆标志和图像识别算法着陆标志识别率为97.5%,有较高的识别率和鲁棒性;农用无人机移动平台降落系统在移动平台速度为3km/h时,无人机移动降落误差为12.21cm,且飞行性能稳定、着陆安全。研究可为农药喷洒无人机实现自动化、智能化高效作业提供有效支持,也可供其他农用无人机移动平台降落提供参考和借鉴。

关键词：农用无人机移动平台自主降落北斗卫星定位视觉定位

基于快照集成卷积神经网络的苹果叶部病害程度识别

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第6期53卷 286-294页

作者：刘斌徐皓玮李承泽宋鸿利何东健张海曦西北农林科技大学信息工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100 西北农林科技大学机械与电子工程学院陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

针对苹果叶部病害程度识别准确率低的问题,构建了一种基于快照集成方法的苹果叶部病害程度识别模型。首先,通过多种数字图像处理技术对原始苹果叶部病害图像进行数据增强;然后,选取InceptionResNet V2作为基模型,引入CBAM模块提升网络... 详细信息

针对苹果叶部病害程度识别准确率低的问题,构建了一种基于快照集成方法的苹果叶部病害程度识别模型。首先,通过多种数字图像处理技术对原始苹果叶部病害图像进行数据增强;然后,选取InceptionResNet V2作为基模型,引入CBAM模块提升网络的特征提取能力,使用焦点损失函数缓解苹果叶部病害数据集类别不平衡问题;最后,通过快照集成方法进行模型集成,得到苹果叶部病害程度识别模型。利用苹果黑星病和锈病的早期和晩期病害数据集进行了模型验证,准确率高达90.82%,比单一InceptionResNet V2模型的准确率提高了2.50个百分点。实验结果表明,基于快照集成的识别模型准确率较高,为苹果叶部病害程度识别研究提供了参考。

关键词：苹果叶部病害识别卷积神经网络 CBAM模块焦点损失函数快照集成

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

面向移动端的苹果叶部病虫害轻量级识别模型

农业工程学报 2022年第6期38卷 130-139页

作者：刘斌贾润昌朱先语于聪姚卓含张海曦何东健西北农林科技大学信息工程学院杨凌712100 农业农村部农业物联网重点实验室杨凌712100 西北农林科技大学机械与电子工程学院杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100

花叶病、斑点落叶病、褐斑病、白粉病、黄蚜、浅叶蛾和红蜘蛛是常见的苹果叶部病虫害,严重影响了苹果的产量和品质。病虫害早期诊断和防治可以有效地控制病害传播,降低损失,保障苹果产业的健康发展。为解决现有轻量级模型无法精准识别... 详细信息

花叶病、斑点落叶病、褐斑病、白粉病、黄蚜、浅叶蛾和红蜘蛛是常见的苹果叶部病虫害,严重影响了苹果的产量和品质。病虫害早期诊断和防治可以有效地控制病害传播,降低损失,保障苹果产业的健康发展。为解决现有轻量级模型无法精准识别早期苹果叶部稀疏小病斑的问题,该研究面向资源受限的移动端设备,提出一种轻量级识别模型ALS-Net(Apple Leaf Net using Channel Shuffle)。在轻量化模型(ShuffleNetV2)的基础上,基于深度可分离卷积和通道混洗构建ALS模块,可降低模型的计算量和参数量。其次,采用知识蒸馏策略训练模型,进一步提高网络精度。试验结果表明,ALS-Net的模型精度可达99.43%,且模型大小仅为1.64 MB。移动端推理延迟为55 ms,能够有效满足实际应用需求,并实现基于移动端的苹果叶部病虫害自动实时监测。

关键词：模型病虫害苹果叶片通道混洗知识蒸馏轻量化移动端实时推理

在线全文

学校读者我要写书评

暂无评论

叶绿素荧光成像技术的葡萄霜霉病早期检测

光谱学与光谱分析 2022年第4期42卷 1028-1035页

作者：张昭姚志凤王鹏苏宝峰刘斌宋怀波何东健徐炎胡静波西北农林科技大学机械与电子工程学院陕西杨凌712100 宝鸡文理学院电子电气工程学院陕西宝鸡721016 农业农村部农业物联网重点实验室陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100 西北农林科技大学信息工程学院陕西杨凌712100 西北农林科技大学园艺学院陕西杨凌712100 旱区作物逆境生物学国家重点实验室陕西杨凌712100

葡萄霜霉病对葡萄生产构成严重威胁,尽早防治是治理霜霉病的关键。为了对该病进行早期检测,以PCR检测获取的霜霉病相对生物量作为霜霉病侵染的依据,从暗适应—光适应—暗弛豫3个光合生理状态连续变化过程中,采集80个人工接种霜霉菌叶片... 详细信息

葡萄霜霉病对葡萄生产构成严重威胁,尽早防治是治理霜霉病的关键。为了对该病进行早期检测,以PCR检测获取的霜霉病相对生物量作为霜霉病侵染的依据,从暗适应—光适应—暗弛豫3个光合生理状态连续变化过程中,采集80个人工接种霜霉菌叶片和80个健康对照叶片连续6 d的叶绿素荧光图像。对比健康和接种叶片叶绿素荧光动力学曲线、参数图像和参数值的差异,使用单因素方差分析评估叶绿素荧光参数对霜霉病侵染的敏感性,筛选叶绿素荧光参数最优特征子集,使用机器学习分类器构建霜霉病早期检测模型。结果表明,随着接种后天数(day post inoculation,DPI)的增加,霜霉病侵染程度不断加深,健康和接种叶片叶绿素荧光动力学曲线、参数图像和参数值从2DPI开始有显著差异(p健康和接种叶片识别准确率为83.75%,全实验周期连续6 d平均准确率达到85.94%。可为葡萄霜霉病光合表型分析和早期检测提供一种快速、准确的手段。

关键词：叶绿素荧光成像葡萄霜霉病病害检测特征选择

在线全文

学校读者我要写书评

暂无评论

土壤有机质含量田间实时测定方法

农业机械学报 2015年第1期46卷 127-132页

作者：何东健陈煦西北农林科技大学机械与电子工程学院陕西杨凌712100

为了实现对土壤有机质含量的快速测定,以关中塿土为材料,研究基于光谱分析的土壤有机质含量测定方法。首先用机载便携式近红外频谱仪采集土壤样本在波长900-1 700 nm范围的漫反射光谱,并对异常样本进行判别和剔除以提高建模精度,在比较... 详细信息

为了实现对土壤有机质含量的快速测定,以关中塿土为材料,研究基于光谱分析的土壤有机质含量测定方法。首先用机载便携式近红外频谱仪采集土壤样本在波长900-1 700 nm范围的漫反射光谱,并对异常样本进行判别和剔除以提高建模精度,在比较2种不同样本划分方法对模型影响的基础上,用连续投影算法（SPA）对建模变量进行最优波长选择,然后通过3种线性建模方法对有机质含量预测结果进行分析,探明偏最小二乘法（PLS）方法效果最好,并建立了径向基（RBF）神经网络预测模型。测试集样本实验结果表明,用PLS建立的预测模型有机质含量测定值和预测值之间的决定系数为0.801 9,均方根误差为0.179 4;用RBF神经网络建模的决定系数和均方根误差分别为0.828 1和0.164 6,两种模型均具有较高的精度,可对有机质含量进行快速预测。

关键词：土壤有机质含量光谱分析预测模型偏最小二乘法径向基神经网络

在线全文

学校读者我要写书评

暂无评论

玉米苗期杂草的计算机识别技术研究

农业工程学报 2007年第7期23卷 139-144页

作者：龙满生何东健西北农林科技大学信息工程学院杨凌712100

利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后... 详细信息

利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标。研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为58 ms。

关键词：杂草识别计算机视觉人工神经网络玉米幼苗

基于热红外成像与骨架树模型的奶牛眼温自动检测

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2021年第3期52卷 243-250页

作者：何东健宋子琪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 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

针对现有方法无法实现奶牛热红外图像中眼温信息自动获取的问题,为实现奶牛眼温无接触、自动、高精确检测,提出了一种基于热红外成像技术与骨架树模型的奶牛眼温自动检测方法。首先,在获得奶牛侧面热红外图像的基础上,利用基于差距度量... 详细信息

针对现有方法无法实现奶牛热红外图像中眼温信息自动获取的问题,为实现奶牛眼温无接触、自动、高精确检测,提出了一种基于热红外成像技术与骨架树模型的奶牛眼温自动检测方法。首先,在获得奶牛侧面热红外图像的基础上,利用基于差距度量的阈值分割方法提取奶牛目标,对奶牛骨架进行精确提取,并构建了奶牛骨架树模型,在该模型上对奶牛头部区域进行准确定位;然后,根据头部轮廓的形状特征与眼睛几何位置特征,对奶牛眼睛区域中心点进行准确定位;最后,以眼睛中心点为圆心,以半径为20像素区域内的最高温度作为眼睛温度,对奶牛热红外图像中眼温进行自动检测。为验证本文方法的有效性,随机选取来自50头奶牛的100幅侧视热红外图像进行了试验,结果表明,采用本文方法检测结果的平均绝对误差为0.35℃、平均相对误差为0.38%,具有较高的精度。本研究可为奶牛体温非接触、自动化、高精度检测提供技术支撑。

关键词：奶牛眼温热红外图像头部识别眼睛定位骨架树模型