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

基于卷积神经网络的奶牛发情行为识别方法

农业机械学报 2019年第7期50卷 186-193页

作者：刘忠超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 南阳理工学院电子与电气工程学院南阳473000 农业农村部农业物联网重点实验室陕西杨凌712100

对奶牛发情的及时监测在奶牛养殖中至关重要。针对现有人工监测奶牛发情行为费时费力、计步器接触式监测会产生奶牛应激行为等问题,根据奶牛发情的爬跨行为特征,提出一种基于卷积神经网络的奶牛发情行为识别方法。构建的卷积神经网络通... 详细信息

对奶牛发情的及时监测在奶牛养殖中至关重要。针对现有人工监测奶牛发情行为费时费力、计步器接触式监测会产生奶牛应激行为等问题,根据奶牛发情的爬跨行为特征,提出一种基于卷积神经网络的奶牛发情行为识别方法。构建的卷积神经网络通过批量归一化方法提高网络训练速度,以Max-pooling为下采样,修正线性单元(Rectified linear units,ReLU)为激活函数,Softmax回归分类器为输出层,结合理论分析和试验验证,确定了32×32-20c-2s-50c-2s-200c-2的网络结构和参数。经过对奶牛活动区50头奶牛6个月的视频监控,筛选了具有发情行为爬跨特征的视频150段,随机选取网络训练数据23 000幅和测试数据7 000幅,对构建的网络进行了训练和测试。试验结果表明:本文方法对奶牛发情行为识别准确率为98.25%,漏检率为5.80%,误识别率为1.75%,平均单幅图像识别时间为0.257 s。该方法能够实现奶牛发情爬跨的无接触实时监测,对奶牛发情行为具有较高的识别率,可显著提高规模化奶牛养殖的管理效率。

关键词：奶牛发情图像识别深度学习爬跨行为卷积神经网络

Contourlet变换为农产品图像去噪的有效方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2012年第8期28卷 287-292页

作者：宋怀波何东健韩韬西北农林科技大学机电学院杨凌712100

农产品图像去噪是农业图像处理中最基本、最重要的工作之一。现有小波去噪方法存在各向同性的缺陷,从而限制了其去噪的效果。针对这一问题,提出了一种基于Contourlet变换的农产品图像去噪算法,该方法充分利用了Contourlet变换具有的多... 详细信息

农产品图像去噪是农业图像处理中最基本、最重要的工作之一。现有小波去噪方法存在各向同性的缺陷,从而限制了其去噪的效果。针对这一问题,提出了一种基于Contourlet变换的农产品图像去噪算法,该方法充分利用了Contourlet变换具有的多分辨率、各向异性和稀疏性的优点。算法首先对含噪农产品图像进行塔形方向滤波器组(pyramidal directional filter bank,PDFB)分解,然后通过多尺度萎缩阈值进行高频子带去噪,保留信号系数并抑制噪声系数,最后通过Contourlet反变换得到去噪后的图像,实现农产品图像的去噪。为了验证Contourlet变换的去噪效果,分别采用小波去噪、中值滤波、均值滤波、高斯滤波和维纳滤波对常见农产品图像进行了对比试验。试验结果表明,基于Contourlet变换的图像去噪方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点,将Contourlet变换用于农产品图像去噪是有效的、可行的。

关键词：农产品图像分析对比 Contourlet变换塔形方向滤波器组 PSNR

在线全文

学校读者我要写书评

暂无评论

坡面水蚀与细沟发育过程模拟研究

系统仿真学报 2010年第2期22卷 348-352页

作者：龙满生何东健西北农林科技大学机械与电子工程学院杨凌712100 西北农林科技大学信息工程学院杨凌712100

为了分析次降雨过程中的细沟发育规律,提出从二维浅水方程和泥沙输移方程出发建立坡面水蚀模型,利用有限体积法模拟坡面径流与侵蚀产沙的时空分布及微地貌发育过程的方法。模型由二维浅水方程、Green-Ampt入渗模型、Gash林冠截留模型以... 详细信息

为了分析次降雨过程中的细沟发育规律,提出从二维浅水方程和泥沙输移方程出发建立坡面水蚀模型,利用有限体积法模拟坡面径流与侵蚀产沙的时空分布及微地貌发育过程的方法。模型由二维浅水方程、Green-Ampt入渗模型、Gash林冠截留模型以及经验侵蚀与沉积公式组成,具有易于实现的优点。通过对摩阻源项进行点隐式处理,提高了数值稳定性,可处理干床面和微小水深。结果表明,模型能够模拟复杂坡面在次降雨过程中的径流侵蚀及细沟发育规律。

关键词：坡面径流土壤侵蚀浅水方程细沟发育有限体积法

基于R-FCN深度卷积神经网络的机器人疏果前苹果目标的识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第3期35卷 156-163页

作者：王丹丹何东健西北农林科技大学机械与电子工程学院杨凌712100 农业农村部农业物联网重点实验室杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100

疏果前期苹果背景复杂、光照条件变化、重叠及被遮挡,特别是果实与背景叶片颜色极为相近等因素,给其目标识别带来很大困难。为识别疏果前期的苹果目标,提出基于区域的全卷积网络(region-based fully convolutional network,R-FCN)的苹... 详细信息

疏果前期苹果背景复杂、光照条件变化、重叠及被遮挡,特别是果实与背景叶片颜色极为相近等因素,给其目标识别带来很大困难。为识别疏果前期的苹果目标,提出基于区域的全卷积网络(region-based fully convolutional network,R-FCN)的苹果目标识别方法。该方法在研究基于ResNet-50和ResNet-101的R-FCN结构及识别结果的基础上,改进设计了基于ResNet-44的R-FCN,以提高识别精度并简化网络。该网络主要由ResNet-44全卷积网络、区域生成网络(RegionProposal Network, RPN)及感兴趣区域(Region of Interest, RoI)子网构成。ResNet-44全卷积网络为基础网络,用以提取图像的特征,RPN根据提取的特征生成Ro I,然后Ro I子网根据ResNet-44提取的特征及RPN输出的Ro I进行苹果目标的识别与定位。对采集的图像扩容后,随机选取23 591幅图像作为训练集,4 739幅图像作为验证集,对网络进行训练及参数优化。该文提出的改进模型在332幅图像组成的测试集上的试验结果表明,该方法可有效地识别出重叠、被枝叶遮挡、模糊及表面有阴影的苹果目标,识别的召回率为85.7%,识别的准确率为95.1%,误识率为4.9%,平均速度为0.187 s/幅。通过与其他3种方法进行对比试验,该文方法比FasterR-CNN、基于ResNet-50和ResNet-101的R-FCN的F1值分别提高16.4、0.7和0.7个百分点,识别速度比基于ResNet-50和ResNet-101的R-FCN分别提高了0.010和0.041 s。该方法可实现传统方法难以实现的疏果前苹果目标的识别,也可广泛应用于其他与背景颜色相近的小目标识别中。

关键词：图像处理算法图像识别小苹果目标识别深度学习 R-FCN

奶牛阴道植入式电阻传感器与无线监测系统研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2019年第11期50卷 175-185页

针对人工监测奶牛发情费时、费力,仅依靠活动量和非接触式视频监测无法实现奶牛安静发情预警的问题,根据奶牛发情时阴道粘液生理特征变化,提出基于奶牛阴道电阻变化的奶牛发情监测方案。设计了由黄铜电阻探头、8爪防滑装置构成的奶牛阴... 详细信息

针对人工监测奶牛发情费时、费力,仅依靠活动量和非接触式视频监测无法实现奶牛安静发情预警的问题,根据奶牛发情时阴道粘液生理特征变化,提出基于奶牛阴道电阻变化的奶牛发情监测方案。设计了由黄铜电阻探头、8爪防滑装置构成的奶牛阴道植入式电阻传感器,对阴道电阻值进行采集。借助2.4 GHz的ZigBee网络开发了无线传输系统,将阴道电阻无线传送给协调器节点,协调器经由RS485总线传输到监控中心。开发了奶牛阴道电阻上位机实时监测系统,实现了奶牛阴道电阻的精确采集和远程实时监测。分别对植入式电阻传感器和监测系统进行了准确性、稳定性、可靠性及能量可用性试验,结果表明,植入式电阻传感器电阻测量探头体积小、安装方便,可测定1~1000Ω范围的电阻,测量精度在±2%以内,24 h内电阻最大波动为2Ω;在450 m^2奶牛养殖区范围内,ZigBee网络数据发送成功率不低于98.5%;植入式电阻传感器终端节点在7.4 V/6500 mA·h锂电池能量供应下可连续工作38 d。监测系统运行稳定,能够精确、可靠、实时地监测奶牛阴道电阻的变化,为奶牛发情程度和排卵时间的准确预测提供了一种新的监测方法。

关键词：奶牛发情阴道电阻植入式传感器无线监测 ZigBee

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的奶牛个体身份识别方法

农业工程学报 2015年第5期31卷 181-187页

作者：赵凯旋何东健西北农林科技大学机械与电子工程学院杨凌712100

视频分析技术已越来越多地应用于检测奶牛行为以给出养殖管理决策,基于图像处理的奶牛个体身份识别方法能够进一步提高奶牛行为视频分析的自动化程度。为实现基于图像处理的无接触、高精确度、适用性强的奶牛养殖场环境下的奶牛个体有... 详细信息

视频分析技术已越来越多地应用于检测奶牛行为以给出养殖管理决策,基于图像处理的奶牛个体身份识别方法能够进一步提高奶牛行为视频分析的自动化程度。为实现基于图像处理的无接触、高精确度、适用性强的奶牛养殖场环境下的奶牛个体有效识别,提出用视频分析方法提取奶牛躯干图像,用卷积神经网络准确识别奶牛个体的方法。该方法采集奶牛直线行走时的侧视视频,用帧间差值法计算奶牛粗略轮廓,并对其二值图像进行分段跨度分析,定位奶牛躯干区域,通过二值图像比对跟踪奶牛躯干目标,得到每帧图像中奶牛躯干区域图像。通过理论分析和试验验证,确定了卷积神经网络的结构和参数,并将躯干图像灰度化后经插值运算和归一化变换为48×48大小的矩阵,作为网络的输入进行个体识别。对30头奶牛共采集360段视频,随机选取训练数据60 000帧和测试数据21 730帧。结果表明,在训练次数为10次时,代价函数收敛至0.0060,视频段样本的识别率为93.33%,单帧图像样本的识别率为90.55%。该方法可实现养殖场中奶牛个体无接触精确识别,具有适用性强、成本低的特点。

关键词：图像技术算法识别卷积神经网络深度学习视频分析奶牛目标检测

基于改进YOLO v3模型的奶牛发情行为识别研究

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7期52卷 141-150页

作者：王少华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

为提高复杂环境下奶牛发情行为识别精度和速度,提出了一种基于改进YOLO v3模型的奶牛发情行为识别方法。针对YOLO v3模型原锚点框尺寸不适用于奶牛数据集的问题,对奶牛数据集进行聚类,并对获得的新锚点框尺寸进行优化;针对因数据集中奶... 详细信息

为提高复杂环境下奶牛发情行为识别精度和速度,提出了一种基于改进YOLO v3模型的奶牛发情行为识别方法。针对YOLO v3模型原锚点框尺寸不适用于奶牛数据集的问题,对奶牛数据集进行聚类,并对获得的新锚点框尺寸进行优化;针对因数据集中奶牛个体偏大等原因而导致模型识别准确率低的问题,引入DenseBlock结构对YOLO v3模型原特征提取网络进行改进,提高了模型识别性能;将YOLO v3模型原边界框损失函数使用均方差(MSE)作为损失函数度量改为使用FIoU和两框中心距离Dc度量,提出了新的边界框损失函数,使其具有尺度不变性。从96段具有发情爬跨行为的视频片段中各选取50帧图像,根据发情爬跨行为在活动区出现位置的不确定性和活动区光照变化的特点,对图像进行水平翻转、±15°旋转、随机亮度增强(降低)等数据增强操作,用增强后的数据构建训练集和验证集,对改进后的模型进行训练,并依据F1、mAP、准确率P和召回率R指标进行模型优选。在测试集上的试验表明,本文方法模型的识别准确率为99.15%,召回率为97.62%,且处理速度达到31 f/s,能够满足复杂养殖环境、全天候条件下奶牛发情行为的准确、实时识别。

关键词：奶牛发情爬跨行为 YOLO v3 锚点框优化 DenseBlock 损失函数优化

基于多光谱图像和数据挖掘的多特征杂草识别方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2013年第2期29卷 192-198页

作者：赵川源何东健乔永亮西北农林科技大学机电学院杨凌712100

为满足变量喷洒对杂草识别正确率的要求,提出一种基于多光谱图像和数据挖掘的杂草多特征识别方法。首先对多光谱成像仪获取的玉米与杂草图像从CIR转换到Lab颜色空间,用K-means聚类算法将图像分为土壤和绿色植物,随后用形态学处理提取出... 详细信息

为满足变量喷洒对杂草识别正确率的要求,提出一种基于多光谱图像和数据挖掘的杂草多特征识别方法。首先对多光谱成像仪获取的玉米与杂草图像从CIR转换到Lab颜色空间,用K-means聚类算法将图像分为土壤和绿色植物,随后用形态学处理提取出植物叶片图像,在此基础上提取叶片形状、纹理及分形维数3类特征,并基于C4.5算法对杂草分别进行单特征和多特征组合的分类识别。试验结果表明,多特征识别率比单特征识别率高,3类特征组合后的识别率最高达到96.3%。为验证该文提出方法的有效性,将C4.5算法与BP算法以及SVM算法进行比较,试验结果表明C4.5算法的平均识别率高于另2种算法,该文提出的田间杂草快速识别方法是有效可行的。该文为玉米苗期精确喷洒除草剂提供技术依据。

关键词：数据挖掘聚类算法图像处理杂草识别多光谱图像多特征识别

基于高光谱成像的小麦白粉病与条锈病识别（英文）

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2019年第3期39卷 969-976页

作者：姚志凤雷雨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

小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白... 详细信息

小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375～1 017nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550～680nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。

关键词：白粉病条锈病高光谱成像特征波长判别模型