检索结果-南通市图书馆

Using an improved lightweight YOLOv8 model for real-time detection of multi-stage apple fruit in complex orchard environments

引用

Artificial Intelligence in Agriculture 2024年第1期11卷 70-82页

作者： Baoling Ma Zhixin Hua Yuchen Wen Hongxing Deng Yongjie Zhao Liuru Pu huaibo song College of Mechanical and Electronic Engineering Northwest A&F UniversityYanglingShaanxi 712100China Key Laboratory of Agricultural Internet of Things Ministry of Agricultureand Rural AffairsYanglingShaanxi 712100China Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Services YanglingShaanxi 712100China

For the purpose of monitoring apple fruits effectively throughout the entire growth period in smart orchards.A lightweight model named YOLOv8n-ShuffleNetv2-Ghost-SE was *** ShuffleNetv2 basic modules and down-sampling modules were alternately connected,replacing the Backbone of YOLOv8n *** Ghost modules replaced the Conv modules and the C2fGhost modules replaced the C2f modules in the Neck part of the ***2 reduced the memory access cost through channel splitting *** Ghost module combined linear and non-linear convolutions to reduce the network computation *** Wise-IoU(WIoU)replaced the CIoU for calculating the bounding box regression loss,which dynamically adjusted the anchor box quality threshold and gradient gain allocation strategy,optimizing the size and position of predicted bounding *** Squeeze-and-Excitation(SE)was embedded in the Backbone and Neck part of YOLOv8n to enhance the representation ability of feature *** algorithm ensured high precision while having small model size and fast detection speed,which facilitated model migration and *** 9652 images validated the effectiveness of the *** YOLOv8n-ShuffleNetv2-Ghost-SE model achieved Precision of 94.1%,Recall of 82.6%,mean Average Precision of 91.4%,model size of 2.6 MB,parameters of 1.18 M,FLOPs of 3.9 G,and detection speed of 39.37 *** detection speeds on the Jetson Xavier NX development board were 3.17 *** with advanced models including Faster R-CNN,SSD,YOLOv5s,YOLOv7‑tiny,YOLOv8s,YOLOv8n,MobileNetv3_small-Faster,MobileNetv3_small-Ghost,ShuflleNetv2-Faster,ShuflleNetv2-Ghost,ShuflleNetv2-Ghost-CBAM,ShuflleNetv2-Ghost-ECA,and ShuflleNetv2-Ghost-CA demonstrated that the method achieved smaller model and faster detection *** research can provide reference for the development of smart devices in apple orchards.

关键词： Multi-stage apple fruit Deep learning Real-time detection Lightweight model

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于Shuffle-ZoeDepth单目深度估计的苗期玉米株高测量方法

引用

农业机械学报 2024年第5期55卷 235-243,253页

作者：赵永杰蒲六如宋磊刘佳辉宋怀波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

株高是鉴别玉米种质性状及作物活力的重要表型指标,苗期玉米遗传特性表现明显,准确测量苗期玉米植株高度对玉米遗传特性鉴别与田间管理具有重要意义。针对传统植株高度获取方法依赖人工测量,费时费力且存在主观误差的问题,提出了一种融... 详细信息

株高是鉴别玉米种质性状及作物活力的重要表型指标,苗期玉米遗传特性表现明显,准确测量苗期玉米植株高度对玉米遗传特性鉴别与田间管理具有重要意义。针对传统植株高度获取方法依赖人工测量,费时费力且存在主观误差的问题,提出了一种融合混合注意力信息的改进ZoeDepth单目深度估计模型。改进后的模型将Shuffle Attention模块加入Decoder模块的4个阶段,使Decoder模块在对低分辨率特征图信息提取过程中能更关注特征图中的有效信息,提升了模型关键信息的提取能力,可生成更精确的深度图。为验证本研究方法的有效性,在NYU-V2深度数据集上进行了验证。结果表明,改进的Shuffle-ZoeDepth模型在NYU-V2深度数据集上绝对相对差、均方根误差、对数均方根误差为0.083、0.301 mm、0.036,不同阈值下准确率分别为93.9%、99.1%、99.8%,均优于ZoeDepth模型。同时,利用Shuffle-ZoeDepth单目深度估计模型结合玉米植株高度测量模型实现了苗期玉米植株高度的测量,采集不同距离下苗期玉米图像进行植株高度测量试验。当玉米高度在15~25 cm、25~35 cm、35~45 cm 3个区间时,平均测量绝对误差分别为1.41、2.21、2.08 cm,平均测量百分比误差分别为8.41%、7.54%、4.98%。试验结果表明该方法可仅使用单个RGB相机完成复杂室外环境下苗期玉米植株高度的精确测量。

关键词：苗期玉米株高单目深度估计测量方法混合注意力机制

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于YOLO v8n-seg-FCA-BiFPN的奶牛身体分割方法

引用

农业机械学报 2024年第3期55卷 282-289,391页

作者：张姝瑾许兴时邓洪兴温毓晨宋怀波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

奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加... 详细信息

奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域。受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差。本研究在YOLO v8n-seg模型的基础上,加入多尺度融合模块与双向跨尺度加权特征金字塔结构,提出了YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型。其中,多尺度融合模块使模型更好地提取小目标几何特征信息,双向跨尺度加权特征金字塔结构实现了更高层次的特征融合。首先在奶牛运动通道处采集奶牛侧面图像作为数据集,为保证数据集质量,采用结构相似性算法剔除相似图像,共得到1 452幅图像。然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练。测试结果表明,模型精确率为96.6%,召回率为94.6%,平均精度均值为97.1%,参数量为3.3×10^(6),检测速度为6.2 f/s。各部位精确率在90.3%~98.2%之间,平均精度均值为96.3%。与原始YOLO v8n-seg相比,YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点,召回率提高2.6个百分点,平均精度均值提高3.1个百分点,改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性。遮挡情况下该模型检测结果表明,精确率为93.8%,召回率为91.67%,平均精度均值为93.15%。结果表明,YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割。

关键词：奶牛身体部位分割语义分割 FCABasicBlock BiFPN YOLO v8n

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于跨模态共享特征学习的夜间牛脸识别方法

引用

华南农业大学学报 2024年第5期45卷 793-801页

作者：许兴时王云飞邓红兴宋怀波西北农林科技大学机械与电子工程学院/农业农村部农业物联网重点实验室/陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

【目的】解决夜间环境下牛只身份信息难以有效识别的问题,以期为牛只全天候监测提供技术基础。【方法】提出了一种基于跨模态共享特征学习的夜间牛脸识别方法。首先,模型框架采用浅层双流结构,有效提取不同模态的牛脸图像中的共享特征信... 详细信息

【目的】解决夜间环境下牛只身份信息难以有效识别的问题,以期为牛只全天候监测提供技术基础。【方法】提出了一种基于跨模态共享特征学习的夜间牛脸识别方法。首先,模型框架采用浅层双流结构,有效提取不同模态的牛脸图像中的共享特征信息;其次,引入Triplet注意力机制,跨维度地捕捉交互信息,以增强牛只身份信息的提取;最后,通过嵌入扩展模块进一步挖掘跨模态身份信息的表征。【结果】本文提出的夜间牛脸识别模型在测试集上的平均精度均值、一阶累积匹配特征值(CMC-1)和五阶累积匹配特征值(CMC-5)分别为90.68%、94.73%和97.82%,相较于未进行跨模态训练的模型,提高了19.67、18.91和12.00个百分点。【结论】本研究所提出的模型为夜间牛只身份识别问题提供了可靠的解决方案,为实现牛只全天候持续监测奠定了坚实的技术基础。

关键词：牛身份识别异质面部识别跨模态注意力机制共享特征夜间

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于双目立体匹配与改进YOLOv8n-Pose关键点检测的奶牛体尺测量方法

引用

华南农业大学学报 2024年第5期45卷 802-811页

作者：邓洪兴许兴时王云飞张姝瑾宋怀波西北农林科技大学机械与电子工程学院/农业农村部物联网重点实验室陕西杨凌712100

【目的】实现奶牛体尺准确测量,精准评定奶牛体型。【方法】针对奶牛体尺测量精度有限、自动化程度低等问题,提出一种基于双目立体匹配和改进YOLOv8n-Pose的奶牛体尺测量方法,利用CREStereo获取深度信息,在YOLOv8n-Pose中引入SimAM注意... 详细信息

【目的】实现奶牛体尺准确测量,精准评定奶牛体型。【方法】针对奶牛体尺测量精度有限、自动化程度低等问题,提出一种基于双目立体匹配和改进YOLOv8n-Pose的奶牛体尺测量方法,利用CREStereo获取深度信息,在YOLOv8n-Pose中引入SimAM注意力机制,使网络更加关注奶牛个体识别及奶牛关键点位置信息,并采用CoordConv卷积改进网络结构,增强网络空间坐标感知能力。【结果】改进的YOLOv8n-Pose可快速准确检测奶牛体尺测量关键点,检测精度为94.3%,模型参数量为2.99 M,浮点计算量为8.40 G,检测速度为55.6帧/s。融合双目立体匹配与改进YOLOv8n-Pose关键点检测的奶牛体尺测量最大平均相对误差为4.19%。【结论】所提出的体尺测量方法具有较高的精度及较快的检测速度,能够满足奶牛体尺测量的实用要求。

关键词：体尺测量双目立体视觉关键点检测奶牛

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于改进YOLO v5s模型的奶山羊乳房区域热红外图像检测方法

引用

农业机械学报 2024年第6期55卷 237-245页

作者：温毓晨赵永杰蒲六如邓洪兴张姝瑾宋怀波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

奶山羊乳房区域的准确提取是奶山羊非侵入式体温检测的关键,但受乳房区域遮挡及热红外图像分辨率不高等因素影响,其检测精度尚待进一步提升。基于热红外成像技术,提出了一种基于改进YOLO v5s的奶山羊乳房关键部位检测方法。通过将原模型... 详细信息

奶山羊乳房区域的准确提取是奶山羊非侵入式体温检测的关键,但受乳房区域遮挡及热红外图像分辨率不高等因素影响,其检测精度尚待进一步提升。基于热红外成像技术,提出了一种基于改进YOLO v5s的奶山羊乳房关键部位检测方法。通过将原模型Backbone网络的部分卷积模块替换为ShuffleNetV2结构,以达到降低网络部署和训练过程中的参数量、实现轻量化网络设计的目的。通过在Neck网络检测头(Head)前端引入CBAM注意力机制,以达到在降低网络复杂程度的同时保证奶山羊乳房区域检测精度的目的。本研究采集了包含完整信息、残缺信息和边缘模糊的孕期奶山羊乳房红外图像4611幅,并在部位标注后进行模型训练。经测试,模型精确率为93.7%,召回率为86.1%,平均精度均值为92.4%,参数量为8×105,浮点运算量为1.9×109。与YOLO v5n、YOLO v5s、YOLO v7-tiny、YOLO v7、YOLO v8n和YOLO v8s目标检测网络相比,网络的精确率分别提高1.9、1.2、1.6、4.3、3.5、2.7个百分点,召回率提高3.4、5.0、0.1、2.6、0.9、1.5个百分点,参数量降低1.1×106、6.2×106、5.2×106、3.6×107、2.4×106和1.0×107,浮点运算量降低2.6×109、1.4×1010、1.1×1010、1.0×1011、6.8×109和2.7×1010。试验结果表明,本研究所提出的网络可以实现奶山羊乳房关键部位的精确检测,且在不损失检测精度的基础上显著降低网络的参数量,有利于网络在不同环境下的部署和使用,可为奶山羊非接触式体温监测系统设计提供借鉴。

关键词：奶山羊乳房热红外图像 YOLO v5

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Re-identifying beef cattle using improved AlignedReID++

引用

农业工程学报 2024年第18期40卷 132-146页

作者： YING Xiaoyi ZHAO Jizheng YANG Lingling ZHOU Xinyi WANG Lei GAO Yannian ZAN Linsen YANG Wucai LIU Han song huaibo College of Information Engineering Northwest A&F UniversityYangling 712100China School of Computer Science and Engineering Xi’an University of TechnologyXi’an 710000China College of Mechanical and Electronic Engineering Northwest A&F UniversityYangling 712100China College of Animal Science and Technology Northwest A&F UniversityYangling 712100China

Accurate and continuous identification of individual cattle is crucial to precision farming in recent *** is also the prerequisite to monitor the individual feed intake and feeding time of beef cattle at medium to long distances over different ***,beef cattle can tend to frequently move and change their feeding position during ***,the great variations in their head direction and complex environments(light,occlusion,and background)can also lead to some difficulties in the recognition,particularly for the bio-similarities among individual *** them,AlignedReID++model is characterized by both global and local information for image *** particular,the dynamically matching local information(DMLI)algorithm has been introduced into the local branch to automatically align the horizontal local *** this research,the AlignedReID++model was utilized and improved to achieve the better performance in cattle re-identification(ReID).Initially,triplet attention(TA)modules were integrated into the BottleNecks of ResNet50 *** feature extraction was then enhanced through cross-dimensional interactions with the minimal computational *** the TA modules in AlignedReID++baseline model increased the model size and floating point operations(FLOPs)by 0.005 M and 0.05 G,the rank-1 accuracy and mean average precision(mAP)were improved by 1.0 percentage points and 2.94 percentage points,***,the rank-1 accuracies were outperformed by 0.86 percentage points and 0.12 percentage points,respectively,compared with the convolution block attention module(CBAM)and efficient channel attention(ECA)modules,although 0.94 percentage points were lower than that of squeeze-and-excitation(SE)*** mAP metric values were exceeded by 0.22,0.86 and 0.12 percentage points,respectively,compared with the SE,CBAM,and ECA ***,the Cross-Entropy Loss function was replaced with the CosFace Loss functi

关键词： method identify beef cattle precision livestock re-identification AlignedReID++ deep learning

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Probabilistic method for the size design of energy piles considering the uncertainty in soil parameters

引用

Underground Space 2023年第3期10卷 37-54页

作者： huaibo song Huafu Pei Peilong Zhang State Key Laboratory of Coastal and Offshore Engineering Dalian University of TechnologyDalian 116024China

Energy piles have attracted increasing attention as profitable solutions for the utilization of shallow geothermal *** various complex geotechnical design models of energy piles have been proposed,a simplified sizing method that considers the uncertainty propagation in the soil is *** this study,a Monte Carlo Simulation-based method was proposed for the size design of energy piles considering the uncertainty of parameters in the soil,such as thermal conductivity and friction *** small-sample analysis method of Markov chain Monte Carlo simulation combined with the Bayesian theoretical framework was developed to generate equiv-alent ***,the thermal response function and thermomechanical load transfer methods were employed to address the failure probability of the energy pile in the serviceability limit state and ultimate limit *** addition,a case study was presented to illustrate the implementation of the proposed probabilistic sizing *** analysis results of the case study confirm the necessity of modeling the soil uncertainty in the energy pile size design.

关键词： Energy pile Probability sizing method Reliability-based design Analytical model

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于EnlightenGAN图像增强的自然场景下苹果检测方法

引用

农业机械学报 2024年第8期55卷 266-279页

作者：宋怀波杨涵茹苏晓薇周昱宏高昕怡尚钰莹张姝瑾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

自然光照下阴影会降低采摘机器人视觉系统对苹果目标的准确感知能力,导致采摘效率低。本研究采用EnlightenGAN算法进行图像增强,以实现阴影的去除和苹果目标检测精度的提升。首先通过图像光照归一化处理得到自正则化注意力图,达到图像... 详细信息

自然光照下阴影会降低采摘机器人视觉系统对苹果目标的准确感知能力,导致采摘效率低。本研究采用EnlightenGAN算法进行图像增强,以实现阴影的去除和苹果目标检测精度的提升。首先通过图像光照归一化处理得到自正则化注意力图,达到图像阴影检测的目的,再采用注意力引导的U-Net作为生成器骨干网络得到增强后的图像,然后通过全局-局部判别器来比对图像信息,最终在生成器和判别器的对抗中达到图像质量增强的效果。为了进一步检验该方法的阴影去除效果,分别采用EnlightenGAN、Zero_DCE、Adaptive_GAMMA、RUAS等算法在MinneApple公共数据集上进行试验验证。结果表明,EnlightenGAN算法均方误差较Zero_DCE、Adaptive_GAMMA、RUAS算法分别降低19.21%、59.47%、67.42%,峰值信噪比增加6.26%、34.55%、47.27%,结构相似度提高2.99%、23.21%、68.29%。同时,在对果园拍摄的苹果图像进行标注后,将其送入YOLO v5m目标检测网络进行苹果检测训练。并对EnlightenGAN算法增强前后的苹果图像进行了测试,图像增强前后检测精确率分别为97.38%、98.37%,召回率分别为74.74%、91.37%,F1值分别为84%、94%,精确率、召回率和F1值分别提升1.02%、22.25%、11.90%。为证明模型有效性,对不同数据集进行了试验,结果表明EnlightenGAN算法增强后的目标检测精确率、召回率和F1值较无增强算法及Zero_DCE、Adaptive_GAMMA、RUAS算法有显著提升。由此可知,将EnlightenGAN算法应用于苹果采摘机器人的视觉系统,可以有效克服果园图像光照不均以及存在阴影的影响,提升果实目标检测性能。该研究可为自然条件下复杂光照环境中的果实检测提供借鉴。

关键词：苹果目标检测图像增强阴影去除 EnlightenGAN YOLO v5m

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于视频分析的规模化奶牛智能监测技术研究进展

引用

华南农业大学学报 2024年第5期45卷 649-660页

作者：宋怀波王云飞邓洪兴许兴时温毓晨张姝瑾农业农村部农业物联网重点实验室/西北农林科技大学机械与电子工程学院陕西杨凌712100

奶牛智能监测是规模化奶牛养殖的重要环节,视频分析技术具备无接触、低成本及智能分析优势,已成为当前规模化奶牛智能监测技术研究的热点。奶牛目标检测、目标跟踪以及个体和行为识别技术对规模化奶牛监管具有重要意义,复杂养殖环境中... 详细信息

奶牛智能监测是规模化奶牛养殖的重要环节,视频分析技术具备无接触、低成本及智能分析优势,已成为当前规模化奶牛智能监测技术研究的热点。奶牛目标检测、目标跟踪以及个体和行为识别技术对规模化奶牛监管具有重要意义,复杂养殖环境中的光照、昼夜交替变化、围栏遮挡以及牛群数量繁多导致的相互遮挡是影响规模化奶牛智能监测的重要因素。本文对基于视频分析的奶牛智能监测技术研究中常用的深度模型及应用情况进行综述,提出了当前研究中面临的问题与挑战。分析发现,注意力机制、混合卷积等技术是提高模型识别准确率的有效方法,轻量化模块有利于减少模型的复杂度与计算量;计算复杂度、普适性、准确性等是影响该技术推广应用的因素;具体应用时,需要针对奶牛养殖环境、奶牛状况等进行具体分析以不断满足规模化养殖的需求。

关键词：奶牛智能监测技术目标检测深度学习机器视觉畜牧养殖

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

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：