检索结果-南通市图书馆

基于YOLOv7优化模型的茶叶嫩芽分级识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

河南工程学院学报（自然科学版） 2024年第3期36卷 67-73页

作者：李龙孙雅安徽理工大学创新方法推广应用与示范基地安徽淮南232001 安徽理工大学人工智能学院安徽淮南232001

茶叶嫩芽分选鉴定是实现茶叶自动分级的重要环节,为实现对优质茶叶嫩芽的准确识别,提出了一种基于改进目标检测算法YOLOv7的茶叶嫩芽分级识别方法。首先,在主干网络融入CBAM注意力机制,构建CBAM-ELAN模块,在通道和空间注意模块的协同作... 详细信息

茶叶嫩芽分选鉴定是实现茶叶自动分级的重要环节,为实现对优质茶叶嫩芽的准确识别,提出了一种基于改进目标检测算法YOLOv7的茶叶嫩芽分级识别方法。首先,在主干网络融入CBAM注意力机制,构建CBAM-ELAN模块,在通道和空间注意模块的协同作用下,降低背景部分的权重,增强对嫩芽特征的提取能力;然后,在Neck侧引入感受野增强(RFE)模块和显式视觉中心(EVC)模块,生成新的感受野关系,提升层内特征的调节能力,增强对嫩芽特征的提取能力。改进YOLOv7算法对于单芽等级茶叶的检测精度均值为89.3%,一芽一叶检测精度均值为88.9%,一芽二叶检测精度均值为95.7%,与原始YOLOv7算法相比,检测精度均值分别提高了1.3、1.3和1.5个百分点。该方法在兼顾准确率的前提下,实现了端到端的目标检测和对优质茶苗不同姿态的识别,可为茶叶嫩芽的分级和识别提供理论基础。

关键词：目标检测茶叶嫩芽分级识别 YOLOv7

基于改进YOLOv7-tiny的茶叶嫩芽分级识别方法

在线全文

学校读者我要写书评

暂无评论

茶叶科学 2024年第1期44卷 62-74页

作者：洪孔林吴明晖高博冯业宁上海工程技术大学机械与汽车工程学院上海201620

实现自然生长环境的茶叶嫩芽分级识别是名优茶智能化采摘的基础,针对光照、遮挡、密集等复杂环境造成的茶叶嫩芽识别精度较低、鲁棒性较差等问题,提出了一种基于YOLOv7-tiny的改进模型。首先在YOLOv7-tiny模型的小目标检测层添加卷积注... 详细信息

实现自然生长环境的茶叶嫩芽分级识别是名优茶智能化采摘的基础,针对光照、遮挡、密集等复杂环境造成的茶叶嫩芽识别精度较低、鲁棒性较差等问题,提出了一种基于YOLOv7-tiny的改进模型。首先在YOLOv7-tiny模型的小目标检测层添加卷积注意力模块,提高模型对小目标特征的关注能力,减少复杂环境对茶叶嫩芽识别的干扰;调整空间金字塔池化结构,降低模型运算成本,提高检测速度;使用交并比(Intersection over Union,IoU)和归一化Wasserstein距离(Normalized gaussian wasserstein distance,NWD)结合的损失函数,改善IoU机制对位置偏差敏感的问题,进一步提高模型对小目标检测的鲁棒性。结果表明,该模型的检测准确率为91.15%,召回率为88.54%,均值平均精度为92.66%,模型大小为12.4 MB,与原始模型相比,准确率、召回率、均值平均精度分别提高2.83、2.00、1.47个百分点,模型大小增加0.1 MB。与不同模型的对比试验表明,该模型在多个场景下的嫩芽分级检测中漏检和误检较少,置信度分数较高。改进后的模型可应用于名优茶采摘机器人的嫩芽分级识别。

关键词： YOLOv7-tiny 茶叶嫩芽分级识别注意力机制 NWD损失函数

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

近红外光谱技术的小麦条锈病严重度分级识别

光谱学与光谱分析 2015年第2期35卷 367-371页

作者：李小龙秦丰赵龙莲李军会马占鸿王海光中国农业大学农学与生物技术学院北京100193 中国农业大学信息与电气工程学院北京100083

小麦条锈病是世界上影响小麦安全生产的一种重要病害。实现小麦条锈病不同严重度叶片快速、准确的分级识别,对于条锈病监测、预测预报和防治措施的制定具有重要意义。通过人工接种获得条锈病不同发病程度小麦叶片,选取8个不同严重度级别... 详细信息

小麦条锈病是世界上影响小麦安全生产的一种重要病害。实现小麦条锈病不同严重度叶片快速、准确的分级识别,对于条锈病监测、预测预报和防治措施的制定具有重要意义。通过人工接种获得条锈病不同发病程度小麦叶片,选取8个不同严重度级别（1%,5%,10%,20%,40%,60%,80%和100%）叶片各30片和健康小麦叶片30片,利用近红外光谱技术分别获取光谱信息,共获得270条近红外光谱曲线,依据小麦叶片条锈病发病程度的不同,将其分为9个类别。从每个类别中随机选择7~8条光谱曲线作为测试集,共计67条,将剩余的203条光谱曲线作为训练集。利用定性偏最小二乘法建立小麦条锈病不同严重度叶片的定性识别模型。研究分析了不同光谱预处理方法、建模比（训练集：测试集）和建模谱区对所建模型识别效果的影响。结果表明,在4 000~9 000cm-1谱区范围内,原始近红外光谱数据经中心化预处理后,建模比为3∶1时,采用内部交叉验证法建模,训练集和测试集的总体识别准确率分别为95.57%和97.01%,所建模型识别效果较好。表明基于近红外光谱技术进行小麦条锈病叶片严重度分级识别是可行的,为小麦条锈病的监测和评估提供了一种新方法。

关键词：近红外光谱小麦条锈病病害严重度分级识别

在线全文

学校读者我要写书评

暂无评论

高光谱在小麦条锈病严重度分级识别中的应用

光谱学与光谱分析 2007年第9期27卷 1811-1814页

作者：王海光马占鸿王韬蔡成静安虎张录达中国农业大学植物病理学系北京100094 中国农业大学理学院北京100094

小麦条锈病是我国小麦生产上造成损失最大、危及范围最广的一种病害,对该病的监测预报是实施有效治理措施的重要基础和依据。文章以88个小麦叶片为试验材料,其中条锈病叶按严重度分为8级,健康小麦叶片为对照,由ASD Field-Spec Pro FR 2... 详细信息

小麦条锈病是我国小麦生产上造成损失最大、危及范围最广的一种病害,对该病的监测预报是实施有效治理措施的重要基础和依据。文章以88个小麦叶片为试验材料,其中条锈病叶按严重度分为8级,健康小麦叶片为对照,由ASD Field-Spec Pro FR 2500型光谱仪和LI-Cor1800-12外置积分球获取高光谱数据,采用SVM算法对不同严重度的小麦条锈病病叶进行了判别分析。按1∶1比例随机划分样品集,校正集的44个样品建立模型,对预测集的44个样品的严重度进行预测识别,总体正确识别率达97%,表明SVM算法用于小麦条锈病严重度分级识别是可行的。

关键词：高光谱小麦条锈病分级识别支持向量机

基于改进YOLOv5s的茶叶嫩芽分级识别方法

在线全文

学校读者我要写书评

暂无评论

江西农业大学学报 2023年第5期45卷 1261-1272页

作者：胡和平吴明晖洪孔林张海峰上海工程技术大学机械与汽车工程学院上海201620

【目的】实现自然环境下茶树鲜叶嫩芽品质识别,是移动机器人自动化采摘茶叶嫩芽的技术基础。针对茶园复杂环境下茶叶嫩芽识别准确率低、速度慢和鲁棒性差的缺点,提出了一种基于改进YOLOv5s的茶叶嫩芽分级识别方法。【方法】使用双目深... 详细信息

【目的】实现自然环境下茶树鲜叶嫩芽品质识别,是移动机器人自动化采摘茶叶嫩芽的技术基础。针对茶园复杂环境下茶叶嫩芽识别准确率低、速度慢和鲁棒性差的缺点,提出了一种基于改进YOLOv5s的茶叶嫩芽分级识别方法。【方法】使用双目深度相机采集茶叶嫩芽图像,并完成茶叶嫩芽图像的增强和标注,以此进行数据集的构建。为加强茶叶嫩芽主要特征提取能力以及减少参数和计算量,在YOLOv5s主干网络尾部(SPPF模块后)加入CBAM注意力机制;为提高小尺寸茶叶嫩芽的识别准确率,在YOLOv5s多特征融合结构中增加微小目标检测层,将浅层与深层特征图融合后进行检测。使用改进的YOLOv5s算法对制作的茶叶嫩芽图像数据集进行模型的训练和测试实验,与多种主流目标检测算法进行对比实验,并对不同角度、不同距离拍摄的茶叶嫩芽进行识别效果检测。【结果】改进的YOLOv5s网络模型对多类别茶叶嫩芽识别的平均准确率(MAP)和召回率(R)分别达到94.2%、98.2%,较原模型分别提高1%、1.9%;各等级茶叶中,单芽和一芽一叶茶叶的识别平均准确率(AP)提高较多,分别提高了1.4%和1.5%,一芽二叶和一芽三叶的茶叶识别AP分别提高1%、0.5%。改进的YOLOv5s网络模型平均检测时间0.0262 s,模型大小为15.8 MB,相比原模型仅有微小增加。【结论】与多种主流检测模型相比,改进的YOLOv5s算法对各等级茶叶嫩芽识别准确率较高,对小尺寸茶叶嫩芽的识别效果提高较多,漏检和误检情况大大减少,具有良好的鲁棒性和实时性,满足对不同品质茶叶嫩芽的精准实时识别需求,适合在移动设备使用,可以为茶叶嫩芽的自动化采摘提供技术支持。

关键词：自动化采摘茶叶嫩芽分级识别 YOLOv5s

多颜色模型融合下的金丝小枣外部品质分级识别

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

多颜色模型融合下的金丝小枣外部品质分级识别

作者：刘铭哲河北北方学院

学位级别：硕士

红枣是我国的特产果品,其家族中的金丝小枣有着丰富的营养价值和独特的药用价值,但由于其分级筛选技术粗浅,分级的产品良莠不齐,很难走出国际市场。以金丝小枣地方标准为指引,在田间地头实验的基础上,走访了种植农户、枣类企业和领域专... 详细信息

红枣是我国的特产果品,其家族中的金丝小枣有着丰富的营养价值和独特的药用价值,但由于其分级筛选技术粗浅,分级的产品良莠不齐,很难走出国际市场。以金丝小枣地方标准为指引,在田间地头实验的基础上,走访了种植农户、枣类企业和领域专家,拓展金丝小枣部分属性特征指标,提出了颜色、大小、形状属性更为具体的分级标准。选取沧州金丝小枣为研究对象,采集了多地域、多品种和多环境的金丝小枣图像,分析、运用和优化先进的算法和技术,依据拓展后的分级标准,在图像处理、缺陷识别、特征分级的基础上,构建了多颜色模型融合下的金丝小枣外部品质分级系统。过程研究重点和关键技术如下:一是利用多颜色模型对金丝小枣果实外部品质检测研究。依据现有GB 5835-86,确定了金丝小枣的常见缺陷类型,在处理枣图像时由RGB颜色模型到HSV颜色模型转换,依据图像区域灰度变化范围的差异来识别缺陷枣,并采用区域生长算法精准地定位缺陷位置,然后通过Canny算法将缺陷部分从图像中分割出来,进而完成缺陷检测。二是基于多颜色模型的金丝小枣果实外部表面特征分级研究。在对枣图像进行预处理后,以RGB颜色模型分析着色面积占果实面积的比例作为颜色指标的分级标准,以Lab颜色模型加四线扫描法测量金丝小枣大小,构造改进算法,按照一定的阈值进行分级。实验对比结果表明,改进算法对金丝小枣的判断识别效率较原有算法有所提高,特等果、一等果、二等果和三等果的判断识别耗时分别减少了0.0563s、0.0208、0.0105s和0.0013s。

关键词：多颜色模型金丝小枣分级识别表面缺陷检测缺陷定位

基于磁记忆信号特征的管道缺陷分类识别和分级识别方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

腐蚀与防护 2022年第11期43卷 68-73,94页

作者：王贵生李炜杨勇万勇中国石油化工股份有限公司胜利油田分公司东营257000 中国石油化工股份有限公司胜利油田分公司技术检测中心东营257000 中国石油大学(华东)海洋与空间信息学院青岛266580

基于支持向量机(SVM)方法和模拟油田现场管道磁记忆检测数据分别建立了管道缺陷的分类识别和分级识别方法;采用该方法对油田现场5根在役油气管道的缺陷类型进行了识别,并对试验管道的穿孔腐蚀与未穿孔腐蚀两种腐蚀程度进行了识别。结果... 详细信息

基于支持向量机(SVM)方法和模拟油田现场管道磁记忆检测数据分别建立了管道缺陷的分类识别和分级识别方法;采用该方法对油田现场5根在役油气管道的缺陷类型进行了识别,并对试验管道的穿孔腐蚀与未穿孔腐蚀两种腐蚀程度进行了识别。结果表明:以三类不同特征量的组合分别建立的SVM模型对缺陷类型的识别率分别是77.08%、89.58%和95.83%,其中使用时域、形态和频域特征量的SVM模型的识别率最高;腐蚀缺陷分级识别方法的识别率达到了90%。该方法可有效识别管道腐蚀缺陷和应力集中缺陷,以及腐蚀缺陷的腐蚀程度。

关键词：金属磁记忆技术缺陷分类识别分级识别支持向量机

在线全文

学校读者我要写书评

暂无评论

近红外光谱技术的小麦条锈病严重度分级识别

农民致富之友 2017年第9期 101-101页

作者：王茜余海静西安市长安区大兆街道办事处西安市长安区魏寨街道办事处

小麦是我国主要的粮食产物之一。小麦的安全生产需要对一些重要病害进行有效地预防。在常见的病害中,小麦条锈病是小麦最常出现的一种疾病。这种病害对小麦的生产会造成十分严重的影响。在相关研究中,为了能够更加准确高效地对小麦条锈... 详细信息

小麦是我国主要的粮食产物之一。小麦的安全生产需要对一些重要病害进行有效地预防。在常见的病害中,小麦条锈病是小麦最常出现的一种疾病。这种病害对小麦的生产会造成十分严重的影响。在相关研究中,为了能够更加准确高效地对小麦条锈病进行检测以及预防,可以采用近红外光谱技术对其严重程度进行分级与识别处理,这种技术是相关研究人员最新研究出来的,所以本文将对这一问题展开进一步的研究,希望可以对今后的工作带来一定的帮助。

关键词：近红外光谱小麦条锈病病害严重度分级识别

Mask R-CNN改进模型在苹果叶片褐斑病中的识别研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Mask R-CNN改进模型在苹果叶片褐斑病中的识别研究

作者：陈芳花塔里木大学

学位级别：硕士

褐斑病是苹果树生长中常见的病害,发病会导致叶片早期脱落削弱光合作用使树势衰弱,使的苹果果实缩小果肉出现褐色干腐,不仅损害了果实的品质,也降低了果农的经济收益。为了有效识别和防治褐斑病,本文采用了改进的Mask R-CNN模型,对苹果... 详细信息

褐斑病是苹果树生长中常见的病害,发病会导致叶片早期脱落削弱光合作用使树势衰弱,使的苹果果实缩小果肉出现褐色干腐,不仅损害了果实的品质,也降低了果农的经济收益。为了有效识别和防治褐斑病,本文采用了改进的Mask R-CNN模型,对苹果叶片上的褐斑病进行自动化检测和分级。本文分析了国内外关于深度学习算法模型在农作物病害识别领域的研究,提出了一种改进Mask R-CNN模型对苹果叶片褐斑病病害进行识别,本文主要做了以下几个方面的工作:(1)构建病害特征的筛选模块:为了提升Mask R-CNN模型在苹果叶片褐斑病上识别率,研究引入了特征筛选模块进入Mask R-CNN架构,特征筛选模块工作原理基于评估全卷积层对苹果叶片病害的识别置信度,通过与网络初始设定的病害识别阈值进行比较,目的是专注于对受病害影响的叶片部分进行精确分割进而提取其特征图谱,从而提高了分析的效率和精确度。(2)叶片褐斑病复杂特征提取:本文研究旨在识别和分类苹果褐斑病受影响的叶片,苹果褐斑病的种类繁多,与其他作物病害相比,其识别难度更大,需要更精细的分析和识别技术来确保准确度。Dense Net121网络通过其独特的密集连接机制有效缓解了梯度消失问题,减少了模型参数的数量,显著地提高了特征的利用效率。Dense Net121在CIFAR指标上全面超越了Res Net50和Res Net101,这突显了其在提升效率和效果方面的重要优势。(3)叶片褐斑病实现分级:应用Mask R-CNN模型对预处理后的图像进行分割,模型能够识别出叶片和褐斑病的区域,并为每个分割出的区域生成一个精确的像素级掩码,通过苹果叶片和叶片中存在的褐斑病分割面积比进行褐斑病病害的分级识别。根据分割面积比和国家苹果叶片褐斑病分级标准的定义,将叶片上的褐斑病分为不同的等级。实验结果表明:在Io U等于0.5时,分割的平均错分率为3.25%,可以对不同分割面积比的褐斑病病害进行分级识别。将改进后的Mask R-CNN模型与Faster R-CNN和U-Net进行实验对比,结果表明在复杂背景下对叶片的分割识别精确度达到了92.44%,病斑分级准确率达到91.42%;在简单背景下分割识别精确度达到了96.45%,病斑分级准确率达到93.56%,具有良好的迁移性。

关键词： Mask R-CNN模型苹果叶片褐斑病特征筛选模块 DenseNet121 分级识别