检索结果-南通市图书馆

改进YOLOv8n模型的葡萄叶病害识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

宜宾学院学报 2025年

作者：王中安彭太乐淮北师范大学计算机科学与技术学院

为了对葡萄叶的木质病、黑腐病和叶枯病进行检测和分类，通过在YOLOv8n网络的Neck中引入高效局部注意力机制混合尺度特征金字塔网络（ELA-HSFPN）模块，利用高层特征的通道注意机制对低层特征信息进行过滤并融合，增强多层次特征提取能... 详细信息

为了对葡萄叶的木质病、黑腐病和叶枯病进行检测和分类，通过在YOLOv8n网络的Neck中引入高效局部注意力机制混合尺度特征金字塔网络（ELA-HSFPN）模块，利用高层特征的通道注意机制对低层特征信息进行过滤并融合，增强多层次特征提取能力；采用条带池化策略在空间维度上提取水平方向和垂直方向的特征向量，有效捕获长距离依赖关系；设计任务动态对齐检测头（TDADH）模块，通过共享卷积减少参数量，同时通过特征提取器从多卷积层学习任务交互特征，提高任务对齐的准确性。实验结果表明，改进模型在公开数据集上的精度、召回率、mAP@50和mAP@50-90指标分别较原始YOLOv8n提升了2.1%、4%、2.5%和1.3%，模型参数量减少了3.7%，兼具检测性能和计算效率，提高了葡萄叶病害的检测精度和效率。

关键词：葡萄叶病害识别深度学习 YOLOv8n TDADH

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于可见光谱和改进注意力的农作物病害识别

光谱学与光谱分析 2022年第5期42卷 1572-1580页

作者：孙文斌王荣高荣华李奇峰吴华瑞冯璐北京农业信息技术研究中心北京100097 广东工业大学信息工程学院广东广州510006 国家农业信息化工程技术研究中心北京100097 西北农林科技大学信息工程学院陕西杨凌712100

基于可见光谱的农作物病害自动化识别和诊断是一个具有挑战性的研究领域,但现有基于卷积神经网络进行病害识别的研究往往利用深层网络牺牲模型参数量来提高对单一农作物病害识别的准确率,从而造成硬件资源的浪费。为提高农作物病害识别... 详细信息

基于可见光谱的农作物病害自动化识别和诊断是一个具有挑战性的研究领域,但现有基于卷积神经网络进行病害识别的研究往往利用深层网络牺牲模型参数量来提高对单一农作物病害识别的准确率,从而造成硬件资源的浪费。为提高农作物病害识别的准确率且避免深层网络的使用,该研究将注意力机制引入农作物病害识别领域,提出了一种基于可见光谱和改进注意力机制的浅层农作物病害识别模型,设计了新的注意力模块SMLP和农作物病害识别模型SMLP_ResNet。利用卷积层代替全连接层设计参数量较少的残差网络(ResNet),然后利用SMLP、归一化结构(BatchNormalization)和残差模块(Res_block)得到改进的残差模块单元(SMLP_Res),其中SMLP由全局池化和多层感知机组成,建立各通道间依赖关系。多层感知机使用三层网络结构,将全局特征的通道维度提升至两倍,然后对其通道维度进行两次降维,恢复至原始维度,减少了全局特征损失。SMLP_Res可对通道中的病害特征重校准,减少对识别任务无效的冗余信息,最后构建农作物病害识别模型SMLP_ResNet,在减少模型层数同时提高其识别率。使用两个不同难度的多种植物和病害混合的公开数据集AIChallenger2018和PlantVillage验证本文模型。实验结果表明,SMLP_ResNet模型在18、50和101层时达到了较高的识别率,其中SMLP_ResNet18模型效果最佳,在两个数据集中的病害识别率分别为86.93%和99.32%。SMLP_ResNet18的准确率不仅高于改进前的ResNet18和SENet18网络,还高于其他研究者提出的模型的准确率,且模型权重大小为48.6MB,仅约为AlexNet网络权重的五分之一,能够在模型参数量较小的情况下实现较高的病害识别率。从Grad-CAM生成的热力图中可看出SMLP_ResNet18相比于其他模型更关注于叶片病害部位的特征,其背景信息以及叶片健康部位的权值较小。该研究所提出的SMLP_ResNet18模型实现了浅层网络下的高精度识别,提高了对叶片病害区域的辨识度,减少了背景等冗余特征的影响,适用于面向多种农作物不同病害下的高精度识别。

关键词：病害识别图像分类注意力机制残差网络

基于可见光谱和支持向量机的黄瓜叶部病害识别方法研究

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7期39卷 2250-2256页

作者：李鑫星朱晨光白雪冰毛富焕傅泽田张领先中国农业大学信息与电气工程学院北京100083 农业部农业信息获取技术重点实验室北京100083

以黄瓜叶部病害作为研究对象,基于可见光谱反射率差异识别黄瓜叶部病害,研究基于SVM的黄瓜叶部病害识别预测模型。采用小波变换进行数据预处理;选取Otsu、边缘分割法和K均值聚类三类分割方法进行病斑分割,比较错分率和运行时间,K均值聚... 详细信息

以黄瓜叶部病害作为研究对象,基于可见光谱反射率差异识别黄瓜叶部病害,研究基于SVM的黄瓜叶部病害识别预测模型。采用小波变换进行数据预处理;选取Otsu、边缘分割法和K均值聚类三类分割方法进行病斑分割,比较错分率和运行时间,K均值聚类方法更适合黄瓜叶部病斑分割;提取纹理、颜色和形状特征参数,共15个特征参数;通过交叉验证选择最优参数c和g,对核函数参数进行优化处理,并通过比较线性核、多项式核、RBF核等不同核函数情况下SVM的正确识别率,确定RBF核SVM模式识别方法能够更精准地识别黄瓜叶部病害。并将基于SVM与另外两种常见的黄瓜叶部病害识别方法,BP神经网络和模糊聚类进行比较,结果表明,基于SVM的识别模型对霜霉病的正确识别率为95%,白粉病和褐斑病的正确识别率均为90%,平均诊断正确率为92%;该模式识别方法识别效果最佳,运行时间最短,为基于可见光谱的黄瓜病害识别模型提供参考。

关键词：可见光谱黄瓜叶部病害病害识别支持向量机 BP神经网络

在线全文

学校读者我要写书评

暂无评论

基于统计指标的曲线桥支座脱空病害识别方法

振动．测试与诊断 2024年第2期44卷 225-231,405页

作者：朱劲松鲁俊男杨祥天津大学水利工程智能建设与运维全国重点实验室天津300350 天津大学滨海土木工程结构与安全教育部重点实验室天津300350 河北雄安荣乌高速公路有限公司保定071700

为快速评估曲线连续梁桥支座健康状态,提出了基于时程统计指标的桥梁支座脱空病害识别方法。首先,提取行车激励下桥面测点加速度信号的20个时程统计指标,通过概率统计的方式,得出各统计指标的置信区间;其次,根据各时程统计指标对支座脱... 详细信息

为快速评估曲线连续梁桥支座健康状态,提出了基于时程统计指标的桥梁支座脱空病害识别方法。首先,提取行车激励下桥面测点加速度信号的20个时程统计指标,通过概率统计的方式,得出各统计指标的置信区间;其次,根据各时程统计指标对支座脱空的敏感程度不同,采用熵值法确定各统计指标的权重分配值;最后,根据各测点异常指标数计算损伤指数,综合判断测点附近支座是否出现脱空病害。为验证方法的有效性,以某3×25 m曲线连续梁桥为工程背景,建立车桥耦合动力学模型进行分析验证。结果表明:该方法可以准确识别脱空支座所在位置,并且可以有效识别较小的损伤;相比于中间支座脱空,时程统计指标对端支座脱空更为敏感。

关键词：病害识别车桥耦合模型时程统计指标支座脱空

面向叶类蔬菜病害识别的温室监控视频采集系统

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

农业机械学报 2015年第3期46卷 282-287页

作者：马浚诚李鑫星温皓杰陈英义傅泽田张领先中国农业大学信息与电气工程学院北京100083 农业部农业信息获取技术重点实验室北京100083 中国农业大学工学院北京100083

为满足温室叶类蔬菜病害准确识别的视频数据需求,结合温室叶类蔬菜病害发生的特点,采用物联网技术,基于传感器感知的环境信息与摄像机监控视频信息,构建了一种面向叶类蔬菜病害识别的温室监控视频采集系统。该系统将案例检索与模糊推理... 详细信息

为满足温室叶类蔬菜病害准确识别的视频数据需求,结合温室叶类蔬菜病害发生的特点,采用物联网技术,基于传感器感知的环境信息与摄像机监控视频信息,构建了一种面向叶类蔬菜病害识别的温室监控视频采集系统。该系统将案例检索与模糊推理方法相结合,设计温室监控视频获取方法,将传感器实时采集的数据与知识库中的病害产生环境条件相匹配,以匹配结果作为视频采集的依据,实现了监控视频的智能采集;并利用模糊推理方法,弥补案例检索结果不够全面的问题,确保了数据的准确获取。同时,该系统还提供了实时数据显示、实时视频监控等功能。系统应用结果表明,该系统能够满足温室叶类蔬菜病害识别的视频数据需求。

关键词：叶类蔬菜病害识别温室监控视频获取模糊推理

在线全文

学校读者我要写书评

暂无评论

基于核K-均值聚类算法的植物叶部病害识别

农业机械学报 2009年第3期40卷 152-155页

作者：王守志何东健李文王艳春西北农林科技大学机械与电子工程学院陕西杨凌712100 威海职业学院机电工程系威海264210 西北农林科技大学信息工程学院陕西杨凌712100

针对植物叶部病害图像的特点,首先对采集到的玉米病害彩色图像采用矢量中值滤波法去除噪声,然后提取玉米病叶彩色图像的纹理特征和颜色特征作为特征向量,利用Mercer核,把输入空间的样本映射到高维特征空间进行K-均值聚类以及植物病害识... 详细信息

针对植物叶部病害图像的特点,首先对采集到的玉米病害彩色图像采用矢量中值滤波法去除噪声,然后提取玉米病叶彩色图像的纹理特征和颜色特征作为特征向量,利用Mercer核,把输入空间的样本映射到高维特征空间进行K-均值聚类以及植物病害识别。试验涉及的4种玉米病害识别正确率达82.5%,核K-均值聚类方法适合玉米叶部病害分类。

关键词：植物病害病害识别核K-均值聚类

基于重参数化MobileNetV2的农作物叶片病害识别模型

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2023年第17期39卷 132-140页

作者：彭玉寒李书琴西北农林科技大学信息工程学院杨凌712100

针对基于卷积神经网络识别农作物叶片病害存在参数众多,计算量大且实时性差的问题,提出一种轻量级农作物叶片病害识别模型RLDNet(reparameterized leaf diseases identification network)。首先,基于MobileNetV2利用重参数化倒残差模块... 详细信息

针对基于卷积神经网络识别农作物叶片病害存在参数众多,计算量大且实时性差的问题,提出一种轻量级农作物叶片病害识别模型RLDNet(reparameterized leaf diseases identification network)。首先,基于MobileNetV2利用重参数化倒残差模块提升推理速度,并设计浅而窄的网络结构增强对浅层特征的提取,降低模型参数量。其次,使用轻量级ULSAM(ultra-lightweight subspace attention module)注意力机制,结合叶片病害特征,强化模型对病害区域的关注能力。最后,利用DepthShrinker剪枝方法对模型进行剪枝进一步减小空间占用。RLDNet在PlantVillage数据集上识别准确率达99.53%,参数量为0.65 M,对单张叶片病害图像的推理时间为2.51 ms。在自建叶片病害数据集上获得了98.49%识别准确率,比MobileNetV3、ShuffleNetV2等轻量级模型识别准确率更高,更为轻量。

关键词：农作物模型病害识别复杂背景 MobileNetV2 重参数化轻量化

基于图像自动标注与改进YOLO v5的番茄病害识别系统

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第11期54卷 198-207页

作者：张领先景嘉平李淑菲朱昕怡乔琛中国农业大学信息与电气工程学院北京100083

针对作物病害识别系统功能单一,缺乏系统升级机制,人工升级系统成本较大的问题,以番茄病害为例,提出了基于OpenCV的番茄叶片图像自动标注算法和改进YOLO v5的番茄病害识别模型;结合数据集自动划分、模型自动训练与评估、手机APP自动创... 详细信息

针对作物病害识别系统功能单一,缺乏系统升级机制,人工升级系统成本较大的问题,以番茄病害为例,提出了基于OpenCV的番茄叶片图像自动标注算法和改进YOLO v5的番茄病害识别模型;结合数据集自动划分、模型自动训练与评估、手机APP自动创建与更新理念,设计了一种可以自动升级的番茄病害识别系统;引入专家审查校正机制,提高了系统识别结果的可靠性。实验结果表明,该系统实现了对番茄的健康叶片与9类病害叶片进行识别,可以在实际应用中通过手机APP识别番茄病害的同时自动扩充番茄病害图像数据集,并根据数据扩充量自动启动系统的升级优化流程,由此不断提升该系统的番茄病害识别性能。该系统为番茄生产提供了一个便捷、可靠的番茄病害识别工具。

关键词：番茄神经网络自动标注病害识别专家审查自动升级

基于Faster R-CNN与形态法的路面病害识别

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

中国公路学报 2021年第9期34卷 181-193页

作者：晏班夫徐观亚栾健林杜邓露湖南大学土木工程学院湖南长沙410082 湖南大学风工程与桥梁工程湖南省重点实验室湖南长沙410082 中南林业科技大学材料科学与工程学院湖南长沙410004 云南航天工程物探检测股份有限公司云南昆明650217

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络(Faster Region Convolutional Neural Network,Faster R-CNN)算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基... 详细信息

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络(Faster Region Convolutional Neural Network,Faster R-CNN)算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F1分数指标对算法进行评估,并根据F1分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明:所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。

关键词：道路工程路面 Faster R-CNN 病害识别形态法