检索结果-南通市图书馆

基于改进ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第3期40卷 165-174页

作者：肖德琴陈芳玲刘又夫谢青梅张新珩华南农业大学农业农村部华南热带智慧农业技术重点实验室广州510642 华南农业大学数学与信息学院广州510642 华南农业大学动物科学学院广州510642

为解决活体黄羽鸡表皮层黑色素分级方法成本高、效率低下、分级环境易受环境光干扰等问题,该研究探索一种基于ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法ConvNeXt-WPCA,用于实现活体黄羽鸡表皮层黑色素智能分级。ConvNeXt-WPCA模型... 详细信息

为解决活体黄羽鸡表皮层黑色素分级方法成本高、效率低下、分级环境易受环境光干扰等问题,该研究探索一种基于ConvNeXt模型的黄羽鸡表皮层黑色素智能分级方法ConvNeXt-WPCA,用于实现活体黄羽鸡表皮层黑色素智能分级。ConvNeXt-WPCA模型通过以下3点改进提高模型对黄羽鸡黑色素的识别效果:1)针对黄羽鸡黑色素图像RGB三通道内黑色素信息分布不均衡问题,改变输入图片通道权重来增强模型对黑色素特征的提取能力;2)使用部分卷积代替深度可分离卷积,减少模型计算量和内存访问次数提高对计算资源的利用率;3)引入坐标注意力机制,引导模型关注黄羽鸡胸腹部及肛门附近皮肤提升模型精度。同时,该研究还设计一种双光源图像获取装置,分别在自然光和偏振光条件下拍摄黄羽鸡样本,以减小分级结果受环境光干扰的影响,并探索偏振光在黑色素分级任务中的应用潜力。结果表明ConvNeXt-WPCA模型相较标准ConvNeXt模型,针对自然光下黄羽鸡黑色素图像数据集分级准确率提升9.68个百分点,最终达到89.03%的识别准确率,针对偏振光下黄羽鸡黑色素图像数据集分级准确率提升15.26个百分点,最终达到98.87%的识别准确率。该研究证实基于偏振光条件获取的黄羽鸡表皮层黑色素图像分级效果优于自然光条件,提出的ConvNeXt-WPCA黄羽鸡表皮层黑色素分级方法识别准确率高,同时模型参数量及浮点计算量均有降低,为黄羽鸡表皮层黑色素智能分级实际应用提供了理论基础及技术支持。

关键词：模型深度学习注意力机制黄羽鸡 ConvNeXt 品质分级偏振光

在线全文

学校读者我要写书评

暂无评论

联合吸收马尔可夫链和骨架映射的视频分割

软件学报 2024年第3期35卷 1552-1568页

作者：梁云张宇晴郑晋图张勇华南农业大学数学与信息学院广东广州510642 北京工业大学信息学部北京100124

因严重遮挡和剧烈形变等挑战长期共存,精准鲁棒的视频分割已成为计算机视觉的热点之一.构建联合吸收马尔可夫链和骨架映射的视频分割方法,经由“预分割—后优化—再提升”逐步递进地生成精准目标轮廓.在预分割阶段,基于孪生网络和区域... 详细信息

因严重遮挡和剧烈形变等挑战长期共存,精准鲁棒的视频分割已成为计算机视觉的热点之一.构建联合吸收马尔可夫链和骨架映射的视频分割方法,经由“预分割—后优化—再提升”逐步递进地生成精准目标轮廓.在预分割阶段,基于孪生网络和区域生成网络获取目标感兴趣区域,建立这些区域内超像素的吸收马尔可夫链,计算出超像素的前景/背景标签.吸收马尔可夫链可灵活有效地感知和传播目标特征,能从复杂场景初步预分割出目标物体.后优化阶段,设计短期时空线索模型和长期时空线索模型,以获取目标的短期变化规律和长期稳定特征,进而优化超像素标签,降低相似物体和噪声带来的误差.在再提升阶段,为减少优化结果的边缘毛刺和不连贯,基于超像素标签和位置,提出前景骨架和背景骨架的自动生成算法,并构建基于编解码的骨架映射网络,以学习出像素级目标轮廓,最终得到精准视频分割结果.标准数据集的大量实验表明:所提方法优于现有主流视频分割方法,能够产生具有更高区域相似度和轮廓精准度的分割结果.

关键词：视频分割吸收马尔可夫链长期/短期时空线索骨架映射网络

在线全文

学校读者我要写书评

暂无评论

面向高维多目标优化的双阶段双种群进化算法

计算机工程与应用 2024年第9期60卷 159-171页

作者：曹嘉乐杨磊田井林李华德李康顺华南农业大学数学与信息学院广州510642

随着目标维度的上升,高维多目标优化问题的帕累托前沿越来越复杂,传统的基于分解的高维多目标进化算法难以挑选出多样性和收敛性良好的种群。针对以上问题提出了一种面向高维多目标优化的双阶段双种群进化算法。该算法将进化过程划分为... 详细信息

随着目标维度的上升,高维多目标优化问题的帕累托前沿越来越复杂,传统的基于分解的高维多目标进化算法难以挑选出多样性和收敛性良好的种群。针对以上问题提出了一种面向高维多目标优化的双阶段双种群进化算法。该算法将进化过程划分为两个阶段,在第一阶段判断帕累托前沿的形状是否规则,而在第二阶段则根据帕累前沿的形状选择是否对权重向量进行调整,以保证种群在规则及不规则帕累托前沿上都能获得良好的多样性。为了对权重向量进行调整且不影响算法的收敛性,该算法使用了两个种群进行进化,一个主种群正常进化,另一个辅种群作为权重向量。为了在不规则的帕累托前沿上获得一组适应种群分布的权重向量,引入了自然界中能量平衡的概念收集了多样性良好的辅种群作为权重向量。将提出的算法与其他算法在3-10目标的测试问题上进行比较。实验结果表明,提出的算法在大多数测试问题上性能优于比较的算法。

关键词：高维多目标优化进化算法双阶段双种群权重向量能量平衡

基于神经辐射场的RGB图像点云重建多肉植物及尺寸测量研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第9期55卷 316-326页

作者：尹令陈招达蓝善贵杨杰张素敏黄琼华南农业大学数学与信息学院广州510642 华南农业大学国家生猪种业工程技术研究中心广州510642 华南农业大学动物科学学院广州510642 华南农业大学猪禽种业全国重点实验室广州510640

以多肉植物盆栽为研究对象,使用手持式RGB相机采集11个多肉植物盆栽的视频数据,通过将视频转换为图像帧、选取优质清晰图像帧、计算相机位姿得到含丰富信息的RGB图像数据。提出一种改进神经辐射场的多肉植物三维重建方法,根据实际场景... 详细信息

以多肉植物盆栽为研究对象,使用手持式RGB相机采集11个多肉植物盆栽的视频数据,通过将视频转换为图像帧、选取优质清晰图像帧、计算相机位姿得到含丰富信息的RGB图像数据。提出一种改进神经辐射场的多肉植物三维重建方法,根据实际场景提出新的射线采样策略,同时引入改进的图像修复模块与隐式模型重建点云方法,并根据点云重建结果提取多肉植株的叶片数、株高、冠围、凸包体积、叶长、叶宽和叶色共7个表型参数。最后选取具有代表性、易测量的叶片数、株高、冠围、叶长和叶宽5个表型参数进行精度评估与误差原因分析,平均绝对百分比误差(MAPE)分别为2.32%、3.95%、4.95%、5.59%和9.55%,均方根误差(RMSE)分别为0.86片和1.95、17.54、1.87、1.27 mm,决定系数(R^(2))分别为0.99、0.99、0.86、0.91和0.89。精度评估结果表明,所提取的表型参数能够准确、高效地反映多肉植株生长状态,充分发挥RGB图像新视角合成技术、图像处理技术与三维点云重建技术的优势,实现多肉植株盆栽的表型参数高精度、非破坏性提取,能够为多肉植物的种植和养育以及为非固定、多视角的RGB数据获取研究提供重要的技术支持。

关键词：神经辐射场三维重建多肉植物尺寸测量植物表型 RGB图像

结合主动光源和改进YOLOv5s模型的夜间柑橘检测方法

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

华南农业大学学报 2024年第1期45卷 97-107页

作者：熊俊涛霍钊威黄启寅陈浩然杨振刚黄煜华苏颖苗华南农业大学数学与信息学院广东广州510642

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集... 详细信息

【目的】解决夜间环境下遮挡和较小柑橘难以准确识别的问题,实现采摘机器人全天候智能化作业。【方法】提出一种结合主动光源的夜间柑橘识别方法。首先,通过分析主动光源下颜色特征不同的夜间柑橘图像,选择最佳的光源色并进行图像采集。然后,提出一种夜间柑橘检测模型BI-YOLOv5s,该模型采用双向特征金字塔网络(Bi-FPN)进行多尺度交叉连接和加权特征融合,提高对遮挡和较小果实的识别能力;引入Coordinate attention(CA)注意力机制模块,进一步加强对目标位置信息的提取;采用融入Transformer结构的C3TR模块,在减少计算量的同时更好地提取全局信息。【结果】本文提出的BI-YOLOv5s模型在测试集上的精准率、召回率、平均准确率分别为93.4%、92.2%和97.1%,相比YOLOv5s模型分别提升了3.2、1.5和2.3个百分点。在所采用的光源色环境下,模型对夜间柑橘识别的正确率为95.3%,相比白光环境下提高了10.4个百分点。【结论】本文提出的方法对夜间环境下遮挡和小目标柑橘的识别具有较高的准确性,可为夜间果蔬智能化采摘的视觉精准识别提供技术支持。

关键词：柑橘夜间检测主动光源双向特征金字塔网络 YOLOv5s HSV颜色空间

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

自适应振动式稻田株间柔性机械除草性能试验

吉林大学学报（工学版） 2024年第2期54卷 375-384页

作者：陈学深熊悦淞程楠马旭齐龙华南农业大学工程学院广州510642

为解决现有稻田株间机械除草作业性能严重依赖机具对行质量的问题,设计了一种无需避苗作业的株间除草机。该机采用双排柔性刷指作为除草部件,前排除草部件纵向梳刷拉拔杂草,同时对梳刷后稻株倒伏状态进行自动识别。后排除草部件横向振... 详细信息

为解决现有稻田株间机械除草作业性能严重依赖机具对行质量的问题,设计了一种无需避苗作业的株间除草机。该机采用双排柔性刷指作为除草部件,前排除草部件纵向梳刷拉拔杂草,同时对梳刷后稻株倒伏状态进行自动识别。后排除草部件横向振动拨耙杂草,同时根据前排识别结果实时控制振动作业的启停,用以兼顾除草率与伤苗率。基于触觉感知方法建立了稻株倒伏识别系统,通过气压传感器的电位变化获取稻株根系与前排刷指相互作用的力学反馈数据,以电位峰度及均值为辨识特征,基于支持向量机构建稻株倒伏与未倒伏辨识模型,实现稻株倒伏自动识别。应用液压马达构建了后排除草部件的横向振动系统,对前排除草部件作用下已倒伏稻株停止振动作业,实现振动作业的自适应控制。稻株倒伏识别田间试验表明:稻株倒伏识别精度为83.11%。除草模式对比试验结果表明:无感知振动模式的除草率为58.11%,伤苗率为21.39%;无感知无振动模式的除草率为27.89%,伤苗率为4%;有感知振动模式的除草率为56.17%,伤苗率为5.83%。综合试验结果可知,有感知振动除草模式更适宜稻田株间杂草机械防控的生产要求。

关键词：农业工程与信息技术水稻机械除草株间辨识

维普期刊数据库博看期刊

基于ViT-改进YOLOv7的稻田杂草识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第10期40卷 185-193页

作者：陈学深吴昌鹏党佩娜张恩造陈彦学汤存耀齐龙华南农业大学工程学院广州510642

为解决光线遮蔽、藻萍干扰以及稻叶尖形状相似等复杂环境导致稻田杂草识别效果不理想问题,该研究提出一种基于组合深度学习的杂草识别方法。引入MSRCP(multi-scale retinex with color preservation)对图像进行增强,以提高图像亮度及对... 详细信息

为解决光线遮蔽、藻萍干扰以及稻叶尖形状相似等复杂环境导致稻田杂草识别效果不理想问题,该研究提出一种基于组合深度学习的杂草识别方法。引入MSRCP(multi-scale retinex with color preservation)对图像进行增强,以提高图像亮度及对比度;加入ViT分类网络去除干扰背景,以提高模型在复杂环境下对小目标杂草的识别性能。在YOLOv7模型中主干特征提取网络替换为GhostNet网络,并引入CA注意力机制,以增强主干特征提取网络对杂草特征提取能力及简化模型参数计算量。消融试验表明:改进后的YOLOv7模型平均精度均值为88.2%,较原YOLOv7模型提高了3.3个百分点,参数量减少10.43 M,计算量减少66.54×109次/s。识别前先经过MSRCP图像增强后,与原模型相比,改进YOLOv7模型的平均精度均值提高了2.6个百分点,光线遮蔽、藻萍干扰以及稻叶尖形状相似的复杂环境下平均精度均值分别提高5.3、3.6、3.1个百分点,加入ViT分类网络后,较原模型平均精度均值整体提升了4.4个百分点,光线遮蔽、藻萍干扰一级稻叶尖形状相似的复杂环境下的平均精度均值较原模型整体提升了6.2、6.1、5.7个百分点。ViT-改进YOLOv7模型的平均精度均值为92.6%,相比于YOLOv5s、YOLOXs、MobilenetV3-YOLOv7、YOLOv8和改进YOLOv7分别提高了11.6、10.1、5.0、4.2、4.4个百分点。研究结果可为稻田复杂环境的杂草精准识别提供支撑。

关键词：机器视觉深度学习 YOLOv7 ViT 稻田杂草识别

基于混合阶相似性的多视图聚类:一个广义的视角

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年第7期47卷 1453-1468页

作者：陈曼笙任骊安王昌栋黄栋赖剑煌中山大学计算机学院广州510006 广东省知识产权大数据重点实验室广州1510006 华南农业大学数学与信息学院广州510642

多视图聚类已经被广泛研究,它能够采用可用的多源信息来实现更好的聚类性能.然而,大多数之前的工作仍存在两个不足:(1)它们通常关注多视图属性特征的场景,很少留意到多视图属性图数据;(2)它们主要尝试发现一致的结构或多个视图之间的关... 详细信息

多视图聚类已经被广泛研究,它能够采用可用的多源信息来实现更好的聚类性能.然而,大多数之前的工作仍存在两个不足:(1)它们通常关注多视图属性特征的场景,很少留意到多视图属性图数据;(2)它们主要尝试发现一致的结构或多个视图之间的关系,而忽略了多视图观测之间潜在的高阶相关性。为了解决这些问题,我们从广义角度出发,提出了一种新颖的方法,称为混合阶相似性的多视图聚类(Multiview Clustering by Hybridorder Affinity,MCHA).它将结构图和多视图属性特征巧妙融合,同时考虑了低秩概率相似性图和混合阶的相关性.具体而言,我们通过图过滤策略构建了一组保留几何结构的视图特定的平滑表示.同时,我们将从平滑表示中学习得到的多视图概率相似性图堆叠成一个张量,并对该张量给予低秩属性的约束.这可以很好地恢复视图间更高阶的相关性.在八个基准数据集上的实验表明,我们所提出的MCHA方法具有最先进的有效性.

关键词：多视图聚类概率相似性图低秩张量高阶相关性

基于域自适应NWD-YOLOv5的复杂环境下水稻幼苗计数

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：崔金荣叶伟浩郑鸿刘同来齐龙徐勇华南农业大学数学与信息学院仲恺农业工程学院信息科学与技术学院华南农业大学水利与土木工程学院哈尔滨工业大学(深圳)计算机科学与技术学院

在水稻种植初期经常会遇到例如绿色水藻等干扰微小水稻幼苗计数的复杂环境，使得微小水稻幼苗与背景难以区分，容易造成检测计数模型性能显著下降的情况，然而目前通用的深度学习方法无法应对复杂跨域场景下的水稻幼苗检测计数任务。为... 详细信息

在水稻种植初期经常会遇到例如绿色水藻等干扰微小水稻幼苗计数的复杂环境，使得微小水稻幼苗与背景难以区分，容易造成检测计数模型性能显著下降的情况，然而目前通用的深度学习方法无法应对复杂跨域场景下的水稻幼苗检测计数任务。为了克服这一问题，本文提出一种基于平均教师的域自适应NWD-YOLOv5模型，用以解决无人机视角下的复杂环境微小水稻幼苗计数问题。为了提高对复杂背景下微小幼苗的检测计数能力，将基于平均教师模型的半监督域自适应训练策略集成到YOLOv5网络中。并且在YOLOv5的损失中使用基于归一化高斯Wasserstein距离（Normalized Gaussian Wasserstein Distance， NWD）的预测框度量方法，来提高微小目标的正负样本分配的准确性。实验结果表明，与原始的YOLOv5模型相比，经过改进后的模型泛化性能大幅提升：mAP@0.5值从60.0%提升到95.9%；与各种经典目标检测模型相比，在平均精度均值、模型大小和检测速度等指标上，提出的域自适应模型均有着较大的优势；与传统人工方法相比，设计的水稻幼苗计数方法准确率达到98.6%，计数时间仅为人工方法的五分之一，决定系数R2达到了0.9003；消融实验表明，提出的域自适应模型与监督学习方法Oracle性能接近并且明显优于基准方法Source Only。因此，这项研究可以大幅提高复杂多变的应用环境下水稻植株计数的精度，作为水稻作物管理方法的技术支撑。

关键词：水稻幼苗计数平均教师模型目标检测 YOLOv5 多目标跟踪