检索结果-南通市图书馆

基于轻量型网络的无人机遥感图像中茶叶枯病检测方法

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4期55卷 165-175页

作者：胡根生谢一帆鲍文霞梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的... 详细信息

针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小。此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力。实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%,平均精度均值为78.5%,与YOLO v5s接近。然而,LiTLBNet内存占用量仅2.0 MB,是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

关键词：茶叶病害目标检测无人机遥感轻量型网络 LiTLBNet

维普期刊数据库博看期刊

基于FE-P2Pnet的无人机小麦图像麦穗计数方法

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4期55卷 155-164,289页

作者：鲍文霞苏彪彪胡根生黄承沛梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的... 详细信息

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的差异度,减少叶、秆等复杂背景因素的影响。引入了基于点标注的网络P2Pnet作为基线网络,以解决麦穗密集的问题。同时,针对麦穗目标小引起的特征信息较少的问题,在P2Pnet的主干网络VGG16中添加了Triplet模块,将C(通道)、H(高度)和W(宽度)3个维度的信息交互,使得主干网络可以提取更多与目标相关的特征信息;针对麦穗尺寸不一的问题,在FPN(Feature pyramid networks)上增加了FEM(Feature enhancement module)和SE(Squeeze excitation)模块,使得该模块能够更好地处理特征信息和融合多尺度信息;为了更好地对目标进行分类,使用Focal Loss损失函数代替交叉熵损失函数,该损失函数可以对背景和目标的特征信息进行不同的权重加权,进一步突出特征。实验结果表明,在本文所构建的无人机小麦图像数据集(Wheat-ZWF)上,麦穗计数的平均绝对误差(MAE)、均方误差(MSE)和平均精确度(ACC)分别达到3.77、5.13和90.87%,相较于其他目标计数回归方法如MCNN(Multi-column convolutional neural network)、CSRnet(Congested scene recognition network)和WHCNETs (Wheat head counting networks)等,表现最佳。与基线网络P2Pnet相比,MAE和MSE分别降低23.2%和16.6%,ACC提高2.67个百分点。为了进一步验证本文算法的有效性,对采集的其它4种不同品种的小麦(AK1009、AK1401、AK1706和YKM222)进行了实验,实验结果显示,麦穗计数MAE和MSE平均为5.10和6.17,ACC也达到89.69%,表明本文提出的模型具有较好的泛化性能。

关键词：麦穗计数无人机图像 FE-P2Pnet FEM Wheat-ZWF数据集

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

用于声音事件定位与检测的空间信息增强方法

信号处理 2024年

作者：肖剑郭海燕王婷婷杨震南京邮电大学通信与信息工程学院南京邮电大学通信与网络技术国家地方联合工程研究中心

声音事件定位与检测包含到达方向估计和声音事件检测两个子任务。作为当前声音事件定位与检测领域中应用最为广泛的模型之一，卷积循环神经网络模型采用卷积神经网络分别从单个音频通道中提取特征，这导致模型丢失了不同通道间的相关信... 详细信息

声音事件定位与检测包含到达方向估计和声音事件检测两个子任务。作为当前声音事件定位与检测领域中应用最为广泛的模型之一，卷积循环神经网络模型采用卷积神经网络分别从单个音频通道中提取特征，这导致模型丢失了不同通道间的相关信息。然而，通道间的相关信息蕴含了与声源位置相关的空间线索，空间信息的缺失必然会影响模型的到达方向估计性能。此外，卷积循环神经网络模型中使用的交叉熵损失函数还会引起特征分散问题。为解决这些问题，本文提出采用混合损失函数的图卷积循环神经网络模型。具体地，采用图卷积神经网络对不同特征通道间的信息进行聚合，以获取包含更丰富空间信息的特征，来改进卷积循环神经网络模型的到达方向估计性能。在此基础上，结合交叉熵损失函数和角度间隔softmax函数，提出一种新的混合损失函数来解决特征分散问题提高模型的分类性能。实验结果表明，本文提出的采用混合损失函数的图卷积循环神经网络模型在定位相关声音事件检测错误率、F1分数、定位召回率和声音事件定位与检测得分方面均优于其他声音事件定位与检测模型。

关键词：声音事件定位与检测深度学习图卷积网络多通道

基于可学习图比率掩码估计的图频域语音增强方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

信号处理 2024年

作者：王景润郭海燕王婷婷杨震南京邮电大学通信与信息工程学院南京邮电大学通信与网络技术国家地方联合工程研究中心

在基于深度神经网络（deep neural network， DNN）的时频域语音增强方法中，通常将短时傅里叶变换（short-time Fourier transform ， STFT）得到的复数域含噪语音时频谱作为DNN输入，以估计纯净语音的幅度和相位。此类方法由于会涉及... 详细信息

在基于深度神经网络（deep neural network， DNN）的时频域语音增强方法中，通常将短时傅里叶变换（short-time Fourier transform ， STFT）得到的复数域含噪语音时频谱作为DNN输入，以估计纯净语音的幅度和相位。此类方法由于会涉及对复数的运算，计算复杂度和模型参数量较大。针对此问题，本文利用图信号处理（graph signal processing， GSP）理论，提出了基于DNN的图频域语音增强方法。首先，基于语音信号样点间的位置关系定义实对称的邻接矩阵，将语音信号以无向图形式的图信号进行表示，在此基础上利用对应的图傅里叶变换（graph Fourier transform， GFT）提取实数域的语音图频域特征。由于GFT基与邻接矩阵密切相关，该图频域特征隐式地利用了信号样点间的关系，并且可在实数网络中进行处理。然后，构建基于卷积增强transformer（convolution-augmented transformer， conformer）的网络GFT-conformer，分别从时间维度和图频率维度捕获图频域特征的局部和全局依赖关系，训练基于掩码的目标，以实现语音增强。最后，考虑到语音和噪声在不同图频率分量上的特性差异，提出可学习图比率掩码（learnable graph ratio mask， LGRM），对不同图频率分量的掩码范围分别进行控制，实现对不同图频率分量的精细化去噪，进一步提升GFT-conformer模型的增强性能。在Voice Bank+DEMAND数据集和Deep Xi数据集上的实验结果表明，所提出的方法在五种常用的评价指标上，优于基于DNN的时域和时频域对比方案。

关键词：深度神经网络语音增强图傅里叶变换

深海远程单阵元水声通信的逐多径簇联合均衡方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

声学学报 2024年第4期49卷 764-773页

作者：赵燕锋童峰马伯乐周跃海杨逍宇厦门大学海洋与地球学院厦门361005 厦门大学导航与位置服务技术国家地方联合工程研究中心厦门361005 92150部队舟山316000

利用深海远程水声信道的稀疏多径簇具有簇间长时延、簇内结构简单的特性,提出一种用于深海远程单阵元水声通信的低复杂度逐多径簇联合均衡方法。首先,在数据帧中插入无保护间隔的m序列进行稀疏多径簇的检测和同步;然后,对选择的多径簇... 详细信息

利用深海远程水声信道的稀疏多径簇具有簇间长时延、簇内结构简单的特性,提出一种用于深海远程单阵元水声通信的低复杂度逐多径簇联合均衡方法。首先,在数据帧中插入无保护间隔的m序列进行稀疏多径簇的检测和同步;然后,对选择的多径簇信号逐个进行基于比例快速后验误差技术的低复杂度均衡,并逐个对均衡器的输出根据对应多径簇的时延进行对齐;最后,将时延对齐的均衡器输出进行最大比合并,从而以并–串转换方式将逐个多径簇软解调信息合并后输入到译码器。相对于常规均衡方法,所提方法将对整体信道多径的均衡分解为对具有简单结构多径簇的逐个均衡,获得多径簇分集增益的同时结合Polar信道编码进一步改善解调性能。数值仿真和深海实验结果表明,所提方法的输出信噪比和误比特率性能明显优于单阵元及双阵元常规均衡,在30 km的通信距离中实现了通信速率为4000 bit/s的单阵元无误码通信,可有效应用于深海远程单阵元水声通信。

关键词：深海水声通信多径簇单阵元信道均衡

加入混合池化和标签信息优化的油田地物提取模型

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年第3期26卷 753-763页

作者：高辰陈芸芝董琰刘磊郭俊福州大学数字中国研究院(福建) 福州350108 中国石化胜利油田分公司信息化管理中心东营257000 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108

油田高后果区是石油输送管道安全管理的关键区域,准确获取油田高后果区地表信息至关重要。针对油田高后果区内提取任务面临地物形状多样、光谱差异小、类型复杂等挑战,提取结果出现错提、漏提、道路不连续的问题,基于ResUnet模型提出了... 详细信息

油田高后果区是石油输送管道安全管理的关键区域,准确获取油田高后果区地表信息至关重要。针对油田高后果区内提取任务面临地物形状多样、光谱差异小、类型复杂等挑战,提取结果出现错提、漏提、道路不连续的问题,基于ResUnet模型提出了一种适用于油田高后果区地物提取SML_ResUnet模型,该模型在池化阶段引入条形池化单元,在编解码之间加入混合池化模块和标签信息注意力模块。条形池化单元能实现对长条形孤立信息的捕获,混合池化模块兼顾标准池化和条形池化优点,最大程度保留不同位置区域的特征信息,标签注意力模块引入标签信息来优化注意力模块中生成的注意力概率图,从而进一步提高模型提取结果。在油田高后果区高分辨率数据集上的消融实验结果表明,SML_ResUnet网络提取结果最优,其中OA、MIoU、F1-score分别达到了97.24%、84.23%、91.26%,相较于经典模型ResUnet各评价指标均有提升,其中OA、MIoU、F1-score分别提升了0.48%、2.49%、1.55%。在山东省某油田高后果区提取任务中,提取结果的总体精度平均为97.66%,适用于具有多种复杂地物类型的大范围油田高后果区内提取任务。

关键词：深度学习地物提取油田高后果区标签注意力注意力机制条形池化混合池化 SML_ResUnet

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于多波束/TDOA技术的双星干扰源定位

光通信研究 2024年第3期 99-105页

作者：葛明昊赵来定张更新南京邮电大学通信与信息工程学院南京210003 南京邮电大学通信与网络技术国家地方联合工程研究中心南京210003

单星多波束干扰源定位方法需要在3个以上的同频波束都能接收到干扰源信号的情况下才能实现定位。由于同频波束的数量有限以及干扰源位置的随机性,往往会出现能接收到干扰源信号的同频波束少于3个,或接收增益过低影响定位精度的情况。【... 详细信息

单星多波束干扰源定位方法需要在3个以上的同频波束都能接收到干扰源信号的情况下才能实现定位。由于同频波束的数量有限以及干扰源位置的随机性,往往会出现能接收到干扰源信号的同频波束少于3个,或接收增益过低影响定位精度的情况。【目的】针对只有两个可用波束的定位问题以及进一步提高干扰源的定位精度,提出了通过邻星与主星建立基于多波束天线与到达时间差(TDOA)技术的双星联合定位模型。【方法】通过建立双星联合定位模型,并联立出定位方程组证明了该模型的可行性。同时,基于定位几何稀疏精度因子(GDOP)对定位模型的接收增益误差、波束指向误差、到达时间差误差以及位置预测误差4个方面进行了定位误差分析,并使用Matlab进行仿真对比。【结果】仿真实验表明,基于多波束天线与TDOA技术的双星联合定位方法的定位精度明显优于传统的单星多波束定位方法。【结论】基于多波束天线与TDOA技术的双星联合定位方法利用了TDOA对定位精度影响较小的优势,使其代替部分波束参与到卫星定位中,不仅减少了对定位波束数量的需求,而且减少了测量增益的误差与波束指向的误差,大大提高了定位的精度并提升了可靠性,较单星多波束定位更具优势。

关键词：双星定位技术干扰源定位多波束天线到达时间差

面向无人机遥感图像中茶叶枯病检测的轻量型网络

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 2024年

作者：胡根生谢一帆鲍文霞梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心

针对无人机采集的茶叶枯病图像中病斑差异大，病斑和背景之间相似性高等问题，本研究设计了一个轻量型网络LiTLBNet，用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络，用来提取茶叶... 详细信息

针对无人机采集的茶叶枯病图像中病斑差异大，病斑和背景之间相似性高等问题，本研究设计了一个轻量型网络LiTLBNet，用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络，用来提取茶叶枯病病斑的可区分特征，减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块，帮助网络在通道维度上学习目标的综合特征，减少因病斑和背景之间的相似性造成的误检，同时删除原基线网络最大的特征图，以减少计算量和模型大小。此外，本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量，提高小样本条件下LiTLBNet网络的泛化能力。实验结果表明，利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%，mAP为78.5%，与YOLO v5s接近。然而，LiTLBNet的内存占用量只有2.0MB，只有YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。

关键词：茶叶病害目标检测无人机遥感深度学习轻量型网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于无人机图像的小麦麦穗计数方法

农业机械学报 2024年

作者：鲍文霞苏彪彪胡根生黄承沛梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题，提出了一种基于FE-P2Pnet（Feature Enhance-Point To Point）的无人机小麦图像麦穗自动计数方法。首先，对无人机图像进行亮度和对比度增强，增大麦穗目标与... 详细信息

针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题，提出了一种基于FE-P2Pnet（Feature Enhance-Point To Point）的无人机小麦图像麦穗自动计数方法。首先，对无人机图像进行亮度和对比度增强，增大麦穗目标与背景之间的差异度，减少叶、杆等复杂背景因素的影响。其次，引入了基于点标注的网络P2Pnet作为基线网络，以解决麦穗密集的问题。同时，针对麦穗目标小引起的特征信息较少的问题，在P2Pnet的主干网络VGG16中添加了Triplet模块，将C(通道)、H(高度)和W(宽度)3个维度的信息相互交互，使得主干网络可以提取更多与目标相关的特征信息；针对麦穗尺寸不一的问题，在FPN(Feature pyramid networks)上增加了FEM(Feature enhancement module)和SE(Squeeze excitation)模块，使得该模块能够更好地处理特征信息和融合多尺度信息；为了更好地对目标进行分类，使用Focal Loss损失函数代替交叉熵损失函数，该损失函数可以对背景和目标的特征信息进行不同的权重加权，进一步突出特征。实验结果表明，在本文所构建的无人机小麦图像数据集(Wheat ZWF)上，麦穗计数的Mae（平均绝对误差）、Mse（均方误差）和Acc(平均精确度)分别达到了3.77、5.13和90.87%，相较于其他目标计数回归方法如MCNN(Multi-column convolutional neural network)、CSRnet（Congested scene recognition network)和WHCNETs (Wheat head counting networks)等，表现最佳。与基线网络P2Pnet相比，Mae和Mse分别降低了23.2%和16.6%，Acc提高了2.67个百分点。为了进一步验证本文算法的有效性，对采集的其它4种不同品种的小麦（AK1009、AK1401、AK1706和YKM222）进行了实验，实验结果显示，麦穗计数的平均Mae和Mse值为5.10和6.17，准确率也达到了89.69%，表明本文提出的模型具有较好的泛化性能。本文的研究可以为小麦麦穗计数相关研究提供一定的支持和帮助。

关键词：无人机图像麦穗计数 FE-P2Pnet FEM Wheat-ZWF数据集