检索结果-南通市图书馆

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

联合收获机轻量级数字孪生系统构建方法研究

农业机械学报 2024年第5期55卷 108-120页

作者：马博文刘孟楠尹彦鑫孟志军张宾张亚伟温昌凯张安琪中国农业大学工学院北京100083 智能农业动力装备全国重点实验室北京100097 北京市农林科学院智能装备技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097

针对现有农机装备数字孪生系统开发难度大、配置要求高以及资源占用过高的问题,提出基于轻量级网络的联合收获机数字孪生系统构建方法,包含物理、虚拟、数据交互、模型计算以及人机交互等多个子系统的实现方法。基于数字孪生的技术特点... 详细信息

针对现有农机装备数字孪生系统开发难度大、配置要求高以及资源占用过高的问题,提出基于轻量级网络的联合收获机数字孪生系统构建方法,包含物理、虚拟、数据交互、模型计算以及人机交互等多个子系统的实现方法。基于数字孪生的技术特点和联合收获机的作业特性,设计了一种基于JavaScript语言的轻量级数字孪生系统框架。通过采用Solidworks和CMdevelopment kit工具进行数字孪生系统的模型轻量化处理及坐标系整合,实现了在不影响模型精度和功能的前提下,显著降低系统对硬件要求和内存占用量。以雷沃GM100型联合收获机为对象,开发基于轻量级网络的联合收获机数字孪生系统,为联合收获机孪生系统性能分析、实时监控、瞬时计算以及远程操纵提供联合仿真、分析以及验证平台。为验证数字孪生系统性能和功能,开展了孪生系统性能测试及油耗预测实验。实验结果表明,在数据更新频率20 Hz下,响应时间在78 ms以内,内存占用量在331 MB以内;性能测试中,系统在运行状态下CPU和GPU的平均占用率分别为17%和30%;即使在高强度操作下,系统帧率仍可保持在75.6 f/s;在正常作业下油耗预测模型平均误差为0.34 L/h,平均相对误差仅为2.51%。本系统提供了一种低成本、高效率的数字孪生轻量化构建方案。

关键词：联合收获机数字孪生轻量级运动逻辑建模齐次矩阵

维普期刊数据库博看期刊

复杂场景下害虫目标检测算法:YOLOv8-Extend

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第2期6卷 49-61页

作者：张荣华白雪樊江川京航创智(北京)科技有限公司北京102404 国家农业信息化工程技术研究中心北京100097 数字植物北京市重点实验室北京100097

[目的/意义]实现复杂的自然环境下农作物害虫的识别检测,改变当前农业生产过程中依赖于专家人工感官识别判定的现状,提升害虫检测效率和准确率具有重要意义。针对农作物害虫目标检测具有目标小、与农作物拟态、检测准确率低、算法推理... 详细信息

[目的/意义]实现复杂的自然环境下农作物害虫的识别检测,改变当前农业生产过程中依赖于专家人工感官识别判定的现状,提升害虫检测效率和准确率具有重要意义。针对农作物害虫目标检测具有目标小、与农作物拟态、检测准确率低、算法推理速度慢等问题,本研究提出一种基于改进YOLOv8的复杂场景下农作物害虫目标检测算法。[方法]首先通过引入GSConv提高模型的感受野,部分Conv更换为轻量化的幻影卷积(Ghost Convo⁃lution),采用HorBlock捕捉更长期的特征依赖关系,Concat更换为BiFPN(Bi-directional Feature Pyramid Network)更加丰富的特征融合,使用VoVGSCSP模块提升微小目标检测,同时引入CBAM(Convolutional Block Attention Module)注意力机制来强化田间虫害目标特征。然后使用Wise-IoU损失函数更多地关注普通质量样本,提高网络模型的泛化能力和整体性能。之后,对改进后的YOLOv8-Extend模型与YOLOv8原模型、YOLOv5、YOLOv8-GSCONV、YOLOv8-BiFPN、YOLOv8-CBAM进行对比,验证模型检测准确度和精度。最后将模型移植到边缘设备进行推理验证,在实际应用场景中验证模型的有效性。[结果和讨论]YOLOv8-Extend在对比实验中均取得良好的表现,其中与原模型对比实验中,精确率、召回率、mAP@0.5和mAP@0.5∶0.95评价指标分别提升2.6%、3.6%、2.4%和7.2%,表现突出,具有更好的检测效果。改进前后的模型分别运行在边缘计算设备JETSON ORIN NX 16 GB上并通过TensorRT加速相比,mAP@0.5提升4.6%,达到57.6 FPS,满足实时性检测要求。在复杂农业场景中YOLOv8-Extend模型具有更好的适应性,在实际采集数据中微小害虫与生长环境相似的害虫检测方面有明显优势,在困难数据检测方面准确率提高了11.9%。[结论]本研究提出的YOLOv8改进模型有效提高了检测精度和识别率同时保持了较高的运行效率,能够部署在边缘终端计算设备上实现农作物害虫的实时检测,也为其他小目标智能检测和模型结构优化提供参考和帮助。

关键词： YOLOv8 害虫检测注意力机制边缘计算 CBAM BiFPN VoVGSCSP GSConv

基于改进YOLOv8s的大田甘蓝移栽状态检测算法

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第2期6卷 107-117页

作者：吴小燕郭威朱轶萍朱华吉吴华瑞广西大学计算机与电子信息学院广西南宁530000 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097 农业农村部农业信息技术重点实验室北京100097

[目的/意义]借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析,将会极大提高识别效率。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然... 详细信息

[目的/意义]借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析,将会极大提高识别效率。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然环境下高效识别甘蓝移栽状态的算法。[方法]采集移栽后的甘蓝图像,利用数据增强方式对数据进行处理,输入YOLOv8s(You Only Look Once Version 8s)算法中进行识别,通过结合可变形卷积,提高算法特征提取和目标定位能力,捕获更多有用的目标信息,提高对目标的识别效果;通过嵌入多尺度注意力机制,降低背景因素干扰,增加算法对目标区域的关注,提高模型对不同尺寸的甘蓝的检测能力,降低漏检率;通过引入Focal-EIoU Loss(Focal Extended Intersection over Union Loss),优化算法定位精度,提高算法的收敛速度和定位精度。[结果和讨论]提出的算法经过测试,对甘蓝移栽状态的召回率R值和平均精度均值(Mean Average Precision,mAP)分别达到92.2%和96.2%,传输速率为146帧/s,可满足实际甘蓝移栽工作对移栽状态识别精度和速度的要求。[结论]提出的甘蓝移栽状态检测方法能够实现对甘蓝移栽状态识别的准确识别,可以提升移栽质量测量效率,减少时间和人力投入,提高大田移栽质量调查的自动化程度。

关键词：甘蓝移栽 YOLOv8s 目标检测多尺度注意力机制可变形卷积

基于Micro-CT分析大豆种子结构表型及构建种子重量预测模型

在线全文

学校读者我要写书评

暂无评论

大豆科学 2024年

作者：刘长斌李远鲲郭民坤樊江川郭新宇卢宪菊农芯科技(北京)有限责任公司北京市农林科学院信息技术研究中心/数字植物北京市重点实验室

大豆是重要的粮油兼用作物，是植物蛋白质的重要来源，为明确大豆种子结构特征并构建种子重量预测模型，以42个不同大豆品种为材料，利用Micro-CT技术扫描测试样本，通过CT图像的处理解析，获取大豆种子的种子长度、宽度、厚度、体积、... 详细信息

大豆是重要的粮油兼用作物，是植物蛋白质的重要来源，为明确大豆种子结构特征并构建种子重量预测模型，以42个不同大豆品种为材料，利用Micro-CT技术扫描测试样本，通过CT图像的处理解析，获取大豆种子的种子长度、宽度、厚度、体积、表面积、种胚体积、表面积、空腔体积特征，人工称重测定单粒重量指标。系统分析种子形态特征及其与重量的相关关系，并对不同品种进行聚类分析，通过对多项形态表型和重量指标进行主成分分析，确定主要贡献指标，基于机器学习算法构建重量预测模型。结果表明：种子形态特征与种子重量显著相关，但种子形状特征对重量无显著影响；42个大豆品种可以分为4类，其中第一类品种蒙豆375和蒙豆60的种子大小和重量指标均显著高于其他3类品种。利用随机森林模型和偏最小二乘回归方法构建的重量预测模型效果优于单一指标的简单线性回归效果。其中，随机森林回归模型训练集和测试集的R2分别为0.80和0.66，RMSE分别为0.017和0.021 g，偏最小二乘回归模型训练集和测试集的R2分别为0.75和0.72，RMSE分别为0.019和0.020 g。研究结果为大豆种子外部形态和内部结构的研究提供新的技术和方法，为大豆品种分类、产量和品质性状的评价提供理论和技术参考。

关键词： Micro-CT 大豆结构表型重量预测模型构建机器学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业大模型:关键技术、应用分析与发展方向

智慧农业（中英文） 2024年第2期6卷 1-13页

作者：郭旺杨雨森吴华瑞朱华吉缪祎晟顾静秋国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097 新加坡国立大学设计与工程学院新加坡117583新加坡

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示... 详细信息

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。[进展]本文首先阐述了大模型的基本概念和核心技术方法,展示了在参数规模扩大与自监督训练下,模型通用能力与下游适应能力的显著提升。随后,分析了大模型在农业领域应用的主要场景;按照语言大模型、视觉大模型和多模态大模型三大类,在阐述模型发展的同时重点介绍在农业领域的应用现状,展示了大模型在农业上取得的研究进展。[结论/展望]对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解,展望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统,并为公众提供专业优质的农业服务。

关键词：生成式人工智能大模型农业知识服务机器学习自主决策多模态深度学习

在线全文

学校读者我要写书评

暂无评论

融合时间感知和增强过滤的农业知识推荐模型

智慧农业（中英文） 2024年第1期6卷 123-134页

作者：王鹏哲朱华吉缪祎晟刘畅吴华瑞广西大学计算机与电子信息学院广西南宁530000 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced... 详细信息

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge,TiFSA)。[方法]首先,基于时间感知的位置嵌入方法,将农户交互的时间信息与位置嵌入相结合,帮助学习农业情境下基于农时的项目相关性。其次,在时间感知位置嵌入的基础上,引入滤波器过滤算法,自适应地衰减农户情境数据中的噪声。最后,引入时间信息的多头自注意力网络,实现对时间、项目和特征的统一建模,对农户随时间变化的偏好特征进行情境表示,从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明,该模型在农业数据集上的命中率为45.79%,归一化折损累计增益为53.52%;与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好,具有更好的推荐性能。

关键词：农业知识推荐滤波器算法时间感知自注意力网络序列推荐

基于改进SlowFast模型的设施黄瓜农事行为识别方法

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第3期6卷 118-127页

作者：何峰吴华瑞史扬明朱华吉江苏大学计算机科学与通信工程学院江苏镇江212013 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率... 详细信息

[目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄瓜叶片和设施遮挡导致识别准确率不高的问题,提出一种名为SlowFast-SMC-ECA (SlowFast-Spatio-Temporal Excitation、Channel Excitation、Motion Excitation-Efficient Channel Attention)的农事活动行为识别算法。[方法]该算法主要基于SlowFast模型,通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特征和关键特征的提取能力。在Fast Pathway中,引入多路径激励残差网络的概念,通过在信道之间插入卷积操作来增强它们在时域上的相互关联性,从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中,将传统的Residual Block替换为ECA-Res结构,以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系,提升了特征之间的语义信息传递,进而显著提升了农事行为识别的准确率。此外,为了解决数据集中类别不均衡的问题,设计了平衡损失函数(Smoothing Loss),通过引入正则化系数,平衡损失函数可以有效地处理数据集中的类别不均衡情况,提高模型在各个类别上的表现。[结果和讨论]改进的SlowFast-SMC-ECA模型在农事行为识别中表现出良好的性能,各类行为的平均识别精度达到80.47%,相较于原始的SlowFast模型有约3.5%的提升。[结论]本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。

关键词：农事活动行为 SlowFast模型多路径激励残差网络 ECA-Res 平衡损失函数

维普期刊数据库博看期刊

基于改进UperNet的结球甘蓝叶球识别方法

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第3期6卷 128-137页

作者：朱轶萍吴华瑞郭旺吴小燕江苏大学计算机科学与通信工程学院江苏镇江212013 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]叶球是结球甘蓝的重要部分,其生长发育对田间管理至关重要。针对叶球分割识别存在大田背景复杂、光照不均匀和叶片纹理相似等问题,提出一种语义分割算法UperNet-ESA,旨在能快速、准确地分割田间场景中结球甘蓝的外叶和叶球,... 详细信息

[目的/意义]叶球是结球甘蓝的重要部分,其生长发育对田间管理至关重要。针对叶球分割识别存在大田背景复杂、光照不均匀和叶片纹理相似等问题,提出一种语义分割算法UperNet-ESA,旨在能快速、准确地分割田间场景中结球甘蓝的外叶和叶球,以实现田间结球甘蓝的智能化管理。[方法]首先,采用统一感知解析网络(Unified Perceptual Parsing Network,UperNet)作为高效语义分割框架,将主干网络改为先进的ConvNeXt,使得模型在提升分割精度的同时也能具有较低的模型复杂度;其次,利用高效通道注意力机制(Efficient Channel Attention,ECA)融入特征提取网络的各阶段,进一步捕捉图像的细节信息;最后,通过将特征选择模块(Feature Selection Model,FSM)和特征对齐模块(Feature Alignment Model,FAM)集成到特征金字塔框架中,得到更为精确的目标边界预测结果。[结果和讨论]在自制结球甘蓝图像数据集上进行实验,与目前主流的UNet、PSPNet和DeeplabV3+语义分割模型相比,改进UperNet方法的平均交并比为92.45%,平均像素准确率为94.32%,推理速度为16.6 f/s,能够达到最佳精度-速度平衡效果。[结论]研究成果可为结球甘蓝生长智能化监测提供理论参考,对甘蓝产业发展具有重要的应用前景。

关键词：结球甘蓝语义分割叶球识别注意力机制特征选择特征对齐

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

融合农村居民意图的健康知识推荐方法

计算机工程与设计 2024年第7期45卷 2142-2149页

作者：王馨悦吴华瑞陈雯柏韩笑朱华吉赵春江北京信息科技大学自动化学院北京市农林科学院信息技术研究中心国家农业信息化工程技术研究中心农业农村部数字乡村技术重点实验室

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意... 详细信息

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意图邻居节点信息，获得村民与健康知识的高阶邻域表示，通过双交叉聚合器将初始节点与邻域表示进行聚合，增强村民与健康知识的表示能力，实现村民健康知识精确推荐。基于农村健康知识数据集验证研究模型有效性，结果表明该模型在准确率、NDCG指标上均得到了一定程度的提高。

关键词：农村知识推荐注意力机制知识图谱嵌入传播健康知识神经网络