检索结果-南通市图书馆

维普期刊数据库博看期刊

航拍多光谱田间秸秆覆盖量反演模型的建立与优化

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2024年第11期32卷 1773-1787页

作者：刘媛媛孙宇高雪冰王利斌王跃勇刘梦琪崔舒然吉林农业大学信息技术学院(智慧农业研究院) 吉林长春130118 吉林农业大学工程技术学院吉林长春130118 长春市农业机械研究院吉林长春130052 吉林省农业机械研究院吉林长春130022

保护性耕作是农业耕地可持续性发展的重要方法,已被世界多地采用,秸秆覆盖量实现从“有无”到“多少”的进一步判定,是秸秆还田检测的重要指标。通过无人机搭载多光谱相机航拍研究区内春秋两季遥感数据,并同步测定玉米秸秆覆盖量。首先... 详细信息

保护性耕作是农业耕地可持续性发展的重要方法,已被世界多地采用,秸秆覆盖量实现从“有无”到“多少”的进一步判定,是秸秆还田检测的重要指标。通过无人机搭载多光谱相机航拍研究区内春秋两季遥感数据,并同步测定玉米秸秆覆盖量。首先,通过遥感数据提取光谱反射率并构建光谱指数,采用相关系数法筛选出对秸秆覆盖量敏感的波段变量和光谱变量,作为模型输入变量;然后,采用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、BP神经网络(Back Propagation Neural Network,BPNN)和极限学习机(Extreme Learning Machine,ELM)4种机器学习算法,建立玉米秸秆覆盖量的反演模型,比较不同时期和不同研究区域的模型精度;最后,为解决预测性能受其模型参数影响较大问题,引入遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO),并提出遗传-粒子群混合算法(Genetic-Particle Swarm Optimization,GA-PSO),利用它们的互补性提高模型的性能,完成区域内秸秆覆盖量的估算。实验结果表明,基于GA-PSO优化的RF算法玉米秸秆覆盖量反演模型取得了最佳的反演效果,其中R^(2)达到了0.74。同时,对比分析不同数据的反演结果,均较为真实地反映了区域内秸秆覆盖量,估测准确率达到91.36%,说明可以通过优化模型实现结果估算。研究为保护性耕作秸秆还田量检测提供科学参考,亦为其他作物秸秆覆盖量估测提供了可靠的模型反演方法。

关键词：多光谱图像机器学习秸秆覆盖量无人机遗传算法粒子群算法

维普期刊数据库博看期刊

基于模糊控制的设施菜心生产环境管控模型及系统

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 127-136页

作者：毛远洋陈芳玲卞智逸肖德琴周敏华南农业大学数学与信息学院/农业农村部华南热带智慧农业技术重点实验室广东广州510642

【目的】为实现设施菜心生产环境的实时监控和精准调控,设计一种基于模糊控制的设施菜心生产环境管控模型及系统。【方法】采用物联网设备实时监测菜心各生长阶段(种子发芽期、叶片生长期、菜薹形成期)的环境因子(空气温度、土壤温度、... 详细信息

【目的】为实现设施菜心生产环境的实时监控和精准调控,设计一种基于模糊控制的设施菜心生产环境管控模型及系统。【方法】采用物联网设备实时监测菜心各生长阶段(种子发芽期、叶片生长期、菜薹形成期)的环境因子(空气温度、土壤温度、土壤湿度和土壤电导率),将参数的监测值与适宜范围进行对比,获得各环境因子的偏差及变化率。管控模型利用模糊推理与定性分析结合的方法优化环境因子控制量,确定环境调控设备的调控决策,达到对环境因子的精准调控。【结果】管理模式对比试验表明:在菜心3个生长阶段,管控系统模式的平均调控实时性指标分别为0.10、0.17和0.18,平均准确性指标分别为0.78、0.68和0.74;人工管理模式的平均调控实时性指标分别为0.37、0.41和0.43,平均准确性指标分别为0.31、0.34和0.30。管控系统的平均实时性和准确性与人工管理模式相比分别有62.50%和1.34倍的提升。【结论】管控系统模式实现了菜心生产环境信息的实时获取与精准调控,能帮助用户更好地进行设施菜心的生产管理。

关键词：设施农业菜心管控模型模糊控制环境调控

维普期刊数据库博看期刊

基于空间注意力增强ResNeSt-101网络和迁移元学习的小样本害虫分类

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6期40卷 285-297页

作者：梁炜健郭庆文王春桃肖德琴黄琼华南农业大学数学与信息学院广州510642 农业农村部华南热带智慧农业技术重点实验室广州510642 广东省农业人工智能重点实验室广州510642 广州市智慧农业重点实验室广州510642 深圳鹏城技师学院深圳518000

害虫识别是害虫防治的关键基础,由于较难获得足够的害虫种类图像,如何使用少量标记图像构造害虫分类器是一个富有挑战性的问题。现有研究多采用匹配网络框架来解决这个问题,该框架使用元学习避免重新训练深度网络,然而主干网络的特征提... 详细信息

害虫识别是害虫防治的关键基础,由于较难获得足够的害虫种类图像,如何使用少量标记图像构造害虫分类器是一个富有挑战性的问题。现有研究多采用匹配网络框架来解决这个问题,该框架使用元学习避免重新训练深度网络,然而主干网络的特征提取能力有限,元学习算法没有提供较好的权重初始化策略,可能导致网络出现梯度消失或者梯度爆炸的情况。为了解决这一问题,该研究提出一种基于空间注意力增强ResNeSt-101和迁移元学习算法的小样本害虫分类器。首先,通过一个空间注意力模块增强ResNeSt-101以更好地提取害虫图像特征,即在ResNeSt-101的第1阶段的最大池化层之前以及在第2~4阶段的末尾分别附加集成空间注意力模块,并通过数值仿真确定空间注意力增强模块的最佳放置位置为第1阶段的最大池化层之前。随后,通过迁移学习策略初始化网络权重,进而通过元学习进行优化。为了避免网络出现梯度消失或者梯度爆炸的情况,在元学习算法中选择归一化的温度缩放交叉熵损失函数代替三元组损失函数。最后,通过计算查询图像和支持图像深度特征之间的相似度实现害虫分类。所提出方法在自建的害虫图像数据集AD0和MIP50上使用N-类K-例准确率和每张图像处理时间(the time of per image processing,TPIP)进行评估。害虫图像数据集的构建方式如下:首先对公共害虫图像数据集IP102和D0进行清洗,以消除由于英文害虫名称导致的歧义类别;然后移除卵、幼虫和蛹阶段的害虫图像,仅保留成虫阶段的图像。考虑到人工和时间成本,从清理后的IP102害虫数据集中选择50个类别构建MIP50害虫图像数据集。随后,通过害虫的拉丁名称从互联网搜索更多的害虫图像,生成AD0害虫图像数据集。自建的MIP50数据集包括来自IP102的50个类别的16424张成虫图像,AD0包含来自D0的所有40个类别的17112张成虫图像。试验结果表明,当测试集中只有少数未知类别的害虫图像时,本文方法在AD0数据集上的5-类10-例评估准确率达到了96.37%,在MIP50数据集上达到了76.91%。当测试集中同时存在几个未知和已知类别的害虫图像时,所提方法在AD0数据集上的5-类10-例设置下的识别准确率达到了93.73%,在MIP50数据集上达到90.60%。同时,本文方法的TPIP大约为0.44 ms,满足大多数场景下的实时害虫识别要求。此外,消融试验结果表明,基于空间注意力增强ResNeSt-101网络和迁移元学习的小样本害虫分类方法在AD0、MIP50数据集上对未知类别害虫图像的5-类10-例的识别准确率分别提升了5和3个百分点以上,具有良好应用前景。但未来研究中还需进一步研究本方法中存在的问题,如通过采用更好地表征支持集样本与查询集样本之间复杂关系的度量优化本工作中用到的度量以解决增加类别数可能导致分类准确率降低的问题,以及将所提方法应用于现实农业场景进行优化改进以更好提升本文方法的实用性。

关键词：病虫害图像处理小样本分类元学习 ResNeSt-101 交叉熵损失

利用SSR分子标记对13份玉米自交系的遗传多样性分析

在线全文

学校读者我要写书评

暂无评论

分子植物育种 2024年

作者：仲义吕庆雪丁增伟吴凤新蔡鑫茹夏远峰焦仁海刘俊吉林省珲春市农业技术推广总站吉林省农业科学院玉米研究所国家玉米工程技术研究中心农业农村部东北中部玉米生物学与遗传育种重点实验室

为了提高玉米种质资源的利用效率，分析其遗传多样性，明确其遗传距离和划分杂种优势类群，利用SSR分子标记技术选用12对SSR引物对来源不详的13份玉米自交系进行了分析，结果显示，12对SSR标记共检测出49个等位基因变异，平均为4.08个... 详细信息

为了提高玉米种质资源的利用效率，分析其遗传多样性，明确其遗传距离和划分杂种优势类群，利用SSR分子标记技术选用12对SSR引物对来源不详的13份玉米自交系进行了分析，结果显示，12对SSR标记共检测出49个等位基因变异，平均为4.08个，多态性信息量PIC值变化范围在0.383 (umc1196a)～0.842 (umc1963)之间。通过聚类分析将13份玉米自交系划分为5个类群，通过分析产量平均杂种优势、小区产量与遗传距离的关系可知：遗传距离越大，杂种优势越强，杂交种产量越高；反之越弱。田间试验结果与聚类分析结论相吻合，充分验证了聚类分析结果是真实可靠的。

关键词： SSR分子标记玉米自交系遗传多样性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结合自注意力与卷积的真实场景图像篡改定位

西安电子科技大学学报 2024年第1期51卷 135-146页

作者：钟浩边山王春桃华南农业大学数学与信息学院广东广州510642 广州市智慧农业重点实验室广东广州510642 广东省信息安全技术重点实验室广东广州510006

图像是移动互联网时代传播信息的重要载体,恶意图像篡改是潜在的网络安全威胁之一。与自然场景中在物体尺度上的图像篡改不同,真实场景中的图像篡改存在于伪造的资质证书、文案、屏幕截图等,这些篡改图像通常会经过精心的手工篡改干预,... 详细信息

图像是移动互联网时代传播信息的重要载体,恶意图像篡改是潜在的网络安全威胁之一。与自然场景中在物体尺度上的图像篡改不同,真实场景中的图像篡改存在于伪造的资质证书、文案、屏幕截图等,这些篡改图像通常会经过精心的手工篡改干预,因此其篡改特征与自然场景篡改特征存在差异,更具有多样性,对其篡改区域的定位更具有挑战性。针对该场景复杂且多样的篡改特征,丰富的关系信息是重要的,文中通过卷积神经网络进行自适应特征提取,并利用逆向连接的全自注意力模块进行多阶段特征关注,最后融合多阶段注意力关注结果进行篡改区域定位。所提方法在真实场景图像篡改定位任务中取得了优于对比方法的性能,其中F 1指标比主流方法MVSS-Net高出约8.98%,AUC指标高出约3.58%。此外,所提方法在自然场景图像篡改定位任务中也达到了主流方法的性能,并提供了自然场景篡改特征与真实场景篡改特征存在差异的佐证。在两种场景中的实验结果表明,所提方法能够有效地定位出篡改图像的篡改区域,且在复杂的真实场景中的定位效果更显著。

关键词：图像篡改定位伪造检测数字图像取证计算机视觉自注意力机制卷积神经网络

基于多层级特征筛选和无人机影像的冬小麦植株氮含量预测

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

农业工程学报 2024年第12期40卷 174-182页

作者：郭燕王来刚贺佳井宇航宋晓宇张彦刘婷河南省农业科学院农业信息技术研究所/农业农村部黄淮海智慧农业技术重点实验室郑州450002 河南省农作物种植监测与预警工程研究中心郑州450002 北京市农林科学院信息技术研究中心北京100094

氮素是冬小麦生长发育必不可少的大量元素,无人机超高分辨率影像丰富的光谱信息和纹理信息为冬小麦植株氮含量精准预测提供了重要的技术途径,但是过多变量造成了信息冗余和模型复杂的问题。针对此问题,该研究提出了一种“相关分析+共线... 详细信息

氮素是冬小麦生长发育必不可少的大量元素,无人机超高分辨率影像丰富的光谱信息和纹理信息为冬小麦植株氮含量精准预测提供了重要的技术途径,但是过多变量造成了信息冗余和模型复杂的问题。针对此问题,该研究提出了一种“相关分析+共线性分析+LASSO(least absolute shrinkage and selection operator)特征筛选”的多层级植株氮含量敏感特征的筛选方法,引入约束系数向量的L1正则化实现特征的稀疏性,将某些特征的系数缩小为0,基于冬小麦关键生育期(拔节期、孕穗期、开花期、灌浆期)无人机影像提取的65个光谱和纹理特征,采BP神经网络(back propagation,BP)、Adaboost、随机森林(random forest,RF)和线性回归(linear regression,LR)4种机器学习算法构建了冬小麦植株氮含量预测模型。结果表明:相关分析筛选出51个通过0.01显著性检验的变量;基于共线性分析,当LASSSO正则化参数λ取值为0.08时,17个敏感特征变量被筛选。基于筛选的敏感特征变量,BP、Adaboost、RF和LR 4种算法建立的植株氮含量预测模型均达到了0.01水平差异显著性,且BP、Adaboost和RF 3种预测模型的精度具有高度的一致性,模型R2均为0.81,RMSE分别为0.36%、0.38%和0.37%,说明该研究提出的多层级特征筛选方法不仅使得模型变得简洁,而且稳健性高,可为智慧农业氮肥精准监测、智慧管理提供技术支撑。

关键词：无人机冬小麦氮素多层级特征筛选 LASSO回归机器学习最小二乘回归

基于生成对抗网络和视觉-语义对齐的零样本害虫识别方法

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2期6卷 72-84页

作者：李天俊杨信廷陈晓胡焕周子洁李文勇上海海洋大学信息学院上海201306 北京市农林科学院信息技术研究中心北京100097 吉林农业大学信息技术学院吉林长春130118

[目的/意义]害虫的精准识别对农作物虫害有效防治具有重大意义。然而,当前的害虫图像识别模型都是针对闭集数据构建的模型,难以对训练集中没有出现过的害虫种类(不可见害虫)进行推理,导致在实际应用过程中遇见不可见类别昆虫时误判现象... 详细信息

[目的/意义]害虫的精准识别对农作物虫害有效防治具有重大意义。然而,当前的害虫图像识别模型都是针对闭集数据构建的模型,难以对训练集中没有出现过的害虫种类(不可见害虫)进行推理,导致在实际应用过程中遇见不可见类别昆虫时误判现象尤为严重。[方法]针对这一问题,提出了一种适用零样本学习(Zero-Shot Learning,ZSL)和广义零样本学习(Generalized Zero-Shot Learning,GZSL)范式的害虫图像识别方法VSAWGAN,可以实现对可见(训练集中包含的类别)与不可见害虫种类的辨识。该方法基于生成对抗网络(Genera⁃tive Adversarial Network,GAN)生成伪视觉特征,将零样本害虫识别问题转化为传统监督学习任务,且通过引入对比学习来优化生成器的生成质量,添加视觉-语义对齐模块进一步约束生成器,使其能生成更具判别性的特征。[结果与讨论]在自建的一个适用于零样本学习研究的害虫数据集和几个公开数据集对提出方法进行了评估。其中,在多个公开数据上取得了目前最优结果,相比之前方法最大提升达到2.8%;在自建20类害虫数据集上取得了零样本设置下77.4%的识别精度和广义零样本设置下78.3%的调和精度,相比之前方法分别提升了2.1%和1.2%。[结论]所提方法能有效地将害虫的视觉特征泛化到不可见类,实现害虫的零样本识别,有助于提升害虫识别模型的泛化能力,为农作物新虫害的发现与防治提供帮助。

关键词：害虫识别语义知识图像特征生成对抗网络对比学习广义零样本学习

在线全文

学校读者我要写书评

暂无评论

农药液滴在水稻叶面的动态润湿铺展行为

中国农业科学 2024年第13期57卷 2583-2598页

作者：张建桃黄路生刘广彬兰玉彬文晟华南农业大学数学与信息学院农业农村部华南热带智慧农业技术重点实验室国家精准农业航空施药技术国际联合研究中心华南农业大学工程学院

【目的】探究表面张力、液滴粒径和叶片倾角对农药液滴在水稻叶片近轴面、远轴面动态润湿铺展行为的影响，为通过调控农药液滴在水稻叶面的动态润湿铺展行为实现水稻施药的“减施增效”提供依据。【方法】通过调节Silwet-408的浓度配制... 详细信息

【目的】探究表面张力、液滴粒径和叶片倾角对农药液滴在水稻叶片近轴面、远轴面动态润湿铺展行为的影响，为通过调控农药液滴在水稻叶面的动态润湿铺展行为实现水稻施药的“减施增效”提供依据。【方法】通过调节Silwet-408的浓度配制出表面张力为21.4、33.2、43.7 mN·m-1的Silwet-408溶液代替农药药液，利用液滴发生器生成532、627、746、830、957μm的单液滴，对其在倾角为40°、65°、85°水稻叶片近轴面、远轴面的动态润湿铺展行为进行全因子试验。【结果】表面张力、液滴粒径、叶片倾角均显著影响（P<0.05）水稻叶面的液滴接触角变化率，且近轴面、远轴面所受影响的整体趋势基本相同，增大叶片倾角或减小液滴粒径或降低表面张力均能增大接触角变化率，促进液滴润湿铺展。其中，以降低表面张力的效果最显著，当表面张力从33.2 mN·m-1降至与水稻叶面临界表面张力接近的21.4 mN·m-1时，叶片近轴面的接触角（前进角和后退角）变化率分别增大7.49、6.22倍，远轴面的分别增大11.13、7.61倍，液滴的润湿性在75 s内从较差或差（80°≤接触角<100°或接触角≥100°）转变成中等或好（60°≤接触角<80°或接触角<60°）；当表面张力比水稻叶面临界表面张力大得多时，接触角变化率随叶片倾角的增大而增大，随液滴粒径的减小而增大，但叶片倾角的影响小于液滴粒径的影响，经过75 s后，几乎所有粒径的液滴仍保持较差或差的润湿性（80°≤接触角<100°或接触角≥100°）。液滴润湿滞后现象分析表明，水稻叶面的粗糙度相对较小，液滴润湿滞后现象并不严重。表面张力与水稻叶面临界表面张力接近的液滴在固-液-气三相体系动态表面张力的驱使下在叶面润湿铺展，接触角随时间的动态变化可使用模型θ=θe+Aexp（-Kt）进行拟合；表面张力比水稻叶面临界表面张力大得多的液滴虽能稳定地黏附在叶面上，没有出现滚落现象，但始终未突破叶面的钉扎效应和滞留阻力，无法实现润湿铺展。【结论】表面张力、液滴粒径、叶片倾角3个因素均显著影响农药液滴在水稻叶面的动态润湿铺展行为，在实际施药场景中，由于叶片倾角无法人为调节，因此可根据施药的目的调节药液的表面张力和液滴粒径进而调控液滴的动态润湿铺展行为。研究结果有助于理解农药液滴在水稻叶面动态润湿铺展的机理，并可为水稻施药场景中合理选择药液表面张力、液滴粒径提供理论支持与指导。

关键词：农药液滴水稻叶面动态润湿铺展接触角润湿滞后表面张力

基于mRMR-XGBoost的水稻关键生育期识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业工程学报 2024年第15期40卷 111-118页

作者：冯健昭潘永琪熊悦淞吴彻肖德琴华南农业大学数学与信息学院广州510642 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 广州华农大智慧农业科技有限公司广州510642

针对目前使用无人机识别水稻关键生育期时光谱数据特征维度高和冗余,导致模型准确率和泛化能力不足的问题,该研究提出一种基于最优特征组合的水稻关键生育期(分蘖期、拔节期、抽穗期、乳熟期、完熟期)识别方法。首先使用无人机采集田间... 详细信息

针对目前使用无人机识别水稻关键生育期时光谱数据特征维度高和冗余,导致模型准确率和泛化能力不足的问题,该研究提出一种基于最优特征组合的水稻关键生育期(分蘖期、拔节期、抽穗期、乳熟期、完熟期)识别方法。首先使用无人机采集田间光谱图像,基于相对植被指数和迭代自组织数据分析算法对光谱图像进行分割,以有效提取水稻冠层区域。然后对水稻生育期的关键特征进行表达,采用最小冗余特征选择算法对特征进行重要性排序,并通过增量分组法确定最优特征组合。最后基于极度梯度提升算法构建水稻生育期的识别模型。对比试验结果显示,本文模型对5个关键生育期的识别较好,混淆情况少,对水稻分蘖期、拔节期、抽穗期、乳熟期和完熟期识别精确率分别为98.08%、100.00%、99.68%、97.50%和99.29%,整体识别精确率达到98.77%,F1值为0.9891,Kappa系数为0.984,相比于SVM(支持向量机)分别提高了1.59个百分点、0.0146和0.02,相比于RF(随机森林)分别提升了1.23个百分点、0.011和0.015。研究结果可为田间作物的精准管理和决策提供重要依据。

关键词：水稻机器学习生育期光谱图像识别