检索结果-南通市图书馆

高光谱图像结合卷积神经网络的马铃薯干腐病潜育期识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第2期44卷 480-489页

作者：张凡王文秀王春山周冀潘阳孙剑锋河北农业大学食品科技学院河北保定071000 河北农业大学信息科学与技术学院河北保定071000 河北农业大学植物保护学院河北保定071000

马铃薯是世界第四大粮食作物,具有丰富的营养价值。但其在贮藏和运输过程中易被镰刀真菌侵染而产生干腐病,最终造成巨大资源浪费和经济损失,因此实现马铃薯干腐病的早期快速无损检测是必要的。在样品被病原菌侵染时,经历了健康—潜育期... 详细信息

马铃薯是世界第四大粮食作物,具有丰富的营养价值。但其在贮藏和运输过程中易被镰刀真菌侵染而产生干腐病,最终造成巨大资源浪费和经济损失,因此实现马铃薯干腐病的早期快速无损检测是必要的。在样品被病原菌侵染时,经历了健康—潜育期—轻度病害—重度病害的阶段,其中潜育期的样品难以识别,主要源于病害发生时间较短,表面未形成肉眼可见的病斑,与健康样品相似。为了实现马铃薯干腐病潜育期的识别,结合高光谱成像和深度学习展开马铃薯干腐病早期诊断研究。以健康和不同腐败程度马铃薯为实验对象,获取健康和不同病害等级的马铃薯高光谱图像。然后基于ENVI人工选取健康部位和不同腐败程度样品的病斑部位为感兴趣区域(ROI),并计算ROI的平均光谱值作为该样品的最终光谱信息。以光谱数据作为输入变量,病害等级作为输出变量,建立卷积神经网络(CNN)模型,并对其网络结构进行优化,对比分析不同模型的预测结果,筛选出最优网络层模型为Model_3_3。并基于此结构进行学习率的优化,得到Model_0.0001识别效果最好,其总体准确率、精度、灵敏度和特异性分别为99.68%、99.76%、98.82%、99.54%。为了进一步突显CNN应用于马铃薯干腐病潜育期识别的优势,建立了最小二乘支持向量机(LS-SVM)、随机森林(RF)、K-近邻法(KNN)和线性判别分析(LDA)模型。结果显示,四种常规算法模型的识别准确率分别为90.77%、92.30%、93.10%和92.34%,其中对潜育期样品识别率分别为91.00%、85.58%、94.18%和90.33%。对于总体准确率,CNN模型较几种常规方法提高了6.58%~8.91%;对于潜育期样品的识别,CNN模型较常规方法提高了5.55%~14.15%。研究表明,高光谱成像技术结合CNN可以有效实现马铃薯干腐病潜育期识别,为提高马铃薯病害早期诊断的智能化水平提供了参考方法。

关键词：马铃薯干腐病高光谱成像技术卷积神经网络潜育期

在线全文

学校读者我要写书评

暂无评论

基于多尺度卷积和注意力机制的枣品种识别

中国农机化学报 2024年第6期45卷 135-141,148页

作者：雷浩苑迎春何振学河北农业大学信息科学与技术学院河北保定071001

为提高自然场景下枣品种识别方法的准确率,提出一种融合多尺度卷积和注意力机制的枣品种识别模型(Jujube-ResNet-18)。以自然场景下的10类枣品种为对象,根据枣品种图像的特点,该模型在ResNet-18基础上进行改进。引入多尺度卷积模块,增... 详细信息

为提高自然场景下枣品种识别方法的准确率,提出一种融合多尺度卷积和注意力机制的枣品种识别模型(Jujube-ResNet-18)。以自然场景下的10类枣品种为对象,根据枣品种图像的特点,该模型在ResNet-18基础上进行改进。引入多尺度卷积模块,增强模型对枣果多尺度特征的提取能力;在每个残差块中加入注意力机制CBAM,提高枣果特征信息权重,减弱复杂背景等无用特征的影响。试验结果表明,Jujube-ResNet-18在枣品种数据集上的准确率为89.5%,参数量和权重大小分别为1.135×10^(7)和43.41 MB。与其他算法相比,Jujube-ResNet-18有更好的特征提取能力、抗干扰能力和较小的模型复杂度,可为自然场景下的枣品种识别研究提供参考。

关键词：枣品种识别深度学习残差网络多尺度卷积注意力机制

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

基于时空特征的奶牛视频行为识别

农业机械学报 2023年第5期54卷 261-267,358页

作者：王克俭孙奕飞司永胜韩宪忠何振学河北农业大学信息科学与技术学院保定071001 河北农业大学河北省农业大数据重点实验室保定071001

准确、高效的奶牛行为识别有助于疾病检测、发现异常,是感知奶牛健康的关键。通过分析奶牛在牛场中各时段的行为,提出一种基于时空特征的奶牛行为识别模型,该模型在时域段网络(TSN)的基础上融合了时态移位模块(TSM)、特征注意单元(FAU)... 详细信息

准确、高效的奶牛行为识别有助于疾病检测、发现异常,是感知奶牛健康的关键。通过分析奶牛在牛场中各时段的行为,提出一种基于时空特征的奶牛行为识别模型,该模型在时域段网络(TSN)的基础上融合了时态移位模块(TSM)、特征注意单元(FAU)和长短期记忆(LSTM)网络。首先,利用TSM融合时间信息以提高时序建模能力,并将时序建模后的视频帧输入TSN。其次,利用FAU融合高分辨率空间信息和低分辨率语义信息,增强模型空间特征的学习能力。最后,由LSTM聚合过去和当前信息进行奶牛行为分类。实验表明,该方法对进食、行走、躺卧、站立行为识别准确率分别为76.7%、90.0%、68.0%、96.0%,平均行为识别准确率为82.6%,和C3D、I3D、CNN-LSTM网络相比,本文模型平均行为识别准确率分别提升7.9、9.2、9.6个百分点。光照变化会对奶牛行为识别准确率产生一定影响,但本文模型受光照影响相对较小。研究成果可为感知奶牛健康和疾病预防提供技术支持。

关键词：奶牛行为识别时域段网络时空特征时态移位长短期记忆

基于EM-PCNN的果园苹果异源图像配准方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第5期38卷 175-183页

作者：周煜博刘立群甘肃农业大学信息科学技术学院兰州730070

针对果园环境下双目采集系统采集的飞行时间(Time of Flight,ToF)与可见光异源图像间匹配精度差的问题,该研究提出一种基于局部峰值的目标显著区域提取策略及最大期望算法的脉冲耦合神经网络分割的ToF与可见光果园苹果图像配准方法。首... 详细信息

针对果园环境下双目采集系统采集的飞行时间(Time of Flight,ToF)与可见光异源图像间匹配精度差的问题,该研究提出一种基于局部峰值的目标显著区域提取策略及最大期望算法的脉冲耦合神经网络分割的ToF与可见光果园苹果图像配准方法。首先,利用高斯差函数计算可见光图像中显著性区域,对可见光图像的红绿分量进行预处理;然后,以图像局部灰度值的二维正态分布作为目标分量,使用Otsu提取具有固定阈值的前景作为局部峰值提取策略,对ToF与可见光图像初步筛选特征区域,利用最大期望算法改进脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)动态阈值,使用局部图像梯度计算链接强度计算链接强度,利用图像区域方差改进终止条件,提出一种基于最大期望的脉冲耦合神经网络(Pulse Coupled Neural Network based on Expectation Maximization,EM-PCNN)算法对预选区域进行精细化分割;接着计算连通区域不变矩,利用不变矩特征原理寻找目标中心同名点,进一步筛选特征区域;最后,同名点进行随机抽样一致算法(Random Sample Consensus,RANSAC)提纯,将提纯后的同名点坐标代入变换模型计算模型参数,完成配准。在不同光照条件下均方根误差达3.05~4.75,配准点达3~5。EM-PCNN算法对两组ToF置信图像分割的准确率分别为96.62%和73.84%。试验结果表明该方法对双目采集系统采集的ToF与可见光异源果园苹果图像可实现较好配准效果,且对图像平移、旋转、缩放均具有可抗性。研究结果对ToF与可见光异源图像在果园环境下自动配准提供了技术参考。

关键词：图像处理试验果园环境配准区域特征 PCNN

在线全文

学校读者我要写书评

暂无评论

基于多器官特征融合的枣品种识别方法

农业机械学报 2024年第4期55卷 213-220,240页

作者：许楠苑迎春雷浩孟惜何振学河北农业大学信息科学与技术学院保定071001 石家庄学院未来信息技术学院石家庄050035

针对自然场景下的枣品种识别问题,以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题,提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLO v3检测算法将采集... 详细信息

针对自然场景下的枣品种识别问题,以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题,提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLO v3检测算法将采集的自然场景图像中的枣果和叶片器官分割提取,提出了基于笛卡尔乘积构建两器官组合对的枣品种多样本数据集,然后基于EfficientNetV2网络模型,设计了能够充分学习两器官特征相关性的融合策略来提升模型性能,引入了逐步迁移训练方式以提升枣品种识别效率。最后,在构建的包含20个枣品种数据集上进行了大量实验,得到97.04%的识别准确率,明显优于现有研究结果,并且在训练时间和收敛速度上,本方法也有一定提升。结果表明该方法能够有效融合枣品种枣果和叶片器官的特征信息,可为其他品种识别研究提供参考。

关键词：枣品种识别笛卡尔乘积特征融合迁移学习 YOLO v3

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

基于全局特征提取的农作物病害识别模型

农业机械学报 2022年第12期53卷 301-307,379页

作者：郭小燕于帅卿沈航驰李龙杜佳举甘肃农业大学信息科学技术学院兰州730070

针对现阶段特征提取网络当测试样本出现歪斜、模糊、缺损等变化时识别效果不够理想,利用训练样本扩充、变换、缩放等方式改善网络性能并不能动态地满足实际的复杂病害图像识别任务的问题,在ResNet50中引入双层注意力机制与通道特征提取... 详细信息

针对现阶段特征提取网络当测试样本出现歪斜、模糊、缺损等变化时识别效果不够理想,利用训练样本扩充、变换、缩放等方式改善网络性能并不能动态地满足实际的复杂病害图像识别任务的问题,在ResNet50中引入双层注意力机制与通道特征提取机制,设计基于全局特征提取的深度学习网络(Global feature deep learning network,GFDL-Net),该网络包括通道特征提取子网络(Squeeze and excitation net,SE-Net)和双注意力特征提取子网络(Double feature extraction net,DFE-Net),分别从通道空间特征提取与平面关键点特征提取两方面改善了网络的全局特征提取能力。为了验证GFDL-Net的有效性,对辣椒、马铃薯、番茄等15种病害图像加入不同角度的旋转、色彩变换等测试,发现在样本加入旋转后与ResNet50、BoTNet、EfficientNet相比,平均识别准确率分别高出20.05、18.62、21.97个百分点;加入明暗度、饱和度、对比度变换后与ResNet50、BoTNet、EfficientNet相比,平均识别准确率分别高出3.57、0.53、3.98个百分点,而识别速度分别为ResNet50、BoTNet、EfficientNet的4.4、4.9、2.0倍。试验证明GFDL-Net在图像全局特征提取能力方面的改进能有效提升网络的泛化能力与鲁棒性,可将其应用于解决变化样本的农作物病害识别任务中。

关键词：农作物病害识别全局特征多头注意力通道特征

概率论与数理统计课程“四合三联”创新性教学体系探索

在线全文

学校读者我要写书评

暂无评论

中国大学教学 2022年第8期 63-67页

作者：田苗陈俊英王福顺河北农业大学理学院河北农业大学信息科学与技术学院

“概率论与数理统计”是数学类公共基础课,培养学生运用概率统计思想发现问题、解决问题的能力,为后续专业课学习提供数学理论基础。针对课程教学中存在的“痛点”问题,课程组遵循以学生为中心、成果导向、持续改进的教育教学理念,构建... 详细信息

“概率论与数理统计”是数学类公共基础课,培养学生运用概率统计思想发现问题、解决问题的能力,为后续专业课学习提供数学理论基础。针对课程教学中存在的“痛点”问题,课程组遵循以学生为中心、成果导向、持续改进的教育教学理念,构建了“整合教学内容、融合教学模式、结合教学育人、混合教学形态”的“四合”创新举措,实现了概率统计与专业教育、特色育人、实践创新紧密联系的“三联”目标。实践表明,“四合三联”创新体系解决了“痛点”问题。其中,多课程互融共促的教学模式和混合式教学形态使信息技术深度应用于课堂教学,全面提升了学生的实践创新能力。

关键词：概率论与数理统计课程融合思政育人线上线下混合授课

基于改进YOLO v8s的羊只行为识别方法

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

作者：王旺王福顺张伟进刘红达王晨王超何振学河北农业大学信息科学与技术学院河北农业大学大数据重点实验室

羊只站立、行走、采食等日常行为与其健康状况密切相关，高效、准确的羊只行为识别有助于疾病检测，对实现羊只健康预警具有重要意义。针对目前羊只多行为识别检测大多基于传感器等接触式设备，羊只活动受限，行为具有局限性，且群体养... 详细信息

羊只站立、行走、采食等日常行为与其健康状况密切相关，高效、准确的羊只行为识别有助于疾病检测，对实现羊只健康预警具有重要意义。针对目前羊只多行为识别检测大多基于传感器等接触式设备，羊只活动受限，行为具有局限性，且群体养殖环境下，羊只行为多样、场景复杂、存在遮挡等造成的行为识别精度低等问题，提出了一种基于改进YOLO v8s的羊只行为识别方法。首先，引入SPPCSPC空间金字塔结构增强了模型的特征提取能力，提升了模型的检测精度。其次，新增P2小目标检测层，增强了模型对小目标的识别和定位能力。最后，引入多尺度轻量化模块PConv和EMSConv，在保证模型识别效果的同时，降低了模型的参数量和计算量，实现了模型轻量化。实验结果表明，改进YOLO v8s模型对羊只站立、行走、采食、饮水、趴卧行为的平均识别精度分别为84.62%、92.58%、87.54%、98.13%和87.18%，整体平均识别精度为90.01%。与Faster R-CNN、YOLO v5s、YOLO v7、YOLO v8s模型相比，平均识别精度分别提高12.03、3.95、1.46和2.19个百分点。研究成果可为羊只健康管理和疾病预警提供技术支撑。

关键词：羊行为识别 YOLO v8s 轻量化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多器官特征融合的枣品种识别

农业机械学报 2024年

作者：许楠苑迎春雷浩孟惜何振学石家庄学院未来信息技术学院河北农业大学信息科学与技术学院

针对自然场景下的枣品种识别问题，以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题，提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLOv3检测算法将采集... 详细信息

针对自然场景下的枣品种识别问题，以枣果为研究对象的机器视觉技术已成为枣品种精准识别的主流方法之一。针对枣品种存在类间差异小、类内差异大的问题，提出了一种基于多器官特征融合的枣品种识别方法。首先利用YOLOv3检测算法将采集的自然场景图像中的枣果和叶片器官分割提取，提出了基于笛卡尔乘积构建两器官组合对的枣品种多样本数据集，然后基于EfficientNetV2网络模型，设计了能够充分学习两器官特征相关性的融合策略来提升模型性能，引入了逐步迁移训练方式以提升枣品种识别效率。最后，在构建的包含20个枣品种数据集上进行了大量实验，得到97.04%的识别准确率，明显优于现有研究结果，并且在训练时间和收敛速度上，本方法也有一定提升。结果表明该方法能够有效融合枣品种枣果和叶片器官的特征信息，可为其他品种识别研究提供有价值的参考。

关键词：枣品种识别笛卡尔乘积特征融合迁移学习