期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进ATSS模型的水稻叶片病害检测
1
作者
丁士宁
姜明富
+1 位作者
刘丽娟
张莉
《山东农业大学学报(自然科学版)》
北大核心
2024年第1期93-99,共7页
针对传统水稻病害诊断方法依赖人工、容易误判等缺点,提出一种基于ATSS的水稻叶片病害检测模型。首先收集白叶枯病、胡麻斑病、叶瘟病这三种病害图像,构建水稻叶片病害图像数据集。然后在原ATSS模型的基础上,网络Neck部分采用FPN-CARAF...
针对传统水稻病害诊断方法依赖人工、容易误判等缺点,提出一种基于ATSS的水稻叶片病害检测模型。首先收集白叶枯病、胡麻斑病、叶瘟病这三种病害图像,构建水稻叶片病害图像数据集。然后在原ATSS模型的基础上,网络Neck部分采用FPN-CARAFE模块代替特征金字塔网络FPN,以减少上采样过程中的信息损失。同时,为提升模型的检测效果,回归分支的损失函数采用CIoU损失函数代替GIoU。改进ATSS模型的平均精度均值可达74.0%,相比于原ATSS模型提升了3.5%。与模型Retinanet、Faster R-CNN、Cascade R-CNN、FCOS、TOOD相比,改进ATSS模型取得了最高的检测精度,且在检测精度和速度上取得了最高的权衡。实验结果表明,改进后的模型能对水稻叶片病害有效检测。
展开更多
关键词
改进ATSS模型
FPN-CARAFE
CIoU损失函数
水稻叶片病害
下载PDF
职称材料
改进YOLOv5的水稻叶片病害检测算法研究
2
作者
夏宏懿
谭立新
《电脑与信息技术》
2024年第1期20-22,共3页
针对水稻病害的复杂特征、多尺度和低效率问题,使用深度学习构建了DEFFN-YOLOv5水稻叶病害算法,研究了水稻白叶枯病、稻瘟病和褐斑病。为了提高病害检测精度,改进了原始YOLOv5算法,引入了PixelShuffle上采样模块以还原图像细节。此外,...
针对水稻病害的复杂特征、多尺度和低效率问题,使用深度学习构建了DEFFN-YOLOv5水稻叶病害算法,研究了水稻白叶枯病、稻瘟病和褐斑病。为了提高病害检测精度,改进了原始YOLOv5算法,引入了PixelShuffle上采样模块以还原图像细节。此外,增强了特征提取能力,引入了可变形卷积和轻量的ECA通道注意力模块。通过采用BiFPN来改进PAN模块,增强了信息交互,提高了模型的理解和定位能力。实验证明,改进后的DEFFN-YOLOv5算法在目标检测中的平均精度(mAP)达到86%,比原YOLOv5算法提高了3%。与此同时,计算需求减少了4.6GFLOPs,比原YOLOv5算法减少了27.85%。这些改进使得DEFFN-YOLOv5在水稻病害检测中表现更出色。
展开更多
关键词
DEFFN-YOLOv5
水稻叶片病害
检测
PixelShuffle
下载PDF
职称材料
基于改进SPP-x的YOLOv5神经网络水稻叶片病害识别检测
被引量:
2
3
作者
杨波
何金平
张立娜
《中国农机化学报》
北大核心
2023年第9期190-197,F0003,共9页
针对YOLOv5模型在水稻病害叶片检测计算复杂度高,计算速度慢的问题,提出一种基于改进SPP-x的YOLOv5模型水稻病害叶片识别检测方法。首先,将原主干网中SPP模块中3个不同尺寸(5×5、9×9、13×13)的MaxPool层替换为3个尺寸相...
针对YOLOv5模型在水稻病害叶片检测计算复杂度高,计算速度慢的问题,提出一种基于改进SPP-x的YOLOv5模型水稻病害叶片识别检测方法。首先,将原主干网中SPP模块中3个不同尺寸(5×5、9×9、13×13)的MaxPool层替换为3个尺寸相同的5×5 MaxPool层连接,后面通过1×1卷积层来调整输出特征维数,再将YOLOv5网络中优化器替换为Adam,从而构建新的YOLOv5网络结构。通过试验比较SGD和Adam优化器在训练集上的收敛速度,结果表明:改进后的SPP-x模块在运算时间上仅是原SPP的50%,计算精度值达到97%,mAP_0.5和mAP_0.5:0.95两项指标分别收敛于0.983和0.822。试验发现改进SPP-x的YOLOv5模型单张图像检测速度0.34 s,效果良好,能够有效地辅助水稻病害识别。
展开更多
关键词
水稻叶片病害
卷积神经网络
YOLOv5
ResNet
优化器
下载PDF
职称材料
题名
基于改进ATSS模型的水稻叶片病害检测
1
作者
丁士宁
姜明富
刘丽娟
张莉
机构
信阳农林学院
澳门理工大学
出处
《山东农业大学学报(自然科学版)》
北大核心
2024年第1期93-99,共7页
基金
河南省科技公关项目:自适应Meta-Transfer学习的小样本茶叶图像病害识别算法研究(222102210300)
河南省高等学校青年骨干教师培养计划(2021GGJS176)
信阳农林学院青年教师科研基金项目:基于深度学习的水稻叶片病害预防检测研究(QN2021057)。
文摘
针对传统水稻病害诊断方法依赖人工、容易误判等缺点,提出一种基于ATSS的水稻叶片病害检测模型。首先收集白叶枯病、胡麻斑病、叶瘟病这三种病害图像,构建水稻叶片病害图像数据集。然后在原ATSS模型的基础上,网络Neck部分采用FPN-CARAFE模块代替特征金字塔网络FPN,以减少上采样过程中的信息损失。同时,为提升模型的检测效果,回归分支的损失函数采用CIoU损失函数代替GIoU。改进ATSS模型的平均精度均值可达74.0%,相比于原ATSS模型提升了3.5%。与模型Retinanet、Faster R-CNN、Cascade R-CNN、FCOS、TOOD相比,改进ATSS模型取得了最高的检测精度,且在检测精度和速度上取得了最高的权衡。实验结果表明,改进后的模型能对水稻叶片病害有效检测。
关键词
改进ATSS模型
FPN-CARAFE
CIoU损失函数
水稻叶片病害
Keywords
Improved ATSS model
FPN-CARAFE module
CIoU loss function
rice leaf disease
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
改进YOLOv5的水稻叶片病害检测算法研究
2
作者
夏宏懿
谭立新
机构
湖南农业大学信息与智能科学技术学院
湖南信息职业技术学院电子工程学院
出处
《电脑与信息技术》
2024年第1期20-22,共3页
基金
湖南省芙蓉人才行动计划:2019年度湖南省芙蓉教学名师项目(项目编号:湘教通[2019]261号)。
文摘
针对水稻病害的复杂特征、多尺度和低效率问题,使用深度学习构建了DEFFN-YOLOv5水稻叶病害算法,研究了水稻白叶枯病、稻瘟病和褐斑病。为了提高病害检测精度,改进了原始YOLOv5算法,引入了PixelShuffle上采样模块以还原图像细节。此外,增强了特征提取能力,引入了可变形卷积和轻量的ECA通道注意力模块。通过采用BiFPN来改进PAN模块,增强了信息交互,提高了模型的理解和定位能力。实验证明,改进后的DEFFN-YOLOv5算法在目标检测中的平均精度(mAP)达到86%,比原YOLOv5算法提高了3%。与此同时,计算需求减少了4.6GFLOPs,比原YOLOv5算法减少了27.85%。这些改进使得DEFFN-YOLOv5在水稻病害检测中表现更出色。
关键词
DEFFN-YOLOv5
水稻叶片病害
检测
PixelShuffle
Keywords
DEFFN-YOLOv5
rice leaf disease detection
PixelShuffle
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
S435.711 [农业科学—农业昆虫与害虫防治]
下载PDF
职称材料
题名
基于改进SPP-x的YOLOv5神经网络水稻叶片病害识别检测
被引量:
2
3
作者
杨波
何金平
张立娜
机构
长春财经学院信息工程学院
吉林农业大学信息技术学院
出处
《中国农机化学报》
北大核心
2023年第9期190-197,F0003,共9页
基金
吉林省科技发展计划重点研发项目(20210203211SF)。
文摘
针对YOLOv5模型在水稻病害叶片检测计算复杂度高,计算速度慢的问题,提出一种基于改进SPP-x的YOLOv5模型水稻病害叶片识别检测方法。首先,将原主干网中SPP模块中3个不同尺寸(5×5、9×9、13×13)的MaxPool层替换为3个尺寸相同的5×5 MaxPool层连接,后面通过1×1卷积层来调整输出特征维数,再将YOLOv5网络中优化器替换为Adam,从而构建新的YOLOv5网络结构。通过试验比较SGD和Adam优化器在训练集上的收敛速度,结果表明:改进后的SPP-x模块在运算时间上仅是原SPP的50%,计算精度值达到97%,mAP_0.5和mAP_0.5:0.95两项指标分别收敛于0.983和0.822。试验发现改进SPP-x的YOLOv5模型单张图像检测速度0.34 s,效果良好,能够有效地辅助水稻病害识别。
关键词
水稻叶片病害
卷积神经网络
YOLOv5
ResNet
优化器
Keywords
rice leaf diseases
convolutional neural network
YOLOv5
ResNet
optimizer
分类号
S435.11 [农业科学—农业昆虫与害虫防治]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进ATSS模型的水稻叶片病害检测
丁士宁
姜明富
刘丽娟
张莉
《山东农业大学学报(自然科学版)》
北大核心
2024
0
下载PDF
职称材料
2
改进YOLOv5的水稻叶片病害检测算法研究
夏宏懿
谭立新
《电脑与信息技术》
2024
0
下载PDF
职称材料
3
基于改进SPP-x的YOLOv5神经网络水稻叶片病害识别检测
杨波
何金平
张立娜
《中国农机化学报》
北大核心
2023
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部