融合迁移学习和集成学习的自然背景下荒漠植物识别方法

[目的/意义]荒漠植物的准确识别是其认识和保护过程中不可或缺的任务,是荒漠生态研究与保护的基础。自然条件下野外荒漠植物图像的机器视觉自动分类识别可有效提升植物资源调查效率、降低人为主观因素影响,对荒漠植物的精准分类、多样性保护和资源化利用具有重要意义。[方法]以自然环境下的整株荒漠植物图像为研究对象,构建新疆干旱区荒漠植物图像数据集,以EfficientNet B0—B4网络为基础网络,提出一种融合迁移学习和集成学习的荒漠植物图像识别算法,并在公开数据集Oxford Flowers102上进行对比验证。[结果和讨论]基于EfficientNet B0网络的单一子模型的Top-1准确率最高可达93.35%,最低为92.26%,软投票Ensemble-Soft模型、硬投票Ensemble-Hard模型以及加权投票法集成的Ensemble-Weight模型的准确率分别为93.63%、93.55%和93.67%,F1Score和准确率相当;基于EfficientNet B0—B4网络的单一子模型的Top-1准确率最高可达96.65%,F1Score为96.71%,而Ensemble-Soft模型、Ensemble-Hard模型以及Ensemble-Weight模型的准确率分别为99.07%、98.91%和99.23%,相较于单一子模型,精度进一步提高,F_(1)Score与准确率基本相同,模型性能显著;在公开数据集Oxford Flowers102上进行对比试验,3个集成模型相比5个子模型准确率和F,Score最高提升了4.56%和5.05%,最低也提升了1.94%和2.29%,证明了本研究提出的迁移和集成学习策略能够有效提高模型性能。[结论]本方法可提高荒漠植物的识别准确率,通过云端传输至服务器后,实现荒漠植物的准确识别,为真实野外环境下植物图像识别精度低、模型鲁棒性及泛化性弱等问题提供解决思路。服务于野外调查、教学科普以及科学实验等场景。

自然背景下轻量化农作物病害自动识别算法研究

针对以实验室采集的纯色背景数据集进行训练的神经网络模型的鲁棒性和抗干扰能力存在一定局限性,以及模型参数量太大的问题,论文设计了自然背景下轻量化的农作物病害自动识别算法。算法以深度可分离卷积替代基本卷积,改进了VGG16的基本网络单元,并加入了dropout操作,搭建轻量化的神经网络模型。实验结果显示算法在识别效率和参数轻量化方面均有较明显的优势,更适合在生产实践中部署使用。

黄土高原环境恶化的自然背景研究

根据黄土高原自然环境的演变规律 ,认为从千年尺度的季风气候变化趋势来看 ,目前仍然处在一个延续 31 0 0多年的相对干旱低温时期 .黄土高原属于环境敏感带 ,当前显著的气候干暖化发展趋势 ,以及与之相关的各种灾害性变化 ,是当地资源环境对于全球变暖的响应造成的 .数十年来对于水、土和生物资源的过度开发 ,是造成黄土高原及其毗邻荒漠草原地区广泛的沙漠化、土壤侵蚀、河水断流。

利用计算机视觉对自然背景下西红柿进行判别

介绍了机器人利用计算机视觉为向导,采用色度和强度信息对自然背景下的果实进行采摘的方法;提出了仅用颜色特征,采用贝叶斯决策分类模型对自然背景下的西红柿进行判别,并应用质心计算技术对这种分类模型进行了评价,得出对西红柿像素分类的正确性在80%以上的结论。

基于Android的自然背景下黄瓜霜霉病定量诊断系统

为准确快速定量诊断黄瓜的病害,科学选择病害管控措施,基于Android技术和图像处理方法设计了可用于自然背景的黄瓜叶部病害定量诊断系统,并进行了试验。对黄瓜叶部彩色图像,首先进行图像预处理和背景剪除,再识别病斑区域,最终计算病斑区域占其所在叶片区域的百分比及根据国家相关标准与其对应的病害等级,计算结果以数值形式显示在诊断结果界面,同时用红色标识出病害区域。系统既适用于白色打印纸等简单背景,也适用于较为复杂的自然背景;所识别的病害叶片图像既可以从摄像头实时获取,也可以从手机存储载入。以50幅黄瓜霜霉病病害叶片为对象对系统进行测试,试验结果表明,系统可以较准确地对黄瓜霜霉病病斑区域进行识别(病斑区域识别综合误分率为6.56%),并按照国家标准给出病害等级(综合错误分级率为3%);简单人工背景下系统识别时间为1 s,自然背景下系统识别时间约为11 s。

三峡地区城市空间分布特征的自然背景分析

通过构建数学指标,定量分析了三峡地区20个行政单位城市空间分布特征,得出加权中心(107.997 2°E,30.228 6°N)、平均中心(108.490 8°E,30.372 0°N)、东西偏离度1.579 4(偏西)、南北偏离度0.892 7(偏北),离散度0.700 0、均匀度0.187 3。在此基础上分析得出:河流促进城市的形成与发展;海拔和地形地貌制约城市的空间分布;城市空间的扩展应考虑避开主要断裂带及地质灾害区,拟在为该区未来城市发展规划提供理论依据。

青海湖地区植物微量元素自然背景值及其特征

分析了以青海湖地区各类植被中采集的 4 6种主要植物样品的 8种微量元素 ,得到了区内植物和各类植被的微量元素自然背景值。为植物微量元素学、青海湖地区生态环境研究、草原建设。

自然背景下对人工红外目标的分形检测

针对红外图像目标检测问题,提出了一个改进的差分计盒方法(DBC法)。该方法利用特定应用环境中自然背景的渐变均匀性与人工目标的突变奇异性,改进了差分计盒方法的分形维数计算和J曲线的判别策略。改进后的算法没有运算量的明显增加,能够实现对多个目标的检测,并且对噪声具有更好的鲁棒性。理论分析以及两幅海上和空中目标的实验检测,验证了该算法的有效性和正确性。

基于卷积神经网络的自然背景字符识别

随着计算机视觉技术的发展,自然背景中字符的识别在图片检索、视频检索、无人车识别周围场景信息等领域都扮演了不可或缺的角色。相对于手写字符、打印字符的识别,自然背景字符的识别有着光照强度变化大、背景纹理复杂、字体样式和颜色多变等特点,这都给识别带来了巨大的挑战。主要是基于Le Net-5的网络结构设计了一种适合于识别自然背景字符的卷积神经网络,由于在这一领域以往的研究工作的基准数据集是较小的数据集(Chars74K-15),为了便于比较,实验也是基于同样的数据集。但因为卷积神经网络是在巨大数据量的驱动下才会有良好的效果,因此还提出了一种预处理方式和fine-tune相结合用于解决自然背景字符图片数据量较小的问题。

自然背景下对人造红外目标的分形检测

利用自然背景与人造目标在分形维数上的差异,提出了一种针对自然背景下的快速红外目标检测技术。通过对图像各个子图的改进不规则分形维数的计算,得到各个子图的指标函数J曲线;经过对J曲线的适当策略分析,可以得到目标最大可能存在的子图区域,或者多目标可能存在的区域。仿真实验证明:算法可以快速检测出红外图像中人造目标可能出现的区域,为随后的识别跟踪等分析降低了计算量。

自然背景图像的分形模型与人造目标自动识别

本文介绍以自然背景图像的分形模型为依据,对自然背景中人造目标进行检测的基本原理、技术特点和发展过程;介绍以分形技术为核心的自动目标识别系统的技术关键、系统性能和系统的应用前景;最后分析了目前分形技术中存在的局限性,提出了针对这些局限性应当开展的研究工作的基本思路。

历史上黄河中游土壤侵蚀自然背景值的推估

根据研究，首先确定先秦至西汉时期为推估黄河中游土壤侵蚀背景值的年代。然后根据由黄河冲积扇的堆积量和古黄河口泥沙淤积量两种途径的推估结果，经综合考虑后认为，在历史上人类活动较小情况下，黄河中游土壤侵蚀的自然背景值为每年６．５～１０亿ｔ。

基于自然背景的热成像系统信息量评价模型

通常MRTD-CW模型用于评价热成像系统综合性能,但不能评价自然背景对系统性能的影响.比对TTP模型,对MRTD-CW模型进行修正,引入自然背景参量,建立基于自然背景的热成像系统综合性能信息量评价模型,以典型场景为例用噪声均方差计算法则给出了自然背景参量的计算方法.含自然背景噪声参量的MRTD-CW模型能计算出不同实验场景热成像系统获得的目标综合信息量,进一步确定的热成像系统最佳角放大率与TTP模型计算值非常接近.实验结果证明引入自然背景参量的MRTD-CW模型能有效评价自然背景对热成像系统综合性能的影响.

基于自然背景的热成像系统信息量评价方法

为了研究自然环境因素对热成像系统综合性能的影响,在MRTD信道宽度热成像系统综合性能评价模型基础上,比对TTP模型,引入自然背景噪声因子,构建了基于自然背景的热成像系统综合性能信息量评价模型,通过实验给出了自然背景噪声因子的确定方法,并建立了模型的归一化形式。以典型场景为例,通过实验分析了不同自然背景对热成像系统目标信息量获取的影响,并与TTP模型的分析结果进行比较,二者具有较好的一致性。实验表明基于自然背景的热成像系统综合性能信息量评价模型能够较好地反映自然背景复杂度对系统综合性能的影响,可以应用于系统性能评价。

定西地区土壤中微量元素自然背景值研究

定西地区主要农业土壤中铜、锌、钼、铁、锰、硼、铅、汞、镉、铬、镍、钴、砷等13种微量元素,既有作物必须的营养元素,又有有毒元素。研究它们在农业土壤中的背景值,对农业环境研究、地方病因的探讨、掌握微量养分贮量有着重要的现实意义和深远的历史价值。本文根据1988～1991年定西地区主要农业土壤中13种元素调查的结果,探讨其分布规律、刍议成土母质、土壤类型、土壤有机质等自然环境对其规律的影响。

SMS和双向特征融合的自然背景柑橘黄龙病检测技术

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有的算法对自然背景柑橘黄龙病检测的精度不高。本研究提出了一种结合剪切混合拼接(Shearing mixed splicing, SMS)增广算法和双向特征融合的自然背景柑橘黄龙病检测方法,该方法通过SMS、镜像翻转和旋转方法对训练集和验证集进行了增广,增加了训练集和验证集图像中背景目标的数量和多样性;为了自适应地改变柑橘黄龙病检测中的局部采样点,增大有效感受野,使用可变形卷积替换骨干网络后3个卷积层中所有的标准卷积;为了减小自然背景的影响,使用全局上下文模块对骨干网络后3个卷积层输出的特征图进行特征增强,来建立有效的长距离依赖,以便更好的学习到全局上下文信息;使用双向融合特征金字塔,改善浅层特征和深层特征的信息交流路径,用以降低因柑橘黄龙病叶片尺寸变化大导致的漏检,提高小尺寸的柑橘黄龙病叶片的检测精度。实验结果表明,本研究提出的方法用于自然背景柑橘黄龙病的检测,平均精度可达84.8%,性能优于SSD、RetinaNet、YOLO v3、YOLO v5s、Faster RCNN、Cascade RCNN等目标检测方法。

基于自然背景的数码迷彩设计及伪装效果评价

数码迷彩是一种通过提取自然背景的纹理、颜色和层次等信息,并以像素点阵为基本单元、由宏观纹理与微观纹理组成的新型迷彩。数码迷彩通过色块的多种排列组合,使得不同颜色间的边缘模糊、破碎,利用空间混色和视错觉效应,极易模拟自然背景。

《游山西村》的自然背景

关于陆游的《游山西村》一诗的自然背景,各注本说法基本一致。上海古籍出版社编的《宋诗一百首》说是在“绍兴县鉴湖附近”,新出的《古代山水诗一百首》也说是“作者故乡山阴的一个村庄”,中国青年出版社的《历代诗歌选》则更为明确,直指为山阴镜湖三山。其它一些注本亦都有类似说法。但这类说法很难成立。我们先从全诗看:“莫笑农家腊酒浑,丰年留客足鸡豚。山重水复疑无路,柳暗花明又一村。萧鼓追随春社近,衣冠简朴古风存。从今若许闲乘月,柱杖无时夜叩门。”诗虽含哲理,但它首先是写景诗。

复杂自然背景下的人造目标检测

为了解决图像处理中目标检测的问题,提出了一种新的检测方法.该方法根据自然物体和人造物体在纹理上表现出的不同特性,首先将图像划分为若干个子块,然后按各个子块梯度的幅度和方向进行像素编码,最后利用设定的标准检测人造目标.仿真结果表明,新方法可用于不同分辨率的图像,且具有较好的鲁棒性,能够节省存储空间和运算时间,适合于实时处理的场合。