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Swin-TDL算法的果园环境下葡萄病害检测方法
1
作者
胡国玉
刘广
+2 位作者
周星光
董娅兰
周建平
《中国农机化学报》
北大核心
2024年第8期234-239,共6页
为在果园复杂环境因素下准确检测葡萄病害,提出一种基于Swin Transformer的葡萄病害检测模型Swin-TDL。采用Kmeans++聚类算法计算模型输入图像的锚框以提高检测精度;以Swin Transformer网络作为Swin-TDL的骨干网络更准确地获取目标特征...
为在果园复杂环境因素下准确检测葡萄病害,提出一种基于Swin Transformer的葡萄病害检测模型Swin-TDL。采用Kmeans++聚类算法计算模型输入图像的锚框以提高检测精度;以Swin Transformer网络作为Swin-TDL的骨干网络更准确地获取目标特征信息;特征金字塔网络和路径聚合网络用于融合骨干网络中不同深度的特征层信息以增强检测目标的语义信息和定位信息;使用SIoU损失函数作为边界回归预测损失函数用于提高训练的速度和模型推理的准确性;使用Soft-NMS对目标边界框后处理以提高遮挡及重叠目标的检出率。在田间葡萄病害数据集中进行模型训练和性能测试,结果表明,Swin-TDL模型的平均精度均值为92.7%,平均检测时间为15.3 ms,综合性能优于对比检测算法,可以为葡萄植保装备研究提供参考。
展开更多
关键词
葡萄病害检测
果园复杂环境
图像增强
深度学习
Swin
Transformer
下载PDF
职称材料
基于Logistic算法与遥感影像的棉花虫害监测研究
被引量:
8
2
作者
地力夏提•依马木
周建平
+2 位作者
许燕
樊湘鹏
亚里坤•沙吾提
《华南农业大学学报》
CAS
CSCD
北大核心
2022年第2期87-95,共9页
【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logi...
【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logistic回归模型,开展棉花虫害识别监测研究。【结果】由土壤调节植被指数(Soil adjusted vegetation index,SAVI)模型和归一化植被指数(Normalized vegetation index,NDVI)模型构建的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率达到93.7%,测试样本准确率达到90.5%,召回率为96.6%,F1值为93.5%,对棉蚜虫、棉红蜘蛛和棉铃虫的识别模型决定系数分别为0.942、0.851和0.663。【结论】该模型可满足棉田中棉蚜虫、棉红蜘蛛和棉铃虫3种虫害的发生区域识别,且可基本满足棉田精准植保作业相关要求。
展开更多
关键词
无人机
光谱特征
遥感影像
植被模型
Logistic回归模型算法
虫害监测
下载PDF
职称材料
基于改进YOLOv3的葡萄叶部病虫害检测方法
被引量:
3
3
作者
刘广
胡国玉
+2 位作者
古丽巴哈尔·托乎提
赵腾飞
董娅兰
《微电子学与计算机》
2023年第2期110-119,共10页
为了满足果园植保设备对于病害检测模型实时性、识别精度和轻量化的需求,提出了一种基于改进YOLOv3模型的葡萄叶部病害检测模型YOLO-SL.首先,引入轻量级网络ShuffleNetv2的组成模块优化YOLOv3原有的特征提取网络,以降低网络模型参数,然...
为了满足果园植保设备对于病害检测模型实时性、识别精度和轻量化的需求,提出了一种基于改进YOLOv3模型的葡萄叶部病害检测模型YOLO-SL.首先,引入轻量级网络ShuffleNetv2的组成模块优化YOLOv3原有的特征提取网络,以降低网络模型参数,然后在优化后的特征提取网络中融合了CBAM注意力机制,并在YOLOv3网络模型的特征金字塔结构中增加了一层小目标特征检测层,以提升检测模型识别精度.最后,在经过数据增强的数据集上进行了不同检测模型的对比试验,试验结果表明YOLO-SL模型平均检测精度可达90.4%,平均检测时间降低到32.2 ms,权重大小降低为原YOLOv3模型的18.3%,可以为葡萄叶部病害检测技术在实际工作环境中的应用提供参考.
展开更多
关键词
葡萄病害检测
深度学习
轻量化
注意力机制
下载PDF
职称材料
题名
基于Swin-TDL算法的果园环境下葡萄病害检测方法
1
作者
胡国玉
刘广
周星光
董娅兰
周建平
机构
新疆大学
机械工程学院
新疆大学新疆维吾尔自治区农牧机器人及智能装备研究中心
出处
《中国农机化学报》
北大核心
2024年第8期234-239,共6页
基金
新疆维吾尔自治区创新团队项目(2022D14002)
国家级大学生创业训练项目(202210755005X)。
文摘
为在果园复杂环境因素下准确检测葡萄病害,提出一种基于Swin Transformer的葡萄病害检测模型Swin-TDL。采用Kmeans++聚类算法计算模型输入图像的锚框以提高检测精度;以Swin Transformer网络作为Swin-TDL的骨干网络更准确地获取目标特征信息;特征金字塔网络和路径聚合网络用于融合骨干网络中不同深度的特征层信息以增强检测目标的语义信息和定位信息;使用SIoU损失函数作为边界回归预测损失函数用于提高训练的速度和模型推理的准确性;使用Soft-NMS对目标边界框后处理以提高遮挡及重叠目标的检出率。在田间葡萄病害数据集中进行模型训练和性能测试,结果表明,Swin-TDL模型的平均精度均值为92.7%,平均检测时间为15.3 ms,综合性能优于对比检测算法,可以为葡萄植保装备研究提供参考。
关键词
葡萄病害检测
果园复杂环境
图像增强
深度学习
Swin
Transformer
Keywords
grape disease detection
orchard complex environment
image enhancement
deep learning
Swin Transformer
分类号
S436.631 [农业科学—农业昆虫与害虫防治]
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
基于Logistic算法与遥感影像的棉花虫害监测研究
被引量:
8
2
作者
地力夏提•依马木
周建平
许燕
樊湘鹏
亚里坤•沙吾提
机构
新疆大学
机械工程学院
新疆大学
新疆维吾尔自治区
农牧
机器人
及智能
装备
工程
研究
中心
新疆维吾尔自治区
农牧
业机械化技术推广总站
出处
《华南农业大学学报》
CAS
CSCD
北大核心
2022年第2期87-95,共9页
基金
国家自然科学基金(51765063)
国家级大学生创新创业训练计划项目(201810755079S)
新疆维吾尔自治区研究生科研创新项目(XJ2019G033)。
文摘
【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logistic回归模型,开展棉花虫害识别监测研究。【结果】由土壤调节植被指数(Soil adjusted vegetation index,SAVI)模型和归一化植被指数(Normalized vegetation index,NDVI)模型构建的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率达到93.7%,测试样本准确率达到90.5%,召回率为96.6%,F1值为93.5%,对棉蚜虫、棉红蜘蛛和棉铃虫的识别模型决定系数分别为0.942、0.851和0.663。【结论】该模型可满足棉田中棉蚜虫、棉红蜘蛛和棉铃虫3种虫害的发生区域识别,且可基本满足棉田精准植保作业相关要求。
关键词
无人机
光谱特征
遥感影像
植被模型
Logistic回归模型算法
虫害监测
Keywords
UAV
Spectral characteristic
Remote sensing image
Vegetation model
Logistic regression model algorithm
Pest monitoring
分类号
S251 [农业科学—农业机械化工程]
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于改进YOLOv3的葡萄叶部病虫害检测方法
被引量:
3
3
作者
刘广
胡国玉
古丽巴哈尔·托乎提
赵腾飞
董娅兰
机构
新疆大学
机械工程学院
新疆大学新疆维吾尔自治区农牧机器人及智能装备研究中心
出处
《微电子学与计算机》
2023年第2期110-119,共10页
基金
国家自然科学基金项目(12162031)。
文摘
为了满足果园植保设备对于病害检测模型实时性、识别精度和轻量化的需求,提出了一种基于改进YOLOv3模型的葡萄叶部病害检测模型YOLO-SL.首先,引入轻量级网络ShuffleNetv2的组成模块优化YOLOv3原有的特征提取网络,以降低网络模型参数,然后在优化后的特征提取网络中融合了CBAM注意力机制,并在YOLOv3网络模型的特征金字塔结构中增加了一层小目标特征检测层,以提升检测模型识别精度.最后,在经过数据增强的数据集上进行了不同检测模型的对比试验,试验结果表明YOLO-SL模型平均检测精度可达90.4%,平均检测时间降低到32.2 ms,权重大小降低为原YOLOv3模型的18.3%,可以为葡萄叶部病害检测技术在实际工作环境中的应用提供参考.
关键词
葡萄病害检测
深度学习
轻量化
注意力机制
Keywords
Grape disease detection
Deep learning
Lightweight
Attention mechanism
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Swin-TDL算法的果园环境下葡萄病害检测方法
胡国玉
刘广
周星光
董娅兰
周建平
《中国农机化学报》
北大核心
2024
0
下载PDF
职称材料
2
基于Logistic算法与遥感影像的棉花虫害监测研究
地力夏提•依马木
周建平
许燕
樊湘鹏
亚里坤•沙吾提
《华南农业大学学报》
CAS
CSCD
北大核心
2022
8
下载PDF
职称材料
3
基于改进YOLOv3的葡萄叶部病虫害检测方法
刘广
胡国玉
古丽巴哈尔·托乎提
赵腾飞
董娅兰
《微电子学与计算机》
2023
3
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