期刊导航
期刊开放获取
上海教育软件发展有限公..
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
2
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Swin Transformer的番茄和水稻植株病害检测
1
作者
陈藜韦
古丽娜孜·艾力木江
+1 位作者
伊力亚尔·加尔木哈买提
赵志闯
《江苏农业科学》
北大核心
2025年第10期222-232,共11页
针对番茄和水稻病害检测人工成本高、效率低和准确率低等问题,提出一种改进Swin Transformer的番茄和水稻植株病害检测方法。首先收集早疫病、晚疫病、斑枯病和白粉病等10种常见的番茄病害图片和4种水稻病害图片,对数据进行CutMix、高...
针对番茄和水稻病害检测人工成本高、效率低和准确率低等问题,提出一种改进Swin Transformer的番茄和水稻植株病害检测方法。首先收集早疫病、晚疫病、斑枯病和白粉病等10种常见的番茄病害图片和4种水稻病害图片,对数据进行CutMix、高斯滤波、颜色增强和旋转等数据增强方法来增强样本的多样性,改善模型的泛化能力,然后在模型中插入感受野增强模块来解决模型空间中大量上下文信息未能有效交流的问题,同时加入频域层来解决Swin Transformer模型不能准确捕捉局部特征的问题。试验结果表明,改进的Swin Transformer模型在番茄病害数据集和水稻病害数据集上的准确率分别达到98.61%和100%。改进的模型在番茄病害数据集上与基线模型相比,其准确率、精确度、召回率和F1分数4个指标上提升1.36、3.05、2.11、2.93百分点。本研究提出的方法能够在复杂背景条件下保持较高准确率,为减少人工检测提供了技术参考。
展开更多
关键词
番茄
水稻
病害检测
感受野
频域层
迁移学习
数据增强
在线阅读
下载PDF
职称材料
基于频域Swin Transformer的植物叶片病害识别研究
2
作者
陈藜韦
古丽娜孜·艾力木江
伊力亚尔·加尔木哈买提
《中国农机化学报》
北大核心
2025年第10期128-137,共10页
植物病虫害给农业生产带来严重威胁,需对其进行及时监控和预防。由于植物病虫害种类繁多且在初期病症相似,农业工作者极难区分。基于此,提出一种基于频域Swin Transformer的植物叶片病害识别方法。首先,利用改进的CutMix数据增强算法提...
植物病虫害给农业生产带来严重威胁,需对其进行及时监控和预防。由于植物病虫害种类繁多且在初期病症相似,农业工作者极难区分。基于此,提出一种基于频域Swin Transformer的植物叶片病害识别方法。首先,利用改进的CutMix数据增强算法提高模型的训练效率,使模型关注病害图像的重要部分,让模型学习到更多信息避免模型过拟合,提高模型的泛化性能。然后,利用高斯滤波和边缘检测降低病害识别中背景噪声对识别准确性的负面影响,突出叶片轮廓信息。最后,加入频域层来捕捉病害图像的局部特征。结果表明:提出的方法在番茄、水稻和棉花3个数据集上的准确率分别为98.59%、100%、99.58%,比改进前分别提高1.34%、0.12%和0.5%,检测速度分别提升2.54帧/s、4.04帧/s和9.97帧/s。
展开更多
关键词
植物叶片
病害识别
数据增强
频域Swin
Transformer
边缘检测
高斯滤波
在线阅读
下载PDF
职称材料
题名
基于改进Swin Transformer的番茄和水稻植株病害检测
1
作者
陈藜韦
古丽娜孜·艾力木江
伊力亚尔·加尔木哈买提
赵志闯
机构
伊犁师范大学电子与工程学院
伊犁师范大学网络安全与信息技术学院
出处
《江苏农业科学》
北大核心
2025年第10期222-232,共11页
基金
新疆维吾尔自治区自然科学基金(编号:2023D01C52)
伊犁师范大学重点项目(编号:2023YSZD004)
+2 种基金
伊犁师范大学学实高层次人才岗位项目(编号:YSXSJS22002)
新疆维吾尔自治区研究生科研创新项目(编号:XJ2024G259)
伊犁哈萨克自治州科技计划(编号:YZ2022YD001)。
文摘
针对番茄和水稻病害检测人工成本高、效率低和准确率低等问题,提出一种改进Swin Transformer的番茄和水稻植株病害检测方法。首先收集早疫病、晚疫病、斑枯病和白粉病等10种常见的番茄病害图片和4种水稻病害图片,对数据进行CutMix、高斯滤波、颜色增强和旋转等数据增强方法来增强样本的多样性,改善模型的泛化能力,然后在模型中插入感受野增强模块来解决模型空间中大量上下文信息未能有效交流的问题,同时加入频域层来解决Swin Transformer模型不能准确捕捉局部特征的问题。试验结果表明,改进的Swin Transformer模型在番茄病害数据集和水稻病害数据集上的准确率分别达到98.61%和100%。改进的模型在番茄病害数据集上与基线模型相比,其准确率、精确度、召回率和F1分数4个指标上提升1.36、3.05、2.11、2.93百分点。本研究提出的方法能够在复杂背景条件下保持较高准确率,为减少人工检测提供了技术参考。
关键词
番茄
水稻
病害检测
感受野
频域层
迁移学习
数据增强
分类号
S126 [农业科学—农业基础科学]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于频域Swin Transformer的植物叶片病害识别研究
2
作者
陈藜韦
古丽娜孜·艾力木江
伊力亚尔·加尔木哈买提
机构
伊犁师范大学电子工程学院
伊犁师范大学网络安全与信息技术学院
出处
《中国农机化学报》
北大核心
2025年第10期128-137,共10页
基金
新疆维吾尔自治区自然科学基金项目(2023D01C52)
新疆维吾尔自治区研究生科研创新项目(XJ2024G259)
+2 种基金
伊犁师范大学重点项目(2023YSZD004)
伊犁师范大学“学实高层次人才岗位”项目(YSXSJS22002)
伊犁哈萨克自治州科技计划项目(YZ2022YD001)。
文摘
植物病虫害给农业生产带来严重威胁,需对其进行及时监控和预防。由于植物病虫害种类繁多且在初期病症相似,农业工作者极难区分。基于此,提出一种基于频域Swin Transformer的植物叶片病害识别方法。首先,利用改进的CutMix数据增强算法提高模型的训练效率,使模型关注病害图像的重要部分,让模型学习到更多信息避免模型过拟合,提高模型的泛化性能。然后,利用高斯滤波和边缘检测降低病害识别中背景噪声对识别准确性的负面影响,突出叶片轮廓信息。最后,加入频域层来捕捉病害图像的局部特征。结果表明:提出的方法在番茄、水稻和棉花3个数据集上的准确率分别为98.59%、100%、99.58%,比改进前分别提高1.34%、0.12%和0.5%,检测速度分别提升2.54帧/s、4.04帧/s和9.97帧/s。
关键词
植物叶片
病害识别
数据增强
频域Swin
Transformer
边缘检测
高斯滤波
Keywords
plant leaf
disease identification
data augmentation
frequency domain Swin Transformer
edge detection
gaussian filtering
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
S4 [农业科学—植物保护]
在线阅读
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Swin Transformer的番茄和水稻植株病害检测
陈藜韦
古丽娜孜·艾力木江
伊力亚尔·加尔木哈买提
赵志闯
《江苏农业科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于频域Swin Transformer的植物叶片病害识别研究
陈藜韦
古丽娜孜·艾力木江
伊力亚尔·加尔木哈买提
《中国农机化学报》
北大核心
2025
0
在线阅读
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
