-
题名枯老死树在景观上的运用
被引量：3
- 1
-
-
作者
张津诚
-
机构
北京林业大学园林学院
-
出处
《中国园林》
北大核心
2009年第11期97-99,共3页
-
文摘
园林景观设计一般指用活植物做的设计,对利用枯、老、死植物于景观设计的作用尚缺少研究。这种在传统园林观念中没有什么生态价值的特殊植物材料却有着其独有的园林价值。在活植物材料作为主导的园林景观设计中,适当运用些枯死植物进行点缀甚至是做主景,将会增加园林中某些区域甚至全园的趣味和特色。
-
关键词
园林植物
枯老死树
景观
运用
-
Keywords
landscape plants
withered old
or dead trees
landscape
use
-
分类号
S688
[农业科学—观赏园艺]
-
-
题名基于改进YOLOv7的茶叶嫩芽识别模型研究
被引量：2
- 2
-
-
作者
魏堂伟
张津诚
王晶
周庆燕
-
机构
安徽农业大学信息与人工智能学院
-
出处
《智能化农业装备学报（中英文）》
2024年第2期42-50,共9页
-
基金
安徽省科技计划项目(2022MKS12)。
-
文摘
为了在复杂环境中有效识别茶叶嫩芽并在最大限度避免伤害茶树的情况下,提高智能化采摘精度,本研究针对传统目标检测算法在茶园中存在的检测精度低、鲁棒性差等问题,提出一种基于改进YOLOv7的茶叶嫩芽识别与检测的模型YOLOv7-tea,从而实现对茶叶嫩芽的快速识别与检测。首先,采集茶叶嫩芽图像并完成嫩芽图像的标注和数据增强,构建茶叶嫩芽数据集。其次,通过在YOLOv7主干网络的3个特征提取层中引入CBAM注意力机制模块,增强模型对特征提取的能力;采用SPD-Conv模块替换颈部网络下采样模块中的SConv模块,以减少小目标特征的丢失;通过EIoU损失函数优化框回归损失,提升预测框的准确率。最后,以茶叶嫩芽图像数据集为样本将其他目标检测模型与YOLOv7-tea模型进行对比试验,并对不同距离、不同角度拍摄的茶叶嫩芽图像进行识别效果检测。试验结果表明,YOLOv7-tea网络模型比YOLOv7模型的精确率(Precision,P)、召回率(Recall,R)和识别平均精度(mAP)值分别高出2.87、6.91和8.69个百分点,且模型的检测速度更快,在复杂背景下对茶叶嫩芽的识别与检测具有更高的置信度分数。该研究构建的YOLOv7-tea模型对小尺寸茶叶嫩芽的识别效果较好,减少了漏检和误检的情况,具有良好的鲁棒性和实时性,可为茶叶的产量预估和智能化采摘提供参考。
-
关键词
茶叶嫩芽
目标检测
CBAM注意力机制
自动化采摘
YOLOv7
-
Keywords
tea buds
object detection
CBAM attention mechanism
automated picking
YOLOv7
-
分类号
S24
[农业科学—农业电气化与自动化]
TS272.2
[农业科学—茶叶生产加工]
-
