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
边缘计算在智慧农业中的应用现状与展望
被引量：
27
1
作者
黄成龙
柯宇曦
+3 位作者
华向东
杨俊雅
孙梦雨
杨万能
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第16期224-234,共11页
互联网技术快速发展使得数据量剧增,云计算的数据集中处理模式存在实时性不足、能耗过高以及数据安全等一系列问题。边缘计算是在靠近数据源端执行计算的分散处理模式,与云计算相比具有低延迟、低成本、安全性高、个性化设计等优势。随...
互联网技术快速发展使得数据量剧增,云计算的数据集中处理模式存在实时性不足、能耗过高以及数据安全等一系列问题。边缘计算是在靠近数据源端执行计算的分散处理模式,与云计算相比具有低延迟、低成本、安全性高、个性化设计等优势。随着智慧农业迅速发展,结合深度学习的农业应用屡见不鲜,如作物病害检测、生长环境监测、作物自动采摘、无人农场管理等,边缘计算可以为农业多场景、复杂任务提供高效、可靠的新型数据处理方案。该研究概述了边缘计算的发展,计算架构及主要优势;介绍了边缘计算在农业中的应用背景,结合文献量分析,归纳了边缘计算在农业上的主要应用场景及相关智能农业装备,调研了现有常用边缘计算设备及性能参数,总结了适合边缘计算的主流深度学习算法及模型压缩方法。研究表明边缘计算在智慧农业中的应用有效促进了农业的数字化、智能化,未来在多场景、多功能边缘计算智能农业装备开发等领域将面临重大挑战和机遇。
展开更多
关键词
物联网
边缘计算
云计算
智慧农业
深度学习
模型压缩
模型部署
在线阅读
下载PDF
职称材料
基于改进Faster R-CNN和Deep Sort的棉铃跟踪计数
被引量：
6
2
作者
黄成龙
张忠福
+3 位作者
华向东
杨俊雅
柯宇曦
杨万能
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第6期205-213,共9页
棉铃作为棉花重要的产量与品质器官,单株铃数、铃长、铃宽等相关表型性状一直是棉花育种的重要研究内容。为解决由于叶片遮挡导致传统静态图像检测方法无法获取全部棉铃数量的问题,提出了一种以改进Faster R-CNN、Deep Sort和撞线匹配...
棉铃作为棉花重要的产量与品质器官,单株铃数、铃长、铃宽等相关表型性状一直是棉花育种的重要研究内容。为解决由于叶片遮挡导致传统静态图像检测方法无法获取全部棉铃数量的问题,提出了一种以改进Faster R-CNN、Deep Sort和撞线匹配机制为主要算法框架的棉铃跟踪计数方法,以实现在动态视频输入情况下对盆栽棉花棉铃的数量统计。采用基于特征金字塔的Faster R-CNN目标检测网络,融合导向锚框、Soft NMS等网络优化方法,实现对视频中棉铃目标更精确的定位;使用Deep Sort跟踪器通过卡尔曼滤波和深度特征匹配实现前后帧同一目标的相互关联,并为目标进行ID匹配;针对跟踪过程ID跳变问题设计了掩模撞线机制以实现动态旋转视频棉铃数量统计。试验结果表明:改进Faster R-CNN目标检测结果最优,平均测量精度mAP75和F1值分别为0.97和0.96,较改进前分别提高0.02和0.01;改进Faster R-CNN和Deep Sort跟踪结果最优,多目标跟踪精度为0.91,较Tracktor和Sort算法分别提高0.02和0.15;单株铃数计数结果决定系数、均方误差、平均绝对误差和平均绝对百分比误差分别为0.96、1.19、0.81和5.92%,与人工值具有较高一致性,开发的棉铃跟踪软件可以实现对棉铃的有效跟踪和计数。
展开更多
关键词
棉铃计数
目标检测
目标跟踪
Faster
R-CNN
Deep
Sort
在线阅读
下载PDF
职称材料
题名
边缘计算在智慧农业中的应用现状与展望
被引量：
27
1
作者
黄成龙
柯宇曦
华向东
杨俊雅
孙梦雨
杨万能
机构
华中农业大学工学院
华中农业大学作物遗传改良国家重点实验室
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2022年第16期224-234,共11页
基金
国家自然科学基金项目(32270431,U21A20205)
中央高校基本科研业务费项目(2662022YJ018)。
文摘
互联网技术快速发展使得数据量剧增,云计算的数据集中处理模式存在实时性不足、能耗过高以及数据安全等一系列问题。边缘计算是在靠近数据源端执行计算的分散处理模式,与云计算相比具有低延迟、低成本、安全性高、个性化设计等优势。随着智慧农业迅速发展,结合深度学习的农业应用屡见不鲜,如作物病害检测、生长环境监测、作物自动采摘、无人农场管理等,边缘计算可以为农业多场景、复杂任务提供高效、可靠的新型数据处理方案。该研究概述了边缘计算的发展,计算架构及主要优势;介绍了边缘计算在农业中的应用背景,结合文献量分析,归纳了边缘计算在农业上的主要应用场景及相关智能农业装备,调研了现有常用边缘计算设备及性能参数,总结了适合边缘计算的主流深度学习算法及模型压缩方法。研究表明边缘计算在智慧农业中的应用有效促进了农业的数字化、智能化,未来在多场景、多功能边缘计算智能农业装备开发等领域将面临重大挑战和机遇。
关键词
物联网
边缘计算
云计算
智慧农业
深度学习
模型压缩
模型部署
Keywords
internet of things
edge computing
cloud computing
smart agriculture
deep learning
model compression
model deployment
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于改进Faster R-CNN和Deep Sort的棉铃跟踪计数
被引量：
6
2
作者
黄成龙
张忠福
华向东
杨俊雅
柯宇曦
杨万能
机构
华中农业大学工学院
华中农业大学作物遗传改良国家重点实验室
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第6期205-213,共9页
基金
湖北省重点研发计划青年科学家项目(2022BBA0045)
国家自然科学基金项目(32270431、U21A20205)
中央高校基本科研业务费专项资金项目(2662022YJ018)。
文摘
棉铃作为棉花重要的产量与品质器官,单株铃数、铃长、铃宽等相关表型性状一直是棉花育种的重要研究内容。为解决由于叶片遮挡导致传统静态图像检测方法无法获取全部棉铃数量的问题,提出了一种以改进Faster R-CNN、Deep Sort和撞线匹配机制为主要算法框架的棉铃跟踪计数方法,以实现在动态视频输入情况下对盆栽棉花棉铃的数量统计。采用基于特征金字塔的Faster R-CNN目标检测网络,融合导向锚框、Soft NMS等网络优化方法,实现对视频中棉铃目标更精确的定位;使用Deep Sort跟踪器通过卡尔曼滤波和深度特征匹配实现前后帧同一目标的相互关联,并为目标进行ID匹配;针对跟踪过程ID跳变问题设计了掩模撞线机制以实现动态旋转视频棉铃数量统计。试验结果表明:改进Faster R-CNN目标检测结果最优,平均测量精度mAP75和F1值分别为0.97和0.96,较改进前分别提高0.02和0.01;改进Faster R-CNN和Deep Sort跟踪结果最优,多目标跟踪精度为0.91,较Tracktor和Sort算法分别提高0.02和0.15;单株铃数计数结果决定系数、均方误差、平均绝对误差和平均绝对百分比误差分别为0.96、1.19、0.81和5.92%,与人工值具有较高一致性,开发的棉铃跟踪软件可以实现对棉铃的有效跟踪和计数。
关键词
棉铃计数
目标检测
目标跟踪
Faster
R-CNN
Deep
Sort
Keywords
cotton boll counting
object detection
object tracking
Faster R CNN
Deep Sor
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
S24 [农业科学—农业电气化与自动化]
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
边缘计算在智慧农业中的应用现状与展望
黄成龙
柯宇曦
华向东
杨俊雅
孙梦雨
杨万能
《农业工程学报》
EI
CAS
CSCD
北大核心
2022
27
在线阅读
下载PDF
职称材料
2
基于改进Faster R-CNN和Deep Sort的棉铃跟踪计数
黄成龙
张忠福
华向东
杨俊雅
柯宇曦
杨万能
《农业机械学报》
EI
CAS
CSCD
北大核心
2023
6
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
