检索结果-维普期刊中文期刊服务平台

基于深度学习的轻量化农作物叶片病害识别模型被引量：1: 1; 作者周江龙王天一 +1 位作者李论蒋宁《江苏农业科学》北大核心 2024年第16期230-238,共9页; 针对传统图像分类模型在识别农作物叶部病害过程中因计算资源消耗高昂从而难以部署于实际生产中的问题,本研究提出一种基于MobileNet v3的轻量化农作物叶片病害识别模型EDCA-MobileNet v3。首先在高效注意力机制中加入一条并行路径,提... 展开更多; 关键词农作物叶片病害 MobileNet v3 注意力机制激活函数; 在线阅读下载PDF 职称材料

主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别方法: 2; 作者罗洋何自芬 +1 位作者张印辉陈光晨《农业机械学报》北大核心 2025年第1期377-387,共11页; 作物叶片等级和病害的快速准确识别对开发农业智能设备以促进农产品精细化管理有着重要意义。针对作物叶片等级和病害识别准确率低、成本高等问题,提出主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别算法(Crop leaf gra... 展开更多; 关键词作物叶片等级作物叶片病害目标检测信息共享多感受野特征融合; 在线阅读下载PDF 职称材料

基于特征重组网络的小样本农作物病害叶片检测: 3; 作者党婉誉周烨炆徐斌腾《江苏农业科学》北大核心 2024年第20期236-243,共8页; 针对现有作物病害叶片检测模型的性能过度依赖大量带标注数据集以及预训练模型的泛化性不强等问题,提出一种基于特征重组网络的小样本农作物病害叶片检测方法。首先,采用支持分支和查询分支的双分支网络结构,将支持图像和查询图像映射... 展开更多; 关键词作物病害叶片检测特征重组全局平均池化特征增强原型集; 在线阅读下载PDF 职称材料

基于引力核密度聚类算法的作物病害叶片区域的快速检测: 4; 作者刘哲黄文准王利平《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期488-494,共7页; 针对作物病害叶片图像的复杂性和模糊性,提出一种基于引力核密度聚类算法的作物叶片病害区域快速检测方法:首先,在RGB颜色空间提取病害叶片图像的R通道值,根据R值的特征直方图特性,运用多项式拟合特征直方图曲线,根据导数性质确定拟合... 展开更多; 关键词引力核密度聚类算法作物病害叶片图像分割颜色空间; 在线阅读下载PDF 职称材料

基于不变矩的作物病害识别方法被引量：1: 5; 作者王旭启张善文王献锋《江苏农业科学》北大核心 2014年第6期378-380,共3页; 针对作物病害识别的复杂性,提出一种基于不变矩(invariants moments,IM)算法的病害识别方法。对作物病害叶片图像进行不变矩特征提取,采用最近邻分类器对作物病害叶片进行识别。以芹菜病害叶片为材料,进行病害识别,结果表明,该方法是有... 展开更多; 关键词作物病害叶片特征提取不变矩最近邻分类器; 在线阅读下载PDF 职称材料

基于局部二值模式的作物叶部病斑检测被引量：4: 6; 作者李超彭进业 +1 位作者孔韦韦张善文《计算机工程与应用》 CSCD 北大核心 2017年第24期233-237,共5页; 根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式(WTCSLBP)的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定... 展开更多; 关键词局部二值模式(LBP) 窗阈值中心对称LBP(WTCSLBP) 作物病害叶片叶片病斑检测; 在线阅读下载PDF 职称材料

题名基于深度学习的轻量化农作物叶片病害识别模型被引量：1: 1; 作者周江龙王天一李论蒋宁; 机构贵州大学大数据与信息工程学院贵州玄德花椒产业发展有限公司; 出处《江苏农业科学》北大核心 2024年第16期230-238,共9页; 基金贵州省科技计划[编号:黔科合支撑(2021)一般176]。; 文摘针对传统图像分类模型在识别农作物叶部病害过程中因计算资源消耗高昂从而难以部署于实际生产中的问题,本研究提出一种基于MobileNet v3的轻量化农作物叶片病害识别模型EDCA-MobileNet v3。首先在高效注意力机制中加入一条并行路径,提取不同区域的通道特征信息进行编码融合,得到新的高效双通道注意力机制EDCA,将EDCA注意力机制嵌入到MobileNet v3网络中的倒置残差结构中以提高模型的跨通道信息捕获能力;其次将原始网络中的ReLU、Hard Swish激活函数替换为SiLU激活函数以增强模型的泛化能力;最后根据农作物叶片病害特征调整网络结构和通道维度以降低模型计算量,删减不必要的网络层以抑制过拟合。结果表明,改进模型对农作物叶片病害的识别准确率达到了98.95%,较原始模型提高了2.64百分点,同时参数量下降到2.02 M,为原始模型的79.53%,权重大小仅有4.39 M,模型还在未出现过的新作物和新病害上具有较好的泛化能力。本研究模型具有高效、轻量的特点,因而适合在计算资源有限的移动设备和农机上部署,为农作物叶片病害防治与诊断提供技术支撑。; 关键词农作物叶片病害 MobileNet v3 注意力机制激活函数; 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

题名主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别方法: 2; 作者罗洋何自芬张印辉陈光晨; 机构红塔烟草(集团)有限责任公司昭通卷烟厂昆明理工大学机电工程学院; 出处《农业机械学报》北大核心 2025年第1期377-387,共11页; 基金国家自然科学基金项目(62171206、62061022) 中国烟草总公司云南省公司烟叶智能分级项目(HZ2021K0462A)。; 文摘作物叶片等级和病害的快速准确识别对开发农业智能设备以促进农产品精细化管理有着重要意义。针对作物叶片等级和病害识别准确率低、成本高等问题,提出主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别算法(Crop leaf grade and disease recognition network,CLGDRNet)。首先,CLGDRNet采用CSPNet、GhostNet、ShuffleNet构建特征提取主干网络,同时将CSPNet、GhostNet、ShuffleNet所提取的特征信息进行共享以达到信息互补的目的;其次,设计多感受野特征自适应融合模块(Multi-receptive field feature adaptive fusion module,MRFA),将不同感受野特征图进行自适应加权融合,在增强模型局部感受野的同时突出有效通道信息;最后,提出一种深层梯度跨空间学习高效多尺度注意力模块(Efficient multi-scale attention mechanism with deep gradient cross-space learning,EMAD),将EMAD嵌入模型的颈部以获取深层梯度信息和目标坐标信息并跨空间融合不同尺度的上下文信息,使模型能够对深层特征图产生更精确的像素级关注。实验结果表明,CLGDRNet在初烤烟叶分级数据集(Tobacco leaf grading dataset,TLGD)上识别精度mAP@0.5和mAP@0.5:0.95分别达到85.0%、76.1%,在苹果叶病害数据集(Apple leaf disease dataset,ALDD)上识别精度mAP@0.5和mAP@0.5:0.95分别达到97.6%、74.2%。相较于多种先进目标检测算法,CLGDRNet具有更高的识别精度,可为高精度作物叶片等级和病害识别提供关键技术支撑。; 关键词作物叶片等级作物叶片病害目标检测信息共享多感受野特征融合; Keywords crop leaf grade crop leaf disease object detection information sharing multi-receptive field feature fusion; 分类号 TP391 [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

题名基于特征重组网络的小样本农作物病害叶片检测: 3; 作者党婉誉周烨炆徐斌腾; 机构驻马店职业技术学院信息工程学院/河南省乡村智慧农业工程研究中心河南农业大学信息与管理科学学院郑州大学电气与信息工程学院; 出处《江苏农业科学》北大核心 2024年第20期236-243,共8页; 基金国家自然科学基金(编号:62002330)。; 文摘针对现有作物病害叶片检测模型的性能过度依赖大量带标注数据集以及预训练模型的泛化性不强等问题,提出一种基于特征重组网络的小样本农作物病害叶片检测方法。首先,采用支持分支和查询分支的双分支网络结构,将支持图像和查询图像映射到深度特征空间,并在支持分支中采用特征增强网络缓解映射特征与原始标注不对齐的问题。其次,借助全局平均池化策略生成初始原型,利用该原型反向指导原始支持图像中病害叶片的识别,并根据初始识别结果对原型进行优化。再次,通过比对识别区域与原始标注之间的特征差异,构造辅助原型与主域原型。最后,融合原始原型、辅助原型和主域原型,构造多原型集,并利用度量方法计算原型集与查询特征间的关联,根据关联值给出预测标签。在自建的橘子、番茄和苹果等病害叶片数据集上进行测试,所提出方法分别获得了97.18%的精准率、97.31%的召回率、96.90%的F 1分数和84.71%的FB-IoU,优于主流的目标检测方法。; 关键词作物病害叶片检测特征重组全局平均池化特征增强原型集; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于引力核密度聚类算法的作物病害叶片区域的快速检测: 4; 作者刘哲黄文准王利平; 机构西京学院信息工程学院; 出处《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期488-494,共7页; 基金国家自然科学基金项目(61473237) 陕西省科学技术厅重点研发项目(2017ZDXM-NY-088)。; 文摘针对作物病害叶片图像的复杂性和模糊性,提出一种基于引力核密度聚类算法的作物叶片病害区域快速检测方法:首先,在RGB颜色空间提取病害叶片图像的R通道值,根据R值的特征直方图特性,运用多项式拟合特征直方图曲线,根据导数性质确定拟合特征直方图曲线的峰值点和峰值区域,确定病害叶片图像聚类数和初始聚类中心;根据初步确定的病变叶片图像的聚类中心,运用引力核密度聚类算法快速完成对病害叶片病斑的分割。试验结果表明,基于引力核密度聚类算法的平均分割精度达80%以上,平均检测时间为4.912 s,优于已有病害区域分割算法K–means和Meanshift的性能。; 关键词引力核密度聚类算法作物病害叶片图像分割颜色空间; Keywords gravitational kernel density clustering algorithms crop leaf image segmentation color space; 分类号 TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于不变矩的作物病害识别方法被引量：1: 5; 作者王旭启张善文王献锋; 机构西京学院工程技术系; 出处《江苏农业科学》北大核心 2014年第6期378-380,共3页; 基金国家自然科学基金(编号:61272333) 陕西省教育厅自然科学研究项目(编号:2013JK887); 文摘针对作物病害识别的复杂性,提出一种基于不变矩(invariants moments,IM)算法的病害识别方法。对作物病害叶片图像进行不变矩特征提取,采用最近邻分类器对作物病害叶片进行识别。以芹菜病害叶片为材料,进行病害识别,结果表明,该方法是有效可行的。; 关键词作物病害叶片特征提取不变矩最近邻分类器; 分类号 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

题名基于局部二值模式的作物叶部病斑检测被引量：4: 6; 作者李超彭进业孔韦韦张善文; 机构西北大学信息科学与技术学院西北工业大学电子信息学院西京学院工程技术学院; 出处《计算机工程与应用》 CSCD 北大核心 2017年第24期233-237,共5页; 基金国家自然科学基金(No.61473237) 陕西省自然科学基础研究计划(No.2014JM2-6096); 文摘根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式(WTCSLBP)的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP(CS-LBP)和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。; 关键词局部二值模式(LBP) 窗阈值中心对称LBP(WTCSLBP) 作物病害叶片叶片病斑检测; Keywords Local Binary Patterns(LBP) Window Threshold Center- Symmetric Local Binary Pattern(WTCSLBP) crop disease leaf leaf spot detection; 分类号 TP391 [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	作者	出处	发文年	被引量	操作
1	基于深度学习的轻量化农作物叶片病害识别模型	周江龙王天一李论蒋宁	《江苏农业科学》北大核心	2024	1	在线阅读下载PDF 职称材料
2	主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别方法	罗洋何自芬张印辉陈光晨	《农业机械学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于特征重组网络的小样本农作物病害叶片检测	党婉誉周烨炆徐斌腾	《江苏农业科学》北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于引力核密度聚类算法的作物病害叶片区域的快速检测	刘哲黄文准王利平	《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心	2020	0	在线阅读下载PDF 职称材料
5	基于不变矩的作物病害识别方法	王旭启张善文王献锋	《江苏农业科学》北大核心	2014	1	在线阅读下载PDF 职称材料
6	基于局部二值模式的作物叶部病斑检测	李超彭进业孔韦韦张善文	《计算机工程与应用》 CSCD 北大核心	2017	4	在线阅读下载PDF 职称材料