检索结果-维普期刊中文期刊服务平台

基于机器视觉的大田环境小麦麦穗计数方法被引量：30: 1; 作者范梦扬马钦 +3 位作者刘峻明王庆王越段熊春《农业机械学报》 EI CAS CSCD 北大核心 2015年第S1期234-239,共6页; 基于机器视觉技术研究了一种低成本、针对局部小范围的小麦麦穗计数方法。通过部署的田间摄像头采集大田环境下小麦麦穗低分辨率群体图像,实现了复杂大田环境下小麦麦穗图像的降噪增强处理;提取麦穗的颜色、纹理特征,采用SVM学习的方法... 展开更多; 关键词小麦麦穗机器视觉图像特征支持向量机骨架; 在线阅读下载PDF 职称材料

基于YOLOv3网络的小麦麦穗检测及计数被引量：8: 2; 作者郝王丽尉培岩 +2 位作者韩猛张丽席瑞泽《湖北农业科学》 2021年第2期158-160,183,共4页; 小麦(Triticum aestivum L.)麦穗检测及计数对小麦产量估计及育种至关重要,但传统小麦麦穗数量统计都是基于人工统计的方法或遥感预测等方法,效率低且准确率差。为解决上述问题,提出了基于YOLOv3的深度神经网络小麦检测方法。结果表明,Y... 展开更多; 关键词小麦(Triticum aestivum L.)麦穗 YOLOv3网络麦穗检测麦穗计数; 在线阅读下载PDF 职称材料

基于改进YOLOv7的麦穗检测算法被引量：4: 3; 作者陈森徐伟峰 +1 位作者王洪涛雷耀《吉林大学学报（理学版）》 CAS 北大核心 2024年第4期886-894,共9页; 针对麦穗数据集中存在的检测目标密集、遮挡、各地区形态不一致现象引起的漏检、模型泛化能力弱等问题,提出一种基于改进YOLOv7的麦穗检测算法.首先,在YOLOv7网络的骨干特征提取网络引入混合注意力机制加强对位置特征的提取,缓解检测目... 展开更多; 关键词小麦麦穗检测混合注意力增量学习空洞卷积; 在线阅读下载PDF 职称材料

基于卷积神经网络的田间麦穗检测方法研究: 4; 作者张合涛赵春江 +3 位作者王传宇郭新宇李大壮苟文博《麦类作物学报》 CAS CSCD 北大核心 2023年第6期798-807,共10页; 为提高卷积神经网络对麦穗的识别检测精度,在YOLOv5检测模型基础上提出改进的识别检测模型YOLOv5-αTB,在特征提取网络末端部分加入Transformer模块,强化特征提取网络对小麦麦穗图像的颜色、纹理、几何等特征的提取,在特征融合部分将路... 展开更多; 关键词小麦麦穗卷积神经网络特征提取特征融合损失函数麦穗识别检测模型; 在线阅读下载PDF 职称材料

题名基于机器视觉的大田环境小麦麦穗计数方法被引量：30: 1; 作者范梦扬马钦刘峻明王庆王越段熊春; 机构中国农业大学信息与电气工程学院中国农业大学农业部农业信息获取技术重点实验室; 出处《农业机械学报》 EI CAS CSCD 北大核心 2015年第S1期234-239,共6页; 基金 "十二五"国家科技支撑计划资助项目(2012BAD20B0103); 文摘基于机器视觉技术研究了一种低成本、针对局部小范围的小麦麦穗计数方法。通过部署的田间摄像头采集大田环境下小麦麦穗低分辨率群体图像,实现了复杂大田环境下小麦麦穗图像的降噪增强处理;提取麦穗的颜色、纹理特征,采用SVM学习的方法,精确提取小麦麦穗轮廓,同时构建麦穗特征数据库,对麦穗的二值图像细化得到麦穗骨架;最后通过计算麦穗骨架的数量以及麦穗骨架有效交点的数量,即可得到图像中麦穗的数量。经过2014年5月和2015年5月在方城县赵河镇示范区的试验测试,以小麦麦穗图像640像素×480像素(约250穗)为例,小麦麦穗计数平均耗时1.7 s,准确率达到93.1%,满足大田环境下小麦麦穗计数要求,可以为小麦估产提供可靠的参考数据。; 关键词小麦麦穗机器视觉图像特征支持向量机骨架; Keywords Wheatear Machine vision Image feature Support vector machine Skeleton; 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YOLOv3网络的小麦麦穗检测及计数被引量：8: 2; 作者郝王丽尉培岩韩猛张丽席瑞泽; 机构山西农业大学软件学院; 出处《湖北农业科学》 2021年第2期158-160,183,共4页; 基金山西农业大学青年基金项目(20142-09) 山西省高等学校科技创新项目(2020L0154)。; 文摘小麦(Triticum aestivum L.)麦穗检测及计数对小麦产量估计及育种至关重要,但传统小麦麦穗数量统计都是基于人工统计的方法或遥感预测等方法,效率低且准确率差。为解决上述问题,提出了基于YOLOv3的深度神经网络小麦检测方法。结果表明,YOLOv3在3种常见的小麦品种上检测平均精度mAP值为67.81%,麦穗计数准确率为93%,该方法可快速高效地检测特定标注框中的小麦麦穗。; 关键词小麦(Triticum aestivum L.)麦穗 YOLOv3网络麦穗检测麦穗计数; Keywords wheat ear YOLOv3 network wheat ear detection wheat ear counting; 分类号 TP391.4 [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

题名基于改进YOLOv7的麦穗检测算法被引量：4: 3; 作者陈森徐伟峰王洪涛雷耀; 机构华北电力大学(保定)计算机系河北省能源电力知识计算重点实验室; 出处《吉林大学学报（理学版）》 CAS 北大核心 2024年第4期886-894,共9页; 基金国家自然科学基金(批准号:61802124) 中央高校基本科研业务费专项基金(批准号:2021MS089)。; 文摘针对麦穗数据集中存在的检测目标密集、遮挡、各地区形态不一致现象引起的漏检、模型泛化能力弱等问题,提出一种基于改进YOLOv7的麦穗检测算法.首先,在YOLOv7网络的骨干特征提取网络引入混合注意力机制加强对位置特征的提取,缓解检测目标密集导致的漏检问题;其次,在骨干特征提取网络引入能结合不同尺寸的可切换空洞卷积(switchable atrous convolution, SAC),通过增大感受野实现提取不同尺度的特征信息,可有效改善因遮挡现象引起的漏检问题;最后,在特征融合部分引入增量学习模块(example vector correction, EVC),提高模型的鲁棒性和泛化能力.实验结果表明,改进后的麦穗识别算法在全球小麦麦穗数据集的平均目标检测精度与原YOLOv7相比提高了2.11个百分点.; 关键词小麦麦穗检测混合注意力增量学习空洞卷积; Keywords wheat ear detection mixed attention incremental learning atrous convolution; 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

题名基于卷积神经网络的田间麦穗检测方法研究: 4; 作者张合涛赵春江王传宇郭新宇李大壮苟文博; 机构西北农林科技大学信息工程学院北京农业信息技术研究中心国家农业信息化工程技术研究中心/数字植物北京市重点实验室; 出处《麦类作物学报》 CAS CSCD 北大核心 2023年第6期798-807,共10页; 基金北京市农林科学院作物表型组学协同创新中心资助项目。; 文摘为提高卷积神经网络对麦穗的识别检测精度,在YOLOv5检测模型基础上提出改进的识别检测模型YOLOv5-αTB,在特征提取网络末端部分加入Transformer模块,强化特征提取网络对小麦麦穗图像的颜色、纹理、几何等特征的提取,在特征融合部分将路径聚合网络(path aggregation network,PANet)替换成加权双向特征金字塔(bidirectional feature pyramid network,BiFPN),进一步优化多尺度特征的融合。针对边界框回归损失函数的计算方式IoU的局限性,引入了α-CIoU加强了边界框回归的效果。利用YOLOv5-αTB检测模型在测试集上得到的精确度(precision)、召回率(recall)和平均精度(average precision,AP)分别是99.95%、81.86%和88.64%,在平均精度上相比于传统的YOLOv5模型提升2.92个百分点。该模型检测统计麦穗数量对比人工计数结果,识别检测精度约为97.00%。; 关键词小麦麦穗卷积神经网络特征提取特征融合损失函数麦穗识别检测模型; Keywords Wheat ears Convolutional neural network Feature extraction Feature fusion Loss function Wheat ears recognition and detection model; 分类号 S512.1 [农业科学—作物学] S311 [农业科学—作物栽培与耕作技术]; 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	基于机器视觉的大田环境小麦麦穗计数方法	范梦扬马钦刘峻明王庆王越段熊春	《农业机械学报》 EI CAS CSCD 北大核心	2015	30	在线阅读下载PDF 职称材料
2	基于YOLOv3网络的小麦麦穗检测及计数	郝王丽尉培岩韩猛张丽席瑞泽	《湖北农业科学》	2021	8	在线阅读下载PDF 职称材料
3	基于改进YOLOv7的麦穗检测算法	陈森徐伟峰王洪涛雷耀	《吉林大学学报（理学版）》 CAS 北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于卷积神经网络的田间麦穗检测方法研究	张合涛赵春江王传宇郭新宇李大壮苟文博	《麦类作物学报》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料