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
1
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
基于多尺度序列特征融合的林区害虫检测算法
被引量：
1
1
作者
唐延龄
韩巧玲
+4 位作者
赵玥
刘卫平
郑一力
赵燕东
徐钐钐
《林业科学》
北大核心
2025年第2期21-30,共10页
【目的】针对虫情测报灯采集到的林区害虫样本种类多、尺寸复杂及密集遮挡问题,提出了一种多尺度序列特征融合检测算法(MPD-YOLO),用于提升林区害虫检测的精确度,为林区害虫监测和防护提供了新的技术路径。【方法】首先,以采集于北京、...
【目的】针对虫情测报灯采集到的林区害虫样本种类多、尺寸复杂及密集遮挡问题,提出了一种多尺度序列特征融合检测算法(MPD-YOLO),用于提升林区害虫检测的精确度,为林区害虫监测和防护提供了新的技术路径。【方法】首先,以采集于北京、河北、山西等地的林区害虫图像为基础,构建包含18类林区害虫的数据集。数据集涵盖不同场景下的害虫图像,为算法的训练与测试提供了可靠的数据支撑。其次,为提高小目标害虫的检测效果,利用3D卷积对小目标进行更为深入的尺度序列特征提取,MPD-YOLO方法引入尺度序列特征融合模块(SSFF),有效提升模型对小目标的感知能力。最后,为解决密集遮挡和多尺度害虫并存情况下的模型检测能力,MPD-YOLO方法提出了三重特征编码高效聚合模块(TFE-ELAN),通过将不同尺寸特征图进行特征融合,增强多层特征图之间信息的关联性,提升了模型的检测性能。【结果】在相同试验条件下,本研究在构建的数据集上对MPD-YOLO进行大量试验,并与主流的目标检测算法(YOLO系列、Faster-CNN等)进行对比分析。MPD-YOLO方法具有最佳的害虫识别精度,其F1-score和m AP分别达到88.43%和91.92%,比次优方法YOLOv8x分别高1.45%和1.22%。相比于原网络模型YOLOv7,MPD-YOLO的F1-score与mAP分别比YOLOv7高0.72%和2.8%,证明了本文所提方法在处理复杂目标检测任务中的优势。此外,本研究中消融试验,分析了尺度序列特征融合模块和三重特征编码高效聚合模块对整体性能的贡献,验证了各模块设计的有效性。【结论】本文提出的MPD-YOLO算法,有效提升了复杂环境下多尺度害虫的检测性能,在处理复杂环境下的检测任务时表现出较高的鲁棒性。
展开更多
关键词
林区害虫防控
林区
生态系统
小目标检测
YOLOv7
特征融合
在线阅读
下载PDF
职称材料
题名
基于多尺度序列特征融合的林区害虫检测算法
被引量：
1
1
作者
唐延龄
韩巧玲
赵玥
刘卫平
郑一力
赵燕东
徐钐钐
机构
北京林业大学工学院
出处
《林业科学》
北大核心
2025年第2期21-30,共10页
基金
国家自然科学基金青年科学基金项目(32101590)
国家自然科学基金面上项目(32071838)
北京林业大学“5·5工程”科研创新团队项目(BLRC2023C05)。
文摘
【目的】针对虫情测报灯采集到的林区害虫样本种类多、尺寸复杂及密集遮挡问题,提出了一种多尺度序列特征融合检测算法(MPD-YOLO),用于提升林区害虫检测的精确度,为林区害虫监测和防护提供了新的技术路径。【方法】首先,以采集于北京、河北、山西等地的林区害虫图像为基础,构建包含18类林区害虫的数据集。数据集涵盖不同场景下的害虫图像,为算法的训练与测试提供了可靠的数据支撑。其次,为提高小目标害虫的检测效果,利用3D卷积对小目标进行更为深入的尺度序列特征提取,MPD-YOLO方法引入尺度序列特征融合模块(SSFF),有效提升模型对小目标的感知能力。最后,为解决密集遮挡和多尺度害虫并存情况下的模型检测能力,MPD-YOLO方法提出了三重特征编码高效聚合模块(TFE-ELAN),通过将不同尺寸特征图进行特征融合,增强多层特征图之间信息的关联性,提升了模型的检测性能。【结果】在相同试验条件下,本研究在构建的数据集上对MPD-YOLO进行大量试验,并与主流的目标检测算法(YOLO系列、Faster-CNN等)进行对比分析。MPD-YOLO方法具有最佳的害虫识别精度,其F1-score和m AP分别达到88.43%和91.92%,比次优方法YOLOv8x分别高1.45%和1.22%。相比于原网络模型YOLOv7,MPD-YOLO的F1-score与mAP分别比YOLOv7高0.72%和2.8%,证明了本文所提方法在处理复杂目标检测任务中的优势。此外,本研究中消融试验,分析了尺度序列特征融合模块和三重特征编码高效聚合模块对整体性能的贡献,验证了各模块设计的有效性。【结论】本文提出的MPD-YOLO算法,有效提升了复杂环境下多尺度害虫的检测性能,在处理复杂环境下的检测任务时表现出较高的鲁棒性。
关键词
林区害虫防控
林区
生态系统
小目标检测
YOLOv7
特征融合
Keywords
forest pest control
forest ecosystem
small target detection
YOLOv7
feature fusion
分类号
S763.30 [农业科学—森林保护学]
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
基于多尺度序列特征融合的林区害虫检测算法
唐延龄
韩巧玲
赵玥
刘卫平
郑一力
赵燕东
徐钐钐
《林业科学》
北大核心
2025
1
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
