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
3
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
基于无人机影像的丘陵山地柑橘果实实时检测与计数
1
作者
李川红
付兴兰
+2 位作者
傅晗文
宋杰
李光林
《农业工程学报》
北大核心
2025年第17期153-161,共9页
为提高丘陵山地复杂环境下柑橘果实的检测精度与计数效率,该研究提出一种基于无人机高分辨率影像的柑橘果实检测与计数方法。首先,在YOLOv8n主干网络中,采用GhostConv模块替代标准卷积层,并引入C3Ghost模块以重构特征提取路径,从而在保...
为提高丘陵山地复杂环境下柑橘果实的检测精度与计数效率,该研究提出一种基于无人机高分辨率影像的柑橘果实检测与计数方法。首先,在YOLOv8n主干网络中,采用GhostConv模块替代标准卷积层,并引入C3Ghost模块以重构特征提取路径,从而在保持检测精度的同时有效降低计算复杂度;其次,在模型颈部嵌入卷积注意力机制(convolutional block attention module,CBAM),增强模型特征表达能力;然后,采用损失函数(wise intersection over union,WIoU)优化网络收敛过程;最后,结合DeepSORT(deep simple online and real-time tracking)算法实现对柑橘果实精准跟踪计数。试验结果表明,改进后模型精确度、召回率、平均精度均值分别达到98.9%、94.4%、98.5%,相较于原模型提高了4.2、3.4、3.7个百分点,推理时间降低了75.7%。离线视频计数时,平均计数准确度(counting accuracy,C_A)为95.57%,田间在线实时计数的平均准确度达到94.11%,模型具有较高的检测精度和实时检测性能。该研究为果园估产和智能化精准管理提供了技术支持。
展开更多
关键词
无人机
深度学习
柑橘
果实计数
YOLOv8
DeepSORT
在线阅读
下载PDF
职称材料
基于改进YOLOv9s与自适应卡尔曼滤波的套袋葡萄视频计数方法
被引量：
1
2
作者
吕佳
冉洁
《农业工程学报》
北大核心
2025年第10期195-203,共9页
针对现有果实计数方法实时性不足,以及套袋葡萄遮挡和检测噪声导致追踪失败的问题,该研究提出一种基于改进YOLOv9s与自适应卡尔曼滤波的套袋葡萄视频计数方法。该方法由改进YOLOv9s检测模型、自适应卡尔曼滤波追踪算法和划线计数3个子...
针对现有果实计数方法实时性不足,以及套袋葡萄遮挡和检测噪声导致追踪失败的问题,该研究提出一种基于改进YOLOv9s与自适应卡尔曼滤波的套袋葡萄视频计数方法。该方法由改进YOLOv9s检测模型、自适应卡尔曼滤波追踪算法和划线计数3个子方法构成。在检测阶段,为减少YOLOv9s模型的参数量并提升推理速度,同时增强其在遮挡场景下的检测性能,设计了EFEM(efficient feature enhancement module)优化特征提取,并引入SEAM(spatially enhanced attention module)以提高遮挡情况下的检测性能。在追踪阶段,为解决因拍摄设备抖动和快速运动等因素引起的检测噪声导致卡尔曼滤波轨迹预测精度下降问题,提出一种自适应卡尔曼滤波追踪算法。该算法根据检测置信度自动调整噪声估计,以提高卡尔曼滤波对套袋葡萄轨迹的预测精度,进而提升追踪性能。在计数阶段,采用划线计数策略实现对套袋葡萄的自动计数。试验结果表明,在检测性能方面,改进后的YOLOv9s模型参数量减少了29.6%,推理速度达到了70帧/s;在追踪性能方面,改进后的追踪算法在高阶追踪准确率、多目标追踪准确率及ID调和平均数指标上,分别提升了4.3、2.2和2.5个百分点;在计数性能方面,平均计数精度达到了80.0%。综上,该方法在实时追踪与计数方面展现了良好的应用潜力,可为套袋葡萄收获前的产量估计提供技术支持。
展开更多
关键词
YOLOv9
套袋葡萄
果实
追踪
果实计数
卡尔曼滤波
在线阅读
下载PDF
职称材料
基于超深掩蔽与改进YOLOv8的不同成熟度番茄计数方法
被引量：
5
3
作者
张润池
周云成
+3 位作者
侯玉涵
刘泽钰
赵鸿舸
赵昱涵
《农业工程学报》
CSCD
北大核心
2024年第24期146-156,共11页
针对在温室生产条件和作物种植模式约束下,番茄果实目标连续稳定跟踪困难,难以满足统计计数精度要求等问题,提出一种基于超深掩蔽与改进YOLOv8的不同成熟度果实计数方法。在YOLOv8基础上,构建融合全局特征的空间异质卷积核,优化设计卷...
针对在温室生产条件和作物种植模式约束下,番茄果实目标连续稳定跟踪困难,难以满足统计计数精度要求等问题,提出一种基于超深掩蔽与改进YOLOv8的不同成熟度果实计数方法。在YOLOv8基础上,构建融合全局特征的空间异质卷积核,优化设计卷积算子及目标检测网络,引入对果实目标标注更具鲁棒性的损失函数。提出用深度估计模型预测深度信息,动态生成深度阈值,基于该阈值,掩蔽远景果实目标,解决目标跟踪不稳定产生的计数精度低的问题。结果表明,与YOLOv8n相比,改进模型平均检测精度提高了3.2个百分点,召回率提高了3.7个百分点;将所设计的卷积算子用于目标检测模型,与使用该算子前相比,果实检测精度提高了2.7个百分点,与引入鲁棒性损失函数前相比,引入该损失后,检测精度提高了1.1个百分点;与不用超深掩蔽处理相比,应用该处理后,番茄果实计数精度提高了12.63个百分点;该方法的番茄果实计数精度为93.80%,对不同成熟度果实的计数精度不低于91.00%,计算速度为23帧/s。对YOLOv8的改进是有效的,超深掩蔽对提高番茄计数精度具有重要作用,研究可为基于视觉技术的果蔬产量统计提供技术参考。
展开更多
关键词
番茄
果实计数
目标检测
多目标追踪
超深掩蔽
在线阅读
下载PDF
职称材料
题名
基于无人机影像的丘陵山地柑橘果实实时检测与计数
1
作者
李川红
付兴兰
傅晗文
宋杰
李光林
机构
西南大学工程技术学院
出处
《农业工程学报》
北大核心
2025年第17期153-161,共9页
基金
国家农业科技重大项目(NK202302020206)。
文摘
为提高丘陵山地复杂环境下柑橘果实的检测精度与计数效率,该研究提出一种基于无人机高分辨率影像的柑橘果实检测与计数方法。首先,在YOLOv8n主干网络中,采用GhostConv模块替代标准卷积层,并引入C3Ghost模块以重构特征提取路径,从而在保持检测精度的同时有效降低计算复杂度;其次,在模型颈部嵌入卷积注意力机制(convolutional block attention module,CBAM),增强模型特征表达能力;然后,采用损失函数(wise intersection over union,WIoU)优化网络收敛过程;最后,结合DeepSORT(deep simple online and real-time tracking)算法实现对柑橘果实精准跟踪计数。试验结果表明,改进后模型精确度、召回率、平均精度均值分别达到98.9%、94.4%、98.5%,相较于原模型提高了4.2、3.4、3.7个百分点,推理时间降低了75.7%。离线视频计数时,平均计数准确度(counting accuracy,C_A)为95.57%,田间在线实时计数的平均准确度达到94.11%,模型具有较高的检测精度和实时检测性能。该研究为果园估产和智能化精准管理提供了技术支持。
关键词
无人机
深度学习
柑橘
果实计数
YOLOv8
DeepSORT
Keywords
UAV
deep learning
citrus
fruit counting
YOLOv8
DeepSORT
分类号
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
基于改进YOLOv9s与自适应卡尔曼滤波的套袋葡萄视频计数方法
被引量：
1
2
作者
吕佳
冉洁
机构
重庆师范大学计算机与信息科学学院
重庆市数字农业服务工程技术研究中心
出处
《农业工程学报》
北大核心
2025年第10期195-203,共9页
基金
重庆市高校创新研究群体(CXQT20015)
重庆市研究生科研创新项目(CYS240362)。
文摘
针对现有果实计数方法实时性不足,以及套袋葡萄遮挡和检测噪声导致追踪失败的问题,该研究提出一种基于改进YOLOv9s与自适应卡尔曼滤波的套袋葡萄视频计数方法。该方法由改进YOLOv9s检测模型、自适应卡尔曼滤波追踪算法和划线计数3个子方法构成。在检测阶段,为减少YOLOv9s模型的参数量并提升推理速度,同时增强其在遮挡场景下的检测性能,设计了EFEM(efficient feature enhancement module)优化特征提取,并引入SEAM(spatially enhanced attention module)以提高遮挡情况下的检测性能。在追踪阶段,为解决因拍摄设备抖动和快速运动等因素引起的检测噪声导致卡尔曼滤波轨迹预测精度下降问题,提出一种自适应卡尔曼滤波追踪算法。该算法根据检测置信度自动调整噪声估计,以提高卡尔曼滤波对套袋葡萄轨迹的预测精度,进而提升追踪性能。在计数阶段,采用划线计数策略实现对套袋葡萄的自动计数。试验结果表明,在检测性能方面,改进后的YOLOv9s模型参数量减少了29.6%,推理速度达到了70帧/s;在追踪性能方面,改进后的追踪算法在高阶追踪准确率、多目标追踪准确率及ID调和平均数指标上,分别提升了4.3、2.2和2.5个百分点;在计数性能方面,平均计数精度达到了80.0%。综上,该方法在实时追踪与计数方面展现了良好的应用潜力,可为套袋葡萄收获前的产量估计提供技术支持。
关键词
YOLOv9
套袋葡萄
果实
追踪
果实计数
卡尔曼滤波
Keywords
YOLOv9
bagged grapes
fruit tracking
fruit counting
Kalman filtering
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
基于超深掩蔽与改进YOLOv8的不同成熟度番茄计数方法
被引量：
5
3
作者
张润池
周云成
侯玉涵
刘泽钰
赵鸿舸
赵昱涵
机构
沈阳农业大学信息与电气工程学院
出处
《农业工程学报》
CSCD
北大核心
2024年第24期146-156,共11页
基金
国家重点研发计划资助项目(2023YFD1501303,2021YFD1500204)。
文摘
针对在温室生产条件和作物种植模式约束下,番茄果实目标连续稳定跟踪困难,难以满足统计计数精度要求等问题,提出一种基于超深掩蔽与改进YOLOv8的不同成熟度果实计数方法。在YOLOv8基础上,构建融合全局特征的空间异质卷积核,优化设计卷积算子及目标检测网络,引入对果实目标标注更具鲁棒性的损失函数。提出用深度估计模型预测深度信息,动态生成深度阈值,基于该阈值,掩蔽远景果实目标,解决目标跟踪不稳定产生的计数精度低的问题。结果表明,与YOLOv8n相比,改进模型平均检测精度提高了3.2个百分点,召回率提高了3.7个百分点;将所设计的卷积算子用于目标检测模型,与使用该算子前相比,果实检测精度提高了2.7个百分点,与引入鲁棒性损失函数前相比,引入该损失后,检测精度提高了1.1个百分点;与不用超深掩蔽处理相比,应用该处理后,番茄果实计数精度提高了12.63个百分点;该方法的番茄果实计数精度为93.80%,对不同成熟度果实的计数精度不低于91.00%,计算速度为23帧/s。对YOLOv8的改进是有效的,超深掩蔽对提高番茄计数精度具有重要作用,研究可为基于视觉技术的果蔬产量统计提供技术参考。
关键词
番茄
果实计数
目标检测
多目标追踪
超深掩蔽
Keywords
tomato
fruit counting
object detection
multi-object tracking
ultra-depth masking
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
S224 [农业科学—农业机械化工程]
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
基于无人机影像的丘陵山地柑橘果实实时检测与计数
李川红
付兴兰
傅晗文
宋杰
李光林
《农业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进YOLOv9s与自适应卡尔曼滤波的套袋葡萄视频计数方法
吕佳
冉洁
《农业工程学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
3
基于超深掩蔽与改进YOLOv8的不同成熟度番茄计数方法
张润池
周云成
侯玉涵
刘泽钰
赵鸿舸
赵昱涵
《农业工程学报》
CSCD
北大核心
2024
5
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
