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
基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法
被引量：
8
1
作者
雷雨
周晋兵
+3 位作者
何东健
陈鹏
曾伟辉
梁栋
《农业机械学报》
EI
CAS
CSCD
北大核心
2021年第12期233-241,共9页
针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化Cente...
针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化CenterNet网络中的特征提取网络,提高了检测和训练速度,降低了误检率;其次,根据孢子形态为近椭圆或圆形的特点,将原始用于CenterNet训练的目标长宽,改进为目标的椭圆框长短轴长度和角度,提高了孢子分割重合率;最后,提出使用椭圆的长短轴映射矩形来计算椭圆框热图的高斯核半径,以减少孢子的漏检率。实验结果表明,改进的CenterNet夏孢子检测方法对小麦条锈病菌夏孢子检测的识别精确率达到了98.77%,重叠度为83.63%,检测速度为41 f/s,达到了实时检测的应用需求,比原始的CenterNet模型重叠度提高了7.53个百分点,检测速度快11 f/s,模型占用内存降低了68.5%。本文方法能够精准检测并分割出显微图像中的夏孢子,可为农田空气中小麦条锈病菌夏孢子的自动检测及条锈病的早期预防控制提供技术支持。
展开更多
关键词
小麦条锈病
真菌夏孢子
自动检测
改进CenterNet
深度学习
椭圆框
在线阅读
下载PDF
职称材料
基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测方法
被引量：
3
2
作者
周晋兵
陈鹏
+3 位作者
雷雨
黄林生
赵晋陵
梁栋
《南京农业大学学报》
CAS
CSCD
北大核心
2023年第5期1004-1010,共7页
[目的]条锈病菌夏孢子是引起小麦条锈病暴发的重要原因。针对夏孢子显微图像识别中存在的检测精度不高和分割精度较低的问题,提出了一种基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测算法。[方法]针对显微图像中夏孢子目标密集,易...
[目的]条锈病菌夏孢子是引起小麦条锈病暴发的重要原因。针对夏孢子显微图像识别中存在的检测精度不高和分割精度较低的问题,提出了一种基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测算法。[方法]针对显微图像中夏孢子目标密集,易粘连等特点,通过改进Unet++特征提取网络,将原始网络的输出反向连接至输入端形成一种自旋结构,并增加超参数K控制自旋次数,以达到迭代训练的目的,优化Unet++网络的分割精度,提高检测的分割率;根据孢子的形态特征,提出一种加权映射矩形计算公式,计算其矩形热力图,以提高孢子的检测精确率。[结果]算法测试结果表明,改进算法的平均精确率达到99.03%,分割率为86.45%,较原始CenterNet模型分割率提高了10.35百分点,精确率提高0.46百分点,占用内存降低66.09%。[结论]该模型在保证较高精度检测夏孢子目标的同时,保证了较高的孢子分割率,为小麦条锈病早期预警提供了一种有效的方法。
展开更多
关键词
小麦条锈病
真菌夏孢子
改进Unet++
图像分割
椭圆框
在线阅读
下载PDF
职称材料
题名
基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法
被引量：
8
1
作者
雷雨
周晋兵
何东健
陈鹏
曾伟辉
梁栋
机构
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心
安徽大学互联网学院
西北农林科技大学机械与电子工程学院
农业农村部农业物联网重点实验室
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2021年第12期233-241,共9页
基金
国家自然科学基金项目(62072002)
安徽省科技重大专项(202003a06020016)
+1 种基金
安徽省自然科学基金项目(2108085MC95)
农业生态大数据分析与应用技术国家地方联合工程研究中心开放项目(AE2018009)。
文摘
针对孢子捕捉设备采集的显微图像中真菌夏孢子自动检测存在严重的误检和漏检问题,提出一种基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法。首先,针对夏孢子显微图像孢子目标微小、种类少等特点,通过减半Basic Block层数,优化CenterNet网络中的特征提取网络,提高了检测和训练速度,降低了误检率;其次,根据孢子形态为近椭圆或圆形的特点,将原始用于CenterNet训练的目标长宽,改进为目标的椭圆框长短轴长度和角度,提高了孢子分割重合率;最后,提出使用椭圆的长短轴映射矩形来计算椭圆框热图的高斯核半径,以减少孢子的漏检率。实验结果表明,改进的CenterNet夏孢子检测方法对小麦条锈病菌夏孢子检测的识别精确率达到了98.77%,重叠度为83.63%,检测速度为41 f/s,达到了实时检测的应用需求,比原始的CenterNet模型重叠度提高了7.53个百分点,检测速度快11 f/s,模型占用内存降低了68.5%。本文方法能够精准检测并分割出显微图像中的夏孢子,可为农田空气中小麦条锈病菌夏孢子的自动检测及条锈病的早期预防控制提供技术支持。
关键词
小麦条锈病
真菌夏孢子
自动检测
改进CenterNet
深度学习
椭圆框
Keywords
wheat stripe rust
fungal urediniospores
automatic detection
improved CenterNet
deep learning
elliptical bounding box
分类号
S435.121.42 [农业科学—农业昆虫与害虫防治]
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
基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测方法
被引量：
3
2
作者
周晋兵
陈鹏
雷雨
黄林生
赵晋陵
梁栋
机构
安徽大学互联网学院/农业生态大数据分析与应用技术国家地方联合工程研究中心
出处
《南京农业大学学报》
CAS
CSCD
北大核心
2023年第5期1004-1010,共7页
基金
国家自然科学基金项目(62273001,62072002)
安徽省科技重大专项(202003a06020016)
+1 种基金
安徽省高等学校科学研究项目(2022AH050085)
农业生态大数据分析与应用技术国家地方联合工程研究中心开放课题项目(AE2018009)。
文摘
[目的]条锈病菌夏孢子是引起小麦条锈病暴发的重要原因。针对夏孢子显微图像识别中存在的检测精度不高和分割精度较低的问题,提出了一种基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测算法。[方法]针对显微图像中夏孢子目标密集,易粘连等特点,通过改进Unet++特征提取网络,将原始网络的输出反向连接至输入端形成一种自旋结构,并增加超参数K控制自旋次数,以达到迭代训练的目的,优化Unet++网络的分割精度,提高检测的分割率;根据孢子的形态特征,提出一种加权映射矩形计算公式,计算其矩形热力图,以提高孢子的检测精确率。[结果]算法测试结果表明,改进算法的平均精确率达到99.03%,分割率为86.45%,较原始CenterNet模型分割率提高了10.35百分点,精确率提高0.46百分点,占用内存降低66.09%。[结论]该模型在保证较高精度检测夏孢子目标的同时,保证了较高的孢子分割率,为小麦条锈病早期预警提供了一种有效的方法。
关键词
小麦条锈病
真菌夏孢子
改进Unet++
图像分割
椭圆框
Keywords
wheat stripe rust
fungal urediniospores
improved Unet++
image segmentation
oval box
分类号
S435.121.4 [农业科学—农业昆虫与害虫防治]
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
基于改进CenterNet的小麦条锈病菌夏孢子自动检测方法
雷雨
周晋兵
何东健
陈鹏
曾伟辉
梁栋
《农业机械学报》
EI
CAS
CSCD
北大核心
2021
8
在线阅读
下载PDF
职称材料
2
基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测方法
周晋兵
陈鹏
雷雨
黄林生
赵晋陵
梁栋
《南京农业大学学报》
CAS
CSCD
北大核心
2023
3
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
