检索结果-维普期刊中文期刊服务平台

基于改进YOLOv3的水稻叶部病害检测被引量：7: 1; 作者赵辉李建成 +1 位作者王红君岳有军《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期100-106,共7页; 为了解决水稻小病斑检测不准确的问题,提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice-YOLOv3。首先,采用K-means++聚类算法,计算新的锚框尺寸,使锚框尺寸与数据集相匹配;其次,采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激... 展开更多; 关键词水稻叶部病害 YOLOv3 病害检测注意力机制图像处理目标检测; 在线阅读下载PDF 职称材料

基于多光谱成像技术的水稻叶部病害检测装置设计与试验被引量：5: 2; 作者刘浪许金钗 +4 位作者翁海勇程祖锌曹亚轩叶大鹏谢立敏《福建农林大学学报（自然科学版）》 CSCD 北大核心 2023年第2期280-284,共5页; 为实现田间环境下水稻叶部病害的快速诊断,设计了一种基于多光谱成像技术的水稻叶部病害便携式检测装置.该装置主要由多光谱图像采集软件、高功率LED驱动电路、图像采集触发电路和USB接口通讯电路4个部分组成.以感染水稻稻瘟病、胡麻叶... 展开更多; 关键词水稻多光谱成像水稻叶部病害支持向量机; 在线阅读下载PDF 职称材料

基于Lab色彩模型差异的水稻叶部病害图像分割: 3; 作者陈勇翔高遵海《湖北农机化》 2020年第1期190-191,共2页; 针对水稻叶部常见病害图像直接分割造成的图像失真问题,采用Lab色彩模型,对水稻叶部病害图像进行差异化处理和k均值聚类分割。从验证实验表明,利用设计的方法能一定程度上减少病害图像分割造成的损失,对于提高病害识别的准确率具有一定... 展开更多; 关键词水稻叶部病害图像分割 Lab色彩模型 K均值聚类; 在线阅读下载PDF 职称材料

改进注意力机制嵌入PR-Net模型的水稻病害识别仿真被引量：1: 4; 作者路阳刘鹏飞 +3 位作者许思源刘启旺顾福谦王鹏《系统仿真学报》 CAS CSCD 北大核心 2024年第6期1322-1333,共12页; 针对现有的CNN模型在水稻叶部病害的识别中准确率较低的问题,提出了一种结合并行结构和残差结构的混合卷积神经网络模型PRC-Net(parallel residual with coordinate attention network)。引入并行结构,提高卷积的感受野;结合残差结构,... 展开更多; 关键词水稻叶部病害 PRC-Net(parallel residual with coordinate attention network) 卷积神经网络注意力机制图像识别; 在线阅读下载PDF 职称材料

基于图像评价的灯箱最佳成像环境因素确定方法被引量：2: 5; 作者刘立波周国民《计算机应用研究》 CSCD 北大核心 2009年第12期4836-4838,共3页; 为获得高质量的水稻叶部病害图像,在自行设计的灯箱中充分考虑了物距、灯管数目、灯管高度、灯管侧距等成像环境因素对图像质量的影响,通过主客观评价方法对不同成像环境因素水平下拍摄的照片进行质量评价,最终得出最佳成像环境因素取... 展开更多; 关键词水稻叶部病害图像采集正交试验图像质量评价; 在线阅读下载PDF 职称材料

题名基于改进YOLOv3的水稻叶部病害检测被引量：7: 1; 作者赵辉李建成王红君岳有军; 机构天津理工大学电气工程与自动化学院天津市复杂系统控制理论与应用重点实验室; 出处《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第1期100-106,共7页; 基金天津市科技支撑计划项目(19YFZCSN00360)。; 文摘为了解决水稻小病斑检测不准确的问题,提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice-YOLOv3。首先,采用K-means++聚类算法,计算新的锚框尺寸,使锚框尺寸与数据集相匹配;其次,采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数,利用该激活函数的平滑特性,提升网络的检测准确率,同时将CSPNet与DarkNet53中的残差模块相结合,在避免出现梯度信息重复的同时,增加神经网络的学习能力,提升检测精度和速率;最后,在FPN层分别引入注意力机制ECA和CBAM模块,解决特征层堆叠处的特征提取问题,提高对小病斑的检测能力。在训练过程中,采用COCO数据集预训练网络模型,得到预训练权重,改善训练效果。结果表明:在测试集下,Rice-YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%,其中,稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%,相较于YOLOv3,Rice-YOLOv3检测的m AP提高了6.05个百分点,速率提升了2.8帧/s,对稻瘟病和褐斑病的小病斑的检测能力明显增强,可以检测出原始网络模型漏检的小病斑;与Faster-RCNN、YOLOv5等模型对比,Rice-YOLOv3提高了对相似病害和微小病害的识别能力,并在原始的基础上提高了检测速率。; 关键词水稻叶部病害 YOLOv3 病害检测注意力机制图像处理目标检测; Keywords rice leaf disease YOLOv3 disease detection attention mechanism image processing target detection; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S435.111.4 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于多光谱成像技术的水稻叶部病害检测装置设计与试验被引量：5: 2; 作者刘浪许金钗翁海勇程祖锌曹亚轩叶大鹏谢立敏; 机构福建农林大学机电工程学院江西生物科技职业学院福建省农业信息感知技术重点实验室福建农林大学农学院; 出处《福建农林大学学报（自然科学版）》 CSCD 北大核心 2023年第2期280-284,共5页; 基金福建省自然科学基金项目(2022J01611) 福建农林大学学科交叉项目(71202103B)。; 文摘为实现田间环境下水稻叶部病害的快速诊断,设计了一种基于多光谱成像技术的水稻叶部病害便携式检测装置.该装置主要由多光谱图像采集软件、高功率LED驱动电路、图像采集触发电路和USB接口通讯电路4个部分组成.以感染水稻稻瘟病、胡麻叶斑病、细条病水稻以及健康水稻的叶片为研究对象,采集了460、520、590、630、660、710、730、760、800、850、900和940 nm共12个波段下的光谱图像信息.主成分分析结果表明:第一主成分(PC1)和第二主成分(PC2)的累计方差贡献率为91.19%;稻瘟病、胡麻叶斑病和细条病在PC1和PC2得分图上具有各自聚成一类的趋势.基于12个波段反射率构建的支持向量机模型对稻瘟病、胡麻叶斑病和细条病的总体识别正确率为97.44%,Kappa系数为0.9651,识别效果较好.表明利用自主研发的便携式多光谱成像装置结合化学计量法可实现水稻叶部病害的快速诊断.; 关键词水稻多光谱成像水稻叶部病害支持向量机; Keywords rice multispectral imaging rice leaf diseases support vector machine; 分类号 S511 [农业科学—作物学] S123 [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Lab色彩模型差异的水稻叶部病害图像分割: 3; 作者陈勇翔高遵海; 机构武汉轻工大学数学与计算机学院; 出处《湖北农机化》 2020年第1期190-191,共2页; 文摘针对水稻叶部常见病害图像直接分割造成的图像失真问题,采用Lab色彩模型,对水稻叶部病害图像进行差异化处理和k均值聚类分割。从验证实验表明,利用设计的方法能一定程度上减少病害图像分割造成的损失,对于提高病害识别的准确率具有一定参考作用。; 关键词水稻叶部病害图像分割 Lab色彩模型 K均值聚类; 分类号 S435.11 [农业科学—农业昆虫与害虫防治] 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

题名改进注意力机制嵌入PR-Net模型的水稻病害识别仿真被引量：1: 4; 作者路阳刘鹏飞许思源刘启旺顾福谦王鹏; 机构黑龙江八一农垦大学信息与电气工程学院东北石油大学黑龙江省网络化与智能控制重点实验室东北石油大学人工智能能源研究院东北石油大学三亚海洋油气研究院; 出处《系统仿真学报》 CAS CSCD 北大核心 2024年第6期1322-1333,共12页; 基金国家自然科学基金(U21A2019,61873058,61933007) 黑龙江省自然科学基金联合引导项目(LH2020F042) +1 种基金海南省科技专项(ZDYF2022SHFZ105)。; 文摘针对现有的CNN模型在水稻叶部病害的识别中准确率较低的问题,提出了一种结合并行结构和残差结构的混合卷积神经网络模型PRC-Net(parallel residual with coordinate attention network)。引入并行结构,提高卷积的感受野;结合残差结构,使特征信息完整的连续传递;在骨干模型PR-Net中嵌入改进的空间注意力机制,增强对不同尺度病斑特征信息的凝聚程度;为进一步提升病害识别的准确率,并减少模型的训练时间和推理时间,通过改变加权方式对模型结构进行优化。仿真结果表明:与InceptionResNetV2等分类模型相比,PRC-Net具有更少的训练参数、更短的训练时间和更高的识别精度,性能优于其他作物病害识别模型。; 关键词水稻叶部病害 PRC-Net(parallel residual with coordinate attention network) 卷积神经网络注意力机制图像识别; Keywords rice leaf disease PRC-Net convolution neural network attention mechanism image recognition; 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

题名基于图像评价的灯箱最佳成像环境因素确定方法被引量：2: 5; 作者刘立波周国民; 机构中国农业科学院农业信息研究所宁夏大学数学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2009年第12期4836-4838,共3页; 基金国家"863"计划资助项目(2007AA10Z237) 国家科技支撑计划项目(2007BAD33B05); 文摘为获得高质量的水稻叶部病害图像,在自行设计的灯箱中充分考虑了物距、灯管数目、灯管高度、灯管侧距等成像环境因素对图像质量的影响,通过主客观评价方法对不同成像环境因素水平下拍摄的照片进行质量评价,最终得出最佳成像环境因素取值水平。该过程分为三步:首先采用正交试验法设计各环境因素取值水平并拍摄照片,然后采用客观评价方法进行图像质量评价,最后通过与主观评价方法对比确定成像环境因素最佳取值水平。经过大量实验分析得出:在不同成像环境因素取值水平下,所拍摄照片的质量是有差别的。因此,基于质量评价的方法来确定最佳成像环境因素取值是可行的,为规范水稻叶部病害图像采集环境提供了新思路。; 关键词水稻叶部病害图像采集正交试验图像质量评价; Keywords rice leaf disease image acquisition orthogonal test image quality evaluation; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S435.13 [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YOLOv3的水稻叶部病害检测	赵辉李建成王红君岳有军	《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心	2024	7	在线阅读下载PDF 职称材料
2	基于多光谱成像技术的水稻叶部病害检测装置设计与试验	刘浪许金钗翁海勇程祖锌曹亚轩叶大鹏谢立敏	《福建农林大学学报（自然科学版）》 CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
3	基于Lab色彩模型差异的水稻叶部病害图像分割	陈勇翔高遵海	《湖北农机化》	2020	0	在线阅读下载PDF 职称材料
4	改进注意力机制嵌入PR-Net模型的水稻病害识别仿真	路阳刘鹏飞许思源刘启旺顾福谦王鹏	《系统仿真学报》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于图像评价的灯箱最佳成像环境因素确定方法	刘立波周国民	《计算机应用研究》 CSCD 北大核心	2009	2	在线阅读下载PDF 职称材料