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
共找到113篇文章
< 1 2 … 6 >
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：
基于分层特征交叉注意力的小样本马铃薯病害叶片识别
1
作者 李坤 刘婧 齐赫 《江苏农业科学》 北大核心 2024年第10期210-216,共7页
为了及时、准确地识别马铃薯叶片病害,有效预防马铃薯早期病变并提高马铃薯的产量和质量,针对传统马铃薯病害叶片识别方法过度依赖标注样本和特征利用不充分的问题,提出一种基于分层特征交叉注意力的小样本马铃薯病害叶片识别方法。首先... 为了及时、准确地识别马铃薯叶片病害,有效预防马铃薯早期病变并提高马铃薯的产量和质量,针对传统马铃薯病害叶片识别方法过度依赖标注样本和特征利用不充分的问题,提出一种基于分层特征交叉注意力的小样本马铃薯病害叶片识别方法。首先,利用VGG-16网络的不同编码块,将支持分支和查询分支的马铃薯叶片映射到深度特征空间,并按照不同块的输出构造分层特征集;其次,设计一种交叉注意力网络,实现双分支网络分层特征之间的信息交互,强化特征的表达;最后,利用掩码平均池化获得交互特征的全局信息,并借助无参数的度量学习指导未知马铃薯病害叶片类型的识别。通过在AI Challenger 2018开源数据集、自建小样本马铃薯数据集上进行测试,所提出模型分别可以实现0.973、0.951的识别精度,优于当前主流的马铃薯病害叶片识别模型,具有较好的实际应用价值。 展开更多
关键词 马铃薯病害叶片识别 小样本学习 分层特征 交叉注意力网络
在线阅读 下载PDF
基于多模态特征对齐的作物病害叶片检测 被引量：3
2
作者 周一帆 刘东洋 周宇平 《中国农机化学报》 北大核心 2024年第7期180-187,共8页
针对现有农作物病害叶片检测方法利用图像特征定位叶片病害区域精度不高的问题,提出一种基于多模态特征对齐的作物病害叶片检测新方法。在训练阶段,利用视觉编码器和文本编码器将农作物叶片集中的图片和文本进行编码,并根据视觉编码特... 针对现有农作物病害叶片检测方法利用图像特征定位叶片病害区域精度不高的问题,提出一种基于多模态特征对齐的作物病害叶片检测新方法。在训练阶段,利用视觉编码器和文本编码器将农作物叶片集中的图片和文本进行编码,并根据视觉编码特征定位给定图片中的病害区域,利用视觉和文本编码融合特征实现病害区域病害类型的细粒度分类。在推理阶段,利用预训练的病害区域定位模块定位给定测试图片中的病害区域,并将其提取的病害区域作为预训练分类模型的输入;通过计算预测文本值与文本集中原始标签之间的相似度值,快速给出病害区域的细粒度分类结果。在多个开源的农作物病害数据集上进行测试,所提出方法在马铃薯、番茄、苹果和草莓四种类型的病害叶片数据集上精准率分别为0.9574、0.9611、0.9580和0.9502,综合性能更优,具有较好实用价值。 展开更多
关键词 病害叶片检测 多模态特征 视觉编码特征 文本编码特征 细粒度分类
在线阅读 下载PDF
基于特征重组网络的小样本农作物病害叶片检测
3
作者 党婉誉 周烨炆 徐斌腾 《江苏农业科学》 北大核心 2024年第20期236-243,共8页
针对现有作物病害叶片检测模型的性能过度依赖大量带标注数据集以及预训练模型的泛化性不强等问题,提出一种基于特征重组网络的小样本农作物病害叶片检测方法。首先,采用支持分支和查询分支的双分支网络结构,将支持图像和查询图像映射... 针对现有作物病害叶片检测模型的性能过度依赖大量带标注数据集以及预训练模型的泛化性不强等问题,提出一种基于特征重组网络的小样本农作物病害叶片检测方法。首先,采用支持分支和查询分支的双分支网络结构,将支持图像和查询图像映射到深度特征空间,并在支持分支中采用特征增强网络缓解映射特征与原始标注不对齐的问题。其次,借助全局平均池化策略生成初始原型,利用该原型反向指导原始支持图像中病害叶片的识别,并根据初始识别结果对原型进行优化。再次,通过比对识别区域与原始标注之间的特征差异,构造辅助原型与主域原型。最后,融合原始原型、辅助原型和主域原型,构造多原型集,并利用度量方法计算原型集与查询特征间的关联,根据关联值给出预测标签。在自建的橘子、番茄和苹果等病害叶片数据集上进行测试,所提出方法分别获得了97.18%的精准率、97.31%的召回率、96.90%的F 1分数和84.71%的FB-IoU,优于主流的目标检测方法。 展开更多
关键词 作物病害叶片检测 特征重组 全局平均池化 特征增强 原型集
在线阅读 下载PDF
基于WT-Otsu算法的植物病害叶片图像分割方法 被引量：14
4
作者 张会敏 谢泽奇 +1 位作者 张善文 张云龙 《江苏农业科学》 北大核心 2017年第18期194-196,共3页
植物病害叶片图像分割是植物病害识别和植物分类的基础。为了解决作物病斑叶片的分割效率和实时性,在小波变换(wavelet transform)和Otsu法的基础上,提出一种基于WT-Otsu算法的植物病害叶片图像分割方法。首先,利用二维小波变换提取作... 植物病害叶片图像分割是植物病害识别和植物分类的基础。为了解决作物病斑叶片的分割效率和实时性,在小波变换(wavelet transform)和Otsu法的基础上,提出一种基于WT-Otsu算法的植物病害叶片图像分割方法。首先,利用二维小波变换提取作物病斑图像的边缘点;其次,利用Otsu法在这些边缘点搜索最佳分割阈值;最后,利用该阈值分割图像。利用该方法在真实辣椒病害叶片图像上进行了分割试验,结果表明,该方法对病害叶片图像分割有效可行。 展开更多
关键词 病害叶片图像分割 OTSU法 小波变换(WT) 最佳分割阈值
在线阅读 下载PDF
基于水平集和视觉显著性的植物病害叶片图像分割 被引量：7
5
作者 周强强 王志成 +1 位作者 赵卫东 陈宇飞 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2015年第9期1406-1413,共8页
为了提高植物病害叶片图像分割的准确性和效率,提出了一种基于水平集和视觉显著性的彩色图像分割方法.首先采用基于小波变换的显著性检测算法得到活动轮廓模型中曲线演化的初始位置,并构造一个基于显著区域的图像活动轮廓模型,再设计一... 为了提高植物病害叶片图像分割的准确性和效率,提出了一种基于水平集和视觉显著性的彩色图像分割方法.首先采用基于小波变换的显著性检测算法得到活动轮廓模型中曲线演化的初始位置,并构造一个基于显著区域的图像活动轮廓模型,再设计一个向量值图像的边界检测算子,引入到距离正则化水平集演化的改造中,以构造一个初始化轮廓更灵活,演化速度更快,目标分割更精确的新的水平集能量泛函.最后的实验对比表明,该方法具有较好的叶片病害部位分割效果. 展开更多
关键词 植物病害叶片 图像分割 显著性检测 距离正则化水平集演化(DRLSE)
在线阅读 下载PDF
基于改进K中值聚类的苹果病害叶片分割方法 被引量：8
6
作者 张善文 张晴晴 +1 位作者 齐国红 周伟 《江苏农业科学》 北大核心 2017年第18期205-208,共4页
针对复杂背景下的苹果病害叶片分割问题,提出一种基于改进的K均值聚类的苹果病害叶片病斑分割方法。首先将原始叶片图像由RGB(R为红,G为绿,B为蓝)颜色空间转换到Lab(L为亮度,a为从洋红色至绿色的范围,b为从黄色至蓝色的范围)颜色空间,... 针对复杂背景下的苹果病害叶片分割问题,提出一种基于改进的K均值聚类的苹果病害叶片病斑分割方法。首先将原始叶片图像由RGB(R为红,G为绿,B为蓝)颜色空间转换到Lab(L为亮度,a为从洋红色至绿色的范围,b为从黄色至蓝色的范围)颜色空间,然后在Lab颜色空间中利用ab二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,利用数学形态学中的开闭交替滤波方法对聚类后的灰度图像进行校正,最后得到图像病斑。对3种常见苹果病害叶片图像进行分割,并与其他分割方法进行比较。结果表明,该方法效果好,其误分率为8.41%。 展开更多
关键词 K均值聚类 苹果病害叶片图像 病斑分割 改进的K中值聚类
在线阅读 下载PDF
基于颜色均值显著点聚类的作物病害叶片图像分割方法 被引量：1
7
作者 张善文 张晴晴 齐国红 《安徽农业科学》 CAS 2019年第10期228-230,共3页
作物病害叶片图像分割是病害类型识别方法的一个重要步骤,其分割效果直接影响后续的识别结果。病害叶片图像的复杂多样性使得很多现有的图像分割方法不能有效应用于作物病害叶片图像分割中。针对复杂的自然病害叶片图像分割难题,提出一... 作物病害叶片图像分割是病害类型识别方法的一个重要步骤,其分割效果直接影响后续的识别结果。病害叶片图像的复杂多样性使得很多现有的图像分割方法不能有效应用于作物病害叶片图像分割中。针对复杂的自然病害叶片图像分割难题,提出一种基于颜色均值显著点聚类的作物病害叶片图像分割方法。该方法建立在HIS颜色空间,首先构造基于像素点HIS模型的带权无向图,然后计算病害叶片图像像素点的邻域的颜色均值,再计算该点前后两个邻域的颜色均值差作为该点的颜色跳跃度,当跳跃度大于设置的一个阈值时,该像素点为病斑点。结果表明,该算法具有较高的分割精确度和较好的抗噪声性能。 展开更多
关键词 病害叶片图像分割 显著点 颜色均值显著点聚类 颜色跳跃度
在线阅读 下载PDF
扁豆病害叶片的病斑剥离分割 被引量：2
8
作者 李学俊 赵礼良 《计算机工程与应用》 CSCD 2014年第23期181-184,188,共5页
传统的分割方法针对目标和背景灰度值差距大的图像能得到较好的分割效果,但在对正常叶片和病斑灰度值相似度高的扁豆病害叶片图像分割时,难以得到理想的目标病斑。针对该问题,提出了一种适合正常叶片和病斑相似度高的图像剥离分割方法... 传统的分割方法针对目标和背景灰度值差距大的图像能得到较好的分割效果,但在对正常叶片和病斑灰度值相似度高的扁豆病害叶片图像分割时,难以得到理想的目标病斑。针对该问题,提出了一种适合正常叶片和病斑相似度高的图像剥离分割方法。该方法包括初始分割和二次分割两个步骤。初始分割是基于样本图片的彩色梯度图,采用最大类间标准方差与分水岭相结合的算法获得病斑粗略区域。二次分割是对粗略目标区域进行模糊C聚类分割得到目标病斑。实验结果表明,该剥离分割算法能提高病斑分割精确度,较好地分割出病斑目标。 展开更多
关键词 扁豆病害叶片 图像分割 彩色梯度 分水岭 模糊C聚类
在线阅读 下载PDF
基于引力核密度聚类算法的作物病害叶片区域的快速检测
9
作者 刘哲 黄文准 王利平 《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期488-494,共7页
针对作物病害叶片图像的复杂性和模糊性,提出一种基于引力核密度聚类算法的作物叶片病害区域快速检测方法:首先,在RGB颜色空间提取病害叶片图像的R通道值,根据R值的特征直方图特性,运用多项式拟合特征直方图曲线,根据导数性质确定拟合... 针对作物病害叶片图像的复杂性和模糊性,提出一种基于引力核密度聚类算法的作物叶片病害区域快速检测方法:首先,在RGB颜色空间提取病害叶片图像的R通道值,根据R值的特征直方图特性,运用多项式拟合特征直方图曲线,根据导数性质确定拟合特征直方图曲线的峰值点和峰值区域,确定病害叶片图像聚类数和初始聚类中心;根据初步确定的病变叶片图像的聚类中心,运用引力核密度聚类算法快速完成对病害叶片病斑的分割。试验结果表明,基于引力核密度聚类算法的平均分割精度达80%以上,平均检测时间为4.912 s,优于已有病害区域分割算法K–means和Meanshift的性能。 展开更多
关键词 引力核密度聚类算法 作物病害叶片 图像分割 颜色空间
在线阅读 下载PDF
基于深度学习的农作物病害叶片的图像超分辨率重建 被引量：3
10
作者 代强 乔焰 +1 位作者 程曦 朱诚 《黑龙江八一农垦大学学报》 2020年第2期82-90,共9页
为了降低农作物病害所带来的损失,借助计算机对农作物病害叶片图像进行图像超分辨率重建具有重要意义。针对基于农作物病害叶片图像的超分辨率重建问题,引入了基于深度学习的农作物病害叶片图像超分辨率重建方法。通过实验将基于深度学... 为了降低农作物病害所带来的损失,借助计算机对农作物病害叶片图像进行图像超分辨率重建具有重要意义。针对基于农作物病害叶片图像的超分辨率重建问题,引入了基于深度学习的农作物病害叶片图像超分辨率重建方法。通过实验将基于深度学习的超分辨率重建方法与两个传统方法Bicubic和ScSR做了对比,实验结果表明,两个传统方法的PSNR值均未超过15,且SSIM值均未超过0.6。而基于深度学习的网络模型LapSRN、DSRNLP和SERS所得出的PSNR值均接近30,SSIM值均超过了0.6,相比传统方法,性能得到明显提升。 展开更多
关键词 病害叶片图像 超分辨率重建 深度学习 LapSRN DSRNLP SERS
在线阅读 下载PDF
基于特征分离的小样本苹果病害叶片检测 被引量：3
11
作者 黄炜 王娟娟 殷学丽 《江苏农业科学》 北大核心 2023年第23期195-202,共8页
准确检测出苹果叶片的病害有助于促进苹果保质、增产,提高果农的经济收益。针对现有苹果病害叶片检测模型精度不高的问题,提出一种基于特征分离的小样本苹果病害叶片检测算法。首先,利用VGG-16和Swin Transformer网络将苹果病害叶片映... 准确检测出苹果叶片的病害有助于促进苹果保质、增产,提高果农的经济收益。针对现有苹果病害叶片检测模型精度不高的问题,提出一种基于特征分离的小样本苹果病害叶片检测算法。首先,利用VGG-16和Swin Transformer网络将苹果病害叶片映射到全局和局部特征空间,并设计了一种特征交叉融合网络来融合全局和局部特征;然后,提出一种复杂特征的细粒度特征分离方法,通过借助苹果病害叶片的文本标签和病害区域标签将融合的深度特征分离为叶片病害分类特征和叶片病害区域特征;最后,采用对比损失实现复杂特征的分离和模型端到端的优化。通过在Plant Village开源数据集上进行试验,结果表明,所提出方法可以实现96.35%的精准率、95.76%的召回率和96.02%的F1分数,相比当前经典的目标分类模型,所提出模型综合性能表现良好。此外,该模型的提出为苹果病害叶片的细粒度分类提供一种新的思路,并且可以为田间农作物病害检测系统提供技术支撑。 展开更多
关键词 苹果病害 病害叶片检测 特征分离 特征交叉融合 全局和局部特征 小样本
在线阅读 下载PDF
基于改进Vision Transformer的水稻叶片病害图像识别
12
作者 朱周华 周怡纳 +1 位作者 侯智杰 田成源 《电子测量技术》 北大核心 2025年第10期153-160,共8页
水稻叶片病害智能识别在现代农业生产中具有重要意义。针对传统Vision Transformer网络缺乏归纳偏置,难以有效捕捉图像局部细节特征的问题,提出了一种改进的Vision Transformer模型。该模型通过引入内在归纳偏置,增强了对多尺度上下文... 水稻叶片病害智能识别在现代农业生产中具有重要意义。针对传统Vision Transformer网络缺乏归纳偏置,难以有效捕捉图像局部细节特征的问题,提出了一种改进的Vision Transformer模型。该模型通过引入内在归纳偏置,增强了对多尺度上下文以及局部与全局依赖关系的建模能力,同时降低了对大规模数据集的需求。此外,Vision Transformer中的多层感知器模块被Kolmogorov-Arnold网络结构取代,从而提升了模型对复杂特征的提取能力和可解释性。实验结果表明,所提模型在水稻叶片病害识别任务中取得了优异的性能,识别准确率达到了98.62%,较原始ViT模型提升了6.2%,显著提高了对水稻叶片病害的识别性能。 展开更多
关键词 水稻叶片病害 图像识别 Vision Transformer网络 归纳偏置 局部特征
在线阅读 下载PDF
一种轻量化CNN-Transformer的苹果叶片病害分类算法
13
作者 嵇春梅 周鑫志 叶烨华 《江苏农业科学》 北大核心 2025年第9期216-224,共9页
准确识别苹果叶片病害,对于提高苹果产量和质量具有重要意义。为了解决现有的基于深度学习算法在苹果叶片病害分类识别中精度低、参数量大等问题,提出一种基于轻量化CNN-Transformer的苹果叶片病害分类模型。首先,使用数据增强技术扩充... 准确识别苹果叶片病害,对于提高苹果产量和质量具有重要意义。为了解决现有的基于深度学习算法在苹果叶片病害分类识别中精度低、参数量大等问题,提出一种基于轻量化CNN-Transformer的苹果叶片病害分类模型。首先,使用数据增强技术扩充苹果叶片病害数据集,以提高模型的泛化能力;其次,利用多层卷积操作来提取输入图像的局部特征表示,增强模型对图像细节的敏感性;设计多头局部自注意力机制模块,建立图像中不同区域之间的全局上下文依赖关系,提高模型对图像语义的理解能力;提出随机位置编码,更好地捕捉图像中的空间信息。试验结果显示,本研究模型在苹果叶片病害分类精度、GPU内存使用、分类时间方面的表现优于其他深度学习模型,能够有效识别苹果叶片病害的类型和程度;与单一Transformer模型相比,本研究模型在节约40%内存资源的同时,分类时间降低了55%,精确率、召回率、F_(1)分数分别达到98.2%、97.5%、97.3%。 展开更多
关键词 苹果叶片病害 CNN-Transformer 局部自注意力机制 随机位置编码 轻量化
在线阅读 下载PDF
基于TD-BlendMask的复杂环境三七叶片病害实例分割方法
14
作者 杨启良 陈成 +2 位作者 雷炼 周宁珊 杨玲 《农业机械学报》 北大核心 2025年第4期375-386,共12页
针对三七叶片病害中灰霉病与疫病表型特征高度相似、炭疽病等病害病灶区域小且形态复杂导致的图像分割特征提取困难与识别精度不足问题,本文提出了Transformer-DCNv2-BlendMask(TD-BlendMask)三七叶片多类别病害图像分割模型。首先,为... 针对三七叶片病害中灰霉病与疫病表型特征高度相似、炭疽病等病害病灶区域小且形态复杂导致的图像分割特征提取困难与识别精度不足问题,本文提出了Transformer-DCNv2-BlendMask(TD-BlendMask)三七叶片多类别病害图像分割模型。首先,为了解决三七叶病害视觉相似问题,引入了Transformer编码器来捕获多种病害类别的长距离依赖性。其次,可变形卷积网络(DCNv2)通过引入偏移量,使其在分割各种复杂形状的病害方面具有更好的适应性。最后,与其他常用的实例分割模型(如BoxInst、ConInst、SOLOv2、Mask R-CNN和YOLO v8-seg)在包含多类别疾病的三七叶片病害数据集上进行比较。实验结果表明,所提出模型精确度(AP)达到86.14%,比基准模型高3.17个百分点,相比经典的Mask R-CNN模型高出4.37个百分点。在灰霉病、疫病和炭疽病类别上,分别提高0.16、4.32、4.46个百分点。因此,本文所提出的方法为在复杂环境中准确分割形状复杂且视觉高度相似的病害提供了有效解决方案,有助于实现病害准确量化。 展开更多
关键词 三七叶片病害 实例分割 复杂田间环境 Transformer编码器 可变形卷积
在线阅读 下载PDF
基于深度学习的番茄叶片病害可视化识别技术研究
15
作者 封成智 刘强德 +6 位作者 王志伟 秦春林 杨蕾 白玉龙 马海霞 杨城 丁宏斌 《江苏农业科学》 北大核心 2025年第5期174-183,共10页
针对番茄叶片病害识别过程中人工识别难度大且容易出错,传统机器学习方法识别准确度低、泛化能力较差等问题,以番茄病害叶片可视化为研究对象,建立番茄叶片病害数据集;采用深度学习技术,建立基于卷积神经网络的番茄叶片常见病害可视化... 针对番茄叶片病害识别过程中人工识别难度大且容易出错,传统机器学习方法识别准确度低、泛化能力较差等问题,以番茄病害叶片可视化为研究对象,建立番茄叶片病害数据集;采用深度学习技术,建立基于卷积神经网络的番茄叶片常见病害可视化识别模型,自动提取病害图像特征,提高病害识别的准确度及泛化能力。采用BN层技术,加快网络模型的训练速度,防止梯度爆炸及梯度消失问题;引入残差学习单元,提升网络模型在特征的提取过程中对上层特征的保留能力,防止网络模型产生退化现象;采用跳层连接技术,将低层小尺度特征与高层大尺度特征进行叠加,实现不同特征的融合,提取更加全面的特征信息,从而提高模型识别准确度。通过试验分析卷积层层数、学习率、批处理大小对模型性能的影响。本研究提出的MNet模型识别病害类型的准确度,在训练集中达到99.6%,在验证集中达到99.5%,在测试集中达到99.3%,在复杂背景下具有较高的识别准确度。将模型部分卷积层特征图可视化,图像显示模型对病害特征提取尺度具有多样性;将MNet模型识别性能与VGG19、ResNet50、ResNet101进行比较,结果表明,MNet模型具有更高的识别准确度以及更强的鲁棒性。 展开更多
关键词 深度学习 番茄叶片病害 卷积神经网络 诊断模型 特征融合
在线阅读 下载PDF
基于改进MobileNet v3-small模型的苹果叶片病害识别方法
16
作者 王浩宇 胡玉荣 +3 位作者 崔艳荣 陈华锋 李素若 刘奕 《江苏农业科学》 北大核心 2025年第5期113-120,共8页
针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的现状,提出基于改进MobileNet v3-small模型的苹果叶片病害识别方法,根据苹果叶片病害特征,在模型主干网络前嵌入Inception v2模型,不仅可增强模型对特征的多尺度感知能力,还... 针对真实环境下苹果叶片病害识别背景复杂、识别准确率不高的现状,提出基于改进MobileNet v3-small模型的苹果叶片病害识别方法,根据苹果叶片病害特征,在模型主干网络前嵌入Inception v2模型,不仅可增强模型对特征的多尺度感知能力,还能使模型更好地捕捉到病害的细微差异,有助于提升特征的多样性;同时在池化层前引入通道混洗,将输入通道分成2个组进行混洗操作,便于通道之间的信息交互,使得模型对特征的整合能力有所提升,有助于提升模型对复杂背景下病害特征的识别效果。采用覆盖斑点落叶病、褐斑病、花叶病、灰斑病和锈病等5种常见病害的图像数据集进行试验。结果表明,改进的模型比原模型平均召回率提升1.98百分点,平均F1分数提升1.97百分点,Top-1准确率提升1.89百分点,平均精确率提升1.88百分点,而参数量仅为17.7 M,与其他经典网络模型相比,性能评估指标均有不同程度的提升。改进的模型可为真实场景下苹果叶片病害的识别提供一种新颖且有效的方法。 展开更多
关键词 苹果叶片病害 图像识别 MobileNet v3-small模型 通道混洗 Inception v2模型
在线阅读 下载PDF
人工智能在作物叶片病害图像分割中的应用 被引量：1
17
作者 王从胜 邱秀荣 《种业导刊》 2025年第2期76-80,共5页
随着精准农业和智慧农业的快速发展,图像分割技术在小麦和玉米叶片病害识别中的应用愈发重要。为实现对小麦和玉米叶片病斑图像的有效分割和高效分析,基于深度学习模型DeepLabv3+和U-Net对小麦和玉米叶片病害图像进行分割,同时对叶片病... 随着精准农业和智慧农业的快速发展,图像分割技术在小麦和玉米叶片病害识别中的应用愈发重要。为实现对小麦和玉米叶片病斑图像的有效分割和高效分析,基于深度学习模型DeepLabv3+和U-Net对小麦和玉米叶片病害图像进行分割,同时对叶片病斑进行分割和量化评估。结果显示,2种模型均能准确地分割出叶片区域和背景区域,其中采用U-Net模型生成的轮廓更清晰、更完整,但仍出现分割不足、分割粘连等问题。进一步优化图像分割技术,提高叶片病斑图像分割的准确性,深入研究图像分割技术在农业生产中的应用,对小麦和玉米叶片病害的精确诊断与防治具有重要意义。 展开更多
关键词 小麦 玉米 图像分割 叶片病害 人工智能
在线阅读 下载PDF
基于改进ConvNeXt的苹果叶片病害分类算法
18
作者 石天怡 南新元 +2 位作者 郭翔羽 赵濮 蔡鑫 《广西师范大学学报(自然科学版)》 北大核心 2025年第4期83-96,共14页
针对传统苹果叶片病害分类方法精准性差的问题,本文提出一种基于改进ConvNeXt的苹果叶片分类算法CALDNet(ConvNeXt apple leaf disease enhance network)。CALDNet设计3223结构的网络对模型结构进行调整,同时引入跳跃连接、位置编码以... 针对传统苹果叶片病害分类方法精准性差的问题,本文提出一种基于改进ConvNeXt的苹果叶片分类算法CALDNet(ConvNeXt apple leaf disease enhance network)。CALDNet设计3223结构的网络对模型结构进行调整,同时引入跳跃连接、位置编码以增强模型对空间的捕捉能力,提高训练过程中的稳定性;引入空间金字塔池化(spatial pyramid pooling,SPP)以捕捉不同尺度上的空间特征,增强模型对不同大小病斑的适应能力;在ConvNeXtblock的基础上,设计G-ConvNeXtblock,引入Gabor滤波器作为卷积核,对深度卷积进行改进,更好地捕捉图像中的纹理信息;为了提高模型对小范围苹果叶片病害的识别能力,设计一种增强型的通道和空间注意力机制(enhanced convolutional block attention module,enhanced CBAM)。实验以6种常见苹果叶片病害(黑星病、黑腐病、褐斑病、花叶病、锈病、灰斑病)及健康叶片为主要研究对象,并与主流算法进行对比。实验结果表明,CALDNet模型识别叶片病害的精确率、召回率以及F 1值达到97.58%、97.54%和97.54%,相较于原始ConvNeXt模型,分别提高4.63、4.56和4.60个百分点,参数量下降23.97%,解决了传统苹果叶片病害分类精准性差的问题。 展开更多
关键词 苹果叶片病害 ConvNeXt CNN 注意力机制 深度学习
在线阅读 下载PDF
基于深度网络集成的复杂背景甘蔗叶片病害识别 被引量：1
19
作者 马巍巍 陈悦 王咏梅 《智慧农业(中英文)》 2025年第1期136-145,共10页
[目的/意义]农作物病害图像的随机性和复杂性仍给病害识别带来诸多挑战。针对自然条件下甘蔗叶片病害识别难题,本研究提出XEffDa模型。[方法]该模型利用色调、饱和度、亮度(Hue-Saturation-Value,HSV)颜色空间的图像分割与边缘处理技术... [目的/意义]农作物病害图像的随机性和复杂性仍给病害识别带来诸多挑战。针对自然条件下甘蔗叶片病害识别难题,本研究提出XEffDa模型。[方法]该模型利用色调、饱和度、亮度(Hue-Saturation-Value,HSV)颜色空间的图像分割与边缘处理技术去除背景干扰,根据特征融合策略,集成高效网络B0版本(Efficient Network B0,EfficientNetB0)、深度可分离卷积网络(Extreme Inception,Xception)和密集连接卷积网络201(Dense Convolutional Network 201,DenseNet201)作为特征提取器,采用预训练权重,通过贝叶斯优化确定顶层超参数,改进弹性网络(ElasticNet)正则化方法并加入随机失活(Dropout)层,以双重机制遏制过拟合现象。在甘蔗叶片病害数据集上训练并完成分类任务。[结果和讨论]模型集成后的识别准确率为97.62%,对比EfficientNetB0、Xception单模型及EfficientNetB0与其他深度网络结合模型识别准确率分别提高了9.96、6.04、8.09、4.19、1.78个百分点。融合实验进一步表明,加入改进ElasticNet正则化后的网络较主干网络其准确率、精确度、召回率及F1值分别提高了3.76、3.76、3.67及3.72个百分点。最大概率散点图结果显示预测最大概率值不低于0.5的比例高达99.4%。[结论]XEffDa模型具有更好的鲁棒性和泛化能力,能为农作物叶片病害精准防治提供参考。 展开更多
关键词 甘蔗叶片病害 图像识别 EfficientNet Xception DenseNet201 模型集成
在线阅读 下载PDF
主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别方法
20
作者 罗洋 何自芬 +1 位作者 张印辉 陈光晨 《农业机械学报》 北大核心 2025年第1期377-387,共11页
作物叶片等级和病害的快速准确识别对开发农业智能设备以促进农产品精细化管理有着重要意义。针对作物叶片等级和病害识别准确率低、成本高等问题,提出主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别算法(Crop leaf gra... 作物叶片等级和病害的快速准确识别对开发农业智能设备以促进农产品精细化管理有着重要意义。针对作物叶片等级和病害识别准确率低、成本高等问题,提出主干信息共享与多感受野特征自适应融合的作物叶片等级和病害识别算法(Crop leaf grade and disease recognition network,CLGDRNet)。首先,CLGDRNet采用CSPNet、GhostNet、ShuffleNet构建特征提取主干网络,同时将CSPNet、GhostNet、ShuffleNet所提取的特征信息进行共享以达到信息互补的目的;其次,设计多感受野特征自适应融合模块(Multi-receptive field feature adaptive fusion module,MRFA),将不同感受野特征图进行自适应加权融合,在增强模型局部感受野的同时突出有效通道信息;最后,提出一种深层梯度跨空间学习高效多尺度注意力模块(Efficient multi-scale attention mechanism with deep gradient cross-space learning,EMAD),将EMAD嵌入模型的颈部以获取深层梯度信息和目标坐标信息并跨空间融合不同尺度的上下文信息,使模型能够对深层特征图产生更精确的像素级关注。实验结果表明,CLGDRNet在初烤烟叶分级数据集(Tobacco leaf grading dataset,TLGD)上识别精度mAP@0.5和mAP@0.5:0.95分别达到85.0%、76.1%,在苹果叶病害数据集(Apple leaf disease dataset,ALDD)上识别精度mAP@0.5和mAP@0.5:0.95分别达到97.6%、74.2%。相较于多种先进目标检测算法,CLGDRNet具有更高的识别精度,可为高精度作物叶片等级和病害识别提供关键技术支撑。 展开更多
关键词 作物叶片等级 作物叶片病害 目标检测 信息共享 多感受野特征融合
在线阅读 下载PDF
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 2 … 6 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部