检索结果-维普期刊中文期刊服务平台

基于YOLO v8-ABSeg的双孢蘑菇表型参数提取方法: 1; 作者苗全龙周扬 +2 位作者李建涛周延锁李玉《农业机械学报》北大核心 2025年第3期158-168,共11页; 针对双孢蘑菇采摘前人工获取其表型参数效率低、成本高的问题,提出了一种基于实例分割且适用于现代化工厂环境的双孢蘑菇表型参数提取方法。首先,对YOLO v8n-Seg实例分割模型进行改进,引入快速神经网络(Faster neural network,FasterNe... 展开更多; 关键词双孢蘑菇表型参数提取实例分割轻量化注意力机制 YOLO v8; 在线阅读下载PDF 职称材料

基于水稻三维模型的表型参数提取及生物量估测被引量：4: 2; 作者程志强方圣辉《河南农业科学》北大核心 2023年第7期144-153,共10页; 基于二维图像的水稻表型检测方法缺乏空间维度信息,难以提取全面的水稻表型参数,因此建立水稻三维模型进而提取全面的水稻表型参数具有重要意义。体积是指示水稻生长状况的重要参数,如何在不破坏水稻植株的前提下获取水稻体积参数是当... 展开更多; 关键词水稻三维重建 Alpha-shape 表型参数提取体积生物量; 在线阅读下载PDF 职称材料

基于YOLO v8和CycleGAN的红掌植株表型参数自动提取方法被引量：2: 3; 作者卢鹏孙天文 +2 位作者陈明王振华郑宗生《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期154-159,319,共7页; 植株表型参数是描述植物形态、结构和生理特征的定量化指标,可揭示植物生长规律,以及与环境因素之间的关系。现有的人工测量和激光雷达点云植株表型参数提取方法存在数据误差大、易损伤植株、成本高和数据量大等问题。为此,本文提出了... 展开更多; 关键词表型参数提取红掌目标检测图像修复 YOLO v8 CycleGAN; 在线阅读下载PDF 职称材料

基于三维点云的木荷幼苗表型参数自动测量方法被引量：2: 4; 作者王斐周扬 +3 位作者龙伟王斌周志春吴统贵《传感器与微系统》 CSCD 北大核心 2024年第5期121-124,共4页; 本文提出了一种基于Azure Kinect传感器无损测量三维点云的表型参数测量方法。该方法包括预处理、茎叶分割和表型参数计算3个步骤。首先通过预处理将植株点云从场景点云中提取出来,在茎叶分割步骤历经骨架化、骨架修剪、茎线识别和叶片... 展开更多; 关键词木荷 Azure Kinect 点云骨架化表型参数提取; 在线阅读下载PDF 职称材料

题名基于YOLO v8-ABSeg的双孢蘑菇表型参数提取方法: 1; 作者苗全龙周扬李建涛周延锁李玉; 机构浙江科技大学信息与电子工程学院西湖大学(杭州)发展有限公司浙江省现代农业装备设计研究院浙江省工业和信息化研究院; 出处《农业机械学报》北大核心 2025年第3期158-168,共11页; 基金浙江省“三农九方”农业科技协作计划揭榜挂帅项目(2023SNJF027) 浙江省领雁计划项目(2021C02038&2021C02061) +1 种基金中央农机研发制造推广应用一体化试点项目(2025ZYNJYFZZ009)。; 文摘针对双孢蘑菇采摘前人工获取其表型参数效率低、成本高的问题,提出了一种基于实例分割且适用于现代化工厂环境的双孢蘑菇表型参数提取方法。首先,对YOLO v8n-Seg实例分割模型进行改进,引入快速神经网络(Faster neural network,FasterNet),并采用局部卷积(Partial convolutions,PConv)减少冗余计算和内存访问,引入SE(Squeeze-and-excitation)注意力机制到特征融合网络中,增加了网络对输入信息中重要部分的关注度,降低无关信息的干扰,改进后的模型完成了对双孢蘑菇目标的实例分割。最后,基于分割结果,提出了双孢蘑菇子实体4种表型参数的提取方法,包括菇盖直径、菇盖圆度、菇盖白度以及菇盖表面色斑。实验结果表明,YOLO v8-ABSeg模型在自建双孢蘑菇数据集上的mask精度比原模型提高了1.6个百分点,且参数量、浮点数运算量和内存占用量分别降低了38.7%、25.0%和36.8%,帧率提高了11.3%。此外,双孢蘑菇表型参数计算结果与人工测量结果误差小于10%。该方法可应用于双孢蘑菇表型参数的自动化获取,为生长模型建立、在线实时环境控制等提供技术基础。; 关键词双孢蘑菇表型参数提取实例分割轻量化注意力机制 YOLO v8; Keywords Agaricus bisporus phenotype parameter extraction instance segmentation lightweight attention mechanism YOLO v8; 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

题名基于水稻三维模型的表型参数提取及生物量估测被引量：4: 2; 作者程志强方圣辉; 机构武汉大学遥感信息工程学院; 出处《河南农业科学》北大核心 2023年第7期144-153,共10页; 基金湖北省重点研发计划项目(2020BBB058)。; 文摘基于二维图像的水稻表型检测方法缺乏空间维度信息,难以提取全面的水稻表型参数,因此建立水稻三维模型进而提取全面的水稻表型参数具有重要意义。体积是指示水稻生长状况的重要参数,如何在不破坏水稻植株的前提下获取水稻体积参数是当下研究中仍有待解决的问题。基于上述考虑,提出一种基于水稻三维模型的表型参数提取及生物量估测方法,实现在不破坏水稻植株的前提下提取水稻体积参数并估测水稻生物量。以盆栽水稻为对象,首先利用Alpha-shape算法重建其三维模型,然后提取并评估水稻株高、茎粗、植被覆盖度、体积参数,并基于体积参数估测水稻生物量。结果表明,空间雕刻方法可以重建高精度的水稻三维模型,并准确测算水稻表型参数及生物量,其中水稻株高、茎粗、单株植被覆盖度均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为63.27 mm、4.01 mm、5.04%和7.15%、14.91%、12.59%,水稻生物量RMSE和MAPE分别为62.44 g、19.25%,均优于现有三维重建软件的测算结果。; 关键词水稻三维重建 Alpha-shape 表型参数提取体积生物量; Keywords Rice 3D reconstruction Alpha-shape Phenotypic parameters extraction Volume Biomass; 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YOLO v8和CycleGAN的红掌植株表型参数自动提取方法被引量：2: 3; 作者卢鹏孙天文陈明王振华郑宗生; 机构上海海洋大学信息学院; 出处《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期154-159,319,共7页; 基金上海市科技创新计划项目(20dz1203800)。; 文摘植株表型参数是描述植物形态、结构和生理特征的定量化指标,可揭示植物生长规律,以及与环境因素之间的关系。现有的人工测量和激光雷达点云植株表型参数提取方法存在数据误差大、易损伤植株、成本高和数据量大等问题。为此,本文提出了一种基于YOLO v8和CycleGAN的红掌植株表型参数自动提取方法,利用双重注意力机制CBAM改进YOLO v8,提高模型特征提取能力,对红掌植株叶片进行检测与分割;通过Grabcut算法去除分割后图像背景区域特征,并利用VGG模型对其进行分类,分出完整型红掌植株叶片和缺失型红掌植株叶片;在CycleGAN的生成器中引入双重注意力机制和特征金字塔,提高模型多尺度特征的提取能力,引入SmoohL1损失函数,提升模型稳定性,对缺失型红掌植株叶片进行修复;提出一种表型参数提取算法(Phenotypic parameters extraction algorithms,PPEA),实现对红掌植株叶长、叶宽和叶面积的自动提取。以650幅自建数据集为例,对上述方法进行了比较与分析,实验结果证明,本文方法在红掌植株表型参数自动提取方面具有良好的效果。; 关键词表型参数提取红掌目标检测图像修复 YOLO v8 CycleGAN; Keywords phenotypic parameter extraction Anthurium andraeanum Linden target detection image restoration YOLO v8 CycleGAN; 分类号 S23 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名基于三维点云的木荷幼苗表型参数自动测量方法被引量：2: 4; 作者王斐周扬龙伟王斌周志春吴统贵; 机构浙江科技大学信息与电子工程学院浙江科技大学中德工程师学院中国林业科学研究院亚热带林业研究所浙江省林木育种技术研究重点实验室; 出处《传感器与微系统》 CSCD 北大核心 2024年第5期121-124,共4页; 基金浙江省“尖兵”“领雁”研发攻关计划资助项目(2021C02038) 浙江省“三农九方”科技写作计划“揭榜挂帅”项目(2023SNJF027)。; 文摘本文提出了一种基于Azure Kinect传感器无损测量三维点云的表型参数测量方法。该方法包括预处理、茎叶分割和表型参数计算3个步骤。首先通过预处理将植株点云从场景点云中提取出来,在茎叶分割步骤历经骨架化、骨架修剪、茎线识别和叶片分割几个分步骤将木荷植株的茎干和叶片分离,最后得到株高、茎长、茎的方向、叶长和叶角等表型参数。实验结果表明,每个参数的决定系数(R~2>0.85)和均方根误差(RMSE)均达到了精度要求,说明了该方法是稳健和准确的。; 关键词木荷 Azure Kinect 点云骨架化表型参数提取; Keywords Schima superba Azure Kinect point cloud skeletonization phenotypic parameters extraction; 分类号 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	作者	出处	发文年	被引量	操作
1	基于YOLO v8-ABSeg的双孢蘑菇表型参数提取方法	苗全龙周扬李建涛周延锁李玉	《农业机械学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于水稻三维模型的表型参数提取及生物量估测	程志强方圣辉	《河南农业科学》北大核心	2023	4	在线阅读下载PDF 职称材料
3	基于YOLO v8和CycleGAN的红掌植株表型参数自动提取方法	卢鹏孙天文陈明王振华郑宗生	《农业机械学报》 EI CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于三维点云的木荷幼苗表型参数自动测量方法	王斐周扬龙伟王斌周志春吴统贵	《传感器与微系统》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料