期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
都市农业气象信息服务研究进展 被引量:6
1
作者 李明 王铁 +1 位作者 黎贞发 杨信廷 《天津农业科学》 CAS 2020年第2期5-11,共7页
通过总结文献报道,结合实地访谈等,从学科、技术、产业3个角度,对都市农业气象信息服务进展,包括生产、生活、生态等方面进行了综述。首先介绍了都市农业小气候学、农业信息学、气象信息技术的相关学科与主要团队,然后提出今后应充分利... 通过总结文献报道,结合实地访谈等,从学科、技术、产业3个角度,对都市农业气象信息服务进展,包括生产、生活、生态等方面进行了综述。首先介绍了都市农业小气候学、农业信息学、气象信息技术的相关学科与主要团队,然后提出今后应充分利用移动互联网、物联网、云计算、大数据、人工智能等先进技术,再调动大城市强大的科技和资本优势,以都市农业气象服务中心为突破口,形成一个功能主导开放共享的都市农业气象服务合作机制,旨在通过多学科相互协作,研发一批需求引领靶向定位的都市农业气象服务产品,打造一个智慧融合移动互联的都市农业气象服务平台,建成一套学科互补产业协调的都市农业气象服务研发体系。 展开更多
关键词 都市气候 气象服务 农业
在线阅读 下载PDF
基于深度学习的贵州辣椒蚜虫发生气象条件预测模型初报 被引量:3
2
作者 刘凯歌 吴康云 +3 位作者 邢丹 宋敏 牟玉梅 李明 《辣椒杂志》 2022年第1期18-22,35,共6页
贵州是我国辣椒主产区,受大气环流与山区地形的影响,当地降雨多、日照少,病虫害发生严重,导致辣椒减产、品质下降。蚜虫作为辣椒高发虫害之一,影响辣椒正常生长,传播病毒,危害极大。为了准确预测蚜虫的发生,最大限度地降低蚜虫对辣椒的... 贵州是我国辣椒主产区,受大气环流与山区地形的影响,当地降雨多、日照少,病虫害发生严重,导致辣椒减产、品质下降。蚜虫作为辣椒高发虫害之一,影响辣椒正常生长,传播病毒,危害极大。为了准确预测蚜虫的发生,最大限度地降低蚜虫对辣椒的危害,通过采集辣椒生长期间气象数据,结合人工调查的蚜虫发生情况,基于长短期记忆神经网络(LSTM,Long Short-Term Memory),构建了蚜虫发生预测模型。结果显示:预测准确度为87%,预测发生精准率为92%,预测发生召回率为93%,预测发生F_(1)分值为92%,模型精度较高,可为辣椒蚜虫预测研究提供参考,进而为辣椒种植及时采取防治蚜虫措施提供技术支撑与决策支持。 展开更多
关键词 辣椒 蚜虫 深度学习 农业气象 预测
在线阅读 下载PDF
基于改进YOLOv8n的低倍率显微图像黄瓜霜霉病孢子囊检测
3
作者 张志军 李明 +1 位作者 刘凯歌 查志华 《农业工程学报》 北大核心 2025年第13期216-224,共9页
针对低倍率显微图像下黄瓜霜霉病孢子囊检测存在人工效率低、传统算法鲁棒性不足的问题,该研究提出一种改进的YOLOv8n模型。通过多模块协同优化提升检测性能:1)设计WhirlConv(whirl convolution)模块,采用四分支反射填充与独立卷积核捕... 针对低倍率显微图像下黄瓜霜霉病孢子囊检测存在人工效率低、传统算法鲁棒性不足的问题,该研究提出一种改进的YOLOv8n模型。通过多模块协同优化提升检测性能:1)设计WhirlConv(whirl convolution)模块,采用四分支反射填充与独立卷积核捕获多方向特征,结合通道注意力机制抑制冗余信息;2)引入P2层级高分辨率特征图构建多尺度检测头,扩展极小目标覆盖范围;3)在SPPF(spatial pyramid pooling-fast)模块中嵌入LSKA(large separable kernel attention)注意力机制,通过大分离卷积核捕获长程依赖关系,在保持模块轻量化的同时实现性能的提升。试验表明,改进模型在自建数据集上精确度达到94.2%,召回率达到90.1%,平均精度均值(mAP_(0.5))达到86.9%,较基准模型YOLOv8n分别提升10、7.2和7.8个百分点,参数量(17.7 M)和浮点运算量(56.9 G)比RT-DETR-R50分别减少25.1 M和77.5 G。该模型为低倍率显微图像下的孢子囊检测提供了一种有效检测方法。 展开更多
关键词 YOLOv8n 黄瓜 霜霉病 孢子囊检测 显微图像 低倍率
在线阅读 下载PDF
基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法 被引量:6
4
作者 李明 丁智欢 +3 位作者 赵靖暄 陈思铭 李文勇 杨信廷 《中国农机化学报》 北大核心 2023年第5期63-70,共8页
针对温室孢子捕捉设备所采集图像中孢子囊分布密集、粘连堆叠和背景复杂的特点,提出一种基于改进YOLOv5s的黄瓜霜霉病孢子囊检测算法。首先,使用带CBAM(Convolutional Block Attention Module)注意力机制的Ghost卷积替代原始网络中的CSP... 针对温室孢子捕捉设备所采集图像中孢子囊分布密集、粘连堆叠和背景复杂的特点,提出一种基于改进YOLOv5s的黄瓜霜霉病孢子囊检测算法。首先,使用带CBAM(Convolutional Block Attention Module)注意力机制的Ghost卷积替代原始网络中的CSP(Cross Stage Partial)模块,抑制背景中的杂质,在保证产生丰富特征图的同时,降低模型的参数量,提升计算速度。其次,修改特征融合网络的连接方式,删除原来负责大物体检测的分支并加入一个更细粒度的分支,以加强对小目标和密集、堆叠目标的检测。最后,对不同预测头产生的损失值赋予不同的权重,并用考虑中心点距离的DIOU_NMS非极大值抑制方法代替原来的NMS方法。改进后的YOLOv5s算法的平均准确率和FPS分别为91.18%和65.4帧/s,比原始的YOLOv5s算法高4.88%和7.1帧/s。该研究可为监测黄瓜霜霉病的发生和发展提供数据支撑,对于保障黄瓜的产量和质量具有重要意义。 展开更多
关键词 深度学习 目标检测 YOLOv5 黄瓜霜霉病 孢子囊
在线阅读 下载PDF
北京地区秋季日光温室黄瓜白粉病预测的贝叶斯网络模型研究 被引量:1
5
作者 魏少伟 任爱新 +3 位作者 赵靖暄 杨信廷 李明 刘慧英 《中国瓜菜》 CAS 北大核心 2022年第2期20-27,共8页
为了准确预测日光温室黄瓜白粉病的发生,以日光温室水果黄瓜为试验材料,于2020年9—11月在北京市不同方位的4个日光温室内,运用无线网络环境监测系统对日光温室黄瓜的生长环境(空气温度、相对湿度、光照强度)进行了实时动态监测,并同步... 为了准确预测日光温室黄瓜白粉病的发生,以日光温室水果黄瓜为试验材料,于2020年9—11月在北京市不同方位的4个日光温室内,运用无线网络环境监测系统对日光温室黄瓜的生长环境(空气温度、相对湿度、光照强度)进行了实时动态监测,并同步进行白粉病流行调查。采用贝叶斯网络模型建立日光温室黄瓜白粉病预测模型,预测黄瓜白粉病是否发病,并与田间观测的实际发病情况进行比较。结果表明,模型在4个温室和整体预测发生准确度ACC(Accuracy)分别为0.95、0.92、0.91、0.87、0.87,约登指数J(Youden Index)分别为0.90、0.86、0.84、0.70、0.74。表明模型在预测整体和各个温室效果较好,具有良好的普适性,可为实际生产中黄瓜白粉病预测提供参考。 展开更多
关键词 黄瓜 白粉病 贝叶斯网络 预测模型
在线阅读 下载PDF
考虑日光温室空间异质性的黄瓜叶片湿润时间估算模型研究 被引量:3
6
作者 刘鉴 任爱新 +3 位作者 刘冉 纪涛 刘慧英 李明 《智慧农业(中英文)》 2020年第2期135-144,共10页
叶片湿润时间(LWD)是植物病害模型的重要输入变量之一,它与许多叶部病原菌的侵染有关,影响病原侵染和发育速率。为了准确地预测日光温室黄瓜病害的发生时间和方位,本研究于2019年3月和9月在北京两个不同类型日光温室内按照棋盘格法设置... 叶片湿润时间(LWD)是植物病害模型的重要输入变量之一,它与许多叶部病原菌的侵染有关,影响病原侵染和发育速率。为了准确地预测日光温室黄瓜病害的发生时间和方位,本研究于2019年3月和9月在北京两个不同类型日光温室内按照棋盘格法设置了9个采样点部署温湿光传感器和目测叶片湿润时间,每隔1 h采集一次温度、湿度、辐射和叶片湿润数据进行定量估算分析。分析结果表明:BP神经网络模型在两个温室的试验条件下获得了相似的准确度(ACC为0.90和0.92),比相对湿度经验模型估算叶片湿润时间的准确度(ACC为0.82和0.84)更高,平均绝对误差MAE分别为1.81和1.61 h,均方根误差RSME分别为2.10和1.87,决定系数R2分别为0.87和0.85;在晴天和多云天气条件下,叶片湿润时间的空间分布总体规律是南部>中部>北部,南面是叶片湿润平均时间(12.17 h/d)最长的区域;由东向西方向上,叶片湿润时间的空间分布总体规律是东部>西部>中部,中部是叶片湿润平均时间(4.83 h/d)最短的区域;雨天的叶片湿润平均时间比晴天和多云长,春季和秋季分别为17.15和17.41 h/d。这些变化和差异对温室黄瓜种群水平方向的叶片湿润时间分布具有重要影响,与大多数高湿性黄瓜病害的发生规律密切相关。本研究为预测温室黄瓜病害分布提供了有价值的参考,对控制病害流行和减少农药使用具有重要意义,提出的区域化分析温室内叶片湿润时间的方法,可以为模拟日光温室叶片湿润时间的空间分布提供参考。 展开更多
关键词 日光温室 估算模型 区域化 叶片湿润时间 BP神经网络 传感器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部