检索结果-维普期刊中文期刊服务平台

基于随机森林和支持向量机的云南省土地利用分类被引量：3: 1; 作者潘娇李超 +2 位作者彭文忆李影芝李文峰《科学技术与工程》北大核心 2024年第17期7043-7051,共9页; 针对基于遥感进行大尺度空间上土地利用类型分类研究的精确性问题,对比提出适用于多样性高原山地地貌大尺度下精确高效的土地利用分类提取方法和土地分类模型。基于2019—2021年云南省Sentinel-2卫星影像数据,分别采用随机森林(random f... 展开更多; 关键词土地利用随机森林支持向量机云南省; 在线阅读下载PDF 职称材料

基于VCHS-YOLO的辣椒识别模型研究: 2; 作者杨琳琳皇甫懿 +3 位作者张云建杨晓刚李文峰施杰《江苏农业科学》北大核心 2025年第5期72-82,共11页; 针对辣椒作物在复杂背景中出现漏检、误检及检测速度不够的问题,改进一阶目标检测方法,以提升模型检测的全面性、准确性和速度,进而降低经济损失。通过在YOLO模型中引入VSS模块、CARAFE上采样算子,以扩大模型的全局感受野,并减少参数量... 展开更多; 关键词 VCHS-YOLO Harr小波下采样(HWD) RT-DETR 辣椒识别模型; 在线阅读下载PDF 职称材料

基于改进蚁群算法的农业机器人多田块路径规划方法与试验被引量：6: 3; 作者李文峰徐蕾 +3 位作者杨琳琳刘文荣潘坤李超《南京农业大学学报》 CAS CSCD 北大核心 2024年第4期823-834,共12页; [目的]针对丘陵地区因田块碎片化和障碍物影响农业机器人作业的情况,提出一种基于改进蚁群算法和A算法相结合的多田块路径规划方法。[方法]通过无人机构建农田遥感影像,利用栅格法对农田进行环境建模,再进行子区的划分与合并,在蚁群算... 展开更多; 关键词多田块路径规划改进蚁群算法最优遍历顺序农业机器人; 在线阅读下载PDF 职称材料

基于轻量化YOLOv4对不同遮挡程度成熟番茄果实的识别被引量：2: 4; 作者李文峰胡世康 +3 位作者杨琳琳李仁智徐蕾郑嘉鑫《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第4期184-189,共6页; 【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghost... 展开更多; 关键词番茄识别 YOLOv4 不同遮挡程度轻量化网络; 在线阅读下载PDF 职称材料

题名基于随机森林和支持向量机的云南省土地利用分类被引量：3: 1; 作者潘娇李超彭文忆李影芝李文峰; 机构云南省作物智慧生产国际联合实验室云南省教育厅作物模拟与智能调控重点实验室云南省气象台德宏州经济作物技术推广站; 出处《科学技术与工程》北大核心 2024年第17期7043-7051,共9页; 基金国家自然科学基金(32160420) 云南省重大科技专项(202202AE090021)。; 文摘针对基于遥感进行大尺度空间上土地利用类型分类研究的精确性问题,对比提出适用于多样性高原山地地貌大尺度下精确高效的土地利用分类提取方法和土地分类模型。基于2019—2021年云南省Sentinel-2卫星影像数据,分别采用随机森林(random forest,RF)和支持向量机(support vector machines,SVM)算法对云南省土地利用进行分类,通过目视解译随机抽样选取1 525个样本点进行精度验证。结果表明:应用RF和SVM分类算法对云南省土地利用分类精度均达80%以上,2019—2021年云南省土地利用中耕地主要呈现先增加后减少趋势;采用RF与SVM总体精度和Kappa系数均值能够更加有效进行土地利用分类比较分析;研究区内RF算法识别地物信息的准确度高于SVM,更适合云南省高原山地土地利用分类研究。; 关键词土地利用随机森林支持向量机云南省; Keywords land use random forest support vector machines Yunnan Province; 分类号 P951 [天文地球—自然地理学]; 在线阅读下载PDF 职称材料

题名基于VCHS-YOLO的辣椒识别模型研究: 2; 作者杨琳琳皇甫懿张云建杨晓刚李文峰施杰; 机构云南农业大学机电工程学院云南省作物智慧生产国际联合实验室; 出处《江苏农业科学》北大核心 2025年第5期72-82,共11页; 基金国家自然科学基金(编号:32160420) 云南省重大科技专项(编号:202202AE09002103) 云南省农林联合专项(编号:202301BD070001-172)。; 文摘针对辣椒作物在复杂背景中出现漏检、误检及检测速度不够的问题,改进一阶目标检测方法,以提升模型检测的全面性、准确性和速度,进而降低经济损失。通过在YOLO模型中引入VSS模块、CARAFE上采样算子,以扩大模型的全局感受野,并减少参数量,进而提升模型的检测效率;同时,引入小波下采样(HWD)下采样算子,从而减少网络通道中有效信息的丢失。最后,将YOLO模型的检测头替换为RT-DETR模型中的RTDETR解码器,以解码特征图并恢复图像分辨率。使用的数据集为实验室采集的(红辣椒、绿辣椒、泡椒)3类辣椒共4 816幅图组成。针对试验数据集存在的训练样本类别数量不平衡的问题,设计变焦距损失函数(slide varifocal loss),以提高模型对数量较少样本的关注度,进一步提升模型的检测性能。相比于原始模型,VCHS-YOLO模型的精确率提升7.1百分点,召回率提升了4.7百分点,F1分数提升4.0百分点,平均精度均值mAP0.5提升5.6百分点。VCHS-YOLO模型针对复杂背景下的小目标检测具有良好的鲁棒性,期待可为深度学习在农作物信息检测中的广泛应用提供技术支撑。; 关键词 VCHS-YOLO Harr小波下采样(HWD) RT-DETR 辣椒识别模型; 分类号 S126 [农业科学—农业基础科学] 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

题名基于改进蚁群算法的农业机器人多田块路径规划方法与试验被引量：6: 3; 作者李文峰徐蕾杨琳琳刘文荣潘坤李超; 机构云南农业大学云南省作物智慧生产国际联合实验室云南省气象台; 出处《南京农业大学学报》 CAS CSCD 北大核心 2024年第4期823-834,共12页; 基金云南省重大科技专项(202202AE090021)。; 文摘 [目的]针对丘陵地区因田块碎片化和障碍物影响农业机器人作业的情况,提出一种基于改进蚁群算法和A算法相结合的多田块路径规划方法。[方法]通过无人机构建农田遥感影像,利用栅格法对农田进行环境建模,再进行子区的划分与合并,在蚁群算法中引入区域启发函数,对不同区域内的移动代价作区分,通过人工增加最优路径中的信息素浓度并建立自适应信息素挥发系数,对信息素更新方法进行改进,以此求解作业子区间的最优遍历顺序,利用具有启发式搜索功能的A算法进行子区连接路径规划,最终实现多田块路径规划。[结果]MATLAB仿真试验结果表明,在子区数量为40时,采用改进蚁群算法进行规划的平均路径长度比传统的蚁群算法减少了3.19%,平均迭代收敛次数减少了79.5%;在路径遍历仿真试验中,农业机器人遍历路径覆盖率能达到100%,路径重复率为6.48%。利用农田无人机遥感影像和田间作业参数进行自然环境的仿真试验,进一步验证了该方法的有效性。[结论]本研究提出的方法能有效解决丘陵地区农业机器人多田块路径规划问题,可为丘陵地区农业机器人大面积作业提供路径参考与技术支持。; 关键词多田块路径规划改进蚁群算法最优遍历顺序农业机器人; Keywords multiple fields route planning improved ant colony algorithm optimal traversal order agricultural robot; 分类号 S24 [农业科学—农业电气化与自动化] TP242 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于轻量化YOLOv4对不同遮挡程度成熟番茄果实的识别被引量：2: 4; 作者李文峰胡世康杨琳琳李仁智徐蕾郑嘉鑫; 机构云南农业大学机电工程学院; 出处《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第4期184-189,共6页; 基金云南省重大科技专项计划(202202AE090021) 云南省科技计划重点项目(202401AS070004)。; 文摘【目的】提出一种基于改进YOLOv4成熟番茄果实识别方法,以解决采摘智能机器人识别中广泛存在的因枝叶遮挡而导致识别不准确的问题。【方法】利用深度学习算法,在卷积神经网络YOLOv4算法中引入轻量化模块Mobilenetv2、Mobilenetv3和Ghostnet,对遮挡程度小于35%、35%~65%以及超过65%的成熟番茄果实进行特征提取和识别分析。【结果】3种YOLOv4轻量化模块对遮挡面积小于65%的番茄果实的识别率超过90%。Ghostnet-YOLOv4算法在3种模块中识别率最高、表现最稳定,平均识别率为94.41%,检测速度为0.012 s;该算法对遮挡面积大于65%的果实识别率明显优于其他2种算法。3种算法的识别率均随遮挡程度的提高而下降。【结论】Ghostnet-YOLOv4算法识别率高、速度快,可用于番茄果实的识别,且优势更为明显。本研究可以为采摘机器人的采摘策略提供更好的思路和技术基础。; 关键词番茄识别 YOLOv4 不同遮挡程度轻量化网络; Keywords tomato recognition YOLOv4 different occlusion degree lightweight network; 分类号 S641.209.9 [农业科学—蔬菜学]; 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	基于随机森林和支持向量机的云南省土地利用分类	潘娇李超彭文忆李影芝李文峰	《科学技术与工程》北大核心	2024	3	在线阅读下载PDF 职称材料
2	基于VCHS-YOLO的辣椒识别模型研究	杨琳琳皇甫懿张云建杨晓刚李文峰施杰	《江苏农业科学》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于改进蚁群算法的农业机器人多田块路径规划方法与试验	李文峰徐蕾杨琳琳刘文荣潘坤李超	《南京农业大学学报》 CAS CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
4	基于轻量化YOLOv4对不同遮挡程度成熟番茄果实的识别	李文峰胡世康杨琳琳李仁智徐蕾郑嘉鑫	《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料