检索结果-维普期刊中文期刊服务平台

基于PSO-Stacking的河蟹投饵量预测模型: 1; 作者李家弟陈子瑜 +1 位作者高晨孙龙清《农业机械学报》 CSCD 北大核心 2024年第S2期303-309,379,共8页; 河蟹作为我国重要的水产养殖物种之一,深受消费者喜爱,在河蟹养殖过程中,科学的投饵量是保证河蟹健康生长及提高养殖效益的关键因素。本文通过综合分析影响河蟹养殖投饵量的多种因素,采用集成学习算法建立河蟹养殖投饵量预测模型。搭建... 展开更多; 关键词机器学习集成学习粒子群优化算法投饵量预测; 在线阅读下载PDF 职称材料

基于改进VGG-19卷积神经网络的冰鲜鲳鱼新鲜度评估方法被引量：16: 2; 作者李振波李萌 +2 位作者赵远洋郭若皓陈雅茹《农业工程学报》 EI CAS CSCD 北大核心 2021年第22期286-294,共9页; 保障冰鲜水产品的质量安全是提升水产行业供求效益的关键环节之一。传统的水产品新鲜度检测方法存在破坏样本、操作复杂、检测效率低等问题,冷链储运的发展急需一种快速、准确的鱼肉新鲜度检测技术。该研究以冰鲜鲳鱼为研究对象,提出基... 展开更多; 关键词计算机视觉卷积神经网络冰鲜鲳鱼新鲜度分类网络迁移学习类激活映射; 在线阅读下载PDF 职称材料

基于G-RepVGG和鱼类运动行为的水质监测方法被引量：14: 3; 作者孙龙清王泊宁 +1 位作者王嘉煜王新龙《农业机械学报》 EI CAS CSCD 北大核心 2022年第S02期210-218,共9页; 水质恶化会直接造成水产养殖产量下降,严重时会导致水产动物大量死亡,给养殖企业造成严重经济损失。因此对水产养殖中水质参数进行实时监测具有重要意义。本文以斑石鲷为研究对象,提出了一种基于鱼类行为的水质监测方法。该方法通过摄... 展开更多; 关键词斑石鲷运动行为水质监测深度学习卷积神经网络; 在线阅读下载PDF 职称材料

基于ResNet-CA的鱼群饱腹程度识别方法被引量：8: 4; 作者孙龙清王新龙 +2 位作者王泊宁王嘉煜孟新宇《农业机械学报》 EI CAS CSCD 北大核心 2022年第S02期219-225,277,共8页; 投喂作为水产养殖过程中的一个关键环节,饵料的投喂量直接影响水产品的质量和养殖成本。然而,目前的投喂方法包括人工投喂和机器定时定量投喂,大多依靠人工经验,很难实现精准投喂。本文基于改进的ResNet34识别鱼群不同的饱腹程度。根据... 展开更多; 关键词鱼群摄食行为注意力机制深度可分离卷积卷积神经网络饱腹程度; 在线阅读下载PDF 职称材料

基于机器视觉的水产养殖计数研究综述被引量：10: 5; 作者张涵钰李振波 +1 位作者李蔚然杨普《计算机应用》 CSCD 北大核心 2023年第9期2970-2982,共13页; 养殖计数是水产养殖过程中的重要环节,计数结果为水产动物的饲料投喂、养殖密度调整和经济效益估算等方面提供重要依据。针对传统人工计数方法耗时费力且易造成较大误差的问题,大量基于机器视觉的方法与应用被提出,极大地推动了水产品... 展开更多; 关键词水产养殖人工计数无损计数机器视觉深度学习; 在线阅读下载PDF 职称材料

题名基于PSO-Stacking的河蟹投饵量预测模型: 1; 作者李家弟陈子瑜高晨孙龙清; 机构中国农业大学信息与电气工程学院农业农村部国家数字渔业创新中心; 出处《农业机械学报》 CSCD 北大核心 2024年第S2期303-309,379,共8页; 基金国家重点研发计划项目(2020YFD0900201); 文摘河蟹作为我国重要的水产养殖物种之一,深受消费者喜爱,在河蟹养殖过程中,科学的投饵量是保证河蟹健康生长及提高养殖效益的关键因素。本文通过综合分析影响河蟹养殖投饵量的多种因素,采用集成学习算法建立河蟹养殖投饵量预测模型。搭建数据采集系统,采集包括河蟹生物量、河蟹数量、性别比例、水体pH值、温度、溶解氧含量以及河蟹摄食量等关键参数数据,建立投饵量数据集;运用数据预处理技术对数据集进行平滑处理以及归一化,减少异常值对预测结果的干扰,同时消除特征数据不同量纲的影响;引入粒子群优化算法改进集成学习,建立了河蟹养殖投饵量预测模型,实现河蟹养殖投饵量的准确预测。实际应用测试结果表明本文模型平均绝对误差为0.34971 g,均方根误差为0.49114 g,决定系数达0.90358。; 关键词机器学习集成学习粒子群优化算法投饵量预测; Keywords machine learning ensemble learning particle swarm optimization algorithm prediction of feeding amount; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] S966.16 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

题名基于改进VGG-19卷积神经网络的冰鲜鲳鱼新鲜度评估方法被引量：16: 2; 作者李振波李萌赵远洋郭若皓陈雅茹; 机构中国农业大学信息与电气工程学院农业农村部农业信息获取技术重点实验室农业农村部国家数字渔业创新中心; 出处《农业工程学报》 EI CAS CSCD 北大核心 2021年第22期286-294,共9页; 基金国家重点研发计划蓝色粮仓科技创新重点专项项目(2020YFD0900204) 广东省重点领域研发计划项目(2020B0202010009)。; 文摘保障冰鲜水产品的质量安全是提升水产行业供求效益的关键环节之一。传统的水产品新鲜度检测方法存在破坏样本、操作复杂、检测效率低等问题,冷链储运的发展急需一种快速、准确的鱼肉新鲜度检测技术。该研究以冰鲜鲳鱼为研究对象,提出基于计算机视觉的鲳鱼新鲜度评估方法,为鱼肉冷链储运系统智能化发展提供技术支持。首先,建立冰鲜鲳鱼新鲜度等级图像数据集。其次,针对数据集规模小的问题,结合迁移学习方法训练卷积神经网络CNN(Convolutional Neural Network)提高模型的泛化能力,并选择试验效果较优的VGG-19(Visual Geometry Group 19)为分类算法主模型。最后,针对VGG-19分类网络结构复杂的问题,优化全连接层数量及结构,该优化模型的鲳鱼新鲜度识别准确率可达99.79%,与优化全连接层前相比准确率提升了1.05个百分点,全连接层参数量降低了97%,占空间降低了443.9 MB,时间效率、空间效率也均有提升。此外,为进一步说明模型对鲳鱼新鲜度等级的判定依据,该研究利用类激活映射方法对鲳鱼新鲜度分级结果进行可视化,试验表明鲳鱼腹部特征是对新鲜度分级最有效的信息,研究结果为构建基于深度卷积神经网络的鱼肉新鲜度分级模型提供参考。; 关键词计算机视觉卷积神经网络冰鲜鲳鱼新鲜度分类网络迁移学习类激活映射; Keywords computer vision convolutional neural networks iced pomfret freshness classification network transfer learning class activation mapping; 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G-RepVGG和鱼类运动行为的水质监测方法被引量：14: 3; 作者孙龙清王泊宁王嘉煜王新龙; 机构中国农业大学信息与电气工程学院农业农村部国家数字渔业创新中心; 出处《农业机械学报》 EI CAS CSCD 北大核心 2022年第S02期210-218,共9页; 基金国家重点研发计划项目(2020YFD0900201); 文摘水质恶化会直接造成水产养殖产量下降,严重时会导致水产动物大量死亡,给养殖企业造成严重经济损失。因此对水产养殖中水质参数进行实时监测具有重要意义。本文以斑石鲷为研究对象,提出了一种基于鱼类行为的水质监测方法。该方法通过摄像机拍摄到的图像数据就可以非侵入地完成水质参数的实时监测,避免了安装复杂设备、对鱼类行为进行量化等繁琐过程。为了增加推理速度和降低模型参数量,通过将RepVGG block与GhostNet相结合构建了G-RepVGG模型,使该模型更适用于移动设备的部署。提出了计算量较少、推理速度快、更适合水质快速监测的Cheap Ghost操作和计算量大、精确率高、更适合水质的精确监测Expensive Ghoost操作。由于多分支网络适合进行训练但是在推理速度上低于单分支网络,因此通过模型重参数化首先将卷积层以及批归一化(Batch normalization,BN)层合并,随后再将3路卷积合并为1路,大大降低模型参数量、提高了模型推理速度,使模型更加适用于移动设备的推理。结果表明:使用Cheap Ghost操作的G-RepVGG在测试集中准确率达到96.21%,图像处理速度达到442.27 f/s,使用Expensive Ghost操作的G-RepVGG模型在测试集中准确率达到97.63%,图像处理速度达到349.42 f/s,从而在保证较高精度的前提下依旧具有较高的推理速度,在多个数据集中测试具有较好的鲁棒性。; 关键词斑石鲷运动行为水质监测深度学习卷积神经网络; Keywords Oplegnathus punctatus motor behavior water quality monitoring deep learning convolutional neural network; 分类号 S959 [农业科学—水产养殖] TP274 [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ResNet-CA的鱼群饱腹程度识别方法被引量：8: 4; 作者孙龙清王新龙王泊宁王嘉煜孟新宇; 机构中国农业大学信息与电气工程学院农业农村部国家数字渔业创新中心; 出处《农业机械学报》 EI CAS CSCD 北大核心 2022年第S02期219-225,277,共8页; 基金国家重点研发计划项目(2020YFD0900201); 文摘投喂作为水产养殖过程中的一个关键环节,饵料的投喂量直接影响水产品的质量和养殖成本。然而,目前的投喂方法包括人工投喂和机器定时定量投喂,大多依靠人工经验,很难实现精准投喂。本文基于改进的ResNet34识别鱼群不同的饱腹程度。根据鱼群在不同饱腹阶段表现的摄食行为创建了含有5种不同饱腹程度的数据集,并采用数据增强操作对图像进行预处理。其次在原始模型ResNet34的基础上,本文提出使用坐标注意力机制,使模型在对图像进行特征提取的过程中能够做到专注于更大区域范围。并且使用深度可分离卷积的方式来代替传统卷积,减少模型参数量。为了评估改进的有效性,分析了改进后的模型在鱼群饱腹程度数据集上的性能,并将其与原模型ResNet34、AlexNet、VGG16、MobileNet-v2、GoogLeNet等经典卷积神经网络架构进行比较。综合实验结果表明,该模型相较于原模型参数量减少46.7%,准确率达到93.4%,相较于原模型提升3.4个百分点,同时改进后的模型在准确率、精确度、召回率等方面也都优于其他卷积神经网络。综上所述,本模型实现了性能与参数量之间的良好平衡,为后续模型在实际养殖环境中的部署并指导养殖户改善和制定投喂策略提供了可能。; 关键词鱼群摄食行为注意力机制深度可分离卷积卷积神经网络饱腹程度; Keywords school of fish feeding behavior attention mechanism deep separable convolution convolutional neural network satiation level; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S963 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

题名基于机器视觉的水产养殖计数研究综述被引量：10: 5; 作者张涵钰李振波李蔚然杨普; 机构中国农业大学信息与电气工程学院农业农村部国家数字渔业创新中心农业农村部智慧养殖技术重点实验室农业农村部农业信息获取技术重点实验室; 出处《计算机应用》 CSCD 北大核心 2023年第9期2970-2982,共13页; 基金国家重点研发计划项目(2020YFD0900204) 广东省重点领域研发计划项目(2020B0202010009)。; 文摘养殖计数是水产养殖过程中的重要环节,计数结果为水产动物的饲料投喂、养殖密度调整和经济效益估算等方面提供重要依据。针对传统人工计数方法耗时费力且易造成较大误差的问题,大量基于机器视觉的方法与应用被提出,极大地推动了水产品无损计数的发展。为深入了解基于机器视觉的水产养殖计数研究,整理和分析了至今三十多年来国内外的相关文献。首先,从数据采集方面对水产养殖计数展开综述性介绍,并对机器视觉所需数据的获取方法进行概括;其次,从传统机器视觉和深度学习两方面对水产养殖计数方法进行分析与总结;然后,对各种计数方法在不同养殖环境的实际应用进行对比分析;最后,从数据、方法和应用三方面总结了水产养殖计数研究的发展难点,并提出了计数方法研究和装备应用的未来发展方向。; 关键词水产养殖人工计数无损计数机器视觉深度学习; Keywords aquaculture manual counting non-destructive counting machine vision deep learning; 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PSO-Stacking的河蟹投饵量预测模型	李家弟陈子瑜高晨孙龙清	《农业机械学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于改进VGG-19卷积神经网络的冰鲜鲳鱼新鲜度评估方法	李振波李萌赵远洋郭若皓陈雅茹	《农业工程学报》 EI CAS CSCD 北大核心	2021	16	在线阅读下载PDF 职称材料
3	基于G-RepVGG和鱼类运动行为的水质监测方法	孙龙清王泊宁王嘉煜王新龙	《农业机械学报》 EI CAS CSCD 北大核心	2022	14	在线阅读下载PDF 职称材料
4	基于ResNet-CA的鱼群饱腹程度识别方法	孙龙清王新龙王泊宁王嘉煜孟新宇	《农业机械学报》 EI CAS CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料
5	基于机器视觉的水产养殖计数研究综述	张涵钰李振波李蔚然杨普	《计算机应用》 CSCD 北大核心	2023	10	在线阅读下载PDF 职称材料