检索结果-维普期刊中文期刊服务平台

基于深度可分离与空洞卷积的轻量化小麦生育进程监测模型研究被引量：5: 1; 作者郑光魏家领 +2 位作者任艳娜刘合兵席磊《江苏农业科学》北大核心 2022年第20期226-232,共7页; 小麦的栽培管理措施依赖于其生育进程的监测,而传统人工观测小麦生育信息的获取方式,不仅效率低而且无法满足实时、快速的监测需求。为了解决上述问题,本研究提出一种基于深度可分离和空洞卷积的轻量化小麦生育进程监测方法,开展对小麦... 展开更多; 关键词小麦生育期深度可分离卷积空洞卷积智能服务; 在线阅读下载PDF 职称材料

面向小麦生育进程监测的卷积神经网络精简化研究: 2; 作者李祥宇任艳娜 +1 位作者马新明席磊《江苏农业科学》北大核心 2022年第8期199-206,共8页; 目前,利用机器视觉进行小麦生育进程监测主要是通过人工来进行特征提取,存在客观性差、效率低等问题,为了解决该问题,把深度学习引入到小麦生育进程监测研究中。卷积神经网络作为深度学习中常用的算法被广泛应用于图像分类任务中,使用... 展开更多; 关键词小麦生育期深度学习卷积神经网络模型压缩知识蒸馏; 在线阅读下载PDF 职称材料

融合ALBERT与规则的小麦病虫害命名实体识别被引量：13: 3; 作者刘合兵张德梦 +2 位作者熊蜀峰马新明席磊《计算机科学与探索》 CSCD 北大核心 2023年第6期1395-1404,共10页; 小麦病虫害中文命名实体识别是构建该领域知识图谱的关键步骤,针对小麦病虫害领域训练数据匮乏、实体结构复杂、实体类型多样及实体分布不均匀等问题,在充分挖掘隐含知识的前提下,采用了两种数据增广方法扩充句子语义信息,构建了小麦病... 展开更多; 关键词小麦病虫害数据增广命名实体识别(NER) ALBERT 规则修正; 在线阅读下载PDF 职称材料

基于多尺度特征融合的蔬菜价格预测模型研究被引量：6: 4; 作者刘合兵韩晶晶 +3 位作者庄晨辉郑光席磊张红阳《河南农业大学学报》 CAS CSCD 2022年第5期858-867,共10页; 【目的】对蔬菜价格进行波动特征分析和预测研究,为经营者提供前瞻性信息,调整生产销售思路,促进相关部门提升市场风险规避的能力。【方法】根据农产品价格的波动特征,提出一种多尺度特征融合的价格预测模型,采用经验模态分解(EMD)将价... 展开更多; 关键词经验模态分解小波变换极限学习机蔬菜价格预测; 在线阅读下载PDF 职称材料

基于EMD-ELM模型的农产品价格预测研究被引量：9: 5; 作者刘合兵韩晶晶 +1 位作者马新明席磊《农业大数据学报》 2020年第3期68-74,共7页; 【目的】农产品价格变动关乎国计民生,农产品市场价格波动频率快,波动幅度大,受多方面因素共同影响,并呈现出非平稳、非线性等不规律波动特征,这给农产品市场带来极大的挑战。只有充分地分析农产品价格的变化趋势,提高价格预测精度,才... 展开更多; 关键词经验模态分解极限学习机农产品价格预测; 在线阅读下载PDF 职称材料

题名基于深度可分离与空洞卷积的轻量化小麦生育进程监测模型研究被引量：5: 1; 作者郑光魏家领任艳娜刘合兵席磊; 机构河南农业大学信息与管理科学学院农田监测与控制河南省工程实验室; 出处《江苏农业科学》北大核心 2022年第20期226-232,共7页; 基金河南省重大科技专项(编号:171100110600-01) 河南省现代农业产业技术体系(编号:S2010-01-G04)。; 文摘小麦的栽培管理措施依赖于其生育进程的监测,而传统人工观测小麦生育信息的获取方式,不仅效率低而且无法满足实时、快速的监测需求。为了解决上述问题,本研究提出一种基于深度可分离和空洞卷积的轻量化小麦生育进程监测方法,开展对小麦生育进程自动识别的研究。通过对试验田小麦完整生育周期内物候特征的持续拍摄,得到小麦各生育期分类图像数据集,并使用去中心化、错位缩放、翻转变换的图像增强方式对小麦生育期数据集进行扩充;通过使用深度可分离卷积有效地降低了模型的参数量和训练时间,在此基础上加入空洞卷积技术扩大网络中的感受野,提高网络对边缘的特征学习能力,并借助残差网络的技术逐步加深神经网络的深度,构建小麦生育进程监测模型。结果表明,本研究提出的监测模型在识别准确率方面高于经典的VGG16、InceptionV3、ResNet50模型,达到了98.6%。参数规模降低至1.3 MB,相比于轻量级模型MobileNetV2降低了58%,同等环境下在识别速度方面较MobileNetV2提高了47%;同时,利用TensorFlow Serving对监测模型进行部署,遵循前后端分离,采用SpringBoot及BootStrap等技术框架,开发了小麦生育进程智能监测服务系统,系统具有很好的松耦合性和灵活性。本研究为小麦生育进程智能化识别提供了技术支撑,也为低分类场景设计轻量且高效的卷积神经网络模型提供了可借鉴的方法。; 关键词小麦生育期深度可分离卷积空洞卷积智能服务; 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

题名面向小麦生育进程监测的卷积神经网络精简化研究: 2; 作者李祥宇任艳娜马新明席磊; 机构河南农业大学信息与管理科学学院农田监测与控制河南省工程实验室; 出处《江苏农业科学》北大核心 2022年第8期199-206,共8页; 基金河南省重大科技专项(编号:171100110600-01) 河南省现代农业产业技术体系项目(编号:S2010-01-G04) 河南省科技攻关项目(编号:202102110268)。; 文摘目前,利用机器视觉进行小麦生育进程监测主要是通过人工来进行特征提取,存在客观性差、效率低等问题,为了解决该问题,把深度学习引入到小麦生育进程监测研究中。卷积神经网络作为深度学习中常用的算法被广泛应用于图像分类任务中,使用深层的特征提取网络能够自动识别和提取图像特征,但常规深度卷积网络带来的大量参数和计算开销使这些算法难以应用到对存储空间和参数量有一定限制的嵌入式设备中。为此提出将知识蒸馏方法用于目标检测网络的特征提取网络,以提升浅层特征提取网络的性能,在降低模型的计算量和模型大小的同时尽可能地保证识别结果的准确性。通过使用ResNet50、VGG-16这2个不同教师网络分别指导学生模型MobileNet进行训练,试验结果表明,当ResNet50作为教师模型、MobileNet作为学生模型时识别效果最好,学生模型MobileNet的平均识别准确率达到了97.3%,模型大小压缩为仅19.7 MB,相比于ResNet50缩小了88.9%,通过知识蒸馏的方法,使得到的模型能够在提高准确率的情况下还能减少网络模型的参数量和模型运行时间的消耗,大幅降低部署模型的成本,可以为田间小麦智慧化生产提供技术支撑。; 关键词小麦生育期深度学习卷积神经网络模型压缩知识蒸馏; 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

题名融合ALBERT与规则的小麦病虫害命名实体识别被引量：13: 3; 作者刘合兵张德梦熊蜀峰马新明席磊; 机构河南农业大学信息与管理科学学院农田监测与控制河南省工程实验室; 出处《计算机科学与探索》 CSCD 北大核心 2023年第6期1395-1404,共10页; 基金河南省现代农业产业技术体系项目(S201001G04) 国家重点研发计划(2016YFD0300609)。; 文摘小麦病虫害中文命名实体识别是构建该领域知识图谱的关键步骤,针对小麦病虫害领域训练数据匮乏、实体结构复杂、实体类型多样及实体分布不均匀等问题,在充分挖掘隐含知识的前提下,采用了两种数据增广方法扩充句子语义信息,构建了小麦病虫害实体识别语料库WpdCNER及其领域词典WpdDict,并在领域专家的指导下定义了16类实体;同时提出了一种基于规则修正的中文命名实体识别模型WPD-RA,该模型基于轻量级BERT+双向长短期记忆网络+条件随机场(ALBERT+BiLSTM+CRF)进行实体识别,并在识别后定义具体规则校准实体边界。融合规则后的ALBERT+BiLSTM+CRF模型取得了最好的识别结果,准确率为94.72%,召回率为95.23%,[F1]值为94.97%,相比不加规则的识别结果,其准确率、召回率、[F1]值分别增加了1.71个百分点、0.34个百分点、1.03个百分点。实验结果表明,该方法能有效识别小麦病虫害领域命名实体,识别性能优于其他模型,为食品安全、生物等其他领域命名实体识别提供了一种可借鉴的思路。; 关键词小麦病虫害数据增广命名实体识别(NER) ALBERT 规则修正; Keywords wheat diseases and pests data augmentation named entity recognition(NER) ALBERT rules amendment; 分类号 TP391 [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

题名基于多尺度特征融合的蔬菜价格预测模型研究被引量：6: 4; 作者刘合兵韩晶晶庄晨辉郑光席磊张红阳; 机构河南农业大学信息与管理科学学院农田监测与控制河南省工程实验室; 出处《河南农业大学学报》 CAS CSCD 2022年第5期858-867,共10页; 基金河南省现代农业产业技术体系(S2010-01-G04) 河南省重点研发与推广专项(科技攻关)项目(212102110204)。; 文摘【目的】对蔬菜价格进行波动特征分析和预测研究,为经营者提供前瞻性信息,调整生产销售思路,促进相关部门提升市场风险规避的能力。【方法】根据农产品价格的波动特征,提出一种多尺度特征融合的价格预测模型,采用经验模态分解(EMD)将价格序列分解为若干个本征模态函数(IMF)和余项。为降低IMF1分量的不规则性对预测的影响,将IMF1进行小波变换分解为近似序列和细节序列,分解得到的多尺度分量分别用极限学习机构建预测模型,最后把各个分量的预测结果进行累加融合得到预测值。【结果】利用河南省农产品信息监测系统数据,将该方法应用于河南省马铃薯、莲藕、番茄、黄瓜、大白菜、油麦菜的月均价格进行预测。预测精度评价指标表明马铃薯、莲藕、番茄、黄瓜、大白菜、油麦菜的平均绝对误差分别为0.06、0.25、0.14、0.19、0.04、0.17元·kg^(-1),平均百分比误差为2.70%、4.58%、4.71%、4.76%、3.90%、3.84%,均方根误差为0.08、0.37、0.17、0.26、0.05、0.21。且评价指标与经验模态分解和极限学习机的组合模型进行对比,结果表现较好。【结论】该预测模型可以有效地提高预测精度,具有较好的预测性能,能够适用于多种类蔬菜价格的预测。; 关键词经验模态分解小波变换极限学习机蔬菜价格预测; Keywords empirical mode decomposition wavelet transform extreme learning machine vegetable price forecast; 分类号 F323.7 [经济管理—产业经济]; 在线阅读下载PDF 职称材料

题名基于EMD-ELM模型的农产品价格预测研究被引量：9: 5; 作者刘合兵韩晶晶马新明席磊; 机构河南农业大学信息与管理科学学院农田监测与控制河南省工程实验室; 出处《农业大数据学报》 2020年第3期68-74,共7页; 基金河南省重大科技专项(171100110600-01) 河南省现代农业产业技术体系(S2010-01-G04)。; 文摘【目的】农产品价格变动关乎国计民生,农产品市场价格波动频率快,波动幅度大,受多方面因素共同影响,并呈现出非平稳、非线性等不规律波动特征,这给农产品市场带来极大的挑战。只有充分地分析农产品价格的变化趋势,提高价格预测精度,才能更好地指引农产品产业健康发展。【方法】文章以马铃薯为研究对象,基于2014年1月至2019年12月共72组月度价格数据,提出一种经验模态分解(EMD)和极限学习机(ELM)的农产品价格组合预测模型。该组合预测模型充分利用了经验模态分解的自主分解能力和极限学习机设置较少的参数的优势。首先利用经验模态分解将原始价格序列分解为若干个本征模态函数(IMF)和余项,然后将这些分量分别用极限学习机进行预测,最后把各个分量的预测结果进行组合得到原始序列的预测值。【结果】将该方法实际应用于马铃薯价格进行预测并对其预测结果进行评价分析,结果表明其平均绝对误差为0.093元/kg,平均百分比误差为4.265%,均方根误差为0.148,并与单独的极限学习机、BP神经网络和ARIMA方法进行比较,结果表明EMD-ELM组合预测模型具有较好的农产品价格预测性能,能够为预测农产品价格波动提供一种思路,为行业和政府主管部门保障农产品供应决策提供参考依据。; 关键词经验模态分解极限学习机农产品价格预测; Keywords Empirical Mode Decomposition Extreme Learning Machine agricultural products price prediction; 分类号 F323.7 [经济管理—产业经济]; 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	基于深度可分离与空洞卷积的轻量化小麦生育进程监测模型研究	郑光魏家领任艳娜刘合兵席磊	《江苏农业科学》北大核心	2022	5	在线阅读下载PDF 职称材料
2	面向小麦生育进程监测的卷积神经网络精简化研究	李祥宇任艳娜马新明席磊	《江苏农业科学》北大核心	2022	0	在线阅读下载PDF 职称材料
3	融合ALBERT与规则的小麦病虫害命名实体识别	刘合兵张德梦熊蜀峰马新明席磊	《计算机科学与探索》 CSCD 北大核心	2023	13	在线阅读下载PDF 职称材料
4	基于多尺度特征融合的蔬菜价格预测模型研究	刘合兵韩晶晶庄晨辉郑光席磊张红阳	《河南农业大学学报》 CAS CSCD	2022	6	在线阅读下载PDF 职称材料
5	基于EMD-ELM模型的农产品价格预测研究	刘合兵韩晶晶马新明席磊	《农业大数据学报》	2020	9	在线阅读下载PDF 职称材料