期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
1
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
职称材料
基于改进YOLOv8n的低倍率显微图像黄瓜霜霉病孢子囊检测
2
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
职称材料
题名
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
1
作者
刘凯歌
吴康云
邢丹
宋敏
牟玉梅
李明
机构
贵州春芯科技有限公司
贵州省
农业
科学院
辣椒
研究
所
北京市农林科学院信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程研究中心/中国气象局-农业农村部都市农业气象服务中心
/
农业
农村部
农产品
冷链物流
技术
重点实验室(
北京
)
石河子大学农
学院
/特色果蔬栽培生理与种质资源利用兵团重点实验室
出处
《辣椒杂志》
2022年第1期18-22,35,共6页
基金
国家重点研发计划项目(SQ2020YFF0418305)
贵州省科技支撑项目(黔科合支撑[2021]一般264)。
文摘
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。
关键词
辣椒
蚜虫
深度学习
农业气象
预测
Keywords
hot pepper
aphids
deep learning
agrometeorological
forecasting
分类号
S436.419 [农业科学—农业昆虫与害虫防治]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8n的低倍率显微图像黄瓜霜霉病孢子囊检测
2
作者
张志军
李明
刘凯歌
查志华
机构
石河子大学机械电气
工程
学院
北京市农林科学院信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程研究中心/中国气象局-农业农村部都市农业气象服务中心
石河子大学农
学院
农业
农村部
西北
农业
装备重点实验室
绿洲特色经济作物生产机械化教育部
工程
研究
中心
出处
《农业工程学报》
北大核心
2025年第13期216-224,共9页
基金
国家自然科学基金项目(32360616)
国家重点研发计划项目(2023YFD1401200)
国家自然科学基金青年科学基金项目(31401683)。
文摘
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。
关键词
YOLOv8n
黄瓜
霜霉病
孢子囊检测
显微图像
低倍率
Keywords
YOLOv8n
cucumber
downy mildew
sporangia detection
microscopic image
low magnification
分类号
S24 [农业科学—农业电气化与自动化]
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
基于深度学习的贵州辣椒蚜虫发生气象条件预测模型初报
刘凯歌
吴康云
邢丹
宋敏
牟玉梅
李明
《辣椒杂志》
2022
3
在线阅读
下载PDF
职称材料
2
基于改进YOLOv8n的低倍率显微图像黄瓜霜霉病孢子囊检测
张志军
李明
刘凯歌
查志华
《农业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
