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
遥感反演吉木萨尔县土壤盐渍化变化特征及影响因素
1
作者
赵相亮
范燕敏
+5 位作者
马娜
李宝玉
孙芳芳
武红旗
赵佳豪
张洪杰
《黑龙江农业科学》
2025年第8期28-39,共12页
为系统分析新疆吉木萨尔县2010-2023年的土壤盐渍化变化特征及影响因素,对比了基于RF、CART和PLS模型的遥感反演法的预测性能,以最优的方法分析土壤盐渍化时空变化特征,并采用地理加权回归模型分析土壤盐分的影响因素。结果表明,RF模型...
为系统分析新疆吉木萨尔县2010-2023年的土壤盐渍化变化特征及影响因素,对比了基于RF、CART和PLS模型的遥感反演法的预测性能,以最优的方法分析土壤盐渍化时空变化特征,并采用地理加权回归模型分析土壤盐分的影响因素。结果表明,RF模型能够更准确地监测土壤盐渍化。2010-2023年,土壤盐渍化状况整体缓解,重度盐渍化消失,非盐渍化和轻度盐渍化面积增加,中度盐渍化面积减少。MGWR回归系数表明,高植被覆盖区有助于抑制盐分的增加与迁移,高蒸散发与低海拔区域更易发生盐分积聚。此外,人口密度的增加显著加剧了土壤盐渍化,在邻近河流与土壤湿度较高的区域,由于水分供给较为充足,盐分累积程度较低。
展开更多
关键词
土壤盐渍化
遥感反演
时空变化
MGWR
影响因素
在线阅读
下载PDF
职称材料
基于YOLO-SSAR的自然环境下红花检测算法
被引量：
3
2
作者
陈金荣
许燕
+3 位作者
周建平
王小荣
罗鸣
徐声彪
《农业工程学报》
北大核心
2025年第2期215-223,共9页
针对自然环境中红花智能采摘存在红花尺度变化大、遮挡情况复杂的问题,该研究对YOLOv5s模型进行优化,提出了一种基于多尺度特征提取的YOLO-SSAR目标检测算法。首先,采用ShuffleNet v2轻量化结构对Backbone层主干特征提取网络进行替换,...
针对自然环境中红花智能采摘存在红花尺度变化大、遮挡情况复杂的问题,该研究对YOLOv5s模型进行优化,提出了一种基于多尺度特征提取的YOLO-SSAR目标检测算法。首先,采用ShuffleNet v2轻量化结构对Backbone层主干特征提取网络进行替换,减少模型参数量和计算量;其次,在Neck层添加基于空洞卷积和共享权重的Scale-Aware RFE模块,提高模型对于多尺度特征信息的提取能力;最后,为解决目标检测中类内、类间遮挡问题,在Head层引入排斥损失函数对原损失函数进行替换,减少因非极大值抑制(non-maximum suppression,NMS)阈值选取不当造成的漏检或误检,提高模型的检测精度。试验结果表明,YOLO-SSAR算法在测试集上的精确率、召回率和平均精度均值分别为90.1%、88.5%、93.4%,比YOLOv5s原始模型分别提升了5.9、9.2和7.7个百分点,推理速度为115帧/s,模型大小为9.7 MB,与主流算法YOLOv4、YOLOv7、YOLOV8s、Faster R-CNN、SSD相比,精确率分别高出6.8、7.2、6.3、16.2和10.8个百分点、召回率高出9.4、10.3、9.5、17.3和59.4个百分点,平均精度均值高出8.8、8.2、8.1、14.9和19.4个百分点。研究表明,YOLO-SSAR算法在提升综合检测性能的同时也降低了计算复杂度,研究结果可以为红花智能采摘研究提供算法参考。
展开更多
关键词
目标检测
红花
YOLOv5s
ShuffleNet
v2
多尺度
排斥损失函数
在线阅读
下载PDF
职称材料
题名
遥感反演吉木萨尔县土壤盐渍化变化特征及影响因素
1
作者
赵相亮
范燕敏
马娜
李宝玉
孙芳芳
武红旗
赵佳豪
张洪杰
机构
新疆农业大学资源与环境学院
吉木萨尔县农牧业技术推广中心
中国冶金地质总局山东局集团测试有限公司
出处
《黑龙江农业科学》
2025年第8期28-39,共12页
基金
西北盐碱地土壤改良和能力提升技术模式的整合与示范项目(2023YFD1901503)。
文摘
为系统分析新疆吉木萨尔县2010-2023年的土壤盐渍化变化特征及影响因素,对比了基于RF、CART和PLS模型的遥感反演法的预测性能,以最优的方法分析土壤盐渍化时空变化特征,并采用地理加权回归模型分析土壤盐分的影响因素。结果表明,RF模型能够更准确地监测土壤盐渍化。2010-2023年,土壤盐渍化状况整体缓解,重度盐渍化消失,非盐渍化和轻度盐渍化面积增加,中度盐渍化面积减少。MGWR回归系数表明,高植被覆盖区有助于抑制盐分的增加与迁移,高蒸散发与低海拔区域更易发生盐分积聚。此外,人口密度的增加显著加剧了土壤盐渍化,在邻近河流与土壤湿度较高的区域,由于水分供给较为充足,盐分累积程度较低。
关键词
土壤盐渍化
遥感反演
时空变化
MGWR
影响因素
Keywords
soil salinization
remote sensing inversion
temporal and spatial variation
MGWR
influencing factors
分类号
S156.4 [农业科学—土壤学]
在线阅读
下载PDF
职称材料
题名
基于YOLO-SSAR的自然环境下红花检测算法
被引量：
3
2
作者
陈金荣
许燕
周建平
王小荣
罗鸣
徐声彪
机构
新疆大学机械工程学院
新疆维吾尔自治区
农牧
机器人及智能装备工程研究
中心
吉木萨尔县农牧业技术推广中心
出处
《农业工程学报》
北大核心
2025年第2期215-223,共9页
基金
新疆维吾尔自治区创新团队项目-机器人及智能装备技术科技创新团队(2022D14002)
新疆维吾尔自治区自然科学基金项目:非结构化环境下红花采摘机器人环境感知与认知决策关键技术研究(2023D01C190)。
文摘
针对自然环境中红花智能采摘存在红花尺度变化大、遮挡情况复杂的问题,该研究对YOLOv5s模型进行优化,提出了一种基于多尺度特征提取的YOLO-SSAR目标检测算法。首先,采用ShuffleNet v2轻量化结构对Backbone层主干特征提取网络进行替换,减少模型参数量和计算量;其次,在Neck层添加基于空洞卷积和共享权重的Scale-Aware RFE模块,提高模型对于多尺度特征信息的提取能力;最后,为解决目标检测中类内、类间遮挡问题,在Head层引入排斥损失函数对原损失函数进行替换,减少因非极大值抑制(non-maximum suppression,NMS)阈值选取不当造成的漏检或误检,提高模型的检测精度。试验结果表明,YOLO-SSAR算法在测试集上的精确率、召回率和平均精度均值分别为90.1%、88.5%、93.4%,比YOLOv5s原始模型分别提升了5.9、9.2和7.7个百分点,推理速度为115帧/s,模型大小为9.7 MB,与主流算法YOLOv4、YOLOv7、YOLOV8s、Faster R-CNN、SSD相比,精确率分别高出6.8、7.2、6.3、16.2和10.8个百分点、召回率高出9.4、10.3、9.5、17.3和59.4个百分点,平均精度均值高出8.8、8.2、8.1、14.9和19.4个百分点。研究表明,YOLO-SSAR算法在提升综合检测性能的同时也降低了计算复杂度,研究结果可以为红花智能采摘研究提供算法参考。
关键词
目标检测
红花
YOLOv5s
ShuffleNet
v2
多尺度
排斥损失函数
Keywords
target detection
safflower
YOLOv5s
ShuffleNet v2
multi-scale
repulsion loss function
分类号
S225 [农业科学—农业机械化工程]
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
作者
出处
发文年
被引量
操作
1
遥感反演吉木萨尔县土壤盐渍化变化特征及影响因素
赵相亮
范燕敏
马娜
李宝玉
孙芳芳
武红旗
赵佳豪
张洪杰
《黑龙江农业科学》
2025
0
在线阅读
下载PDF
职称材料
2
基于YOLO-SSAR的自然环境下红花检测算法
陈金荣
许燕
周建平
王小荣
罗鸣
徐声彪
《农业工程学报》
北大核心
2025
3
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
