检索结果-维普期刊中文期刊服务平台

基于Micro-CT的玉米籽粒显微表型特征研究被引量：6: 1; 作者赵欢王璟璐 +4 位作者廖生进张颖卢宪菊郭新宇赵春江《智慧农业（中英文）》 2021年第1期16-28,共13页; 植物显微表型主要是指植物组织、细胞和亚细胞水平的表型信息,是植物表型组学研究的重要组成部分。针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题,本研究利用Micro-CT扫描技术对5种类型11个品种玉米籽粒开展显微表型精... 展开更多; 关键词植物表型组学显微表型 MICRO-CT 玉米籽粒表型鉴定; 在线阅读下载PDF 职称材料

基于卷积神经网络的田间麦穗检测方法研究: 2; 作者张合涛赵春江 +3 位作者王传宇郭新宇李大壮苟文博《麦类作物学报》 CAS CSCD 北大核心 2023年第6期798-807,共10页; 为提高卷积神经网络对麦穗的识别检测精度,在YOLOv5检测模型基础上提出改进的识别检测模型YOLOv5-αTB,在特征提取网络末端部分加入Transformer模块,强化特征提取网络对小麦麦穗图像的颜色、纹理、几何等特征的提取,在特征融合部分将路... 展开更多; 关键词小麦麦穗卷积神经网络特征提取特征融合损失函数麦穗识别检测模型; 在线阅读下载PDF 职称材料

单目多视角图像的美国白蛾三维模型重建系统与试验被引量：1: 3; 作者舒卓陈立平 +3 位作者陈梅香张瑞瑞郭新宇温维亮《中国农机化学报》北大核心 2023年第8期168-173,共6页; 为构建具有高清纹理特征的美国白蛾三维模型,并对美国白蛾三维模型进行精度评价,开展单目多视角图像的美国白蛾三维重建的研究。首先构建昆虫多视角图像采集系统,实现对美国白蛾高质量序列图像自动化获取,建立美国白蛾高质量序列图像样... 展开更多; 关键词三维重建多视角图像机器视觉美国白蛾重建效果评价虫害防控; 在线阅读下载PDF 职称材料

田间玉米苗期高通量动态监测方法被引量：2: 4; 作者张小青邵松 +1 位作者郭新宇樊江川《智慧农业（中英文）》 2021年第2期88-99,共12页; 目前对玉米出苗动态检测监测主要是依靠人工观测,耗时耗力且只能选择小的样方估算整体出苗情况。为解决人工出苗动态管理不精准的问题,实现田间精细化管理,本研究以田间作物表型高通量采集平台获取的高时序可见光图像和无人机平台获取... 展开更多; 关键词玉米苗期 Faster R-CNN 识别计数出苗动态监测; 在线阅读下载PDF 职称材料

题名基于Micro-CT的玉米籽粒显微表型特征研究被引量：6: 1; 作者赵欢王璟璐廖生进张颖卢宪菊郭新宇赵春江; 机构北京农业信息技术研究中心国家农业信息化工程技术研究中心/数字植物北京市重点实验室华中农业大学植物科学技术学院; 出处《智慧农业（中英文）》 2021年第1期16-28,共13页; 基金北京市农林科学院作物表型协同创新中心项目(KJCX201917) 国家现代农业产业技术体系专项资金(CARS-02) +1 种基金北京市农林科学院改革与发展项目。; 文摘植物显微表型主要是指植物组织、细胞和亚细胞水平的表型信息,是植物表型组学研究的重要组成部分。针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题,本研究利用Micro-CT扫描技术对5种类型11个品种玉米籽粒开展显微表型精准鉴定研究。基于对CT序列图像的处理解析,共获取籽粒、胚、胚乳、空腔、皮下空腔、胚乳空腔和胚空腔的34项显微表型指标。其中,胚乳空腔表面积、籽粒体积、胚乳体积比和胚乳空腔比表面积等4项表型指标在不同类型玉米间差异显著(P-value<0.05)。普通玉米胚乳空腔表面积和籽粒体积显著大于其它类型玉米,高油玉米胚乳空腔比表面积最大,甜玉米胚乳空腔比表面积最小,爆裂玉米胚乳体积比最大。进一步利用34项玉米籽粒表型指标开展差异分析和聚类分析,可将11个不同品种玉米分为四类,其中第一类以普通玉米为主,第二类以爆裂玉米为主,第三类是甜玉米,第四类是高油玉米。结果表明,Micro-CT扫描技术不仅可以实现玉米籽粒显微表型的精准鉴定,还可以为玉米籽粒分类、品种检测等提供技术支撑。; 关键词植物表型组学显微表型 MICRO-CT 玉米籽粒表型鉴定; Keywords plant phenomics micro-phenotype Micro-CT maize kernel phenotype identification; 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

题名基于卷积神经网络的田间麦穗检测方法研究: 2; 作者张合涛赵春江王传宇郭新宇李大壮苟文博; 机构西北农林科技大学信息工程学院北京农业信息技术研究中心国家农业信息化工程技术研究中心/数字植物北京市重点实验室; 出处《麦类作物学报》 CAS CSCD 北大核心 2023年第6期798-807,共10页; 基金北京市农林科学院作物表型组学协同创新中心资助项目。; 文摘为提高卷积神经网络对麦穗的识别检测精度,在YOLOv5检测模型基础上提出改进的识别检测模型YOLOv5-αTB,在特征提取网络末端部分加入Transformer模块,强化特征提取网络对小麦麦穗图像的颜色、纹理、几何等特征的提取,在特征融合部分将路径聚合网络(path aggregation network,PANet)替换成加权双向特征金字塔(bidirectional feature pyramid network,BiFPN),进一步优化多尺度特征的融合。针对边界框回归损失函数的计算方式IoU的局限性,引入了α-CIoU加强了边界框回归的效果。利用YOLOv5-αTB检测模型在测试集上得到的精确度(precision)、召回率(recall)和平均精度(average precision,AP)分别是99.95%、81.86%和88.64%,在平均精度上相比于传统的YOLOv5模型提升2.92个百分点。该模型检测统计麦穗数量对比人工计数结果,识别检测精度约为97.00%。; 关键词小麦麦穗卷积神经网络特征提取特征融合损失函数麦穗识别检测模型; Keywords Wheat ears Convolutional neural network Feature extraction Feature fusion Loss function Wheat ears recognition and detection model; 分类号 S512.1 [农业科学—作物学] S311 [农业科学—作物栽培与耕作技术]; 在线阅读下载PDF 职称材料

题名单目多视角图像的美国白蛾三维模型重建系统与试验被引量：1: 3; 作者舒卓陈立平陈梅香张瑞瑞郭新宇温维亮; 机构西北农林科技大学机械与电子工程学院国家农业智能装备工程技术研究中心国家农业信息化工程技术研究中心/数字植物北京市重点实验室; 出处《中国农机化学报》北大核心 2023年第8期168-173,共6页; 基金国家自然科学基金面上项目(31971581) 北京市农林科学院创新能力建设专项(KJCX20200206) 北京市农林科学院杰出科学家培育专项(JKZX201903)。; 文摘为构建具有高清纹理特征的美国白蛾三维模型,并对美国白蛾三维模型进行精度评价,开展单目多视角图像的美国白蛾三维重建的研究。首先构建昆虫多视角图像采集系统,实现对美国白蛾高质量序列图像自动化获取,建立美国白蛾高质量序列图像样本库。然后利用SFM与MVS相结合的方法,实现美国白蛾精准三维模型重建。最后以美国白蛾形态参数对重建的美国白蛾三维模型进行精度评估试验。结果表明,待评估值与参照值的相对误差小于5%、R^(2)大于0.95。所重建的美国白蛾精准三维模型可以为深度学习样本扩增、植保病虫害识别与防控提供重要基础数据。; 关键词三维重建多视角图像机器视觉美国白蛾重建效果评价虫害防控; Keywords 3D reconstruction multi-view images machine vision Hyphantria cunea(Drury) reconstruction effect evaluation pest control; 分类号 TP391.4 [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

题名田间玉米苗期高通量动态监测方法被引量：2: 4; 作者张小青邵松郭新宇樊江川; 机构北京农业信息技术研究中心国家农业信息化工程技术研究中心/数字植物北京市重点实验室上海海洋大学信息学院; 出处《智慧农业（中英文）》 2021年第2期88-99,共12页; 基金国家自然科学基金面上项目(31871519) 现代农业产业技术体系专项资金资助(CARS-02) 北京市农林科学院院改革与发展项目。; 文摘目前对玉米出苗动态检测监测主要是依靠人工观测,耗时耗力且只能选择小的样方估算整体出苗情况。为解决人工出苗动态管理不精准的问题,实现田间精细化管理,本研究以田间作物表型高通量采集平台获取的高时序可见光图像和无人机平台获取的可见光图像两种数据源构建了不同光照条件下的玉米出苗过程图像数据集。考虑到田间存在环境背景复杂、光照不均等因素,在传统FasterR-CNN的基础上构建残差单元,使用ResNet50作为新的特征提取网络来对FasterR-CNN进行优化,首先实现对复杂田间环境下玉米出苗识别和计数;进而基于表型平台所获取的高时序图像数据,对不同品种、不同密度的玉米植株进行出苗动态连续监测,对各玉米品种的出苗持续时间和出苗整齐度进行评价分析。试验结果表明,本研究提出的方法应用于田间作物高通量表型平台出苗检测时,晴天和阴天的识别精度分别为95.67%和91.36%;应用于无人机平台出苗检测时晴天和阴天的识别精度分别91.43%和89.77%,可以满足实际应用场景下玉米出苗自动检测的需求。利用表型平台可获取时序数据的优势,进一步进行了玉米动态出苗检测分析,结果表明利用本模型得到的动态出苗结果与人工实际观测具有一致性,说明本研究提出的模型的具有鲁棒性和泛化性。; 关键词玉米苗期 Faster R-CNN 识别计数出苗动态监测; Keywords field maize Faster R-CNN recognition counting dynamic seedling detection; 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Micro-CT的玉米籽粒显微表型特征研究	赵欢王璟璐廖生进张颖卢宪菊郭新宇赵春江	《智慧农业（中英文）》	2021	6	在线阅读下载PDF 职称材料
2	基于卷积神经网络的田间麦穗检测方法研究	张合涛赵春江王传宇郭新宇李大壮苟文博	《麦类作物学报》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
3	单目多视角图像的美国白蛾三维模型重建系统与试验	舒卓陈立平陈梅香张瑞瑞郭新宇温维亮	《中国农机化学报》北大核心	2023	1	在线阅读下载PDF 职称材料
4	田间玉米苗期高通量动态监测方法	张小青邵松郭新宇樊江川	《智慧农业（中英文）》	2021	2	在线阅读下载PDF 职称材料