期刊文献+
共找到61篇文章
< 1 2 4 >
每页显示 20 50 100
多源卫星遥感数据监测巢湖蓝藻水华爆发研究 被引量:30
1
作者 张东彦 尹勋 +5 位作者 佘宝 丁玉婉 梁栋 黄林生 赵晋陵 郜允兵 《红外与激光工程》 EI CSCD 北大核心 2019年第7期295-306,共12页
湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据,通过归一化水体指数(Normali... 湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据,通过归一化水体指数(Normalized Difference Water Index,NDWI)实现巢湖水域范围提取,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)和浮游藻类指数(Floating Algae Index,FAI)提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的,对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析,评价Landsat、HJ-1B以及VIIRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明:(1)相比NDVI指数,FAI指数(Landsat和HJ-1B数据为主,VIIRS数据辅助)能降低薄云对蓝藻水华提取效果的影响,可提高蓝藻水华爆发区域、程度的识别能力;(2)气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度,降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述,论文引入VIIRS卫星影像研究巢湖蓝藻水华爆发,利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响,取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持,有利于推进卫星遥感技术在安徽省“河长制”和“湖长制”中发挥重要作用。 展开更多
关键词 浮游藻类指数 归一化水体指数 VIIRS影像 巢湖蓝藻 气象因子
在线阅读 下载PDF
人类活动影响下安徽省植被指数时空变化分析 被引量:5
2
作者 魏圆圆 孙守刚 +1 位作者 梁栋 贾兆红 《农业机械学报》 EI CAS CSCD 北大核心 2022年第8期203-212,共10页
利用2006—2020年MODIS NDVI数据和2010年及2015年的国内生产总值(GDP)、人口(POP)、土地覆盖(Land Cover)空间分布数据,分析了安徽省NDVI的时空变化规律及人类活动对NDVI空间变异的影响。结果表明:2006—2020年安徽省NDVI在0.535~0.56... 利用2006—2020年MODIS NDVI数据和2010年及2015年的国内生产总值(GDP)、人口(POP)、土地覆盖(Land Cover)空间分布数据,分析了安徽省NDVI的时空变化规律及人类活动对NDVI空间变异的影响。结果表明:2006—2020年安徽省NDVI在0.535~0.568之间波动,总体呈改善趋势,累积增长率为6.23%;季节上年增长率由大到小依次为秋季(0.0042a^(-1))、冬季(0.0036a^(-1))、夏季(0.0031a^(-1))和春季(0.0029a^(-1))。15年来,安徽省NDVI明显改善和轻微改善的区域面积占全省NDVI面积的69.17%,改善区域主要分布在长江以南地区;季节上,春季和冬季对NDVI改善的贡献最大。安徽省NDVI呈现持续性改善的区域占42.36%,呈现持续性退化的区域占17.23%,退化区域主要分布在省会城市及其周边经济发展较快城市。2010年GDP、POP、Land Cover对NDVI的空间变异分布解释力均在27%以上,2015年解释力均在15%以上,可见,GDP、POP、Land Cover对NDVI的空间分布均存在显著的影响。安徽省2006—2020年NDVI在时间和空间上均呈不断改善趋势,表明安徽省的绿色发展正在稳步推进。 展开更多
关键词 安徽省 植被指数 变化趋势 人类活动 相关性
在线阅读 下载PDF
农业土壤生态环境状况及修复对策初探 被引量:3
3
作者 徐小雪 李竞芳 潘正高 《湖北农机化》 2020年第5期10-11,共2页
随着经济的发展和科学技术的进步,发展农业的同时,伴随着农药化肥污染、耕种农作物单一、重金属污染和三废(废水、废气、废渣)排放影响农业土壤的生态环境状况的问题,农业土壤生态环境修复的重要性日益凸显。本文在农药化肥、农作物、... 随着经济的发展和科学技术的进步,发展农业的同时,伴随着农药化肥污染、耕种农作物单一、重金属污染和三废(废水、废气、废渣)排放影响农业土壤的生态环境状况的问题,农业土壤生态环境修复的重要性日益凸显。本文在农药化肥、农作物、重金属和人为五个方面分析了农业土壤生态环境的现状和污染的特征,在综合性污染防治、科学耕种、耕种基础设施和农业循环经济发展等方面展开了简要探讨,充分体现"创新、协调、绿色、开放、共享"的发展理念。 展开更多
关键词 农业 土壤 生态环境 修复
在线阅读 下载PDF
浅水湖泊水生植被和藻类水华时空演变遥感长期监测:以太湖流域长荡湖为例(1985-2021年)
4
作者 黄林生 倪贵高 +2 位作者 王康 赵晋陵 罗菊花 《湖泊科学》 北大核心 2025年第2期368-377,I0001,共11页
水生植被和藻类作为湖泊生态系统的主要初级生产者,对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下,湖泊富营养化加剧,水生植被退化,藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被... 水生植被和藻类作为湖泊生态系统的主要初级生产者,对湖泊生态系统具有重要作用。在气候变化和人类活动的双重作用下,湖泊富营养化加剧,水生植被退化,藻类水华频发。开展湖泊水生植被群落和藻类水华的长期观测可为湖泊生态系统水生植被修复和藻类水华管控提供决策依据。本研究以太湖流域浅水湖泊长荡湖为研究区,基于1985-2021年的Landsat 5和8卫星数据,利用VBI(vegetation and bloom indices)草藻分类算法,开展了浮叶/挺水植被、沉水植被和藻类水华长时序时空演变分析。结果表明:36年来,长荡湖水生植被(包括浮叶/挺水植被和沉水植被)都呈现显著下降趋势,其中沉水植被下降趋势尤为明显,沉水植被从湖中心向岸边逐步退化,其覆盖度从1985年的75%下降至2021年的不足21%;自2011年起,长荡湖水生植被优势生活型从沉水植被转变为浮叶/挺水植被;2010年首次监测到水华发生,2020年和2021年连续两年均监测到湖中心有大面积水华。基于湖泊围网面积和气象数据分析发现,围网拆除是水生植被退化和优势生活型转变的主要因素。 展开更多
关键词 太湖流域 长荡湖 水生植被 藻类水华 围网 遥感
在线阅读 下载PDF
卫星遥感揭示江淮流域湖泊围网大幅拆除
5
作者 黄林生 翟金龙 +8 位作者 孙喆 徐颖 高健 辛逸豪 秦海涛 赵晋陵 阮超 徐亚田 罗菊花 《湖泊科学》 北大核心 2025年第6期2260-2272,I0024,I0025,共15页
湖泊围网养殖是内陆淡水渔业的主要养殖方式之一,为粮食安全、就业和经济增长做出了重要贡献。然而,随着养殖规模和强度的增加,湖泊生态平衡逐渐被破坏。因此,明确湖泊围网的空间分布及其演变特征对湖泊生态保护具有重要意义。相比于实... 湖泊围网养殖是内陆淡水渔业的主要养殖方式之一,为粮食安全、就业和经济增长做出了重要贡献。然而,随着养殖规模和强度的增加,湖泊生态平衡逐渐被破坏。因此,明确湖泊围网的空间分布及其演变特征对湖泊生态保护具有重要意义。相比于实地调查,卫星遥感技术具有大尺度、可追溯性和经济性等优势,是监测湖泊围网的有效方式。本研究基于Sentinel-1 SAR数据和U-Net模型构建了湖泊围网自动监测算法。利用该算法对10个典型围网养殖湖泊的验证数据进行测试,像素准确率均超过80%;同时,基于长时序随机样点的验证结果显示,总体分类精度达到95%以上。此外,本研究将该算法应用于江淮流域围网养殖湖泊监测,获取了2016-2023年江淮流域湖泊围网养殖的时空演变特征。结果表明:江淮流域共有48个湖泊(面积大于10 km^(2))进行养殖活动,2016-2023年江淮流域湖泊围网养殖面积呈现大幅减少趋势,总面积由2118.72 km^(2)减少至462.94 km^(2),其中34个(约71%)湖泊已完全拆除围网。研究成果为围网拆除前后湖泊水环境与水生态变化及其成效评估提供了数据支撑,也为湖泊生态环境保护修复与可持续发展措施的制定提供了科学依据。 展开更多
关键词 江淮流域 湖泊围网养殖 Sentinel-1 深度学习 合成孔径雷达(SAR)
在线阅读 下载PDF
基于改进YOLOv9m的多品种玉米雄穗检测方法
6
作者 陈鹏 王兴蓉 +2 位作者 章军 王兵 梁栋 《农业工程学报》 北大核心 2025年第17期122-131,共10页
精准检测玉米雄穗对保障玉米生产具有重要的理论意义与应用价值。针对当前玉米雄穗检测中存在的不同品种雄穗形态差异明显、田间复杂背景干扰及目标遮挡严重等核心问题,该研究基于YOLOv9m提出多尺度轴向感知与特征增强网络(multi-scale ... 精准检测玉米雄穗对保障玉米生产具有重要的理论意义与应用价值。针对当前玉米雄穗检测中存在的不同品种雄穗形态差异明显、田间复杂背景干扰及目标遮挡严重等核心问题,该研究基于YOLOv9m提出多尺度轴向感知与特征增强网络(multi-scale axial aware and feature enhancement network,MAAFENet),用于多品种玉米雄穗的检测。该网络利用交互式跨层融合特征增强模块增强玉米雄穗的关键特征信息,减轻土壤、叶片等背景噪声干扰,并缓解遮挡场景下的特征丢失问题;利用多尺度轴向感知模块结合全局上下文信息和局部细节信息,提升对多品种雄穗的特征提取能力。结果表明,MAAFENet在多品种玉米雄穗检测(multiple varieties maize tassel detection,MVMTD)数据集上的精确率、召回率和平均精度均值分别为92.9%、92.5%和93.9%,比YOLOv9m模型分别提高了1.1、0.9和0.2个百分点。此外,MAAFENet在公开的玉米雄穗检测与计数(maize tassel detection and counting,MTDC)数据集上的精确率、召回率和平均精度均值分别为91.9%、85.9%和92.1%,与YOLOv9m、YOLOv10m等主流模型相比均达到最优。检测可视化的结果表明MAAFENet对于形态各异的玉米雄穗具有良好的检测效果。综上,该研究提出的方法能够有效检测出品种多样的玉米雄穗,为后续玉米产量估算提供基础的技术支持。 展开更多
关键词 卷积神经网络 目标检测 图像分析 无人机 玉米雄穗
在线阅读 下载PDF
基于动态图卷积和PointNet的三维局部特征描述符 被引量:3
7
作者 赵宝 王梓涵 +2 位作者 贾兆红 梁栋 刘强 《计算机辅助设计与图形学学报》 北大核心 2025年第1期89-99,共11页
提取高描述性和强鲁棒性的点云局部特征描述符是点云配准中的关键环节.针对现有基于学习的描述符方法依赖于对噪声敏感的手工特征或不具有旋转不变性等问题,提出一种基于动态图卷积和PointNet的三维局部特征描述符生成网络,以提取具有... 提取高描述性和强鲁棒性的点云局部特征描述符是点云配准中的关键环节.针对现有基于学习的描述符方法依赖于对噪声敏感的手工特征或不具有旋转不变性等问题,提出一种基于动态图卷积和PointNet的三维局部特征描述符生成网络,以提取具有旋转不变性和强泛化性的局部特征描述符.首先,将与局部参考框架对齐后的局部点云作为网络的输入,分别通过动态图卷积模型和PointNet模型提取输入点云中的局部几何特征和点特征,解决单一PointNet模型无法学习输入点集中点与点之间关系的问题;然后,为进一步提高网络的学习能力,提出一个由点自注意力模块和局部空间注意力模块组成的双重注意力机制层,用于更好地融合2个模型提取到的特征,来获取最终的描述符特征.在室内数据集3DMatch和室外数据集ETH和KITTI上的大量实验表明:所提网络在3DMatch上的特征匹配召回率达到98.2%,在ETH和KITTI上的特征匹配召回率和正确率分别达到98.7%和99.82%,验证了方法的有效性. 展开更多
关键词 局部特征描述符 局部参考框架 深度学习 注意力机制
在线阅读 下载PDF
基于改进DeblurGANv2模型的小麦条锈菌夏孢子离焦模糊显微图像复原方法
8
作者 雷雨 陈旭 +4 位作者 阮超 钱海明 李劲松 黄林生 赵晋陵 《农业机械学报》 北大核心 2025年第1期366-376,共11页
针对复杂工况下孢子捕捉设备显微成像易出现离焦模糊导致高频信息缺失和夏孢子边缘模糊等问题,提出了一种改进DeblurGANv2模型的小麦条锈菌夏孢子离焦模糊显微图像复原方法。首先,在DeblurGANv2模型特征融合模块后设计引入一个自底向上... 针对复杂工况下孢子捕捉设备显微成像易出现离焦模糊导致高频信息缺失和夏孢子边缘模糊等问题,提出了一种改进DeblurGANv2模型的小麦条锈菌夏孢子离焦模糊显微图像复原方法。首先,在DeblurGANv2模型特征融合模块后设计引入一个自底向上的5层特征增强模块,缩短浅层特征向深层特征的传播路径,增强不同尺度特征信息的相互融合,提升模型对高频和孢子边缘等信息的复原效果;同时,在特征提取主干网络部分引入卷积注意力机制(Convolutional block attention module,CBAM),在空间和通道2个维度增加夏孢子特征信息权重,提升模型对夏孢子的特征表达能力,丰富复原图像中夏孢子细节信息;最后,选取4种主流目标检测模型YOLO v5、Faster-R CNN、CenterNet和YOLO v8对复原前后的图像进行夏孢子检测,对比改进DeblurGANv2复原模型对检测性能的影响。试验结果表明,改进后DeblurGANv2复原模型均方误差、峰值信噪比和结构相似性指标分别为0.0014、28.88 dB、0.966,相较于原始DeblurGANv2模型性能分别提升17.65%、3.29%、0.35%;4种目标检测模型在结合改进DeblurGANv2复原模型去模糊后,检测性能指标均有不同程度提升,其中结合改进DeblurGANv2复原的YOLO v8模型性能表现最优,精确率、召回率、平均精度均值分别为96.1%、95.1%、97.7%,与直接使用YOLO v8检测模型相比,分别提升3.0、5.0、23.6个百分点,验证了本文提出的改进DeblurGANv2复原模型可复原出显微图像中离焦模糊夏孢子信息,显著提升了夏孢子目标检测模型检测性能,为气传小麦条锈菌夏孢子检测提供了技术支持。 展开更多
关键词 小麦条锈菌 显微图像 离焦模糊 孢子检测 图像复原 特征融合
在线阅读 下载PDF
联合局部二值模式与K-最近邻算法的高光谱图像分类方法 被引量:17
9
作者 赵晋陵 胡磊 +3 位作者 严豪 储国民 方艳 黄林生 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2021年第3期400-412,共13页
如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法... 如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法的高光谱图像分类方法。首先,通过主成分分析PCA(Principle Component Analysis)对高光谱数据进行降维;然后,使用LBP提取降维后的高光谱图像空间纹理信息,将光谱与空间特征变量堆叠成空—谱特征向量;最后,输入最近邻分类器得到分类结果。选取Pavia University、Indian Pines和Salinas三种公开高光谱数据集的训练集和测试集作为建模和验证数据源,选取KNN、基于径向基核函数的支持向量机(RBF-SVM)、核联合正交匹配追踪(Kernel Simultaneous Orthogonal Matching Pursuit,KSOMP)三种经典分类算法作为比较。在Pavia University与Indian Pines数据集中随机选取10%作为训练样本,总体精度和Kappa系数分别达到99.15%、98.87%和97.88%、97.58%;在Salinas数据集中随机选取2%作为训练样本,总体精度与Kappa系数为98.46%和98.29%。实验结果表明,在训练样本仅为数据集10%甚至2%的条件下,本文提出的方法仍可达到98%以上的分类精度,可满足训练样本难以获取的应用场景对高分类精度要求。 展开更多
关键词 高光谱遥感 局部二值模式 K-最近邻 空谱特征 主成分分析
在线阅读 下载PDF
基于导数光谱与主成分分析的小麦籽粒赤霉病识别 被引量:4
10
作者 琚书存 汪志存 +3 位作者 林芬芳 谷春艳 潘正高 张东彦 《安徽大学学报(自然科学版)》 CAS 北大核心 2020年第6期43-50,共8页
赤霉病是威胁我国食品安全的主要病害之一,为了给粮食加工和作物育种提供技术支持,迫切需要探索小麦籽粒赤霉病的识别方法.利用高光谱成像仪扫描健康和感染赤霉病的小麦籽粒获取高光谱图像.使用图像处理技术分离籽粒和背景后,用多元散... 赤霉病是威胁我国食品安全的主要病害之一,为了给粮食加工和作物育种提供技术支持,迫切需要探索小麦籽粒赤霉病的识别方法.利用高光谱成像仪扫描健康和感染赤霉病的小麦籽粒获取高光谱图像.使用图像处理技术分离籽粒和背景后,用多元散射校正、1阶导数和2阶导数对光谱数据进行预处理.利用主成分分析提取小麦籽粒的光谱特征.使用不同模型对籽粒进行识别,比较多种处理组合的评估指标.结果表明:1阶导数—主成分分析—BP神经网络组合的总体分类精度最高,其值为91.67%. 展开更多
关键词 小麦籽粒 赤霉病 导数光谱法 主成分分析
在线阅读 下载PDF
基于无人机RGB影像的大豆种植区提取方法研究 被引量:3
11
作者 张梦 佘宝 +2 位作者 杨玉莹 黄林生 朱梦琦 《浙江农业学报》 CSCD 北大核心 2023年第4期952-961,共10页
针对皖北大豆主产区——阜阳市太和县境内的典型破碎农田环境,基于无人机RGB影像与多种机器学习算法构建大豆遥感识别模型,据此实现种植区的精细制图。除了R、G、B波段的相对反射率外,还选取了3个HLS色彩空间分量、9个可见光植被指数、... 针对皖北大豆主产区——阜阳市太和县境内的典型破碎农田环境,基于无人机RGB影像与多种机器学习算法构建大豆遥感识别模型,据此实现种植区的精细制图。除了R、G、B波段的相对反射率外,还选取了3个HLS色彩空间分量、9个可见光植被指数、6个纹理特征和1个几何特征共22个候选特征变量扩大RGB影像的信息量。采用与分类器相耦合的特征选择方法筛选出针对4种算法——随机森林(RF)、支持向量机(SVM)、极端梯度提升(XGBoost)和BP神经网络(BPNN)的特征子集,并基于最优特征子集和相应的算法构建监督分类模型进行大豆分布区的提取制图,并对比效果差异。结果表明,在4种算法下,基于优选特征子集构建的监督分类模型的提取效果全部优于基于原始RGB波段的提取效果,其中,RF算法结合优选特征的表现最佳,总体精度为93.96%,Kappa系数达到0.87。总的来看,RF算法结合特征优选方法在无人机大豆遥感识别中具有较大的应用潜力,通过特征筛选可在较高的分类精度与较少的数据量之间取得平衡。 展开更多
关键词 无人机 机器学习 大豆 作物制图 特征优选
在线阅读 下载PDF
联合多源多时相卫星影像和支持向量机的小麦白粉病监测方法(英文) 被引量:3
12
作者 赵晋陵 杜世州 黄林生 《智慧农业(中英文)》 2022年第1期17-28,共12页
白粉病主要侵染小麦叶部,可利用卫星遥感技术进行大范围监测和评估。本研究利用多源多时相卫星遥感影像监测小麦白粉病并提升分类精度。使用四景Landat-8的热红外传感器数据(Thermal Infrared Sensor,TIRS)和20景MODIS影像的MOD11A1温... 白粉病主要侵染小麦叶部,可利用卫星遥感技术进行大范围监测和评估。本研究利用多源多时相卫星遥感影像监测小麦白粉病并提升分类精度。使用四景Landat-8的热红外传感器数据(Thermal Infrared Sensor,TIRS)和20景MODIS影像的MOD11A1温度产品反演地表温度(Land Surface Temperature,LST),使用4景国产高分一号(GF-1)宽幅相机数据(Wide Field of View,WFV)提取小麦种植区和计算植被指数。首先,利用ReliefF算法优选对小麦白粉病敏感的植被指数,然后利用时空自适应反射率融合模型(Spatial and Temporal Adaptive Reflectance Fusion Model,STARFM)对Landsat-8 LST和MOD11A1数据进行时空融合。利用Z-score标准化方法对植被指数和温度数据统一量度。最后,将处理和融合后的单一时项Landsat-8LST、多时相Landsat-8 LST、累加MODIS LST和多时相Landsat-8 LST与累加MODIS LST结合的数据分别输入支持向量机(Support Vector Machine,SVM)构建了四个分类模型,即LST-SVM、SLST-SVM、MLSTSVM和SMLST-SVM,利用用户精度、生产者精度、总体精度和Kappa系数对比四个模型的分类精度。结果显示,本研究构建的SMLST-SVM取得了最高分类精度,总体精度和Kappa系数分别为81.2%和0.67,而SLST-SVM则为76.8%和0.59。表明多源多时相的LST联合SVM能够提升小麦白粉病的识别精度。 展开更多
关键词 小麦白粉病 高分一号 MODIS Landsat-8 地表温度 支持向量机
在线阅读 下载PDF
嵌合ShuffleNetv2的小麦叶片条锈病检测YOLOv5s轻量化改进
13
作者 李劲松 许磊 钱海明 《农村科学实验》 2025年第14期157-159,共3页
针对常规深度学习训练模型结构复杂、参数量大、算力要求高,难以满足田间病害实时监测需求的问题,该研究提出了一种融合ShuffleNetv2轻量级网络的YOLOv5s改进方法。ShuffleNetv2通过通道混洗和通道分割技术,实现了速度与精度的最优权衡... 针对常规深度学习训练模型结构复杂、参数量大、算力要求高,难以满足田间病害实时监测需求的问题,该研究提出了一种融合ShuffleNetv2轻量级网络的YOLOv5s改进方法。ShuffleNetv2通过通道混洗和通道分割技术,实现了速度与精度的最优权衡。融合CSP(Cross-Stage Partial Connections)结构的部分模块,进一步降低了模型复杂度。试验结果表明,与原始YOLOv5相比,其网络参数量下降了44%,缩减至4.1×10^(6)。模型的检测速度提升至50.2 fps,相对于初始的41.3 fps,提高了21.55%。该方法适用于计算资源受限的野外便携式设备,为小麦叶片条锈病的实时检测提供了轻量化解决方案。 展开更多
关键词 小麦叶片条锈病 YOLOv5s ShuffleNetv2 病害检测 轻量化改进
在线阅读 下载PDF
并行注意力机制在图像语义分割中的应用 被引量:10
14
作者 张汉 张德祥 +2 位作者 陈鹏 章军 王兵 《计算机工程与应用》 CSCD 北大核心 2022年第9期151-160,共10页
在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法。提出了一种融合了局部注意力和全局注意力的卷积神经网络。输入图像经主干网络的特征提取,并行输入给局部注意力和全局注意力模块。局部注意力模块以编码-解... 在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法。提出了一种融合了局部注意力和全局注意力的卷积神经网络。输入图像经主干网络的特征提取,并行输入给局部注意力和全局注意力模块。局部注意力模块以编码-解码结构实现多尺寸的局部特征融合,全局注意力模块根据每个像素与其所在特征图上所有像素的相关性捕获全局信息。融合两个注意力模块不仅减少了局部信息的丢失,而且捕获了具有长距离依赖的全局信息,有效提升了特征提取的能力。采用一种数据相关的上采样方法代替双线性插值法恢复特征图至输入尺寸,同时改善了分割效果。采用Dice Loss损失函数并针对样本不平衡问题在类别损失前加入权重系数进一步改善了分割效果。该方法在药丸污点数据集、药丸缺损数据集以及走廊数据集上分别得到了96.39%、93.44%、96.28%的平均交并比结果。 展开更多
关键词 局部注意力 全局注意力 数据相关上采样 样本不平衡
在线阅读 下载PDF
基于CBAM-U-HRNet模型和Sentinel-2数据的棉花种植地块提取 被引量:5
15
作者 靳宁 孙林 +3 位作者 张东彦 张选 李毅 姚宁 《农业机械学报》 EI CAS CSCD 北大核心 2023年第11期159-168,共10页
棉花是我国重要的经济作物和战略储备物资,及时、准确地获取棉花空间分布信息对于棉花产量预测、农业政策的制定与调整具有重要意义。针对高分辨率遥感影像获取难度大以及传统机器学习对特征信息利用不足的问题,本文以新疆南部地区图木... 棉花是我国重要的经济作物和战略储备物资,及时、准确地获取棉花空间分布信息对于棉花产量预测、农业政策的制定与调整具有重要意义。针对高分辨率遥感影像获取难度大以及传统机器学习对特征信息利用不足的问题,本文以新疆南部地区图木舒克市为目标区域,提出一种以U-HRNet为基本框架,融合CBAM注意力机制的CBAM-U-HRNet棉花种植地块提取模型。选择U-Net、HRNet和U-HRNet作为对比模型,评估CBAM-U-HRNet模型在Sentinel-2(10 m)和GF-2(1 m)2种空间分辨率数据集上的表现以及在棉花地块提取的优势。结果表明,基于Sentinel-2遥感影像的CBAM-U-HRNet组合模型对棉花地块的提取精度最优,mIoU和mPA分别达到92.78%和95.32%。与Sentinel-2数据集相比,空间分辨率更高的GF-2数据在HRNet、U-Net和U-HRNet网络上取得了更高的精度。对于两种不同空间分辨率的数据集,基于CBAM-U-HRNet模型的棉花地块提取精度较为接近,表明CBAM-U-HRNet模型能够减少由于数据集空间分辨率不同导致的错分。与随机森林算法相比,CBAM-U-HRNet模型对棉花地块提取的准确率更高。研究结果可以为干旱地区棉花识别与种植地块快速提取提供技术支撑。 展开更多
关键词 棉花 种植地块提取 注意力机制 CBAM-U-HRNet模型 Sentinel-2
在线阅读 下载PDF
SMS和双向特征融合的自然背景柑橘黄龙病检测技术 被引量:3
16
作者 曾伟辉 陈亚飞 +2 位作者 胡根生 鲍文霞 梁栋 《农业机械学报》 EI CAS CSCD 北大核心 2022年第11期280-287,共8页
柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有... 柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有的算法对自然背景柑橘黄龙病检测的精度不高。本研究提出了一种结合剪切混合拼接(Shearing mixed splicing, SMS)增广算法和双向特征融合的自然背景柑橘黄龙病检测方法,该方法通过SMS、镜像翻转和旋转方法对训练集和验证集进行了增广,增加了训练集和验证集图像中背景目标的数量和多样性;为了自适应地改变柑橘黄龙病检测中的局部采样点,增大有效感受野,使用可变形卷积替换骨干网络后3个卷积层中所有的标准卷积;为了减小自然背景的影响,使用全局上下文模块对骨干网络后3个卷积层输出的特征图进行特征增强,来建立有效的长距离依赖,以便更好的学习到全局上下文信息;使用双向融合特征金字塔,改善浅层特征和深层特征的信息交流路径,用以降低因柑橘黄龙病叶片尺寸变化大导致的漏检,提高小尺寸的柑橘黄龙病叶片的检测精度。实验结果表明,本研究提出的方法用于自然背景柑橘黄龙病的检测,平均精度可达84.8%,性能优于SSD、RetinaNet、YOLO v3、YOLO v5s、Faster RCNN、Cascade RCNN等目标检测方法。 展开更多
关键词 柑橘 黄龙病检测 自然背景 全局上下文模块 可变形卷积 双向特征融合
在线阅读 下载PDF
基于轻量型网络的无人机遥感图像中茶叶枯病检测方法 被引量:12
17
作者 胡根生 谢一帆 +1 位作者 鲍文霞 梁栋 《农业机械学报》 EI CAS CSCD 北大核心 2024年第4期165-175,共11页
针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的... 针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病。LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检。在LiTLBNet的LNeck结构中引入了SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小。此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力。实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1%,平均精度均值为78.5%,与YOLO v5s接近。然而,LiTLBNet内存占用量仅2.0 MB,是YOLO v5s网络的13.9%。LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测。 展开更多
关键词 茶叶病害 目标检测 无人机遥感 轻量型网络 LiTLBNet
在线阅读 下载PDF
基于FE-P2Pnet的无人机小麦图像麦穗计数方法 被引量:4
18
作者 鲍文霞 苏彪彪 +2 位作者 胡根生 黄承沛 梁栋 《农业机械学报》 EI CAS CSCD 北大核心 2024年第4期155-164,289,共11页
针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的... 针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法。对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的差异度,减少叶、秆等复杂背景因素的影响。引入了基于点标注的网络P2Pnet作为基线网络,以解决麦穗密集的问题。同时,针对麦穗目标小引起的特征信息较少的问题,在P2Pnet的主干网络VGG16中添加了Triplet模块,将C(通道)、H(高度)和W(宽度)3个维度的信息交互,使得主干网络可以提取更多与目标相关的特征信息;针对麦穗尺寸不一的问题,在FPN(Feature pyramid networks)上增加了FEM(Feature enhancement module)和SE(Squeeze excitation)模块,使得该模块能够更好地处理特征信息和融合多尺度信息;为了更好地对目标进行分类,使用Focal Loss损失函数代替交叉熵损失函数,该损失函数可以对背景和目标的特征信息进行不同的权重加权,进一步突出特征。实验结果表明,在本文所构建的无人机小麦图像数据集(Wheat-ZWF)上,麦穗计数的平均绝对误差(MAE)、均方误差(MSE)和平均精确度(ACC)分别达到3.77、5.13和90.87%,相较于其他目标计数回归方法如MCNN(Multi-column convolutional neural network)、CSRnet(Congested scene recognition network)和WHCNETs (Wheat head counting networks)等,表现最佳。与基线网络P2Pnet相比,MAE和MSE分别降低23.2%和16.6%,ACC提高2.67个百分点。为了进一步验证本文算法的有效性,对采集的其它4种不同品种的小麦(AK1009、AK1401、AK1706和YKM222)进行了实验,实验结果显示,麦穗计数MAE和MSE平均为5.10和6.17,ACC也达到89.69%,表明本文提出的模型具有较好的泛化性能。 展开更多
关键词 麦穗计数 无人机图像 FE-P2Pnet FEM Wheat-ZWF数据集
在线阅读 下载PDF
基于轻量级密集多尺度注意力网络的小麦叶部锈病识别方法 被引量:1
19
作者 鲍文霞 赵诗意 +2 位作者 黄林生 梁栋 胡根生 《农业机械学报》 EI CAS CSCD 北大核心 2024年第11期21-31,共11页
人工诊断小麦锈病成本高、效率低,已无法满足现代农业生产的需要。本文提出了一种轻量级密集多尺度注意力网络模型(Mobile-Dense multi-scale attention net,Mobile-DMSANet),用于自动识别田间自然场景中的小麦叶部锈病(条锈病和叶锈病... 人工诊断小麦锈病成本高、效率低,已无法满足现代农业生产的需要。本文提出了一种轻量级密集多尺度注意力网络模型(Mobile-Dense multi-scale attention net,Mobile-DMSANet),用于自动识别田间自然场景中的小麦叶部锈病(条锈病和叶锈病)。该模型在输入层设计了一个快速下采样模块(Fast subsampling block,FSB),它在不增加计算成本的前提下提高模型的特征表达能力。模型的特征提取层使用3个轻量级特征提取模块(Dense multiscale attention,DMS A)来提取小麦叶部锈病的特征。DMS A模块设计了一个多尺度的3路卷积层(Multi-scale threeway convolution,MSTC)用于获得不同尺度感受野,以提高模型的表达能力和对不同尺寸锈病的感知能力。DMSA模块中6个MSTC层通过密集连接实现特征重用,不仅大大减少了模型的参数量,而且提高了对这两种相似的小麦叶部锈病的特征提取能力。在DMSA模块中还引入了协调注意力机制(Coordinated attention,CA),来提高对病害信息的敏感性,并抑制图像中的背景信息。模型的输出层使用Softmax函数实现小麦叶部锈病识别。结果表明,Mobile-DMSANet模型在测试数据集上的识别准确率为96.4%,高于经典CNN模型(如ResNet50、AlexNet)和轻量级CNN模型(如ShufflenetV2、DenseNet系列)。Mobile-DMSANet参数量为4.54×10^(5),与其他轻量级模型相比大幅下降。本文所设计模型可用于移动端小麦叶部锈病的自动识别。 展开更多
关键词 小麦条锈病 小麦叶锈病 病害识别 轻量级卷积神经网络 Molile-DMSANet
在线阅读 下载PDF
基于YOLOv8-FECA的密集场景下小麦赤霉病孢子目标检测 被引量:4
20
作者 张东彦 高玥 +5 位作者 程涛 胡根生 杨雪 乔红波 郭伟 谷春艳 《农业工程学报》 EI CAS CSCD 北大核心 2024年第21期127-136,共10页
针对小麦赤霉病孢子图像中密集分布小目标的漏检错检问题,该研究设计了一种针对该场景下小目标检测模型YOLOv8-FECA。以YOLOv8为基准模型,先添加新的小目标检测层,以此增强网络对更小目标语义信息的捕捉以及提高其特征描述的准确性;其次... 针对小麦赤霉病孢子图像中密集分布小目标的漏检错检问题,该研究设计了一种针对该场景下小目标检测模型YOLOv8-FECA。以YOLOv8为基准模型,先添加新的小目标检测层,以此增强网络对更小目标语义信息的捕捉以及提高其特征描述的准确性;其次,构建融合特征的焦点注意力机制(focal efficient channel attention module,FECA)以实现对小目标和密集分布目标的关注;再次,引入Wise-IoU Loss与DFL Loss结合作为边界框的回归损失,提高模型的收敛能力以及对边界框预测的准确性;最后,在不同密集场景和不同光线环境下验证了模型的鲁棒性。结果表明,优化后模型YOLOv8-FECA相比YOLOv8在孢子数据集中的平均检测精度均值m AP@0.5提高了4.3个百分点,达到96.8%,且改进模型的检测效率达到实时检测要求。该研究设计的YOLOv8-FECA网络模型在保持高性能的同时能够有效提升密集场景小目标检测的精度,为其他作物病害孢子的检测提供了思路。 展开更多
关键词 小麦赤霉病 孢子 密集场景 小目标检测 YOLOv8 显微图像
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部