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
基于边缘融合的果园贴叠葡萄簇图像分割模型
1
作者
宁政通
李健
+4 位作者
李海东
朱良宽
赵文
王扬威
郭艳玲
《农业工程学报》
北大核心
2025年第6期165-172,共8页
针对果园环境下贴叠葡萄簇的轮廓不规则且纹理颜色相似,导致葡萄采摘机器人难以依靠视觉模型准确分割簇中每串葡萄的问题,该研究提出了一种基于边缘融合的贴叠葡萄簇分割模型(overlapping grape clusters segmentation model,OGCSM)。...
针对果园环境下贴叠葡萄簇的轮廓不规则且纹理颜色相似,导致葡萄采摘机器人难以依靠视觉模型准确分割簇中每串葡萄的问题,该研究提出了一种基于边缘融合的贴叠葡萄簇分割模型(overlapping grape clusters segmentation model,OGCSM)。首先通过搭建由多尺度卷积Inception、相似性注意力(similarity attention module,SimAM)、卷积块注意力(convolutional block attention module,CBAM)改进的编码-解码器作为主干网络,捕获具有边缘层次的贴叠葡萄簇特征图;然后采用深度监督方式引导由掩码头与边缘头构成的融合网络对特征图进行卷积与反卷积,生成贴叠葡萄簇掩码图及簇中每串葡萄边缘图;最后去除冗余特征后融合掩码图与边缘图,实现对贴叠葡萄簇的分割。试验结果表明,208串左右、前后、上下贴叠葡萄簇的分割交并比(intersection over union,IoU)平均值达92.77%,不同天气光照条件下的分割精确率平均值达98.13%,单幅图像的平均分割耗时为0.379 s。与现有方法相比,OGCSM模型可更准确地划分贴叠葡萄簇中每串葡萄的分割区域,该研究为葡萄采摘机器人提供了一种分割贴叠葡萄簇的视觉模型。
展开更多
关键词
机器人
图像分割
贴叠葡萄
边缘
采摘
融合
模型
在线阅读
下载PDF
职称材料
基于超分辨率增强与改进YOLOv8的番茄叶片病害检测
2
作者
侯文慧
龚昌智
+4 位作者
曹文昊
唐强
王玉伟
高靖
刘路
《农业工程学报》
2025年第16期211-220,共10页
针对番茄叶片病害检测面临的小目标病害易漏检、病害种类易混淆和足量病害样本难收集等问题,该研究提出一种基于超分辨率增强和改进YOLOv8的番茄叶片病害检测模型。针对小目标病害分辨率低、检测困难的问题,采用超分辨率生成对抗网络(su...
针对番茄叶片病害检测面临的小目标病害易漏检、病害种类易混淆和足量病害样本难收集等问题,该研究提出一种基于超分辨率增强和改进YOLOv8的番茄叶片病害检测模型。针对小目标病害分辨率低、检测困难的问题,采用超分辨率生成对抗网络(super-resolution generative adversarial network, SRGAN)对番茄叶片图像进行增强,通过超分辨率重建增强小目标病害的细微特征,以提升小目标病害检测精度;针对病害特征相似,小目标病害特征不明显的问题,构建了一种检测模型G-YOLOv8,通过融合小目标检测层Upsample-Concat-C2f与三重注意力机制Triplet Attention,提高模型对细微特征的关注能力;针对实际检测中面临的病害样本不足问题,利用公用数据集进行模型预训练,获取最优初参数,借助迁移学习提高检测模型在自然环境背景中的番茄病害检测精度。在早疫病、晚疫病和灰霉病三种病害数据集上进行检测试验,结果表明,YOLOv8网络在超分辨率增强后的早疫病害检测的平均精度均值达95.4%,相较于未处理的早疫病害公共数据集,提升了4个百分点;所提出的G-YOLOv8网络在迁移学习后平均精度均值达97.8%,相比原YOLOv8网络提升了3.2个百分点。该研究为番茄叶片视觉检测,尤其是多类病害区分及小目标病害识别提供了一种可行性的解决方案和技术支持。
展开更多
关键词
病害检测
深度学习
迁移学习
超分辨率增强
小目标检测
在线阅读
下载PDF
职称材料
题名
基于边缘融合的果园贴叠葡萄簇图像分割模型
1
作者
宁政通
李健
李海东
朱良宽
赵文
王扬威
郭艳玲
机构
东北林业大学机电工程学院
安徽省机器视觉检测与感知重点实验室
出处
《农业工程学报》
北大核心
2025年第6期165-172,共8页
基金
黑龙江省“双一流”学科协同创新成果项目(LJGXCG2023-107)
机器视觉检测安徽省重点实验室开放基金资助项目(KLMVI-2023-HIT-05)。
文摘
针对果园环境下贴叠葡萄簇的轮廓不规则且纹理颜色相似,导致葡萄采摘机器人难以依靠视觉模型准确分割簇中每串葡萄的问题,该研究提出了一种基于边缘融合的贴叠葡萄簇分割模型(overlapping grape clusters segmentation model,OGCSM)。首先通过搭建由多尺度卷积Inception、相似性注意力(similarity attention module,SimAM)、卷积块注意力(convolutional block attention module,CBAM)改进的编码-解码器作为主干网络,捕获具有边缘层次的贴叠葡萄簇特征图;然后采用深度监督方式引导由掩码头与边缘头构成的融合网络对特征图进行卷积与反卷积,生成贴叠葡萄簇掩码图及簇中每串葡萄边缘图;最后去除冗余特征后融合掩码图与边缘图,实现对贴叠葡萄簇的分割。试验结果表明,208串左右、前后、上下贴叠葡萄簇的分割交并比(intersection over union,IoU)平均值达92.77%,不同天气光照条件下的分割精确率平均值达98.13%,单幅图像的平均分割耗时为0.379 s。与现有方法相比,OGCSM模型可更准确地划分贴叠葡萄簇中每串葡萄的分割区域,该研究为葡萄采摘机器人提供了一种分割贴叠葡萄簇的视觉模型。
关键词
机器人
图像分割
贴叠葡萄
边缘
采摘
融合
模型
Keywords
robot
image segmentation
overlapping grapes
edge
harvesting
fusion
model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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
基于超分辨率增强与改进YOLOv8的番茄叶片病害检测
2
作者
侯文慧
龚昌智
曹文昊
唐强
王玉伟
高靖
刘路
机构
安徽
农业大学工学院
出处
《农业工程学报》
2025年第16期211-220,共10页
基金
安徽省自然科学基金项目(2308085ME169)
安徽省机器视觉检测与感知重点实验室开放课题(KLMVI-2024-HIT-02)。
文摘
针对番茄叶片病害检测面临的小目标病害易漏检、病害种类易混淆和足量病害样本难收集等问题,该研究提出一种基于超分辨率增强和改进YOLOv8的番茄叶片病害检测模型。针对小目标病害分辨率低、检测困难的问题,采用超分辨率生成对抗网络(super-resolution generative adversarial network, SRGAN)对番茄叶片图像进行增强,通过超分辨率重建增强小目标病害的细微特征,以提升小目标病害检测精度;针对病害特征相似,小目标病害特征不明显的问题,构建了一种检测模型G-YOLOv8,通过融合小目标检测层Upsample-Concat-C2f与三重注意力机制Triplet Attention,提高模型对细微特征的关注能力;针对实际检测中面临的病害样本不足问题,利用公用数据集进行模型预训练,获取最优初参数,借助迁移学习提高检测模型在自然环境背景中的番茄病害检测精度。在早疫病、晚疫病和灰霉病三种病害数据集上进行检测试验,结果表明,YOLOv8网络在超分辨率增强后的早疫病害检测的平均精度均值达95.4%,相较于未处理的早疫病害公共数据集,提升了4个百分点;所提出的G-YOLOv8网络在迁移学习后平均精度均值达97.8%,相比原YOLOv8网络提升了3.2个百分点。该研究为番茄叶片视觉检测,尤其是多类病害区分及小目标病害识别提供了一种可行性的解决方案和技术支持。
关键词
病害检测
深度学习
迁移学习
超分辨率增强
小目标检测
Keywords
disease detection
deep learning
transfer learning
super resolution enhancement
small target detection
分类号
S436.611 [农业科学]
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
基于边缘融合的果园贴叠葡萄簇图像分割模型
宁政通
李健
李海东
朱良宽
赵文
王扬威
郭艳玲
《农业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于超分辨率增强与改进YOLOv8的番茄叶片病害检测
侯文慧
龚昌智
曹文昊
唐强
王玉伟
高靖
刘路
《农业工程学报》
2025
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
