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
3
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
基于改进ResNet18的苹果叶部病害多分类算法研究
被引量：
29
1
作者
姜红花
杨祥海
+3 位作者
丁睿柔
王东伟
毛文华
乔永亮
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第4期295-303,共9页
针对传统苹果叶部病害分类方法精准性差、效率低等问题,提出了一种基于改进ResNet18的苹果叶部病害多分类算法。通过在原始ResNet18网络的基础上增加通道与空间注意力机制分支,强化网络对叶部病害区域的特征提取能力,提高病害的识别精...
针对传统苹果叶部病害分类方法精准性差、效率低等问题,提出了一种基于改进ResNet18的苹果叶部病害多分类算法。通过在原始ResNet18网络的基础上增加通道与空间注意力机制分支,强化网络对叶部病害区域的特征提取能力,提高病害的识别精度和实时性。为更好地引导网络学习到零散分布的病害斑点的特征,引入特征图随机裁剪分支,不仅实现有限样本空间的扩充,还进一步优化网络结构,提高训练速度。试验以苹果5类常见的叶部病害(黑星病、黑腐病、雪松锈病、灰斑病、白粉病)为主要研究对象,并与主流分类算法模型进行对比。试验结果表明,所提ResNet18 CBAM RC1模型病害分类准确率可达98.25%,高于ResNet18(93.19%)和VGG16(96.13%),能够有效提取叶片病害特征,增强对多类病害的识别,提高识别准确率。此外,模型内存占用量仅为37.44 MB,单幅图像推理时间为9.11 ms,可满足嵌入式设备上果园病害识别的实时性要求。
展开更多
关键词
苹果叶部病害
ResNet18
注意力机制
随机裁剪
深度学习
在线阅读
下载PDF
职称材料
基于InceptionV3的烟草病害识别
被引量：
25
2
作者
张文静
孙秀朋
+5 位作者
乔永亮
白鹏
姜红花
王玉军
杜传印
宗浩
《中国烟草学报》
CAS
CSCD
北大核心
2021年第5期61-70,共10页
【背景和目的】烟草病害严重制约影响烟草的产量及质量。为解决烟草病害诊断方式精准性差、效率低等问题。【方法】以5种较为常见的烟草病害(烟草花叶病、黄瓜花叶病毒病、烟草赤星病、烟草野火病、烟草气候性斑点病)为研究对象,基于Inc...
【背景和目的】烟草病害严重制约影响烟草的产量及质量。为解决烟草病害诊断方式精准性差、效率低等问题。【方法】以5种较为常见的烟草病害(烟草花叶病、黄瓜花叶病毒病、烟草赤星病、烟草野火病、烟草气候性斑点病)为研究对象,基于InceptionV3网络使用迁移学习方法构建烟草病害识别模型,对比测试原始数据集、数据增强后数据集、MSRCR数据集和图像融合数据集。【结果】图像融合数据集的识别准确率为90.80%,平均识别时间为1.33 s,比原始数据集的识别准确率(70.00%)提高了29.71%。【结论】该方法能快速准确识别烟草病害,可为烟草病害的防治提供理论基础。
展开更多
关键词
卷积神经网络
InceptionV3
图像增强
烟草病害
深度学习
在线阅读
下载PDF
职称材料
深度学习在家畜智慧养殖中研究应用进展
被引量：
10
3
作者
郭阳阳
杜书增
+1 位作者
乔永亮
梁栋
《智慧农业（中英文）》
CSCD
2023年第1期52-65,共14页
准确高效地监测动物信息,及时分析动物的生理与身体健康状况,并结合智能化技术进行自动饲喂和养殖管理,对于家畜规模化养殖意义重大。深度学习技术由于具有自动特征提取和强大图像表示能力,更适用于复杂的畜牧养殖环境中动物信息监测。...
准确高效地监测动物信息,及时分析动物的生理与身体健康状况,并结合智能化技术进行自动饲喂和养殖管理,对于家畜规模化养殖意义重大。深度学习技术由于具有自动特征提取和强大图像表示能力,更适用于复杂的畜牧养殖环境中动物信息监测。为进一步分析人工智能技术在当下智慧畜牧业中研究应用,本文针对牛、羊和猪三种家畜,介绍了深度学习技术在目标检测识别、体况评价与体重估计以及行为识别与量化分析的研究现状。其中,目标检测识别有利于构建动物个体电子档案,在此基础上可以关联动物的体况体重信息、行为信息以及健康情况等,这也是智慧畜牧业发展的趋势。智慧畜牧养殖技术当前面临着应用场景存在多视角、多尺度、多场景和少样本等挑战以及智能技术泛化应用的问题,本文结合畜牧业实际饲养和管理需求,对智慧畜牧业发展进行展望并提出了:结合半监督或者少样本学习来提高深度学习模型的泛化能力;人、装备和养殖动物这三者的统一协作及和谐发展;大数据、深度学习技术与畜牧养殖的深度融合等发展建议,以期进一步推动畜牧养殖智能化发展。
展开更多
关键词
智慧畜牧
精准养殖
个体识别
信息感知
行为识别
深度学习
在线阅读
下载PDF
职称材料
题名
基于改进ResNet18的苹果叶部病害多分类算法研究
被引量：
29
1
作者
姜红花
杨祥海
丁睿柔
王东伟
毛文华
乔永亮
机构
山东农业
大学
信息科学与工程
学院
青岛农业
大学
机电工程
学院
中国农业机械化科学研究院集团有限公司
悉尼大学工学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第4期295-303,共9页
基金
山东省农业重大应用技术创新项目(SD2019NJ001)
山东省重大科技创新工程项目(2019JZZY010716)。
文摘
针对传统苹果叶部病害分类方法精准性差、效率低等问题,提出了一种基于改进ResNet18的苹果叶部病害多分类算法。通过在原始ResNet18网络的基础上增加通道与空间注意力机制分支,强化网络对叶部病害区域的特征提取能力,提高病害的识别精度和实时性。为更好地引导网络学习到零散分布的病害斑点的特征,引入特征图随机裁剪分支,不仅实现有限样本空间的扩充,还进一步优化网络结构,提高训练速度。试验以苹果5类常见的叶部病害(黑星病、黑腐病、雪松锈病、灰斑病、白粉病)为主要研究对象,并与主流分类算法模型进行对比。试验结果表明,所提ResNet18 CBAM RC1模型病害分类准确率可达98.25%,高于ResNet18(93.19%)和VGG16(96.13%),能够有效提取叶片病害特征,增强对多类病害的识别,提高识别准确率。此外,模型内存占用量仅为37.44 MB,单幅图像推理时间为9.11 ms,可满足嵌入式设备上果园病害识别的实时性要求。
关键词
苹果叶部病害
ResNet18
注意力机制
随机裁剪
深度学习
Keywords
apple leaf diseases
ResNet18
attention mechanism
random clipping
deep learning
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于InceptionV3的烟草病害识别
被引量：
25
2
作者
张文静
孙秀朋
乔永亮
白鹏
姜红花
王玉军
杜传印
宗浩
机构
山东农业
大学
信息科学与工程
学院
山东农业
大学
植物保护
学院
悉尼大学工学院
山东科技
大学
山东潍坊烟草有限公司
临沂烟草公司
出处
《中国烟草学报》
CAS
CSCD
北大核心
2021年第5期61-70,共10页
基金
山东省重大科技创新工程项目(2019JZZY010716)
中国烟草总公司山东省公司项目(201806)
+1 种基金
山东省农业重大应用技术创新项目(SD2019NJ001)
山东省园艺机械与装备重点实验室项目(YYJX-2019-01)。
文摘
【背景和目的】烟草病害严重制约影响烟草的产量及质量。为解决烟草病害诊断方式精准性差、效率低等问题。【方法】以5种较为常见的烟草病害(烟草花叶病、黄瓜花叶病毒病、烟草赤星病、烟草野火病、烟草气候性斑点病)为研究对象,基于InceptionV3网络使用迁移学习方法构建烟草病害识别模型,对比测试原始数据集、数据增强后数据集、MSRCR数据集和图像融合数据集。【结果】图像融合数据集的识别准确率为90.80%,平均识别时间为1.33 s,比原始数据集的识别准确率(70.00%)提高了29.71%。【结论】该方法能快速准确识别烟草病害,可为烟草病害的防治提供理论基础。
关键词
卷积神经网络
InceptionV3
图像增强
烟草病害
深度学习
Keywords
CNN
InceptionV3
image enhancement
tobacco disease
deep learning
分类号
S435.72 [农业科学—农业昆虫与害虫防治]
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
深度学习在家畜智慧养殖中研究应用进展
被引量：
10
3
作者
郭阳阳
杜书增
乔永亮
梁栋
机构
安徽
大学
互联网
学院
南阳农业职业
学院
悉尼大学工学院
出处
《智慧农业（中英文）》
CSCD
2023年第1期52-65,共14页
基金
国家自然基金项目(62273001)。
文摘
准确高效地监测动物信息,及时分析动物的生理与身体健康状况,并结合智能化技术进行自动饲喂和养殖管理,对于家畜规模化养殖意义重大。深度学习技术由于具有自动特征提取和强大图像表示能力,更适用于复杂的畜牧养殖环境中动物信息监测。为进一步分析人工智能技术在当下智慧畜牧业中研究应用,本文针对牛、羊和猪三种家畜,介绍了深度学习技术在目标检测识别、体况评价与体重估计以及行为识别与量化分析的研究现状。其中,目标检测识别有利于构建动物个体电子档案,在此基础上可以关联动物的体况体重信息、行为信息以及健康情况等,这也是智慧畜牧业发展的趋势。智慧畜牧养殖技术当前面临着应用场景存在多视角、多尺度、多场景和少样本等挑战以及智能技术泛化应用的问题,本文结合畜牧业实际饲养和管理需求,对智慧畜牧业发展进行展望并提出了:结合半监督或者少样本学习来提高深度学习模型的泛化能力;人、装备和养殖动物这三者的统一协作及和谐发展;大数据、深度学习技术与畜牧养殖的深度融合等发展建议,以期进一步推动畜牧养殖智能化发展。
关键词
智慧畜牧
精准养殖
个体识别
信息感知
行为识别
深度学习
Keywords
livestock husbandry
intelligent farming
individual identification
information perception
behavior recognition
deep learning
分类号
S-1 [农业科学]
TP18 [自动化与计算机技术—控制理论与控制工程]
S823 [农业科学—畜牧学]
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
基于改进ResNet18的苹果叶部病害多分类算法研究
姜红花
杨祥海
丁睿柔
王东伟
毛文华
乔永亮
《农业机械学报》
EI
CAS
CSCD
北大核心
2023
29
在线阅读
下载PDF
职称材料
2
基于InceptionV3的烟草病害识别
张文静
孙秀朋
乔永亮
白鹏
姜红花
王玉军
杜传印
宗浩
《中国烟草学报》
CAS
CSCD
北大核心
2021
25
在线阅读
下载PDF
职称材料
3
深度学习在家畜智慧养殖中研究应用进展
郭阳阳
杜书增
乔永亮
梁栋
《智慧农业（中英文）》
CSCD
2023
10
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
