检索结果-维普期刊中文期刊服务平台

基于改进U-Net++的水稻病害图像分割研究被引量：2: 1; 作者洪俐刘涛 +2 位作者孙成明左示敏严长杰《江苏农业科学》北大核心 2024年第12期201-208,共8页; 针对当前作物病害图像分割方法通用性差、精度不高导致病害识别和分级诊断效率低下的问题,提出了一种改进U-Net++网络的水稻病害图像分割模型。首先将使用数码相机获取的水稻纹枯病、稻瘟病和胡麻叶斑病图像进行标注、数据增强等预处理... 展开更多; 关键词水稻病害 U-Net++模型空洞卷积语义分割; 在线阅读下载PDF 职称材料

基于机器学习算法的扬州市冬小麦遥感分类提取被引量：2: 2; 作者陈雨欣刘章鑫 +2 位作者刘欣谊刘涛孙成明《中国农机化学报》北大核心 2024年第8期154-161,169,共9页; 卫星遥感技术是目前较为常用的农作物监测与分类技术。为实现区域冬小麦精确分类和面积提取,以江苏省扬州市为例,以哨兵2号卫星数据及航天飞机雷达地形测量(SRTM)高程数据为数据源,利用分类与回归决策树(CART)、梯度提升决策树(GBDT)、... 展开更多; 关键词冬小麦机器学习单时相面积提取遥感分类; 在线阅读下载PDF 职称材料

基于低空经济下植保无人机行业发展浅析被引量：2: 3; 作者周风景孙成明《农业开发与装备》 2024年第5期29-32,共4页; 2024年“低空经济”成了热词,低空经济是以各种有人驾驶和无人机驾驶航空器的各类低空飞行活动为牵引,辐射带动相关领域融合发展的综合经济形态。无人机产业为低空经济的主导产业,而在无人机产业中,植保无人机保有量占比大,应用场景成熟... 展开更多; 关键词植保无人机政策促进政策制约低空经济; 在线阅读下载PDF 职称材料

融合光谱和点云信息的小麦地上部生物量估测: 4; 作者杨冠硕朱少龙 +6 位作者杨天乐韩东伟张伟军王建亮姚照胜刘涛孙成明《麦类作物学报》 2025年第11期1575-1585,共11页; 小麦地上部生物量(AGB)是衡量其生长状况的重要指标,采用无人机搭载不同光学传感器可实现小麦AGB的监测。由于小麦生长后期植被覆盖度较高,光学传感器难以获取冠层内部的信息,从而影响AGB的监测精度。为了减少这种影响,本研究在利用光... 展开更多; 关键词小麦地上部生物量机器学习光谱指数点云特征参数; 在线阅读下载PDF 职称材料

题名基于改进U-Net++的水稻病害图像分割研究被引量：2: 1; 作者洪俐刘涛孙成明左示敏严长杰; 机构江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室/扬州大学农学院江苏省粮食作物现代产业技术协同创新中心/扬州大学扬州大学智慧农业研究院; 出处《江苏农业科学》北大核心 2024年第12期201-208,共8页; 基金江苏省重点研发计划(现代农业)项目(编号:BE2022335,BE2022338) 江苏高校优势学科建设工程资助项目(PAPD)。; 文摘针对当前作物病害图像分割方法通用性差、精度不高导致病害识别和分级诊断效率低下的问题,提出了一种改进U-Net++网络的水稻病害图像分割模型。首先将使用数码相机获取的水稻纹枯病、稻瘟病和胡麻叶斑病图像进行标注、数据增强等预处理,构建成水稻病害数据集。其次,选取U-Net++语义分割模型,将编码器中各卷积块的双层普通卷积核替换成膨胀系数为1、2、3的3层空洞卷积,扩大网络在特征提取时的感受野,增强模型对全局信息的获取能力,提高模型的分割性能。最后,利用水稻病害数据集对模型进行训练和测试。结果表明,改进后的U-Net++模型对测试集分割的平均交并比为87.48%,平均精确率为92.85%,平均召回率为93.42%,平均F_(1)分数为93.12%,与原U-Net++模型相比分别提高了2.94、1.02、2.04、1.52百分点。该模型对处理病斑分布杂乱且数量较多的复杂图像也能保持很好的分割效果,有效实现了对水稻病害的像素级分割,为作物病害的精准分割提供了一种新的手段,同时也为病害的自动无损识别和分级诊断提供了有力的技术支持。; 关键词水稻病害 U-Net++模型空洞卷积语义分割; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S435.111 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于机器学习算法的扬州市冬小麦遥感分类提取被引量：2: 2; 作者陈雨欣刘章鑫刘欣谊刘涛孙成明; 机构江苏省作物遗传生理重点实验室/江苏省作物栽培生理重点实验室江苏省粮食作物现代产业技术协同创新中心扬州大学智慧农业研究院; 出处《中国农机化学报》北大核心 2024年第8期154-161,169,共9页; 基金国家自然科学基金项目(31671615,31872852)。; 文摘卫星遥感技术是目前较为常用的农作物监测与分类技术。为实现区域冬小麦精确分类和面积提取,以江苏省扬州市为例,以哨兵2号卫星数据及航天飞机雷达地形测量(SRTM)高程数据为数据源,利用分类与回归决策树(CART)、梯度提升决策树(GBDT)、支持向量机(SVM)和随机森林(RF)4种机器学习算法建立分类模型。同时下载并调用2021年3月22日研究区的MSI多光谱影像,提取光谱、纹理、地形特征等参数,对研究区冬小麦进行分类提取,并分析4种模型的分类效果和精度。结果表明,RF和GBDT分类方法效果最好,总体精度最高,均为0.967,Kappa系数达0.960;SVM分类方法总体精度最低,为0.514,但用户精度最高,为0.972。上述方法可以实现区域农作物的精确分类和提取。; 关键词冬小麦机器学习单时相面积提取遥感分类; Keywords winter wheat machine learning single temporal area extraction remote sensing classification; 分类号 TP79 [自动化与计算机技术—检测技术与自动化装置] S512 [农业科学—作物学]; 在线阅读下载PDF 职称材料

题名基于低空经济下植保无人机行业发展浅析被引量：2: 3; 作者周风景孙成明; 机构扬州大学农学院扬州大学智慧农业研究院; 出处《农业开发与装备》 2024年第5期29-32,共4页; 文摘 2024年“低空经济”成了热词,低空经济是以各种有人驾驶和无人机驾驶航空器的各类低空飞行活动为牵引,辐射带动相关领域融合发展的综合经济形态。无人机产业为低空经济的主导产业,而在无人机产业中,植保无人机保有量占比大,应用场景成熟,也是无人机应用中最为广泛的一个领域。基于此,列举一些关键政策对植保无人机发展的促进作用,但在具体实施的过程中,还需要出台具体的政策法规和行业标准来适应和促进行业的发展。; 关键词植保无人机政策促进政策制约低空经济; 分类号 F426.5 [经济管理—产业经济]; 在线阅读下载PDF 职称材料

题名融合光谱和点云信息的小麦地上部生物量估测: 4; 作者杨冠硕朱少龙杨天乐韩东伟张伟军王建亮姚照胜刘涛孙成明; 机构江苏省作物遗传生理国家级重点实验室培育点; 出处《麦类作物学报》 2025年第11期1575-1585,共11页; 基金江苏省重点研发计划(现代农业)项目(BE2022338)。; 文摘小麦地上部生物量(AGB)是衡量其生长状况的重要指标,采用无人机搭载不同光学传感器可实现小麦AGB的监测。由于小麦生长后期植被覆盖度较高,光学传感器难以获取冠层内部的信息,从而影响AGB的监测精度。为了减少这种影响,本研究在利用光谱指数(颜色指数CIs和植被指数VIs)估算AGB时,引入了与高度相关的点云特征参数(PCs)作为冠层结构的代表性指标,并对引入PCs前后的AGB估算模型精度进行了比较分析。结果表明,在小麦拔节期、抽穗期和灌浆期,使用不同特征参数估算AGB的效果存在差异。CIs在训练集中的估算效果略低于VIs,而在验证集中则略高于VIs;尽管PCs在三个关键时期的表现并不最为突出,但其稳定性较强,部分冠层结构特征显示出对AGB的预测潜力。使用单一特征预测AGB时,r^(2)范围为0.47~0.75,而融合CIs、VIs与PCs三种特征后的AGB估算模型精度得到了显著提高。在三个生育时期,模型的预测r^(2)分别为0.79、0.81和0.77,RMSE分别为0.42、0.74和0.80 t·hm^(-2)。在采用不同类型的遥感特征时,支持向量机回归(SVM)比高斯过程回归(GPR)表现出更优的估算效果。因此,通过融合CIs、VIs和PCs三种特征,并采用SVM算法,可以有效实现小麦AGB的估算。; 关键词小麦地上部生物量机器学习光谱指数点云特征参数; Keywords Aboveground biomass Machine learning Spectral indices Point cloud feature parameters Wheat; 分类号 S512.1 [农业科学] S314 [农业科学—作物学]; 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U-Net++的水稻病害图像分割研究	洪俐刘涛孙成明左示敏严长杰	《江苏农业科学》北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于机器学习算法的扬州市冬小麦遥感分类提取	陈雨欣刘章鑫刘欣谊刘涛孙成明	《中国农机化学报》北大核心	2024	2	在线阅读下载PDF 职称材料
3	基于低空经济下植保无人机行业发展浅析	周风景孙成明	《农业开发与装备》	2024	2	在线阅读下载PDF 职称材料
4	融合光谱和点云信息的小麦地上部生物量估测	杨冠硕朱少龙杨天乐韩东伟张伟军王建亮姚照胜刘涛孙成明	《麦类作物学报》	2025		在线阅读下载PDF 职称材料