检索结果-维普期刊中文期刊服务平台

融合Transformer和LSTM的蓝莓根区土壤含水量预测模型被引量：3: 1; 作者王亿曹姗姗 +3 位作者孙伟胡博古丽米拉·克孜尔别克孔繁涛《湖北农业科学》 2024年第8期78-84,共7页; 针对土壤含水量预测模型存在难以解决非线性复杂特征、易陷入局部极小值等问题,构建融合Transformer和LSTM的土壤含水量深度学习预测模型(Transformer-LSTM)。采集山东省青岛市黄岛区丁家寨村蓝莓(Vaccinium spp.)生产区冷棚与露天2个... 展开更多; 关键词蓝莓(Vaccinium spp.) 根区土壤含水量 TRANSFORMER LSTM 预测模型; 在线阅读下载PDF 职称材料

冬小麦需水量的预测模型对比分析被引量：1: 2; 作者杜云张婧婧 +2 位作者雷嘉诚李博李永福《新疆农业科学》 CAS CSCD 北大核心 2024年第7期1590-1596,共7页; 【目的】构建冬小麦需水量预测模型,提高需水量预测的精准度,为基于气象信息的需水量预测提供更为可靠的方法。【方法】选取新疆奇台县近5年的气象数据,采用公式Penman-Monteith计算冬小麦需水量(近似为真实需水量),基于CNN-BiLSTM模型... 展开更多; 关键词冬小麦需水量预测 LSTM CNN-BiLSTM; 在线阅读下载PDF 职称材料

基于集成学习算法和WOFOST模型的小麦生长模拟分析与产量预测被引量：2: 3; 作者李博张婧婧 +1 位作者雷嘉诚杜云《湖北农业科学》 2024年第8期85-91,共7页; 针对传统单一作物生长模型和机器学习模型在预测上的限制,将WOFOST模型与灌溉模型结合,利用集成学习算法建立多模型耦合系统(WOFOST耦合模型),选用美国航空航天局(NASA)1990—2020年数据进行模拟试验,选取2006年、2018年展示试验成果。... 展开更多; 关键词集成学习算法 WOFOST模型小麦生长模拟产量预测耦合; 在线阅读下载PDF 职称材料

基于小样本的小麦施氮量预测方法被引量：1: 4; 作者杜云张婧婧 +1 位作者韩博鲁子翱《湖北农业科学》 2024年第8期116-120,共5页; 针对小麦(Triticum aestivum L.)生长周期施肥试验数据少、使用传统预测方法难以进行有效施肥预测的问题,提出一种基于SBS(SMOTE+Bootstrap)数据扩充方法的XGBoost算法预测模型。基于原始的135条施氮量数据划分训练集(80%)和测试集(20%)... 展开更多; 关键词小麦(Triticum aestivum L.) 小样本施氮量预测; 在线阅读下载PDF 职称材料

基于YOLOX的小麦穗旋转目标检测: 5; 作者张世豪董峦赵昀杰《江苏农业科学》北大核心 2024年第20期157-164,共8页; 小麦穗检测对于农业估产和育种研究具有重要意义,但由于小麦穗角度和姿态多变且存在遮挡和尺度变化等因素,给目标检测带来较大困难,提出一种针对小麦穗旋转目标检测的改进方法YOLOX-RoC,该方法在YOLOX基础上使用旋转矩形框代替水平矩形... 展开更多; 关键词目标检测小麦穗旋转矩形框 YOLOX 坐标注意力模块 KL额度损失函数; 在线阅读下载PDF 职称材料

YOLOv8n-LF模型在机收小麦含杂率与破碎率检测中的应用: 6; 作者周洪孟小艳 +1 位作者方伟舟丁晓晨《湖北农业科学》 2025年第10期201-207,共7页; 针对收割机对小麦含杂率与破碎率实时检测的需求,基于图像分割方法提出一种检测模型(YOLOv8n-LF),以实现对小麦含杂率与破碎率的自动评估。首先,在SPPF模块中引入LSKA注意力机制,增强模型的多尺度特征提取能力;其次,采用Focal Loss的焦... 展开更多; 关键词 YOLOv8n-LF模型机收小麦含杂率破碎率检测; 在线阅读下载PDF 职称材料

双目视觉的农田场景同步定位与稠密建图: 7; 作者方伟舟孟小艳 +1 位作者周洪丁晓晨《湖北农业科学》 2025年第9期185-194,共10页; 为应对农田场景中动态光照和低纹理环境对传统视觉SLAM(同步定位与建图)造成的位姿漂移与建图退化问题,提出一种基于双目视觉的同步定位与稠密重建方法。首先,在跟踪线程中引入线特征,结合点特征进行融合匹配,以增强系统在低纹理和动态... 展开更多; 关键词双目视觉农田场景同步定位稠密建图 SLAM; 在线阅读下载PDF 职称材料

题名融合Transformer和LSTM的蓝莓根区土壤含水量预测模型被引量：3: 1; 作者王亿曹姗姗孙伟胡博古丽米拉·克孜尔别克孔繁涛; 机构新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心中国农业科学院农业信息研究所中国农业科学院国家农业科学数据中心中国农业科学院农业经济与发展研究所青岛沃林蓝莓果业有限公司; 出处《湖北农业科学》 2024年第8期78-84,共7页; 基金新疆维吾尔自治区重点研发任务专项(2022B02049-1-3) 中国农业科学院创新工程任务项目(HT20220570)。; 文摘针对土壤含水量预测模型存在难以解决非线性复杂特征、易陷入局部极小值等问题,构建融合Transformer和LSTM的土壤含水量深度学习预测模型(Transformer-LSTM)。采集山东省青岛市黄岛区丁家寨村蓝莓(Vaccinium spp.)生产区冷棚与露天2个站点的蓝莓根区土壤和气象数据作为建模数据,根据皮尔逊相关性和偏自相关性分析选择模型的数据输入特征与输入长度,与单一的Transformer模型和LSTM模型进行对比分析,评估模型对土壤含水量的预测性能。结果表明,Transformer-LSTM模型在预测精度上均优于单一的Transformer模型和LSTM模型,Transformer-LSTM模型的平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、决定系数(R^(2))分别为0.245 9、0.572 0、0.012 1、0.960 6。Transformer-LSTM模型可以更全面地提取蓝莓种植环境因子输入序列中的特征信息,有效提升土壤含水量因子预测精度和水平。; 关键词蓝莓(Vaccinium spp.) 根区土壤含水量 TRANSFORMER LSTM 预测模型; Keywords blueberry(Vaccinium spp.) root zone soil moisture content transformer LSTM prediction model; 分类号 TP391 [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

题名冬小麦需水量的预测模型对比分析被引量：1: 2; 作者杜云张婧婧雷嘉诚李博李永福; 机构新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心新疆农业科学院土壤肥料与农业节水研究所; 出处《新疆农业科学》 CAS CSCD 北大核心 2024年第7期1590-1596,共7页; 基金新疆维吾尔自治区重大科技专项“农场数字化及智能化关键技术研究”(2022A02011-2) 科技创新2030—“新一代人工智能”重大项目(2022ZD0115805)。; 文摘【目的】构建冬小麦需水量预测模型,提高需水量预测的精准度,为基于气象信息的需水量预测提供更为可靠的方法。【方法】选取新疆奇台县近5年的气象数据,采用公式Penman-Monteith计算冬小麦需水量(近似为真实需水量),基于CNN-BiLSTM模型,将平均温度、风速、湿度和降水量4个变量作为输入参数,预测冬小麦需水量,对比评估预测CNN-BiLSTM与LSTM、BiLSTM等6种模型的精准性。【结果】采用少量参数分别输入BP、RNN、LSTM、改进的BiLSTM和CNN-BiLSTM等模型中预测需水量,BP神经网络的预测效果较差。在模型评估中,CNN-BiLSTM比LSTM的R 2提高约8%,MSE降低约0.56。【结论】CNN-BiLSTM模型对小麦需水量预测更加精准。; 关键词冬小麦需水量预测 LSTM CNN-BiLSTM; Keywords winter wheat water demand forecast LSTM CNN-BiLSTM; 分类号 S512 [农业科学—作物学]; 在线阅读下载PDF 职称材料

题名基于集成学习算法和WOFOST模型的小麦生长模拟分析与产量预测被引量：2: 3; 作者李博张婧婧雷嘉诚杜云; 机构新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心; 出处《湖北农业科学》 2024年第8期85-91,共7页; 基金新疆维吾尔自治区重大科技专项(2022A02011-2) 科技创新2030——“新一代人工智能”重大项目(2022ZD0115805)。; 文摘针对传统单一作物生长模型和机器学习模型在预测上的限制,将WOFOST模型与灌溉模型结合,利用集成学习算法建立多模型耦合系统(WOFOST耦合模型),选用美国航空航天局(NASA)1990—2020年数据进行模拟试验,选取2006年、2018年展示试验成果。结果表明,WOFOST耦合模型的小麦叶面积指数、总生物量均高于WOFOST模型,WOFOST耦合模型更贴近实际生产活动。耦合算法的MAE、MSE均低于Bagging、Boosting、Stacking算法,分别为2.836、7.581,R~2均高于Bagging、Boosting、Stacking算法,高达0.942。WOFOST耦合模型更全面和准确地模拟作物生长状态,提高产量预测的准确性与可信度。; 关键词集成学习算法 WOFOST模型小麦生长模拟产量预测耦合; Keywords ensemble learning algorithm WOFOST model wheat growth simulation yield prediction coupling; 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

题名基于小样本的小麦施氮量预测方法被引量：1: 4; 作者杜云张婧婧韩博鲁子翱; 机构新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心; 出处《湖北农业科学》 2024年第8期116-120,共5页; 基金新疆维吾尔自治区重大科技专项(2022A02011-2) 科技创新2030——“新一代人工智能”重大项目(2022ZD0115805)。; 文摘针对小麦(Triticum aestivum L.)生长周期施肥试验数据少、使用传统预测方法难以进行有效施肥预测的问题,提出一种基于SBS(SMOTE+Bootstrap)数据扩充方法的XGBoost算法预测模型。基于原始的135条施氮量数据划分训练集(80%)和测试集(20%),使用SMOTE方法对训练集和测试集分别进行均衡化处理,以获取更多的特征信息,然后使用Bootstrap方法对均衡化后的数据进行扩充,最后使用XGBoost预测模型进行训练,并与其他机器学习模型进行对比分析。结果表明,使用SMOTE方法均衡数据,较大程度地提高了SBS-XGBoost模型的预测精度,MSE从原始数据的66.802下降至13.027,MAE从原始数据的6.711下降至2.393,R~2从原始数据的0.390上升至0.912。SBS-XGBoost不仅在研究施氮量的预测中表现出色,还能为其他小样本数据的科学预测提供借鉴与参考。; 关键词小麦(Triticum aestivum L.) 小样本施氮量预测; Keywords wheat(Triticum aestivum L.) small sample nitrogen application rate prediction; 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YOLOX的小麦穗旋转目标检测: 5; 作者张世豪董峦赵昀杰; 机构新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心; 出处《江苏农业科学》北大核心 2024年第20期157-164,共8页; 基金新疆维吾尔自治区重大科技专项(编号:2022A02011)。; 文摘小麦穗检测对于农业估产和育种研究具有重要意义,但由于小麦穗角度和姿态多变且存在遮挡和尺度变化等因素,给目标检测带来较大困难,提出一种针对小麦穗旋转目标检测的改进方法YOLOX-RoC,该方法在YOLOX基础上使用旋转矩形框代替水平矩形框,更好地拟合小麦穗的轮廓和方向,减少背景干扰和重叠区域,使模型更具灵活性,更准确地捕捉小麦穗的特征;添加坐标注意力模块并采用KL散度损失函数代替交叉熵损失函数,提高对旋转目标的感知能力并解决旋转敏感度的误差度量问题,优化旋转目标的定位精度。利用基于图像合成的Copy-Paste数据增强方法,生成更多的训练样本以提高模型对不同尺度、姿态和遮挡情况的泛化能力,提高模型的鲁棒性。试验结果表明,YOLOX-RoC的AP比基准模型提升2.4百分点,针对小尺寸和被严重遮挡的小麦穗目标可以更准确地预测目标边界和角度,减少漏检和误检。本研究为小麦穗目标检测提供了一种准确和鲁棒的解决方案,为小麦估产和育种的智能化奠定了技术基础。; 关键词目标检测小麦穗旋转矩形框 YOLOX 坐标注意力模块 KL额度损失函数; 分类号 S126 [农业科学—农业基础科学] TP391.41 [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YOLOv8n-LF模型在机收小麦含杂率与破碎率检测中的应用: 6; 作者周洪孟小艳方伟舟丁晓晨; 机构新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心; 出处《湖北农业科学》 2025年第10期201-207,共7页; 基金科技创新2030——“新一代人工智能”重大项目(2022ZD0115805) 新疆维吾尔自治区重大科技专项(2022A02011)。; 文摘针对收割机对小麦含杂率与破碎率实时检测的需求,基于图像分割方法提出一种检测模型(YOLOv8n-LF),以实现对小麦含杂率与破碎率的自动评估。首先,在SPPF模块中引入LSKA注意力机制,增强模型的多尺度特征提取能力;其次,采用Focal Loss的焦点调节机制对CIoU损失函数进行优化,聚焦不同的回归样本,提高模型检测效果。在自建数据集上,YOLOv8n-LF模型在保持轻量化的同时,兼具良好的分割性能,便于在边缘设备中部署,能够为小麦含杂率与破碎率的自动检测提供有效技术支持,从而促进农机智能化水平的提升。; 关键词 YOLOv8n-LF模型机收小麦含杂率破碎率检测; Keywords YOLOv8n-LF model machine-harvested wheat impurity rate broken rate detection; 分类号 TP391.41 [自动化与计算机技术] S512.1 [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

题名双目视觉的农田场景同步定位与稠密建图: 7; 作者方伟舟孟小艳周洪丁晓晨; 机构新疆农业大学计算机与信息工程学院/智能农业教育部工程研究中心/新疆农业信息化工程技术研究中心; 出处《湖北农业科学》 2025年第9期185-194,共10页; 基金科技创新2030—“新一代人工智能”重大项目(2022ZD0115805) 新疆维吾尔自治区重大科技专项(2022A02011)。; 文摘为应对农田场景中动态光照和低纹理环境对传统视觉SLAM(同步定位与建图)造成的位姿漂移与建图退化问题,提出一种基于双目视觉的同步定位与稠密重建方法。首先,在跟踪线程中引入线特征,结合点特征进行融合匹配,以增强系统在低纹理和动态光照变化环境下的鲁棒性,提升特征提取与跟踪的稳定性。其次,在原有SLAM架构的基础上,增加稠密建图线程,利用基于深度学习的立体匹配网络生成高精度视差图,有效克服无纹理、遮挡及边缘区域的深度估计误差。通过点云配准、点云融合及点云滤波构建高质量的稠密点云地图,并在全局BA优化后进一步提升地图精度。结果表明,在EuRoC、KITTI Odometry数据集上,StereoDenseSLAM(SDSLAM)算法的平均绝对轨迹误差(ATE)分别为0.1121、2.137,均低于ORB-SLAM2算法、ORB-SLAM3算法、PL-SLAM算法,表明其定位精度得到明显提升。在自建数据集上,SDSLAM算法实现了较高精度的稠密重建效果,能够很好地反映真实农田场景信息,满足农田场景的三维稠密点云地图的构建需求。; 关键词双目视觉农田场景同步定位稠密建图 SLAM; Keywords stereo vision farmland scenes simultaneous localization dense mapping SLAM; 分类号 TP391 [自动化与计算机技术]; 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	融合Transformer和LSTM的蓝莓根区土壤含水量预测模型	王亿曹姗姗孙伟胡博古丽米拉·克孜尔别克孔繁涛	《湖北农业科学》	2024	3	在线阅读下载PDF 职称材料
2	冬小麦需水量的预测模型对比分析	杜云张婧婧雷嘉诚李博李永福	《新疆农业科学》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于集成学习算法和WOFOST模型的小麦生长模拟分析与产量预测	李博张婧婧雷嘉诚杜云	《湖北农业科学》	2024	2	在线阅读下载PDF 职称材料
4	基于小样本的小麦施氮量预测方法	杜云张婧婧韩博鲁子翱	《湖北农业科学》	2024	1	在线阅读下载PDF 职称材料
5	基于YOLOX的小麦穗旋转目标检测	张世豪董峦赵昀杰	《江苏农业科学》北大核心	2024	0	在线阅读下载PDF 职称材料
6	YOLOv8n-LF模型在机收小麦含杂率与破碎率检测中的应用	周洪孟小艳方伟舟丁晓晨	《湖北农业科学》	2025		在线阅读下载PDF 职称材料
7	双目视觉的农田场景同步定位与稠密建图	方伟舟孟小艳周洪丁晓晨	《湖北农业科学》	2025		在线阅读下载PDF 职称材料