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
计算机视觉与图像的检测技术在储粮害虫监测中应用综述
被引量：
2
1
作者
甄彤
王静
+1 位作者
李智慧
祝玉华
《中国粮油学报》
北大核心
2025年第7期39-48,共10页
高效准确地检测粮仓管理中的储粮害虫是计算机视觉与图像处理领域的重要研究方向之一。随着深度学习和图像处理技术的迅速发展,储粮害虫检测在粮食仓储领域获得了新的解决方案。本文综述了传统与基于深度学习的目标检测技术的研究进展...
高效准确地检测粮仓管理中的储粮害虫是计算机视觉与图像处理领域的重要研究方向之一。随着深度学习和图像处理技术的迅速发展,储粮害虫检测在粮食仓储领域获得了新的解决方案。本文综述了传统与基于深度学习的目标检测技术的研究进展及其在储粮害虫检测中的应用,涵盖数据采集与预处理、模型选择与训练及应用实例,展示了研究者们在提高害虫检测模型的准确率和鲁棒性(环境适应性)上取得的进展,以期为进一步提高储粮害虫检测技术的准确性,提升粮仓管理智能化水平,保障粮食安全提供参考。
展开更多
关键词
粮仓管理
储粮害虫
检测技术
深度学习
在线阅读
下载PDF
职称材料
一种改进型粘连大米实例分割模型Swin-STR
2
作者
张庆辉
张浩宇
+3 位作者
张梦雅
陈卫东
田国军
武勇
《中国粮油学报》
北大核心
2025年第7期177-186,共10页
现有基于卷积神经网络的图像分割方法虽能有效提取粘连大米图像中相似米粒的特征,但在边界模糊和粘连程度不一的情况下,难以实现理想的分割效果。研究受Swin Transformer启发,设计了更加适合粘连大米分割任务的主干网络STRNet,通过考虑...
现有基于卷积神经网络的图像分割方法虽能有效提取粘连大米图像中相似米粒的特征,但在边界模糊和粘连程度不一的情况下,难以实现理想的分割效果。研究受Swin Transformer启发,设计了更加适合粘连大米分割任务的主干网络STRNet,通过考虑图像全局关系及优化粘连大米边缘的分割合理性,构建了一种改进型粘连大米实例分割模型Swin-STR。STRNet包含特征先验模块(FPM)和特征交互融合模块(FIF)2个重要设计,FPM模块通过结合不同尺度的卷积操作,捕捉从局部到全局的多尺度空间信息,增强粘连区域识别,FIF通过多尺度特征融合提升模型对米粒不同程度粘连的分割能力。为了验证所提出模型的有效性,本文构建了包含4种品种大米、多光照干扰、非单一程度粘连的粘连大米实例分割数据集STR-900。实验结果表明,Swin-STR在粘连大米分割任务上相比多种基于卷积神经网络的实例分割模型有更好的效果。与Swin Transformer相比,Swin-STR在Box AP和Mask AP有4.8%和6.7%的提升,表明所提出模型在随机散落籽粒粘连分割任务上的优势。
展开更多
关键词
粘连大米图像
实例分割
Swin
Transformer
多尺度特征
特征交互融合
在线阅读
下载PDF
职称材料
题名
计算机视觉与图像的检测技术在储粮害虫监测中应用综述
被引量：
2
1
作者
甄彤
王静
李智慧
祝玉华
机构
河南
工业
大学
信息
科学与工程学院
粮食
信息
处理与控制教育部
重点
实验室
(
河南
工业
大学
)
河南省
粮食
仓储
信息
智能
感知与
决策
重点
实验室
(
河南
工业
大学
)
出处
《中国粮油学报》
北大核心
2025年第7期39-48,共10页
基金
国家重点研发计划项目(2022YFD2100202)
河南省教育厅自然科学项目(24A520013)。
文摘
高效准确地检测粮仓管理中的储粮害虫是计算机视觉与图像处理领域的重要研究方向之一。随着深度学习和图像处理技术的迅速发展,储粮害虫检测在粮食仓储领域获得了新的解决方案。本文综述了传统与基于深度学习的目标检测技术的研究进展及其在储粮害虫检测中的应用,涵盖数据采集与预处理、模型选择与训练及应用实例,展示了研究者们在提高害虫检测模型的准确率和鲁棒性(环境适应性)上取得的进展,以期为进一步提高储粮害虫检测技术的准确性,提升粮仓管理智能化水平,保障粮食安全提供参考。
关键词
粮仓管理
储粮害虫
检测技术
深度学习
Keywords
granary management
stored grain pests
detection technology
deep learning
分类号
TP399 [自动化与计算机技术—计算机应用技术]
TS01 [轻工技术与工程]
在线阅读
下载PDF
职称材料
题名
一种改进型粘连大米实例分割模型Swin-STR
2
作者
张庆辉
张浩宇
张梦雅
陈卫东
田国军
武勇
机构
粮食
信息
处理与控制教育部
重点
实验室
(
河南
工业
大学
)
河南省
粮食
仓储
信息
智能
感知与
决策
重点
实验室
(
河南
工业
大学
)
河南
工业
大学
河南省
粮食
大数据分析与应用工程技术研究中心
粮食
储运国家工程研究中心
湖北省粮油食品质量监督检测中心
安徽高哲
信息
技术有限公司
出处
《中国粮油学报》
北大核心
2025年第7期177-186,共10页
基金
中原科技创新领军人才项目(244200510024)
河南工业大学粮食信息处理中心开放课题(KFJJ2023013)
郑州市协同创新专项(22ZZRDZX41)。
文摘
现有基于卷积神经网络的图像分割方法虽能有效提取粘连大米图像中相似米粒的特征,但在边界模糊和粘连程度不一的情况下,难以实现理想的分割效果。研究受Swin Transformer启发,设计了更加适合粘连大米分割任务的主干网络STRNet,通过考虑图像全局关系及优化粘连大米边缘的分割合理性,构建了一种改进型粘连大米实例分割模型Swin-STR。STRNet包含特征先验模块(FPM)和特征交互融合模块(FIF)2个重要设计,FPM模块通过结合不同尺度的卷积操作,捕捉从局部到全局的多尺度空间信息,增强粘连区域识别,FIF通过多尺度特征融合提升模型对米粒不同程度粘连的分割能力。为了验证所提出模型的有效性,本文构建了包含4种品种大米、多光照干扰、非单一程度粘连的粘连大米实例分割数据集STR-900。实验结果表明,Swin-STR在粘连大米分割任务上相比多种基于卷积神经网络的实例分割模型有更好的效果。与Swin Transformer相比,Swin-STR在Box AP和Mask AP有4.8%和6.7%的提升,表明所提出模型在随机散落籽粒粘连分割任务上的优势。
关键词
粘连大米图像
实例分割
Swin
Transformer
多尺度特征
特征交互融合
Keywords
adhesive rice images
instance segmentation
Swin Transformer
multi-scale features
feature interactive convergence
分类号
S511.2 [农业科学—作物学]
TS212 [轻工技术与工程—粮食、油脂及植物蛋白工程]
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
计算机视觉与图像的检测技术在储粮害虫监测中应用综述
甄彤
王静
李智慧
祝玉华
《中国粮油学报》
北大核心
2025
2
在线阅读
下载PDF
职称材料
2
一种改进型粘连大米实例分割模型Swin-STR
张庆辉
张浩宇
张梦雅
陈卫东
田国军
武勇
《中国粮油学报》
北大核心
2025
0
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
