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
基于改进CornerNet的水稻灯诱飞虱自动检测方法构建与验证
被引量：
12
1
作者
姚青
吴叔珍
+5 位作者
蒯乃阳
杨保军
唐健
冯晋
朱旭华
朱先敏
《农业工程学报》
EI
CAS
CSCD
北大核心
2021年第7期183-189,共7页
针对水稻灯诱昆虫图像中稻飞虱自动检测存在严重误检和漏检问题,提出一种基于改进CornerNet的水稻灯诱飞虱自动检测方法。由于稻飞虱个体在灯诱昆虫图像中所占区域比例极小,利用重叠滑动窗方法提高飞虱在图像检测区域中所占比例,提高2...
针对水稻灯诱昆虫图像中稻飞虱自动检测存在严重误检和漏检问题,提出一种基于改进CornerNet的水稻灯诱飞虱自动检测方法。由于稻飞虱个体在灯诱昆虫图像中所占区域比例极小,利用重叠滑动窗方法提高飞虱在图像检测区域中所占比例,提高2种稻飞虱(白背飞虱和褐飞虱)的检测率和避免滑动窗边界造成的目标漏检。针对CornerNet存在角点匹配不准确导致检测框冗余问题,利用检测框抑制方法去除冗余检测框。对灯诱昆虫图像进行稻飞虱检测,结果表明,该研究提出的基于改进CornerNet的水稻灯诱飞虱自动检测方法对2种稻飞虱检测的平均精确率和召回率分别为95.53%和95.50%,有效地提高了灯诱昆虫图像中稻飞虱的检测效果,可用于智能虫情测报灯的灯诱昆虫图像中白背飞虱和褐飞虱的智能测报。
展开更多
关键词
图像识别
害虫检测
水稻灯诱昆虫图像
稻飞虱
CornerNet模型
目标检测
重叠滑动窗
在线阅读
下载PDF
职称材料
基于深度双线性转换注意力机制网络的林业有害生物识别方法
被引量：
3
2
作者
苏佳杰
张哲宇
+3 位作者
徐嘉俊
李彬
吕军
姚青
《林业科学》
EI
CAS
CSCD
北大核心
2023年第2期121-128,共8页
【目的】针对林业有害生物种类多,不少物种之间相似度高,视觉差异小,不易区分,导致林业防控人员无法快速准确识别有害生物种类的问题,本文提出基于深度双线性转换注意力机制网络(DBTANet)的林业有害生物细粒度图像识别方法。【方法】以...
【目的】针对林业有害生物种类多,不少物种之间相似度高,视觉差异小,不易区分,导致林业防控人员无法快速准确识别有害生物种类的问题,本文提出基于深度双线性转换注意力机制网络(DBTANet)的林业有害生物细粒度图像识别方法。【方法】以自然状态下拍摄的60种林业害虫和14种林业有害植物图像作为研究对象,利用水平镜像、亮度调节、高斯模糊和高斯噪声等方法对图像数据集进行增强,按6∶2∶2比例划分为训练集、验证集和测试集;采用双线性插值法将每幅图像缩放至统一尺寸;改进ResNet网络中残差模块,加入深度双线性转换模块和注意力机制模块,建立DBTANet-101网络进行特征提取与分类;利用平均准确率、平均召回率和平均F1值3个指标评价不同模型对林业有害生物的识别结果。【结果】VGGNet-19、ResNet-50、ResNet-101、改进残差模块的ResNet-50和ResNet-101共5个模型对74种林业有害生物平均准确率分别为78.6%、74.9%、76.3%、79.7%和81.1%;在改进残差模块的ResNet-101基础上,增加深度双线性转换模块和注意力机制模块后,74种林业有害生物的平均准确率和召回率分别提高了10.2%和12.1%,22种相似的有害生物细粒度图像平均准确率提高了15.7%。【结论】基于深度双线性转换注意力机制网络(DBTANet)的林业有害生物细粒度图像识别方法,对74种林业有害生物和22种相似有害生物细粒度图像的平均准确率分别为91.3%和85.1%;双线性转换模块和注意力机制可以有效提高林业有害生物识别模型的准确率。
展开更多
关键词
林业有害生物
细粒度图像识别
深度双线性转换
注意力机制
ResNet
在线阅读
下载PDF
职称材料
题名
基于改进CornerNet的水稻灯诱飞虱自动检测方法构建与验证
被引量：
12
1
作者
姚青
吴叔珍
蒯乃阳
杨保军
唐健
冯晋
朱旭华
朱先敏
机构
浙江
理工大学信息学院
中国水稻研究所稻作技术研究与发展中心
浙江省托普云农科技股份有限公司
江苏省植物保护植物检疫站
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2021年第7期183-189,共7页
基金
国家“863”计划项目(2013AA102402)
浙江省公益性项目(LGN18C140007)
浙江省自然科学基金(LY20C140008)。
文摘
针对水稻灯诱昆虫图像中稻飞虱自动检测存在严重误检和漏检问题,提出一种基于改进CornerNet的水稻灯诱飞虱自动检测方法。由于稻飞虱个体在灯诱昆虫图像中所占区域比例极小,利用重叠滑动窗方法提高飞虱在图像检测区域中所占比例,提高2种稻飞虱(白背飞虱和褐飞虱)的检测率和避免滑动窗边界造成的目标漏检。针对CornerNet存在角点匹配不准确导致检测框冗余问题,利用检测框抑制方法去除冗余检测框。对灯诱昆虫图像进行稻飞虱检测,结果表明,该研究提出的基于改进CornerNet的水稻灯诱飞虱自动检测方法对2种稻飞虱检测的平均精确率和召回率分别为95.53%和95.50%,有效地提高了灯诱昆虫图像中稻飞虱的检测效果,可用于智能虫情测报灯的灯诱昆虫图像中白背飞虱和褐飞虱的智能测报。
关键词
图像识别
害虫检测
水稻灯诱昆虫图像
稻飞虱
CornerNet模型
目标检测
重叠滑动窗
Keywords
image recognition
pest detection
rice light-trap insect image
rice planthopper
CornerNet model
object detection
overlapping sliding window
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
基于深度双线性转换注意力机制网络的林业有害生物识别方法
被引量：
3
2
作者
苏佳杰
张哲宇
徐嘉俊
李彬
吕军
姚青
机构
浙江
理工大学信息学院
浙江省托普云农科技股份有限公司
出处
《林业科学》
EI
CAS
CSCD
北大核心
2023年第2期121-128,共8页
基金
浙江省自然科学基金项目(LY20C140008)。
文摘
【目的】针对林业有害生物种类多,不少物种之间相似度高,视觉差异小,不易区分,导致林业防控人员无法快速准确识别有害生物种类的问题,本文提出基于深度双线性转换注意力机制网络(DBTANet)的林业有害生物细粒度图像识别方法。【方法】以自然状态下拍摄的60种林业害虫和14种林业有害植物图像作为研究对象,利用水平镜像、亮度调节、高斯模糊和高斯噪声等方法对图像数据集进行增强,按6∶2∶2比例划分为训练集、验证集和测试集;采用双线性插值法将每幅图像缩放至统一尺寸;改进ResNet网络中残差模块,加入深度双线性转换模块和注意力机制模块,建立DBTANet-101网络进行特征提取与分类;利用平均准确率、平均召回率和平均F1值3个指标评价不同模型对林业有害生物的识别结果。【结果】VGGNet-19、ResNet-50、ResNet-101、改进残差模块的ResNet-50和ResNet-101共5个模型对74种林业有害生物平均准确率分别为78.6%、74.9%、76.3%、79.7%和81.1%;在改进残差模块的ResNet-101基础上,增加深度双线性转换模块和注意力机制模块后,74种林业有害生物的平均准确率和召回率分别提高了10.2%和12.1%,22种相似的有害生物细粒度图像平均准确率提高了15.7%。【结论】基于深度双线性转换注意力机制网络(DBTANet)的林业有害生物细粒度图像识别方法,对74种林业有害生物和22种相似有害生物细粒度图像的平均准确率分别为91.3%和85.1%;双线性转换模块和注意力机制可以有效提高林业有害生物识别模型的准确率。
关键词
林业有害生物
细粒度图像识别
深度双线性转换
注意力机制
ResNet
Keywords
forest pests
fine-grained image recognition
deep bilinear transformation
attention mechanism
ResNet
分类号
S763.3 [农业科学—森林保护学]
TP391.4 [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
作者
出处
发文年
被引量
操作
1
基于改进CornerNet的水稻灯诱飞虱自动检测方法构建与验证
姚青
吴叔珍
蒯乃阳
杨保军
唐健
冯晋
朱旭华
朱先敏
《农业工程学报》
EI
CAS
CSCD
北大核心
2021
12
在线阅读
下载PDF
职称材料
2
基于深度双线性转换注意力机制网络的林业有害生物识别方法
苏佳杰
张哲宇
徐嘉俊
李彬
吕军
姚青
《林业科学》
EI
CAS
CSCD
北大核心
2023
3
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
