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
基于增强知识蒸馏的小样本植物病害识别方法
1
作者
聂远
周厚奎
+2 位作者
张广群
何涛
胡军国
《浙江农林大学学报》
北大核心
2025年第4期667-676,共10页
【目的】针对植物病害识别中大规模标注数据依赖性强、新病害适应性差的问题,本研究旨在提升小样本方法在复杂环境下的识别能力,为小样本病害识别提供理论依据。【方法】本研究提出一种结合小样本转换器和监督式掩码知识蒸馏的增强型上...
【目的】针对植物病害识别中大规模标注数据依赖性强、新病害适应性差的问题,本研究旨在提升小样本方法在复杂环境下的识别能力,为小样本病害识别提供理论依据。【方法】本研究提出一种结合小样本转换器和监督式掩码知识蒸馏的增强型上下文感知知识蒸馏框架(ECKD),构建包含教师网络与学生网络的协同结构,并结合全局特征对齐、局部特征对齐和监督式掩码图像建模视图策略,引入通道注意力残差模块和上下文感知模块,设计新型ViT-EC编码器以增强模型的特征提取与语义理解能力。基于PlantVillage数据集,采用原型分类器进行5-way 1-shot和5-way 5-shot的小样本任务评估。【结果】在5-way 1-shot和5-way 5-shot小样本任务中,ECKD的原型分类器平均准确率分别达74.98%和88.28%,在多个小样本任务上明显优于现有的主流方法。消融实验表明:注意力残差模块、上下文感知模块和监督式掩码图像建模视图策略对性能有正向贡献,在数据不完整场景下能增强模型对全局语义的理解与局部特征的重建能力。【结论】ECKD通过多视图增强策略与知识蒸馏机制的融合,有效缓解了植物病害中小样本的识别难题,提升了识别的精度和模型的稳定性。该方法为农业智能感知系统提供了高效、可行的解决方案,具有良好的推广潜力。
展开更多
关键词
植物病害识别
小样本学习
知识蒸馏
视图策略
原型分类器
在线阅读
下载PDF
职称材料
基于改进UNet++模型的葡萄黑腐病病斑分割和病害程度分级
被引量：
3
2
作者
茹佳棋
吴斌
+2 位作者
翁翔
徐达宇
李颜娥
《浙江农业学报》
CSCD
北大核心
2023年第11期2720-2730,共11页
为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题,基于PlantVillage数据集中的葡萄黑腐病图像,提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时:一方面,采用自适应软阈值化方法消除噪声影响,提高葡...
为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题,基于PlantVillage数据集中的葡萄黑腐病图像,提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时:一方面,采用自适应软阈值化方法消除噪声影响,提高葡萄病斑边缘的分割精度;另一方面,采用长、短连接结合的方式构建UNet++中的跳跃式连接结构,降低模型的计算复杂度。同时,在模型的横向输出层中融合多尺度特征,增强病斑的语义信息,进一步提高目标分割精度。在该模型的损失函数中,将Dice损失函数和交叉熵损失函数进行线性加权组合,以解决病斑像素面积与叶片面积不平衡的问题。采用五折交叉验证进行模型训练与测试。结果显示,本文模型的像素准确率达到98.433%,平均交并比达到92.056%,病斑交并比为81.230%,Dice系数为0.941,均优于传统的UNet++模型。采用病斑占叶面积的比例对病害程度进行分级。结果表明,本文模型对病害等级的划分准确率达97.41%。该模型能精确实现对葡萄黑腐病病斑边缘和小病斑的分割,以及病害程度分级,具有良好的稳健性。
展开更多
关键词
葡萄黑腐病
图像分割
自适应软阈值化
在线阅读
下载PDF
职称材料
基于改进的Faster R-CNN的小目标储粮害虫检测研究
被引量：
11
3
作者
王金
李颜娥
+1 位作者
冯海林
王安澜
《中国粮油学报》
CAS
CSCD
北大核心
2021年第9期164-171,共8页
针对小目标储粮害虫图像的检测问题,提出了一种基于特征金字塔网络的Faster R-CNN改进模型对图像中的小目标进行检测。本研究以5种常见的储粮害虫为检测目标,样本中通过随机组合的方式混合不同种类的储粮害虫进行拍照取样,通过对原始图...
针对小目标储粮害虫图像的检测问题,提出了一种基于特征金字塔网络的Faster R-CNN改进模型对图像中的小目标进行检测。本研究以5种常见的储粮害虫为检测目标,样本中通过随机组合的方式混合不同种类的储粮害虫进行拍照取样,通过对原始图像数据进行目标扩充后构建了含942张储粮害虫图像的数据集(CSGP)。在改进模型的特征金字塔网络结构中,特征提取网络产生的高层特征图通过下采样方式逐步对底层特征图进行融合,生成适合多尺度目标检测的特征图。实验结果表明,采用训练集目标扩充的方式,储粮害虫图像的目标检测结果mAP提升了2.21%;改进后的模型进一步使得储粮害虫图像检测的mAP达到96.69%。最后,设计了一套粮仓内的储粮害虫监测系统。
展开更多
关键词
储粮害虫
小目标检测
卷积神经网络
特征金字塔网络
在线阅读
下载PDF
职称材料
题名
基于增强知识蒸馏的小样本植物病害识别方法
1
作者
聂远
周厚奎
张广群
何涛
胡军国
机构
浙江
农林大学数学与计算机科学学院
浙江
农林大学
浙江省
林业
智能
监测与
信息
技术
重点
实验室
浙江
农林大学国家
林业
与草原局
林业
感知
技术
与
智能
装备重点
实验室
出处
《浙江农林大学学报》
北大核心
2025年第4期667-676,共10页
基金
浙江省自然科学基金资助项目(LY24F020005)。
文摘
【目的】针对植物病害识别中大规模标注数据依赖性强、新病害适应性差的问题,本研究旨在提升小样本方法在复杂环境下的识别能力,为小样本病害识别提供理论依据。【方法】本研究提出一种结合小样本转换器和监督式掩码知识蒸馏的增强型上下文感知知识蒸馏框架(ECKD),构建包含教师网络与学生网络的协同结构,并结合全局特征对齐、局部特征对齐和监督式掩码图像建模视图策略,引入通道注意力残差模块和上下文感知模块,设计新型ViT-EC编码器以增强模型的特征提取与语义理解能力。基于PlantVillage数据集,采用原型分类器进行5-way 1-shot和5-way 5-shot的小样本任务评估。【结果】在5-way 1-shot和5-way 5-shot小样本任务中,ECKD的原型分类器平均准确率分别达74.98%和88.28%,在多个小样本任务上明显优于现有的主流方法。消融实验表明:注意力残差模块、上下文感知模块和监督式掩码图像建模视图策略对性能有正向贡献,在数据不完整场景下能增强模型对全局语义的理解与局部特征的重建能力。【结论】ECKD通过多视图增强策略与知识蒸馏机制的融合,有效缓解了植物病害中小样本的识别难题,提升了识别的精度和模型的稳定性。该方法为农业智能感知系统提供了高效、可行的解决方案,具有良好的推广潜力。
关键词
植物病害识别
小样本学习
知识蒸馏
视图策略
原型分类器
Keywords
plant disease identification
few-shot learning
knowledge distillation
view strategy
prototype classifier
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于改进UNet++模型的葡萄黑腐病病斑分割和病害程度分级
被引量：
3
2
作者
茹佳棋
吴斌
翁翔
徐达宇
李颜娥
机构
浙江
农林大学数学与计算机科学学院
浙江省林业智能监测与信息技术实验室
林业
感知
技术
与
智能
装备国家
林业
和草原局重点
实验室
浙江
农林大学光机电工程学院
出处
《浙江农业学报》
CSCD
北大核心
2023年第11期2720-2730,共11页
基金
国家自然科学基金(72001190)
教育部人文社会科学研究一般项目(20YJC630173)
+2 种基金
浙江省基础公益研究计划(GN21F020001,LQ21H180001)
浙江省重点研发计划(2022C02009,2022CO2044,2022C02020)
浙江农林大学科研发展基金(2019RF065)。
文摘
为了解决葡萄病害图像边缘分割模糊和发病初期分割难的问题,基于PlantVillage数据集中的葡萄黑腐病图像,提出一种基于改进UNet++的葡萄黑腐病病斑分割模型。该模型在提取图像特征时:一方面,采用自适应软阈值化方法消除噪声影响,提高葡萄病斑边缘的分割精度;另一方面,采用长、短连接结合的方式构建UNet++中的跳跃式连接结构,降低模型的计算复杂度。同时,在模型的横向输出层中融合多尺度特征,增强病斑的语义信息,进一步提高目标分割精度。在该模型的损失函数中,将Dice损失函数和交叉熵损失函数进行线性加权组合,以解决病斑像素面积与叶片面积不平衡的问题。采用五折交叉验证进行模型训练与测试。结果显示,本文模型的像素准确率达到98.433%,平均交并比达到92.056%,病斑交并比为81.230%,Dice系数为0.941,均优于传统的UNet++模型。采用病斑占叶面积的比例对病害程度进行分级。结果表明,本文模型对病害等级的划分准确率达97.41%。该模型能精确实现对葡萄黑腐病病斑边缘和小病斑的分割,以及病害程度分级,具有良好的稳健性。
关键词
葡萄黑腐病
图像分割
自适应软阈值化
Keywords
grape black rot
image segmentation
adaptive soft thresholding
分类号
S126 [农业科学—农业基础科学]
S431.9 [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
基于改进的Faster R-CNN的小目标储粮害虫检测研究
被引量：
11
3
作者
王金
李颜娥
冯海林
王安澜
机构
浙江
农林大学
信息
工程学院
浙江省林业智能监测与信息技术实验室
林业
感知
技术
与
智能
装备国家
林业
局重点
实验室
出处
《中国粮油学报》
CAS
CSCD
北大核心
2021年第9期164-171,共8页
基金
国家重点研发计划(2018YFD0401403)
浙江省重点研发计划(2018C02050)
+1 种基金
杭州市农业与社会发展科研主动设计项目(20190101A07)
浙江省大学生科技创新活动计划(新苗人才计划)(2020R412028)。
文摘
针对小目标储粮害虫图像的检测问题,提出了一种基于特征金字塔网络的Faster R-CNN改进模型对图像中的小目标进行检测。本研究以5种常见的储粮害虫为检测目标,样本中通过随机组合的方式混合不同种类的储粮害虫进行拍照取样,通过对原始图像数据进行目标扩充后构建了含942张储粮害虫图像的数据集(CSGP)。在改进模型的特征金字塔网络结构中,特征提取网络产生的高层特征图通过下采样方式逐步对底层特征图进行融合,生成适合多尺度目标检测的特征图。实验结果表明,采用训练集目标扩充的方式,储粮害虫图像的目标检测结果mAP提升了2.21%;改进后的模型进一步使得储粮害虫图像检测的mAP达到96.69%。最后,设计了一套粮仓内的储粮害虫监测系统。
关键词
储粮害虫
小目标检测
卷积神经网络
特征金字塔网络
Keywords
stored grain pests
small target detection
convolution neural network
feature pyramid networks
分类号
TP183 [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
作者
出处
发文年
被引量
操作
1
基于增强知识蒸馏的小样本植物病害识别方法
聂远
周厚奎
张广群
何涛
胡军国
《浙江农林大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进UNet++模型的葡萄黑腐病病斑分割和病害程度分级
茹佳棋
吴斌
翁翔
徐达宇
李颜娥
《浙江农业学报》
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
3
基于改进的Faster R-CNN的小目标储粮害虫检测研究
王金
李颜娥
冯海林
王安澜
《中国粮油学报》
CAS
CSCD
北大核心
2021
11
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
