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AI多模型技术对储粮害虫防治应用的研究
被引量：
2
1
作者
张壮
傅慧
+4 位作者
王殿轩
荆世华
李志信
王泽
刘曼
《中国粮油学报》
CAS
CSCD
北大核心
2024年第11期17-25,共9页
基于Transformer、高斯混合模型、ResNet18等AI深度学习、视觉分析等多维度模型,构建粮食储藏害虫的种群活动与防治评估数智化应用平台,实现了害虫在线监测、预测和防治评估。涉及害虫监测、害虫预测和储粮防治评估等3个核心业务模型:1...
基于Transformer、高斯混合模型、ResNet18等AI深度学习、视觉分析等多维度模型,构建粮食储藏害虫的种群活动与防治评估数智化应用平台,实现了害虫在线监测、预测和防治评估。涉及害虫监测、害虫预测和储粮防治评估等3个核心业务模型:1)基于仓内视频流数据进行监测,通过高斯混合模型和三帧差分法进行害虫运动目标检测,基于ResNet18构建害虫分类模型,实现害虫数量和种类在线实时检测和确定虫粮等级;2)在害虫预测模块中提出了基于Transformer预测模型,结合害虫种群活动,基于粮温等数据建模对害虫发生概率预测;3)对害虫防治治理效果在害虫监测模型基础上,进一步对害虫监视视野场内的运动速度、活动姿态、活跃程度进行分析,评价害虫防治效果。
展开更多
关键词
AI多模型技术
害虫监测
害虫预测
防治评价
在线阅读
下载PDF
职称材料
基于语义分割的粮仓粮食数量变化动态监测方法
被引量：
3
2
作者
李智
张艳飞
+6 位作者
杨卫东
但乃禹
张蕙
陈卫东
荆世华
邵辉
任飞燕
《中国粮油学报》
CAS
CSCD
北大核心
2024年第4期131-139,共9页
为了高效、准确且低成本监测粮仓粮食数量变化情况,研究提出一种基于语义分割的粮仓粮食数量变化动态监测方法,利用深度学习技术对粮仓仓内摄像机采集的图像进行分析,实现对粮仓仓内粮食数量变化情况的动态监测。通过将监测结果与仓内...
为了高效、准确且低成本监测粮仓粮食数量变化情况,研究提出一种基于语义分割的粮仓粮食数量变化动态监测方法,利用深度学习技术对粮仓仓内摄像机采集的图像进行分析,实现对粮仓仓内粮食数量变化情况的动态监测。通过将监测结果与仓内近期业务数据进行比对,可及时发现违法违规行为线索并预警,提高日常监管的针对性和效率。本研究选取粮仓仓内监控摄像机采集的图像作为数据集,构建了基于DeepLabV3+的粮仓粮食数量变化动态监测模型,通过提取判断粮面变化的参照边界,利用参照边界像素值的变化判断仓内粮食数量变化情况,并通过引入基于MobileNetV2的特征提取网络,提高了模型识别的准确性和计算效率。实验结果表明,该模型平均交并比和平均像素准确率分别达到89.57%和94.53%,参数量为5.818 M,MIoU分别比PSPNet模型和UNet模型高0.95%和0.88%。通过对50个粮仓的测试分析,模型识别得到的仓内粮食数量变化情况与实际情况的一致性为96%,验证了该方法的有效性,为粮仓粮食数量的动态监测提供了新的思路。
展开更多
关键词
深度学习
DeepLabV3+
粮面识别
语义分割
在线阅读
下载PDF
职称材料
题名
基于AI多模型技术对储粮害虫防治应用的研究
被引量：
2
1
作者
张壮
傅慧
王殿轩
荆世华
李志信
王泽
刘曼
机构
浪潮数字粮储科技有限公司
河南工业大学
出处
《中国粮油学报》
CAS
CSCD
北大核心
2024年第11期17-25,共9页
文摘
基于Transformer、高斯混合模型、ResNet18等AI深度学习、视觉分析等多维度模型,构建粮食储藏害虫的种群活动与防治评估数智化应用平台,实现了害虫在线监测、预测和防治评估。涉及害虫监测、害虫预测和储粮防治评估等3个核心业务模型:1)基于仓内视频流数据进行监测,通过高斯混合模型和三帧差分法进行害虫运动目标检测,基于ResNet18构建害虫分类模型,实现害虫数量和种类在线实时检测和确定虫粮等级;2)在害虫预测模块中提出了基于Transformer预测模型,结合害虫种群活动,基于粮温等数据建模对害虫发生概率预测;3)对害虫防治治理效果在害虫监测模型基础上,进一步对害虫监视视野场内的运动速度、活动姿态、活跃程度进行分析,评价害虫防治效果。
关键词
AI多模型技术
害虫监测
害虫预测
防治评价
Keywords
AI multi-model technology
pest monitoring
pest prediction
control evaluation
分类号
S3 [农业科学—农艺学]
在线阅读
下载PDF
职称材料
题名
基于语义分割的粮仓粮食数量变化动态监测方法
被引量：
3
2
作者
李智
张艳飞
杨卫东
但乃禹
张蕙
陈卫东
荆世华
邵辉
任飞燕
机构
河南省
粮
食光电探测与控制重点实验室
河南工业大学信息科学与工程学院
河南工业大学人工智能与大数据学院
河南工业大学
粮
食和物资
储
备学院
粮
食
储
运国家工程研究中心
浪潮数字粮储科技有限公司
出处
《中国粮油学报》
CAS
CSCD
北大核心
2024年第4期131-139,共9页
基金
国家重点研发计划项目(2017YFD0401001-02)
河南省杰出青年基金项目(222300420004)
河南省重大公益专项(201300210100)。
文摘
为了高效、准确且低成本监测粮仓粮食数量变化情况,研究提出一种基于语义分割的粮仓粮食数量变化动态监测方法,利用深度学习技术对粮仓仓内摄像机采集的图像进行分析,实现对粮仓仓内粮食数量变化情况的动态监测。通过将监测结果与仓内近期业务数据进行比对,可及时发现违法违规行为线索并预警,提高日常监管的针对性和效率。本研究选取粮仓仓内监控摄像机采集的图像作为数据集,构建了基于DeepLabV3+的粮仓粮食数量变化动态监测模型,通过提取判断粮面变化的参照边界,利用参照边界像素值的变化判断仓内粮食数量变化情况,并通过引入基于MobileNetV2的特征提取网络,提高了模型识别的准确性和计算效率。实验结果表明,该模型平均交并比和平均像素准确率分别达到89.57%和94.53%,参数量为5.818 M,MIoU分别比PSPNet模型和UNet模型高0.95%和0.88%。通过对50个粮仓的测试分析,模型识别得到的仓内粮食数量变化情况与实际情况的一致性为96%,验证了该方法的有效性,为粮仓粮食数量的动态监测提供了新的思路。
关键词
深度学习
DeepLabV3+
粮面识别
语义分割
Keywords
deep learning
DeepLabV3+
grain surface recognition
semantic segmentation
分类号
S126 [农业科学—农业基础科学]
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AI多模型技术对储粮害虫防治应用的研究
张壮
傅慧
王殿轩
荆世华
李志信
王泽
刘曼
《中国粮油学报》
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于语义分割的粮仓粮食数量变化动态监测方法
李智
张艳飞
杨卫东
但乃禹
张蕙
陈卫东
荆世华
邵辉
任飞燕
《中国粮油学报》
CAS
CSCD
北大核心
2024
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
