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
基于无人机图像和改进LSC-CNN模型的密集苗木检测和计数方法
被引量：
2
1
作者
彭小丹
陈锋军
+2 位作者
朱学岩
才嘉伟
顾梦梦
《智慧农业（中英文）》
CSCD
2024年第5期88-97,共10页
[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate,Size and Count,LSC-CNN),...
[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate,Size and Count,LSC-CNN),同时实现苗木的检测和计数。[方法]改进的LSC-CNN模型通过将LSC-CNN模型特征提取网络的最后一层卷积替换为扩张卷积(Dilated Convolutions,DConv),实现在保留苗木细节特征的同时扩大感受野,帮助模型更好地理解上下文信息以区分粘连苗木。此外,在多个尺度分支前引入注意力机制(Convolutional Block Attention Module,CBAM)使模型聚焦于有助于苗木检测和计数的关键特征,以更好地适应不同尺度的苗木。为解决类别不平衡问题,提高模型的泛化能力,将损失函数替换为标签平滑交叉熵损失函数。[结果和讨论]经测试,改进LSC-CNN模型在456幅苗木图像的测试集上的平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)和平均计数准确率(Mean Counting Accurate,MCA)分别为14.24株、22.22株和91.23%,三项指标均优于IntegrateNet、PSGCNet、CANet、CSRNet、CLTR和LSC-CNN模型。[结论]改进LSC-CNN模型能够准确实现密集种植苗木的检测和计数,适用于多种树木的检测和计数工作。
展开更多
关键词
无人机
密集种植
计数
多尺度
LSC-CNN
在线阅读
下载PDF
职称材料
基于无人机航拍图像与改进IntegrateNet的稠密云杉计数
被引量：
3
2
作者
才嘉伟
陈锋军
+3 位作者
朱学岩
彭小丹
林剑辉
顾梦梦
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第18期74-81,共8页
苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据...
苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据稠密云杉粘连严重以及杂草背景干扰进行改进,首先使用自校正卷积(self-calibrated convolutions,SCConv)提高卷积感受野,增强模型对于不同尺寸云杉的适应能力。其次,在特征融合处应用十字交叉注意力机制(criss-cross attention,CCA)提高模型对上下文信息的提取能力。以平均计数准确率(mean counting accuracy,MCA)、平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和决定系数R2为评价指标。分析结果表明,改进IntegrateNet模型在181幅测试集上的平均计数准确率,平均绝对误差,均方根误差,决定系数分别达到98.32%,8.99株、13.79株和0.99,相较于TasselNetv3_lite、TasselNetv3_seg和IntegrateNet模型,平均计数准确率分别提升16.44、10.55和9.26个百分点,平均绝对误差分别降低25.62、10.45和6.99株,均方根误差分别降低48.25、13.84和12.52株。改进IntegrateNet模型能够有效提高稠密云杉的计数准确率,可为完善苗木数量统计系统提供算法基础。
展开更多
关键词
无人机
图像处理
目标计数
稠密云杉
改进IntegrateNet
在线阅读
下载PDF
职称材料
题名
基于无人机图像和改进LSC-CNN模型的密集苗木检测和计数方法
被引量：
2
1
作者
彭小丹
陈锋军
朱学岩
才嘉伟
顾梦梦
机构
北京林业
大学
工学院
林木资源高效生产全国重点实验室
城乡生态环境北京实验室
林业装备与自动化国家林业和草原局重点实验室
科罗拉多州立大学园艺与景观建筑系
出处
《智慧农业（中英文）》
CSCD
2024年第5期88-97,共10页
基金
国家重点研发计划项目(2019YFD1002401)
北京林业大学科技创新计划项目(2021ZY74)
北京市共建项目专项。
文摘
[目的/意义]快速、准确地统计密集种植的苗木数量对苗木经营管理具有重要意义。为解决无人机航拍的密集种植苗木图像中苗木粘连、尺度差异大的问题,提出以点标签数据为监督信号的改进密集检测计数模型(Locate,Size and Count,LSC-CNN),同时实现苗木的检测和计数。[方法]改进的LSC-CNN模型通过将LSC-CNN模型特征提取网络的最后一层卷积替换为扩张卷积(Dilated Convolutions,DConv),实现在保留苗木细节特征的同时扩大感受野,帮助模型更好地理解上下文信息以区分粘连苗木。此外,在多个尺度分支前引入注意力机制(Convolutional Block Attention Module,CBAM)使模型聚焦于有助于苗木检测和计数的关键特征,以更好地适应不同尺度的苗木。为解决类别不平衡问题,提高模型的泛化能力,将损失函数替换为标签平滑交叉熵损失函数。[结果和讨论]经测试,改进LSC-CNN模型在456幅苗木图像的测试集上的平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)和平均计数准确率(Mean Counting Accurate,MCA)分别为14.24株、22.22株和91.23%,三项指标均优于IntegrateNet、PSGCNet、CANet、CSRNet、CLTR和LSC-CNN模型。[结论]改进LSC-CNN模型能够准确实现密集种植苗木的检测和计数,适用于多种树木的检测和计数工作。
关键词
无人机
密集种植
计数
多尺度
LSC-CNN
Keywords
UAV
intensive planting
counting
multi-scale
LSC-CNN
分类号
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
基于无人机航拍图像与改进IntegrateNet的稠密云杉计数
被引量：
3
2
作者
才嘉伟
陈锋军
朱学岩
彭小丹
林剑辉
顾梦梦
机构
北京林业
大学
工学院
城乡生态环境北京实验室
林业装备与自动化国家林业局重点实验室
科罗拉多州立大学园艺与景观建筑系
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第18期74-81,共8页
基金
国家重点研发计划项目(2019YFD1002401)
北京林业大学科技创新计划项目(2021ZY74)
北京市共建项目专项。
文摘
苗木数量统计和库存管理对于大型苗圃经营和管理十分重要。该研究针对种植稠密的云杉地块,以无人机航拍云杉图像为对象,提出一种改进IntegrateNet模型,实现稠密云杉的准确计数。选择对稠密目标识别性能好的IntegrateNet为基础模型,根据稠密云杉粘连严重以及杂草背景干扰进行改进,首先使用自校正卷积(self-calibrated convolutions,SCConv)提高卷积感受野,增强模型对于不同尺寸云杉的适应能力。其次,在特征融合处应用十字交叉注意力机制(criss-cross attention,CCA)提高模型对上下文信息的提取能力。以平均计数准确率(mean counting accuracy,MCA)、平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和决定系数R2为评价指标。分析结果表明,改进IntegrateNet模型在181幅测试集上的平均计数准确率,平均绝对误差,均方根误差,决定系数分别达到98.32%,8.99株、13.79株和0.99,相较于TasselNetv3_lite、TasselNetv3_seg和IntegrateNet模型,平均计数准确率分别提升16.44、10.55和9.26个百分点,平均绝对误差分别降低25.62、10.45和6.99株,均方根误差分别降低48.25、13.84和12.52株。改进IntegrateNet模型能够有效提高稠密云杉的计数准确率,可为完善苗木数量统计系统提供算法基础。
关键词
无人机
图像处理
目标计数
稠密云杉
改进IntegrateNet
Keywords
UAV
image processing
target counting
dense spruce
improved IntegrateNet
分类号
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
基于无人机图像和改进LSC-CNN模型的密集苗木检测和计数方法
彭小丹
陈锋军
朱学岩
才嘉伟
顾梦梦
《智慧农业（中英文）》
CSCD
2024
2
在线阅读
下载PDF
职称材料
2
基于无人机航拍图像与改进IntegrateNet的稠密云杉计数
才嘉伟
陈锋军
朱学岩
彭小丹
林剑辉
顾梦梦
《农业工程学报》
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
