-
题名基于多模态特征对齐的作物病害叶片检测
被引量：3
- 1
-
-
作者
周一帆
刘东洋
周宇平
-
机构
驻马店职业技术学院信息工程学院
驻马店职业技术学院
中国农业大学信息与电气工程学院
山东农业大学作物生物学国家重点试验室
-
出处
《中国农机化学报》
北大核心
2024年第7期180-187,共8页
-
基金
国家自然科学基金(32072357)
河南省高等学校青年骨干教师资助计划(2015GGJS-300)。
-
文摘
针对现有农作物病害叶片检测方法利用图像特征定位叶片病害区域精度不高的问题,提出一种基于多模态特征对齐的作物病害叶片检测新方法。在训练阶段,利用视觉编码器和文本编码器将农作物叶片集中的图片和文本进行编码,并根据视觉编码特征定位给定图片中的病害区域,利用视觉和文本编码融合特征实现病害区域病害类型的细粒度分类。在推理阶段,利用预训练的病害区域定位模块定位给定测试图片中的病害区域,并将其提取的病害区域作为预训练分类模型的输入;通过计算预测文本值与文本集中原始标签之间的相似度值,快速给出病害区域的细粒度分类结果。在多个开源的农作物病害数据集上进行测试,所提出方法在马铃薯、番茄、苹果和草莓四种类型的病害叶片数据集上精准率分别为0.9574、0.9611、0.9580和0.9502,综合性能更优,具有较好实用价值。
-
关键词
病害叶片检测
多模态特征
视觉编码特征
文本编码特征
细粒度分类
-
Keywords
disease leaf detection
multi-modal feature
visual encoding features
text encoding features
fine-grained classification
-
分类号
S5
[农业科学—作物学]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进FairMOT的实时群养生猪智能跟踪
- 2
-
-
作者
周一帆
刘东洋
周宇平
-
机构
驻马店职业技术学院信息工程学院
驻马店职业技术学院河南省乡村智慧农业工程研究中心
中国农业大学信息与电气工程学院
山东农业大学动物科技学院
-
出处
《中国农机化学报》
北大核心
2024年第8期49-59,共11页
-
基金
国家自然科学基金(32072357)
河南省高等学校青年骨干教师资助计划(2015GGJS—300)。
-
文摘
为解决群养生猪多目标跟踪中的挑战,如猪只外观相似、互相遮挡和动态交互等导致的身份识别错误、跟踪不连续问题,提出一种改进型FairMOT模型。该模型在主干网络中嵌入EMA注意力机制,优化下采样阶段的特征图,增强猪只位置特征的表达能力。同时,引入区分特征学习网络,通过加强不同猪只之间外观特征的细粒度差异,提高个体间的区分度。此外,模型采用特征匹配、IoU匹配和遮挡恢复匹配的三阶段策略,以增强跟踪的准确性。测试结果显示,改进FairMOT在高阶跟踪精度HOTA、多目标跟踪准确率MOTA、多目标定位精度MOTP、识别F1得分等关键指标上表现卓越,在自制数据集的平均得分分别达到85.87%、96.53%、96.07%和94.82%,明显优于原始FairMOT和其他五种跟踪器。且在不同光照和遮挡条件下,其展现出高准确性和稳定性,证明在复杂环境中的有效性和实用性。
-
关键词
群养生猪
动物检测
猪只多目标跟踪
行为识别
遮挡匹配
-
Keywords
group⁃raised pigs
animal detection
pig multi⁃object tracking
behavior recognition
occlusion matching
-
分类号
S828
[农业科学—畜牧学]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
