首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 27 毫秒
1.
【目的】 为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测。【方法】 文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别。【结果】 模型精度评估表明,YOLO v4模型的平均准确率MAP值(86%)比Faster R-CNN的MAP值(51%)高出35%。【结论】 YOLO v4与经典的算法相比,对各种自然环境下的桃花检测具有较好的实时性和鲁棒性,可为精准识别桃花提供重要参考价值,桃花精准识别为疏花疏果作业奠定了基础。  相似文献   

2.
【目的】 在蛋鸡养殖中,如球虫病和传染性法氏囊病等鸡肠道疾病发病率高,严重影响鸡舍饲料的利用率,增加了养殖成本。为在密集的蛋鸡笼养环境中使用肠道疾病智能化诊断方法,实现多种肠道疾病的分类识别,【方法】 文章根据病理粪便的差异,提出了基于多尺度卷积的对鸡肠道疾病进行分类的算法。首先,实验共采集正常粪便、稀便、绿便和血便4类图像共1 834幅,建立蛋鸡粪便数据集。为减少过拟合的出现,对数据集进行了数据增强,扩充数据集至5 128幅。其次,对VGG16模型进行改进,使用全局平均池化代替全连接层,同时引入了3×3和5×5的多尺度卷积和通道注意力机制,将SE模块插入到多尺度卷积的末端,构建了一个基于多尺度卷积的蛋鸡肠道疾病识别网络VGG-MSC。【结果】 VGG-MSC的各项指标较VGG16均得到提高,其中在蛋鸡粪便数据集上的分类准确率达到了98.04%,较VGG16提高了1.75%,可为鸡的肠道疾病诊断提供有效的决策支持。【结论】 以深度学习为基础,该方法能够实现对鸡肠道疾病的智能诊断,有利于及早发现并预防鸡肠道疾病,为畜禽养殖提供信息化服务,推动蛋鸡产业持续高质量发展。  相似文献   

3.
【目的】 为了提升自然场景中农村在建房屋的识别准确率,并为后续的农村违建房屋智能化监管提供技术支撑。【方法】 文章基于无监督聚类和YOLOX目标检测算法,发展了一种乡村房屋在建状态识别方法。首先,构建在建房屋无监督聚类模型,并以此对在建房屋进行类别精细划分,使得不同类别之间特征差异较大,相同类别特征差异较小,其次,再使用划分好的类别制作房屋检测数据集,并训练YOLOX目标检测模型对在建房屋进行识别,最后,在在建房屋数据集上设计模型对比实验,以此验证算法有效性。【结果】 实验结果表明:在在建房屋识别任务中,基于无监督聚类和YOLOX的在建房屋识别算法mAP为83.27%,比采用原始数据(不进行在建房屋类别划分)训练的YOLOX算法mAP提升了7.91%,同时比采用人工划分类别的YOLOX算法mAP提升了5.08%。【结论】 因此该文方法有效提升了乡村房屋在建状态的识别精度,同时也为具有复杂场景和多个不同状态的目标进行识别时,提升识别准确率提供一种有效且可靠的解决思路。  相似文献   

4.
【目的】 为了快速准确获取农业科研试验中具有体量大、种类繁多且复杂、可变性大、对真实性有严格要求等特点的田间植株表型数据。【方法】 文章基于物联网与大数据技术构建了一个农业试验中大数据采集应用系统,用于辅助人工进行试验数据采集与应用。数据采集方法有基于NodeMcu开发板结合传感器获取环境数据、通过树莓派连接摄像头对试验区域进行图像采集并利用物联网设备上传至数据库、网络爬虫、通过终端设备记录作物单株形态等。获得数据后对不同来源数据进行清洗与处理,将原始数据与清洗处理后的数据分别存储至不同数据区域中并固化,通过分布式文件系统HDFS(Hadoop Distributed File System)读写操作,最后利用数据处理模块对数据进行监控与处理,将结果以图像、表格和视频等形式提交到前端交互网站。【结果】 基于构建的大数据采集系统获得了5 450幅大豆叶片图像,然后利用yolov5的深度学习模型训练,最终实现了大豆叶形分类识别;利用株高测量设备获取了1 306株大豆株高数据,结果较为可靠。【结论】 研究表明,该系统设计方案具有可行性高、用途广泛、构建成本低和可拓展性强等特点,将多种技术运用于农业试验的数据获取中,规范化试验流程与数据保存,提高数据获取的广度和数据利用的深度,为更深层次的农业科学研究奠定了基础。  相似文献   

5.
【目的】 宅基地是保障农民安居乐业和农村社会稳定的重要基础,实时掌握农村宅基地的使用、变化、发展信息对建设社会主义新农村、促进农村地区的发展研究,提高农民生活水平具有重要意义,但是现有的变化监测研究主要针对于城市建筑物,且依旧存在大量的人工监测方法,因此迫切需要一种能对农村宅基地进行高效动态变化监测的有效手段。【方法】 文章基于面向宅基地图像的半自动标注及训练方法,对训练样本进行半自动化提取与训练。通过构建的深度学习多尺度融合监测模型对宅基地图斑进行智能化提取,依据模型对提取出的多期宅基地图斑进行叠加分析,自动提取出宅基地新增与拆除的变化图斑,以此实现农村宅基地的动态变化监测。【结果】 面向宅基地图像的半自动标注及训练模型有效实现了训练样本集的半自动化构建与训练,通过实时的影像输入,完成了样本的动态构建与训练,提高了训练效率;深度学习多尺度融合监测模型对研究区宅基地动态变化的监测效果明显,成功提取出多期宅基地建筑物的精确轮廓,识别出宅基地的变化区域,反映出宅基地变化的数量、面积、形态特征。【结论】 基于深度学习多尺度融合监测模型,对于宅基地图斑的动态变化监测效果明显,该方法适用于大规模农村宅基地的动态变化监测,可为农村宅基地的变化监测提供了一种新的技术手段与研究思路。  相似文献   

6.
目的 在水稻生产过程中,针对不同虫害需要采用不同的防治方案,水稻害虫的准确识别分类是制定针对性防治方案的前提。方法 采用深度学习结合机器视觉的方法,基于Res2Net结构提出了一种多尺度特征提取的深度残差网络,通过准确地提取害虫特征实现复杂自然背景下的水稻害虫识别;采用改进的残差结构,使用等级制的类残差连接取代了原本的3×3卷积核,增加了每个网络层的感受野,可以更细粒度地提取多尺度特征。结果 本网络训练的模型能够有效地识别自然背景下的水稻害虫,在自建的包含22类常见水稻害虫的图像数据集上,平均识别准确率达到了92.023%,优于传统的ResNet、VGG等网络。结论 本文提出的模型可应用于水稻虫情自动监测系统,为实现水稻害虫虫情的机器视觉监测提供参考。  相似文献   

7.
【目的】 农业面源和土壤重金属污染严重威胁了我国农业绿色可持续发展,开发服务于污染监管业务的污染管理决策系统,建立基于工作流的农业污染管理决策模型,有利于为加强土壤污染防治和开展土壤修复工作提供科学的指导和决策。【方法】 文章以工作流技术和污染评价模型组织方法为切入点,将农业污染模型的构建和工作流流程执行分开设计,使得工作流流程设计更加易于理解和分析,同时可以降低了农业污染评价模型和运行环境之间的依赖,使其可以适用于不同粒度和层次的农业面源和重金属污染管理。 【结果/结论】 通过工作流技术建立不同决策场景下农业污染的模型构建、重组、复用和调配的工作流框架,使得农业污染评价模型在计算机环境下自动化运行、控制、管理,最终实现一种灵活的范式组织和使用模型。基于工作流的农业污染模型构建可以保护和合理利用土地资源、规范并简化决策管理过程中的数据分析过程,并且提高数据利用效率。  相似文献   

8.
目的 基于计算机层析成像(Computed tomography, CT)设备所得芒果CT序列图像,实现芒果内部品质的无损检测和病状识别分类。方法 利用分段函数法、中值滤波结合双边滤波,实现芒果图像增强;采用局部自适应阈值法,实现二值化处理;采用种子填充法进行区域填充;最后通过差影法准确提取芒果果实内部组织的坏损区域。基于深度迁移学习模型,对未处理和已处理的芒果图像数据开展训练和测试,通过AlexNet和GoogLeNet深度学习网络开展迁移学习,调整超参数完成训练过程的网络微调,在不同模型中对比未处理和已处理的芒果测试集在模型上的分类结果。结果 基于未处理数据集,GoogLeNet模型在学习率为0.0002下训练,Accuracy和Macro-average指标分别为98.79%和98.41%。基于已处理数据集,GoogLeNet模型在学习率为0.0002下训练,Accuracy和Macro-average指标分别为100%和100%。深度迁移学习模型在已处理数据集下的模型分类指标较未处理的数据集下有较大的提升。基于同一数据集且超参数一致时,GoogLeNet网络的分类效果明显优于AlexNet网络。结论 设定学习率为0.0002、迭代轮数为3、最小批值为64,基于GoogLeNet网络开展深度迁移学习训练,将所得模型作为最终的分类模型。  相似文献   

9.
【目的】 蝗灾突发性强,传统地面调查及生物学模型方法在时间、空间上不能满足精准防控的需求,且对历史数据依赖度高,利用高分辨率遥感数据监测蝗虫栖息生境的变化,从而实现蝗灾及时、快速监测,对治蝗防蝗具有重要意义。【方法】 文章以埃及南部蝗灾常发区为研究区,基于Sentinel-2卫星数据和地面气象数据、土地利用数据、行政区划数据等,监测植被生长季植被指数及植被覆盖度变化,实现埃及地区蝗虫发生地、发生程度的快速评估。【结果】 2019年6—7月,埃及南部植被覆盖区蝗灾受灾面积比例约为12%,中度及重度以上面积不超6%,整体受灾不严重。【结论】 不依赖于历史数据,从短期植被覆盖度变化入手,可以动态监测蝗灾变化,总体时效性较强、效果较好。  相似文献   

10.
【目的】 传统数字化果园管理中存在数据存储分散、数据处理效率低、服务能力弱和整个生命周期的农业生产数据缺乏等问题,开发集数据存储、管理、挖掘分析和决策支持等功能于一体的果园大数据智能管理与服务平台迫在眉睫。【方法】 文章通过结合“空-天-地”一体化、数字农业、智慧农业等理念,集成深度学习、概率图模型和知识图谱等人工智能方法,开发了果园大数据智能管理与服务平台。【结果】 平台实现了果树数量自动统计、地理环境感知、农机设备自动化精准感知、果园生产周期数据管理和智能化更新功能,同时平台还提供水、肥、药智能决策服务和智能农机生产作业管控服务。【结论】 该平台在成都市龙泉驿现代农业园区进行应用,实现了桃园生产大数据的智能管理和提供精准生产指导服务。该平台的实现为促进果园智能管理和精准生产指导服务提供技术参考,对实现果园智慧化管理具有重要意义。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号