基于深度残差网络的茶园杂草分类及模型压缩方法研究

为提高茶园杂草分类深度模型的准确性,减少深度模型的冗余参数问题.以茶园常见的10类杂草图像为数据样本,分别基于深度学习的ResNet50、VGGNet和AlexNet网络结构构建杂草分类模型;在此基础上,进一步利用剪枝算法压缩深度模型ResNet50.通过实验对比3个模型测试集的平均准确率分别为0.86、0.72和0.63;此外,通过对比ResNet50的茶园杂草模型在训练集和测试集上压缩前后效果,显示结果基本一致.研究表明ResNet50在这3个模型中是最优分类模型,且压缩后的深度模型ResNet50提升了模型的性能.因此,该研究也为移动端设备的分类提供了理论基础.     

基于知识蒸馏和模型剪枝的轻量化模型植物病害识别

深度学习为植物病害识别提供了新方法,但是目前大多数深度学习模型的参数众多,难以在存储和计算资源受限的智能手机或嵌入式传感器节点等边缘设备上使用。为此,以植物叶片为研究对象,基于知识蒸馏和模型剪枝方法开展基于轻量化模型的植物病害识别研究。首先,改进ResNet模型,在知识蒸馏中引入一个或多个助教网络训练模型;然后,经过稀疏化训练后,利用模型剪枝获得轻量化的学生网络模型;接着,使用助教网络和学习率倒带重训练该学生网络模型,在减小模型规模的同时保证模型的性能。结果表明：在包含14种植物共38个类别的数据集上,将模型剪枝90%后,模型准确率为97.78%,比原模型提高1.49百分点;在包含5个类别苹果叶的数据集上,将模型剪枝70%后,模型准确率为91.94%,比原模型提高4.85百分点。提出的轻量化模型能够移植在Android平台上并有效运行,可为嵌入式终端精准识别植物病害提供新方案。     

基于模型剪枝改进FCOS的实时柑橘检测研究

为实现快速实时的柑橘视觉检测,提出了一种基于模型剪枝的多维度特征Slim-FOCS逐像素目标检测算法,可实现自然环境下成熟柑橘高效快速检测.使用FCOS模型架构,选用Darknet 19作为模型主干网络,设计FPN多尺度特征提取网络融合柑橘图像不同尺度的特征,加强主干网络中的视觉特征提取.初训练完成后进行模型剪枝,将每...     

面向钻蛀振动实时侦听的深度学习模型压缩

[目的]基于深度学习的钻蛀振动识别模型结合边缘计算可实现林业蛀干害虫钻蛀振动长期监测和实时预警,但要求大幅压缩智能识别模型的参数量和运算量.本研究采用深度学习模型压缩算法,在不损失精度的前提下,对已有的钻蛀振动识别模型进行压缩,减小模型的体积并提升模型在嵌入式平台的识别速度.[方法]首先采集双条杉天牛钻蛀振动和背景噪声...     

基于CNN-Transformer的视觉缺陷柑橘分选方法

针对产线分拣缺陷柑橘费时费力等问题,以柑橘加工生产线输送机上随机旋转的柑橘果实为研究对象,开发了一种基于卷积神经网络（CNN）的检测算法Mobile-citrus,用于检测和暂时分类缺陷果实,并采用Tracker-citrus跟踪算法来记录其路径上的分类信息,通过跟踪的历史信息识别柑橘的真实类别。结果显示,跟踪精度达到98.4%,分类精度达到92.8%。同时还应用基于Transformer的轨迹预测算法对果实的未来路径进行了预测,平均轨迹预测误差达到最低2.98个像素,可用于指导机器人手臂分选缺陷柑橘。试验结果表明,所提出的基于CNN-Transformer的缺陷柑橘视觉分选系统,可直接应用在柑橘加工生产线上实现快速在线分选。     

基于种子介电特性的分选试验研究

通过对种子介电特性的研究，分析了影响种子介电特性的因素以及种子介电常数与种子活力之间的关系。利用自行研制的介电分选试验台将小麦种子分为五级，分别测试出各级种子的千粒质量、介电常数和活力指标，测试结果表明，活力高的种子的介电常数较小，活力低的介电常数较大。     

面向小麦生育进程监测的卷积神经网络精简化研究

目前,利用机器视觉进行小麦生育进程监测主要是通过人工来进行特征提取,存在客观性差、效率低等问题,为了解决该问题,把深度学习引入到小麦生育进程监测研究中.卷积神经网络作为深度学习中常用的算法被广泛应用于图像分类任务中,使用深层的特征提取网络能够自动识别和提取图像特征,但常规深度卷积网络带来的大量参数和计算开销使这些算法难...     

基于分层卷积神经网络的牧草种子识别模型

针对目前识别牧草种子存在主要依赖于耗时费力的人工种植识别、自动化程度低等问题,本文提出并构建了基于深度学习的多层卷积神经网络禾本科牧草种子分类识别模型.通过改进单层卷积层优化提取牧草种子深度特征,并通过softmax种子分类器对10类禾本科牧草种子进行训练与分类,同时与其他分类识别方法进行比较分析.结果 表明:本模型对...     

基于YOLOv5的小麦种子发芽检测方法研究

种子发芽试验是检验作物品质的重要环节。为提高种子发芽检测效率,实现种子发芽检测自动化,以小麦为研究对象,通过机器视觉技术结合深度学习方法,构建基于YOLOv5的种子发芽判别的模型,在此基础上通过小麦7 d发芽试验图像组合分析,设计一套基于YOLOv5的种子发芽检测改进判别方法(DB-YOLOv5),实现对小麦种子发芽率、发芽势、发芽指数、平均发芽天数的快速检测,并开展检测试验。结果表明,YOLOv5模型对小麦种子发芽判别精确率为92.5%,DB-YOLOv5模型对小麦种子发芽判别精确率为98.5%,发芽势、发芽指数、平均发芽天数与人工检测误差为0.5%、2.39、0.1 d。上述结果表明,DB-YOLOv5模型可实现对小麦种子发芽率、发芽势、发芽指数、平均发芽天数的快速检测,为农作物种子发芽快速检测提供参考。     

基于轻量化深度学习Mobilenet-SSD网络模型的海珍品检测方法

为精确掌握水下海珍品养殖分布情况,摆脱传统上依赖人工潜水了解海珍品情况的方式,提出了一种基于轻量化深度学习的Mobilenet-SSD网络模型并用于海珍品检测,该方法对在渔船下方的水下摄像头所采集的海珍品图像实时进行目标快速检测.结果表明:采用本研究中建立的Mobilenet-SSD模型,在海胆、海参、扇贝等3种海珍品...     

基于深度学习的植物图像识别方法研究

传统植物图像识别研究主要集中在植物叶片图像。研究将深度神经网络学习运用于植物识别领域,突破局部叶片图像的限制,对常规植物图片进行识别。该方法运用google Net的深度卷积神经网络结构,通过图像旋转、镜像、随机裁剪等数据预处理方法扩充训练集,再利用SGD(随机梯度下降法)进行模型算法优化,生成对50种常规植物图像的识别模型。结果表明,该模型在测试集上能够达到平均90%的准确率。     

一种基于通道排序的云检测方法

目前各主要的数值预报中心NWP模式仅同化AIRS的晴空辐射资料,而AIRS仅10%左右视场不受云污染。为了提高资料的利用率,提出一种新的基于通道排序的云检测方法,直接寻找不受云影响的通道,考虑到仪器等一些噪声需要进行滤波,区别于目前采用的移动平均滤波,文中提出了高斯核滤波方法。结果表明,采用高斯核滤波之后的云检测不但可以快速有效地检测出不受云污染的晴空通道,且减少了有云资料的误判,从而为高光谱大气红外探测器辐射率资料在数值天气预报资料同化系统中的应用奠定基础。     

基于辨识模型的非线性网络故障诊断方法研究

将Volterra级数解的递推算式与方波脉冲函数变换相结合,提出了一种对一类非线性动态网络的数学模型进行辨识的新型混合模型辨识法,导出了相应的混合模型辨识公式和动态响应的求解方法．并根据该法所得到的辨识混合模型,提出采用多重预置模型方法对非线性网络故障进行诊断的方法．该法避免了在线计算系统当前工作模型,易于实现在线故障诊断、     

'克瑞森无核'葡萄花穗整形方式的研究

以8年生'克瑞森无核'葡萄为试材,于花前5d至始花期采取不同的花穗整形方式进行整穗处理.结果表明:与对照相比,几种整穗方式均显著增大了果粒重;留穗尖10 cm整穗处理的葡萄穗重极显著高于对照,达339.63 g;留穗尖6～10 cm的整穗处理可促使果穗紧凑;留穗尖6 cm和留穗尖8 cm处理的果实总酸含量降低,固酸比提...     

基于累积分布函数的统计降尺度模型校验方法适用性研究

为更精确的为区域气候模拟和预估研究提供参考,开展了基于累积分布函数的统计降尺度模型校验,在传统统计降尺度模型的基础上,使用基于累积分布函数的校验方法校正了SDSM模型预估的A2和B2情景下中国265个站点1961²099年逐日温度数据,校正后A2情景下,观测值和模拟值R2达到0.9999以上的比例占到85%,达到1的占6%;B2情景下,观测值和模拟值R2达到0.9999以上的比例占到87%,达到1的占19%;斜率值接近1的站点分别增加了57%和51%;截距接近0的站点分别增加了31%和16%。校正后的模型能更好地预估出未来逐年稳定通过0℃的日期,也即生长季开始的日期。     

基于形态学的种子图像边缘检测方法

采集种子在传送带上的动态图像,运用数学形态学算子对图像边缘进行检测。结果显示,与传统的边缘检测算法相比,该方法可准确提取种子图像边缘,且具有很强的抗噪能力。     

魔芋种芋繁育模式、方法及区划研究进展

文章概述了目前国内魔芋种芋繁育的主要模式、方法和区划,包括利用大田、林下、设施化及庭院化的繁育模式,根状茎或小球茎、切块、植物组培及实生种子的繁育方法,以及4个主区和6个亚区的繁育区划等。在此基础上,提出了在不同气候环境条件下合理布局魔芋品种,创新发展适宜套种魔芋的经济林、果林及繁育设施;同时,集成了山地魔芋抗旱防涝栽培技术,生物多样性和多元立体套种抑草防草技术以及魔芋-大豆-玉米带状复合套种技术等,改进和创新魔芋种芋的繁育模式和方法,扩大魔芋适种区域,促进魔芋产业在西南山区更好更快发展。     

基于作物生长模拟模式的玉米产量预报方法研究

[目的]探讨利用WOFOST模型对玉米生物量进行模拟实现动态预报玉米产量的方法。[方法]利用辽宁省1981～2005年气象资料和产量资料采用WOFOST模型对作物生长进行模型模拟和改进,建立玉米生长动力统计预报模型,进行预报检验,并对模拟得到的玉米地上干物重和穗干物重与实际产量进行比较分析。[结果]对玉米穗干物重量与产量的模拟效果在辽宁西部和南部最好,在东部地区一般,中部和北部地区较差。辽宁省西部、南部和东部地区可以用模拟生物量反映实际产量的变化。模拟结果与实际产量对比表明,1981～2005年,模型预报准确率在80%以上的年份占31%以上,最高值出现在岫岩地区,达85%。[结论]模型对辽宁省干旱地区以及正常年份和一般干旱年份玉米产量变化的模拟能力较好,对极端气候年份模拟较差。     

短葶飞蓬种子活力测定方法的初步研究

[目的]研究短葶飞蓬种子活力的测定方法。[方法]比较种子数目、培养温度对种子发芽的影响,并采用TTC染色测定种子活力。[结果]测得种子出苗率为15.37%,与培养第6天的种子发芽数目比例接近;100和700粒种子发芽试验的重复间发芽率差异较大,300和500粒种子发芽试验的发芽率差异较小;经TTC染色后,短葶飞蓬种子呈现不同类型,可将全部着色和下部着色的种子认定为具有活力的种子,其比例为15.00%,该数值与发芽势和出苗率接近,试验误差较小。[结论]该方法准确可靠,可用于初步测定短葶飞蓬的种子活力。     

基于Hough变换的焊接接头自动识别技术研究

以作者所研制的焊接机械手为对象,针对其在焊接大型模具时,焊缝数量多的特点,采用提供信息量大、抗干扰能力强的视觉传感器CCD来获得焊接接头平面位置信息．在对CCD摄取的模架图像进行校正、灰度拉伸、灰度阈值变换后,采用Canny边缘检测算子检测出模架筋板上侧的边缘点,并针对传统的Hough变换方法不能检测出直线端点,容易重复检测直线以及提取直线精度不高的缺点加以改进,采用改进的Hough变换方法提取了筋板边缘线,求取这些边缘线交点即可获得焊接接头平面位置信息．实验结果表明,该方法可以有效解决Hough变换存在的上述问题,并能准确稳定地提取出模架筋板边缘线,达到识别焊接接头平面位置的目的．