共查询到20条相似文献,搜索用时 609 毫秒
1.
基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法 总被引:4,自引:4,他引:0
针对番茄早期缺素性状不明显及各生长期特征差异较大所导致的特征区域尺寸不一致、难提取、难辩别等问题,提出了一种基于注意力机制及多尺度特征融合卷积神经网络的番茄叶片缺素图像分类方法(Multi-Scale Feature Fusion Convolutional Neural Networks Based On Atte ntion Mechanism,MSFF-AM-CNNs)。首先根据番茄叶片缺素特点提出了多尺度特征融合结构(Multi-Scale Feature Fusion Module,MSFF Module);其次在DenseNet基础上,结合浅层网络主要提取纹理、细节特征,深层网络主要提取轮廓、形状特征的特点分别提出具有针对性的特征提取方法,通过不同形式引入注意力机制及多尺度特征融合结构,使全局多尺度信息融合多个特征通道、选择性地强调信息特征并达到对特征精准定位的功能;同时引入Focal Loss函数以减少易分类样本的权重。试验结果表明,MSFF-AM-CNNs的平均召回率、平均F1得分、平均准确率较原模型DenseNet-121均大幅提升,其中缺氮和缺钾叶片的准确率分别提高了8.06和6.14个百分点,召回率分别提高了6.31和5.00个百分点,F1得分分别提高了7.25和5.55个百分点,平均识别准确率可达95.92%,具有较高的识别准确率及广泛的适用性,能够满足番茄叶片缺素图像的高精度分类需求,可为植物叶片缺素识别提供参考。 相似文献
2.
3.
浔郁平原不同作物的硒富集特征及其影响因素 总被引:2,自引:0,他引:2
作物中的硒含量是影响食物链硒水平的关键因素。以浔郁平原土地质量地球化学评价项目中的农作物调查结果和多年定位试验结果为基础,探究不同作物对土壤硒的富集特征及其影响因素。结果表明:浔郁平原的覃塘、港南、桂平市和平南县等4个县(市、区)的水稻富硒率均高于86%。花生、黄豆、玉米和水稻的天然富硒率最高,富硒率依次为100%、100%、100%和89%。水稻根、茎、籽粒的生物富集系数依次下降,分别为0.663、0.130和0.108,水稻籽粒的生物富集系数远高于龙眼、荔枝和甘蔗。根系土与水稻籽粒硒含量的相关系数为0.660,远高于龙眼和荔枝。港南区作物硒与土壤pH相关系数为0.342,在碱性土壤中甘蔗茎的硒含量(0.012 1 mg/kg)最高,在酸性土壤中水稻的硒含量(0.0653mg/kg)最高。本研究中,以种子为可食部分的作物其天然富硒率较高,土壤硒含量和土壤酸碱性对水稻籽粒硒含量影响较大。 相似文献
4.
荔枝园土壤肥力特征及其专用肥综合效应探析 总被引:1,自引:0,他引:1
对荔枝园土壤肥力特征及其专用肥综合效应研究结果表明 ,荔枝 (妃子笑 )园土壤树围土 (滴水线以内 )和裸地土 (滴水线以外 )土壤肥力之间存在明显差异 ,其中有效磷和有效钾比裸地提高 341.2 7%和 6 83.77%。中肥处理 (年施纯N 0 .4 6kg/株 )为合理施肥量 ,可提高树围土壤肥力 ,保持树体营养相对平衡 ,且挂果状况最佳。并提出修改荔枝专用肥配方建议 ,即适当降低专用肥中P、K比例 ,特别是促梢肥和促花肥 相似文献
5.
6.
基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演 总被引:6,自引:5,他引:1
土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm - Back Propagation neural network)的多源遥感农田地表土壤水分反演方法。首先对Sentinel-1微波遥感数据和Sentinel-2光学遥感数据进行预处理并提取21个特征参数;然后采用差分进化特征选择(Differential Evolution Feature Selection,DEFS)算法从21个特征中选出包含10个参数的最优特征子集,并利用主成分分析(Principal Component Analysis,PCA)法将特征子集进行降维;之后建立BP神经网络,采用遗传算法(Genetic Algorithm,GA)对BP网络的节点权值进行优化,使用降维后的特征矩阵和部分实测土壤含水量数据对BP网络进行训练;最后利用训练好的GA-BP网络对研究区土壤水分进行反演,并利用实测数据对反演结果精度进行对比验证。试验结果表明,该研究反演结果的决定系数为0.789 3,均方根误差为0.028 7 cm3/cm3,相比单纯使用GA-BP神经网络,加入DEFS和PCA之后决定系数提高了0.215 7,同时均方根误差降低了0.029 5 cm3/cm3。该结果展示了DEFS和PCA算法在土壤水分反演最优特征集选择的有效性,为多源遥感农田地表土壤水分反演提供了新思路。 相似文献
7.
荔枝的力学特性测试及其有限元分析 总被引:1,自引:3,他引:1
为减小荔枝在收获、储运过程中的机械损伤,对荔枝的宏观和微观力学特性进行了研究.试验测定得到荔枝各部分的弹性模量;通过压缩试验,测得荔枝整果垂直受压的力学参数大于水平,垂直与水平受压的破裂力、弹性模量和破裂相对变形分别为101.69N和81.25N、0.37MPa和0.27MPa、30.33%和28.86%,并观察得到荔枝受压的裂壳特征.运用有限元法建立荔枝压缩力学模型,比较荔枝垂直和水平受压的试验值和仿真值,二者比较一致,其相关系数均达到0.999以上;研究荔枝在压载作用下的应力分布规律,分析其垂直与水平受压的抗挤压能力和裂壳特征,验证仿真数值解的可行性.试验结果表明:荔枝的抗挤压能力具有各向异性,相同压力下,垂直方向所能承受的压力和变形均大于水平方向;受压时在果壳拉应力作用下发生破裂,裂纹沿外力方向延伸,且出现的截面与压缩方向一致;采用所建立的荔枝有限元模犁可以分析研究荔枝的微观力学性质.研究结果可为荔枝作业装各的设计以及预测和减少其机械损伤提供依据和帮助. 相似文献
8.
荔枝花芽分化期叶片的光谱特征及其养分预测 总被引:1,自引:0,他引:1
为实现荔枝营养状况的快速监测,提高荔枝的精细施肥管理水平,服务华南荔枝的高产优质安全生产,研究了广州白云区荔枝花芽分化期冠层高光谱4 种变化形式的特性,结果表明荔枝秋梢冠层叶片光谱具有植物光谱共性。结合试验测得的冠层叶片生化养分数据(全氮、全磷、叶绿素、有机碳)分别与光谱反射率这4种形式作相关性分析。选择最显著相关的波段进行曲线拟合,结果表明:叶绿素、有机碳含量的最佳光谱诊断敏感波段分别是反射率一阶导数的 1 562 nm (r=0.8944)、1 720 nm (r=0.7827),全氮、全磷的最佳光谱诊断敏感波段分别是倒数对数一阶导数的2 059 nm (r=0.8073),1 347 nm (r=0.7575);全氮、叶绿素、有机碳指数函数拟合最优(RMSE分别为0.002730, 0.008138和0.000416),全磷线性模型最优(RMSE=0.000336)。研究结果对华南精细荔枝果业的实施和果业环境保护都具有一定的指导意义。 相似文献
9.
川西南土壤微量元素特征 总被引:2,自引:0,他引:2
川西南土壤微量元素丰缺特征是有效含量硼极缺,锌缺乏,钼较缺,而锰、铜较丰富。分布特征是钙质紫色土水稻、玉米缺锌,酸性砂质土小麦缺钼,砾质黄壤油菜、柑桔缺硼,潜育化潮土小麦缺锰。变化特征有三性,即潜在性缺乏,诱发性缺乏和失调性缺乏。 相似文献
10.
荔枝鲜果挤压力学特性 总被引:9,自引:4,他引:5
为减小荔枝在收获、储运过程中的机械损伤,给荔枝作业装备设计提供依据,试验测定了荔枝鲜果的几何特征,对其果实进行了不同加载条件的挤压试验,并对其果壳进行了拉伸试验。试验得到妃子笑、桂味2种荔枝鲜果在5种加载速率和2种压缩方向下的破裂力分别为76.46~112.90?N和38.67~53.83?N、破裂相对变形分别为27.93%~32.57%和18.87%~21.27%、弹性模量分别为2.52~4.69×105?Pa和4.26~5.93×105?Pa。试验表明,荔枝果实的抗挤压能力具有各向异性,其纵向大于横向;妃子笑的各向异性比桂味显著,且抗挤压能力大于桂味;试验范围内加载速率对果实的抗挤压能力影响不显著。荔枝果实可简化为果核呈长椭球体、厚度均匀薄壳球体,利用其简化结构及果壳强度各向异性对其挤压力学特性和裂壳特征的力学原理进行了分析。研究结果可为荔枝收获、加工和运输等提供理论依据。 相似文献
11.
采用组合增强的YOLOX-ViT协同识别温室内番茄花果 总被引:1,自引:1,他引:0
番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提高模型对于小目标与密集图像检测性能。同时,通过先分类识别、再进行目标检测的级联网络,解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后,引入了包括大果和串果在内的不同类型番茄品种数据集,验证了该方法的可行性与有效性。经测试,研究提出的目标检测模型的平均识别率均值(mean average precision,mAP)为92.30%,检测速度为28.46帧/ s,其中分别对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明,与YOLOX、组合增强YOLOX相比,改进后的模型mAP提高了2.38~6.11个百分点,相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型,mAP提高了16.56~23.30个百分点。可视化结果表明,改进模型实现了对小目标的零漏检和对密集对象的无误检,从而达到了高精度的协同检测的目标。研究成果为温室种植环境下的番茄生长识别提供参考。 相似文献
12.
基于卷积神经网络的田间多簇猕猴桃图像识别方法 总被引:21,自引:17,他引:4
为实现田间条件下快速、准确地识别多簇猕猴桃果实,该文根据猕猴桃的棚架式栽培模式,采用竖直向上获取果实图像的拍摄方式,提出一种基于Le Net卷积神经网络的深度学习模型进行多簇猕猴桃果实图像的识别方法。该文构建的卷积神经网络通过批量归一化方法,以Re LU为激活函数,Max-pooling为下采样方法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过对100幅田间多簇猕猴桃图像的识别,试验结果表明:该识别方法对遮挡果实、重叠果实、相邻果实和独立果实的识别率分别为78.97%、83.11%、91.01%和94.78%。通过与5种现有算法进行对比试验,该文算法相对相同环境下的识别方法提高了5.73个百分点,且识别速度达到了0.27 s/个,识别速度较其他算法速度最快。证明了该文算法对田间猕猴桃图像具有较高的识别率和实时性,表明卷积神经网络在田间果实识别方面具有良好的应用前景。 相似文献
13.
基于改进SSD的柑橘实时分类检测 总被引:6,自引:6,他引:0
针对人工分拣柑橘过程中,检测表面缺陷费时费力的问题,该文提出了一种基于改进SSD深度学习模型的柑橘实时分类检测方法。在经改装的自制打蜡机试验台架下采集单幅图像含有多类多个柑橘的样本2 500张,随机选取其中2 000张为训练集,500张为测试集,在数据集中共有正常柑橘19 507个,表皮病变柑橘9 097个,机械损伤柑橘4 327个。该方法通过单阶段检测模型SSD-ResNet18对图片进行计算和预测,并返回图中柑橘的位置与类别,以此实现柑橘的分类检测。以平均精度AP(average precision)的均值m AP(mean average precision)作为精度指标,平均检测时间作为速度指标,在使用不同特征图、不同分辨率和ResNet18、MobileNetV3、ESPNetV2、VoVNet39等4种不同特征提取网络时,进行模型分类检测效果对比试验研究。研究表明,该模型使用C4、C5特征图,768×768像素的分辨率较为合适,特征提取网络ResNet18在检测速度上存在明显优势,最终该模型的m AP达到87.89%,比原SSD的87.55%高出0.34个百分点,平均检测时间为20.27 ms,相较于原SSD的108.83 ms,检测耗时降低了436.90%。该模型可以同时对多类多个柑橘进行实时分类检测,可为自动化生产线上分拣表面缺陷柑橘的识别方面提供技术借鉴。 相似文献
14.
为解决新梅在树干树叶遮挡、果实重叠情况下难以准确检测的问题,该研究建立了新梅目标检测模型SFF-YOLOv5s。在真实果园环境下构建新梅数据集,以YOLOv5s模型作为基础网络,首先在Backbone骨干网络C3模块中引入CA(coordinate attention)注意力机制以增强模型对新梅关键特征信息的提取能力并减少模型的参数量;其次在Neck层中引入加权双向特征金字塔网络,增强模型不同特征层之间的融合能力,从而提高模型的平均精度均值;最后使用SIoU损失函数替换原模型中的CIoU损失函数提高模型的检测准确率。试验结果表明,SSF-YOLOv5s模型对新梅检测准确率为93.4%,召回率为92.9%,平均精度均值为97.7%,模型权重仅为13.6MB,单幅图像平均检测时间12.1ms,与Faster R-CNN、YOLOv3、YOLOv4、YOLOv5s、YOLOv7、YOLOv8s检测模型相比平均精度均值分别提升了3.6、6.8、13.1、0.6、0.4、0.5个百分点,能够满足果园复杂环境下对新梅进行实时检测的需求,为后续新梅采摘机器人的视觉感知环节提供了技术支持。 相似文献
15.
基于图像显著性分析与卷积神经网络的茶园害虫定位与识别 总被引:4,自引:19,他引:4
为实现在茶园环境中快速、准确地识别害虫目标,该文提出了一种基于卷积神经网络的深度学习模型来进行害虫定位和识别的方法。该文通过对整个图像进行颜色衰减加速运算,结合超像素区域之间的空间影响,计算各个超区域的显著性值,进而提供害虫目标的潜在区域,最终结合Grab Cut算法进行害虫目标的定位和分割。对于分割后的害虫目标,通过优化后的卷积神经网络进行表达和分类,并进一步对卷积神经网络的结构进行了约减。通过对23种茶园主要害虫的识别,试验结果表明,识别准确率在优化前后分别为0.915和0.881,优化后的模型内存需求和运行耗时分别降低至6 MB和0.7 ms,取得了较好的识别效果。 相似文献
16.
为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题,该研究提出了一种在特征层级进行超分辨率重建的YOLOv5松枯死木识别算法。在YOLOv5网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图,自适应改变感受野的机制分配权重,将更多注意力集中在纹理细节,提升了小目标和模糊目标的识别精度。同时,使用前景背景平衡损失函数抑制背景噪声干扰,增加正样本的梯度贡献,改善正负样本分布不平衡问题。试验结果表明,改进后算法在交并比(intersection over union, IoU)阈值取0.5时的平均精度均值(mean average precision, mAP50)为92.7%,mAP50~95(以步长0.05从0.5到0.95间取IoU阈值下的平均mAP)为62.1%,APsmall(小目标平均精度值)为53.2%,相比于原算法mAP50提高了3.2个百分点,mAP50~95提升了8.3个百分点,APsmall提升了15.8个百分点。不同算法对比分析表明,该方法优于Faster R-CNN、YOLOv4、YOLOX、MT-YOLOv6、QueryDet、DDYOLOv5等深度学习算法,mAP50分别提高了16.7、15.3、2.5、2.8、12.3和1.2个百分点。改进后松枯死木识别算法具有较高精度,有效缓解了小目标与纹理模糊目标识别困难问题,为后续疫木清零提供技术支持。 相似文献
17.
疏果期苹果目标检测是实现疏果机械化、自动化需要解决的关键问题。为实现疏果期苹果目标准确检测,该研究以YOLOv7为基础网络,融合窗口多头自注意力机制(Swin Transformer Block),设计了一种适用于近景色小目标检测的深度学习网络。首先在YOLOv7模型的小目标检测层中添加Swin Transformer Block,保留更多小尺度目标特征信息,将预测框与真实框方向之间的差异考虑到模型训练中,提高模型检测精度,将YOLOv7中的损失函数CIoU替换为SIoU。最后利用Grad-CAM方法产生目标检测热力图,进行有效特征可视化,理解模型关注区域。经测试,该文模型的检测均值平均精度为95.2%,检测准确率为92.7%,召回率为91.0%,模型所占内存为81 MB,与原始模型相比,均值平均精度、准确率、召回率分别提高了2.3、0.9、1.3个百分点。该文模型对疏果期苹果具有更好的检测效果和鲁棒性,可为苹果幼果生长监测、机械疏果等研究提供技术支持。 相似文献
18.
大视场下荔枝采摘机器人的视觉预定位方法 总被引:8,自引:7,他引:1
机器人采摘荔枝时需要获取多个目标荔枝串的空间位置信息,以指导机器人获得最佳运动轨迹,提高效率。该文研究了大视场下荔枝采摘机器人的视觉预定位方法。首先使用双目相机采集荔枝图像;然后改进原始的YOLOv3网络,设计YOLOv3-DenseNet34荔枝串检测网络;提出同行顺序一致性约束的荔枝串配对方法;最后基于双目立体视觉的三角测量原理计算荔枝串空间坐标。试验结果表明,YOLOv3-DenseNet34网络提高了荔枝串的检测精度与检测速度;平均精度均值(mean average precision,m AP)达到0.943,平均检测速度达到22.11帧/s。基于双目立体视觉的荔枝串预定位方法在3 m的检测距离下预定位的最大绝对误差为36.602 mm,平均绝对误差为23.007 mm,平均相对误差为0.836%,满足大视场下采摘机器人的视觉预定位要求,可为其他果蔬在大视场下采摘的视觉预定位提供参考。 相似文献
19.
水果全表面图像信息是否完整,直接影响水果表面颜色和缺陷检测的结果。该文提出了一种基于尺度不变特征转换(SIFT,scale invariant feature transform)算子的图像拼接方法,实现多视角水果图像的拼接以获取完整的水果表面信息。首先以15°固定间隔旋转水果以获取各视角下的连续图像,在图像2R-G-B通道下实现图像目标和背景分离,并对目标图像进行灰度直方图均衡化以增强其纹理信息,有利于特征点的提取。运用SIFT算法提取图像特征点,因为特征向量数量多、维数高,采用普通的K-D树算法搜索匹配点将消耗大量时间,因此将图像划分为16个区域,通过多次试验可知中间4个区域为特征点是最容易匹配的区域,这样就缩小匹配点可能存在的区域。采用极线几何约束法和改进型随机抽样一致(random sample consensus,RANSAC)算法以提高图像拼接精度,减少匹配时间。根据平移矩阵,对前后图像进行拼接,从而实现水果表面图像的完整拼接。试验结果表明:该算法平均匹配精度提高35.0%,平均拼接时间为2.5 s,较传统K-D树算法缩短67.8%时间,拼接效果还原率为93.9%。该文算法具有一定的尺度、旋转以及仿射变换不变性,适用于随机呈现的不同姿态球状水果图像拼接。该研究可为基于机器视觉的农产品品质检测和等级划分提供科学参考。 相似文献
20.
基于点特征检测的农业航空遥感图像配准算法 总被引:1,自引:1,他引:0
针对当前无人机遥感图像配准算法普遍存在匹配精度差与配准速度慢等问题,该文以点特征检测方法为基础,结合矩阵降维处理方法,提出一种适用于农业航空遥感图像配准的改进算法—SNS(scale-invariant feature transform and singular value decomposition)算法。SNS算法以高斯函数同步检测尺度空间极值点的坐标和特征尺度,利用海森矩阵消除伪特征点,获取特征点精准定位,在求取特征点的模值与方向基础上,采用奇异值分解方法进行矩阵优化,实现数据降维再重构。试验结果表明,SNS算法与经典算法相比,配准速度平均提高5.01%,配准精度均方根误差平均降低10.48%,说明SNS算法在压缩数据量的同时,提高了整体配准精度,具有配准速度较快和鲁棒性较好的特点。研究结果可为农业航空遥感图像快速配准提供参考。 相似文献