共查询到20条相似文献,搜索用时 46 毫秒
1.
为实现水稻病害的轻量化识别与检测,使用ECA注意力机制改进MobileNetV3Small模型,并使用共享参数迁移学习对水稻病害进行智能化轻量级识别和检测。在PlantVillage数据集上进行预训练,将预训练得到的共享参数迁移到对水稻病害识别模型上微调优化。在开源水稻病害数据集上进行试验测试,试验结果表明,在非迁移学习下,识别准确率达到97.47%,在迁移学习下识别准确率达到99.92%,同时参数量减少26.69%。其次,通过Grad-CAM进行可视化,本文方法与其他注意力机制CBAM和SENET相比,ECA模块生成的结果与图像中病斑的位置和颜色更加一致,表明网络可以更好地聚焦水稻病害的特征,并且通过可视化和各水稻病害分析了误分类原因。本文方法实现了水稻病害识别模型的轻量化,使其能够在移动设备等资源受限的场景中部署,达到快速、高效、便携的目的。同时开发了基于Android的水稻病害识别系统,方便于在边缘端进行水稻病害识别分析。 相似文献
2.
番茄病害的及时检测可有效提升番茄的质量和产量.为实现番茄病害的实时无损伤检测,本研究提出了一种基于改进MobileNetV3的番茄叶片病害分类识别方法.首先选择轻量级卷积神经网络Mobile?NetV3,在Image Net数据集上进行预训练,将预训练得到的共享参数迁移到对番茄叶片病害识别的模型上并做微调处理.采用相同... 相似文献
3.
为有效地对小麦籽粒品种进行分类,判别影响小麦籽粒品种识别的特征,进行基于特征选择的小麦籽粒品种识别研究。首先采集农大3416-18、内乐288、衡水6632、百农419、洛麦28和新麦26六个品种的小麦籽粒图像18 000张,对采集的图像进行预处理,提取小麦籽粒的颜色特征、形态特征和纹理特征三大类共28个特征值,并对特征进行相关性分析。然后分别构建不同特征融合模型以及数据降维和数据增强模型。最后进行试验分析,基于纹理+形态+颜色三个特征融合模型平均识别准确率为91.02%,其中基于纹理+形态+颜色特征模型的洛麦28识别率最高,达97.0%;经过线性判别分析,降维处理的小麦特征数据识别准确率达86.19%,模型训练时间仅0.87 s;基于数据增强后的平均识别准确率达94.26%。试验表明基于特征选择的小麦籽粒识别是可行的,有助于育种工作者对小麦籽粒识别做出更准确判断,具有一定的实际意义。 相似文献
4.
作物籽粒图象识别的光照条件研究 总被引:7,自引:1,他引:7
在模式识别理论分析基础上,依据光源光谱、CCD摄象元件光谱响应以及作物籽粒表面反射率光谱特性,得出籽粒黑白图象识别系统最佳光源为单色光,其波长为使两待识籽粒反射率光谱差值与CCD光谱响应二者的串联响应最大的波长。根据测得的正常和带紫斑病大豆的反射率光谱,计算出了用于识别这两类大豆的光源波长 相似文献
5.
6.
为了更准确地研究机械收获中大豆籽粒与机器脱粒分离部件之间的作用力、揭示大豆籽粒力学性能变化规律,采用万能材料试验机对5个大豆品种进行了压破、剪切和顶破试验。选取含水率作为试验因素,针对不同的受力方向、加载速度、刀片角度、钢针锥度、压入深度等试验方式,获得了不同试验条件下籽粒压破力、极限剪切力及硬度的变化规律,并对其函数关系进行了拟合。结果表明:大豆籽粒压破力与受力方向有很大关系,压破力随加载速度的增加而降低,随含水率的升高呈现先升高后降低的趋势;极限剪切力随刀片角度的增加而增大,随加载速度的增加而降低,随含水率的升高而降低;压入深度在0.2~1mm范围内,硬度与压入深度无明显关系,硬度随钢针锥度的增加而增大,随含水率的升高而降低。研究结果可为改进大豆脱粒和输送装置、确定大豆最佳机械收获时间和其它工艺参数提供理论依据和参考。 相似文献
7.
针对传统大豆联合收获机破碎率在线检测方法以人工检测耗时耗力且受人为主观因素影响的问题,提出基于DeepLabV3+网络的机收大豆破碎率在线检测方法。利用大豆图像在线采集装置获取联合收获机实时收获的大豆图像,使用标注软件对图像进行标注,构建数据集。为进一步提高网络训练速度,在DeepLabV3+网络中主干特征提取网络选用轻量级卷积网络MobileNetV2替代网络Xception;在预测部分,采用加黑边裁剪拼接的方式,提高图像分割精度。试验结果表明:基于DeepLabV3+网络模型对测试集大豆样本图像中破碎籽粒识别的综合评价指标F1值为89.49%,完整籽粒识别的综合评价指标F1值为93.93%;建立破碎率量化模型,进行台架试验,采用本文提出大豆破碎率在线检测方法检测结果平均值与人工检测结果平均值相对误差0.36%;为大豆联合收获机作业质量在线检测提供参考。 相似文献
8.
9.
10.
种子玉米在剥皮过程中存在大量的籽粒破碎、脱落等损失问题,严重影响种子玉米的单产与经济效益。因此,本研究采用理论分析、离散元仿真与正交试验相结合的方法,探究种子玉米果穗与剥皮机构的互作机理,确定剥皮机构的最优工作参数组合以优化种子玉米剥皮过程。首先,对种子玉米果穗在剥皮机构中的受力及运动进行了理论分析,探究了在剥皮过程中剥皮机构-种子玉米的相互作用关系,并确定了影响剥皮性能的主要因素。其次,基于DEM建立种子玉米果穗-剥皮机构相互作用仿真模型,通过对玉米果穗籽粒损伤及脱落分析,确定了剥皮辊转速、剥皮辊倾角和摆杆摆幅的较优工作范围。最后,根据Box-Behnken设计方法,设计了三因素三水平的正交试验,通过方差分析和响应面分析,筛选出种子玉米剥皮机构的最佳工作参数组合:剥皮辊转速为300r/min,剥皮辊倾角为10°,摆杆摆动幅度为5°,此时苞叶剥离率为94.13%,籽粒脱落率为1.564%,籽粒破碎率为1.292%。试验获得的剥皮装置的最优工作参数组合,明显提高了种子玉米的剥皮效果。 相似文献
11.
12.
精确施药的关键是快速正确识别杂草。为此,利用ASD野外便携式光谱仪,在田间测量了大豆、马唐和稗草植株冠层在350~2 500nm波长内的光谱数据,经过数据预处理,数据分析波长选为350~1 300nm和1 400~1 800 nm。数据处理采用支持向量机(SVM)模式识别方法 ,用线性、多项式、径向基和多层感知核函数对大豆和杂草建立二分类模型。结果表明:三阶多项式核函数SVM分类模型的正确识别率最高,达到85%以上,且支持向量比例较小;以二分类模型为基础,利用投票机制建立了大豆、马唐和稗草的一对一多分类SVM模型,正确识别率达83%;田间光谱测量受光照、背景和仪器测量精度等条件的影响较大,但结果仍表明SVM结合光谱技术在田间杂草识别中的应用潜力很大。此研究为田间杂草识别及传感器的建立提供了研究思路和应用基础。 相似文献
13.
基于激光扫描三维图像的树上苹果识别算法 总被引:1,自引:0,他引:1
为消除不同光线和复杂背景的影响,提出了一种自动识别树上苹果的算法.使用激光视觉系统获取果树局部的三维图像,参考设定的场景知识对图像背景进行简化;采用基于平滑频率曲线的自动阈值检测方法实现图像的二值化;通过轮廓跟踪技术记录目标边界的走向,据此计算链码和与链码差,并根据两者在果树各部分的变化规律确立相应的准则,以提取苹果的轮廓像素点;利用随机圆环法获得果实的形状特征完成对苹果的识别.实验结果表明,该算法具有较好的实时性,当枝叶遮挡面积小于40%时,果实的正确识别率高于93.75%,且识别效果不受光照条件与果实表面颜色的影响. 相似文献
14.
15.
基于RGB-D相机的油菜分枝三维重构与角果识别定位 总被引:5,自引:0,他引:5
为实现高效低成本的油菜植株三维建模和表型参数在线测量,提出一种基于RGB-D相机的油菜分枝三维重建和角果识别定位方法。使用Kinect传感器拍摄角果期油菜分枝在4个视角下的彩色图像和深度图像,进而获取油菜植株的三维点云并滤波。对配准的点云进行旋转变换,计算点云的曲面法矢量和曲率,并由曲率相近的点构成配对点对,再使用基于KD-tree搜索的最近点迭代(ICP)算法实现点云的初配准。将初配准误差作为参考值,调整ICP算法的对应点距离阈值,使用初配准的操作流程对初配准得到的新点云进行再次配准,完成精配准。结合该三维重建方法和针对性的彩色图像处理方法,得到去除主茎的单分枝油菜角果的完整点云,再进行欧氏聚类实现单个角果的空间定位。实验结果表明,提出的三维重建方法具有较强的实时性和鲁棒性,单个角果的三维形态清晰可见,点云平均距离误差小于0. 48 mm,角果总体识别正确率不小于96. 76%。 相似文献
16.
基于改进YOLO v3模型的奶牛发情行为识别研究 总被引:1,自引:0,他引:1
为提高复杂环境下奶牛发情行为识别精度和速度,提出了一种基于改进YOLO v3模型的奶牛发情行为识别方法.针对YOLO v3模型原锚点框尺寸不适用于奶牛数据集的问题,对奶牛数据集进行聚类,并对获得的新锚点框尺寸进行优化;针对因数据集中奶牛个体偏大等原因而导致模型识别准确率低的问题,引入DenseBlock结构对YOLO ... 相似文献
17.
18.
19.
基于分水岭算法的道路识别 总被引:1,自引:0,他引:1
实时、可靠的道路识别是智能车辆研究中一个重要的方向.介绍了一种基于特征的道路识别方法.该方法以分水岭算法为基础,根据图像的区域特征,首先定义道路和背景的极小值点,然后逐步扩展两者的集水盆,最后寻找道路和背景之间的分水岭,实现道路识别.通过对单幅图像和视频的实验,测试了算法的性能.结果显示,在一定的条件下,该算法的速度和效果都能满足道路识别要求. 相似文献