期刊文献+
共找到12篇文章
< 1 >
每页显示 20 50 100
基于AlexNet的茶叶嫩芽状态智能识别研究 被引量:14
1
作者 吕军 夏华鹍 +1 位作者 周礼赞 《黑龙江八一农垦大学学报》 2019年第2期72-78,共7页
为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本... 为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本进行模型检测,训练集和测试集中三种状态嫩芽平均识别率分别为97.8%和88%。实验结果表明,该方法能够有效地识别自然环境下茶叶嫩芽状态,为嫩芽智能采摘提供理论依据。 展开更多
关键词 深度学习 AlexNet网络 茶叶状态 智能识别
下载PDF
基于改进YOLOv4-tiny的茶叶嫩芽检测模型 被引量:9
2
作者 吕军 +3 位作者 阮建云 边磊 武传宇 姚青 《茶叶科学》 CAS CSCD 北大核心 2022年第4期549-560,共12页
精准检测茶叶嫩芽是茶叶机械智能采摘的重要前提。针对茶叶大小不一、遮挡造成的小尺度嫩芽特征显著性弱、漏检率高等问题,提出一种基于改进YOLOv4-tiny的茶叶嫩芽检测模型。该模型在颈部网络添加52×52的浅层特征层以提高YOLOv4-t... 精准检测茶叶嫩芽是茶叶机械智能采摘的重要前提。针对茶叶大小不一、遮挡造成的小尺度嫩芽特征显著性弱、漏检率高等问题,提出一种基于改进YOLOv4-tiny的茶叶嫩芽检测模型。该模型在颈部网络添加52×52的浅层特征层以提高YOLOv4-tiny网络对小目标嫩芽的关注度,通过引入卷积块注意力机制(Convolutional blockattentionmodule, CBAM)以抑制背景噪声,提高嫩芽特征的显著性,采用双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)以融合不同尺度的特征信息,从而提出一个高性能轻量化的茶叶嫩芽检测模型YOLOv4-tiny-Tea。对同一训练集与测试集进行模型训练与性能测试,结果表明YOLOv4-tiny-Tea模型检测精确率和召回率分别为97.77%和95.23%,相比改进之前分别提高了5.58个百分点和23.14个百分点。消融试验验证了网络结构改进对不同尺度嫩芽检测的有效性,并将改进后的YOLOv4-tiny-Tea模型与3种YOLO系列算法进行对比,发现改进后的YOLOv4-tiny-Tea模型F1值比YOLOv3、YOLOv4、YOLOv5l模型分别提高了12.11、11.66和6.76个百分点,参数量仅为3种网络模型的13.57%、13.06%和35.05%。试验结果表明,YOLOv4-tiny-Tea模型能有效提高不同尺度下嫩芽检测的精确率,大幅度减少小尺寸或遮挡嫩芽的漏检情况,在保持轻量化计算成本的基础上获得较为明显的检测精度,能够满足农业机器人的实时检测和嵌入式开发的需求,可以为茶叶嫩芽智能采摘方法提供参考。 展开更多
关键词 茶叶 嫩芽检测 YOLOv4-tiny 注意力机制 双向特征金字塔
下载PDF
基于区域亮度自适应校正的茶叶嫩芽检测模型 被引量:8
3
作者 吕军 +4 位作者 姚青 武传宇 贺盈磊 边磊 钟小玉 《农业工程学报》 EI CAS CSCD 北大核心 2021年第22期278-285,共8页
自然光照下不同时间采集的茶叶图像存在亮度不均的现象。由于高亮度图像对比度差且嫩芽特征显著性弱,造成高亮度图像中存在较多嫩芽的漏检。针对现有茶叶嫩芽图像自动检测方法对光照变化的敏感性,该研究提出一种基于区域亮度自适应校正... 自然光照下不同时间采集的茶叶图像存在亮度不均的现象。由于高亮度图像对比度差且嫩芽特征显著性弱,造成高亮度图像中存在较多嫩芽的漏检。针对现有茶叶嫩芽图像自动检测方法对光照变化的敏感性,该研究提出一种基于区域亮度自适应校正的茶叶嫩芽检测模型。首先,对不同时间采集的龙井43茶叶图像进行灰度化;然后,计算灰度图的平均灰度(Average Gray,AG)值,对AG值在[170,230]的高亮度图像进行不同尺寸的分块处理和局部区域伽马亮度自适应校正;最后,在相同的训练集和测试集训练多个深度学习检测模型。测试结果表明,基于YOLOv5+CSPDarknet53的检测模型比SSD+VGG16、Faster RCNN+VGG16、YOLOv3+Darknet53和YOLOv4+CSPDarknet53模型具有更优的嫩芽检测性能,精确率和召回率分别为88.2%和82.1%。对YOLOv5检测结果进行检测抑制,有效避免了同一目标被多次框选的冗余现象。[30,90)和[90,170)亮度区间内嫩芽图像具有较强的显著性特征和较高的检测精度与召回率。相较于AG值在[170,230]的高亮度原始图像的检测结果,对高亮度图像进行2×3分块和局部区域亮度自适应校正后,YOLOv5嫩芽检测召回率提高了19.2个百分点。对不同光照条件下采集的茶叶图像进行测试,基于区域亮度自适应校正的茶叶嫩芽YOLOv5检测模型获得了92.4%的检测精度和90.4%的召回率。该模型对光照强度变化具有较强的鲁棒性,研究结果可为自然光照条件下茶叶嫩芽机械采摘作业提供参考。 展开更多
关键词 机器视觉 目标检测 茶叶嫩芽 光照强度 分块 亮度自适应校正 YOLOv5
下载PDF
低对比度茶叶嫩芽图像自动分割方法的研究 被引量:6
4
作者 周礼赞 吕军 《蚕桑茶叶通讯》 2019年第2期22-25,共4页
嫩芽分割是实现茶叶智能采摘的重要前提,自然环境下老叶、茶梗和土壤等加大了嫩芽分割难度。针对低对比度茶叶嫩芽图像,首先统计RGB模型下各目标颜色信息分布,其次利用灰度拉伸扩大G-B色差图对比度,最后利用迭代法获取全局阈值,实现自... 嫩芽分割是实现茶叶智能采摘的重要前提,自然环境下老叶、茶梗和土壤等加大了嫩芽分割难度。针对低对比度茶叶嫩芽图像,首先统计RGB模型下各目标颜色信息分布,其次利用灰度拉伸扩大G-B色差图对比度,最后利用迭代法获取全局阈值,实现自然条件下茶叶嫩芽分割。实验表明,该方法能够有效、稳定地分割自然环境下低对比度的茶叶嫩芽图像。 展开更多
关键词 茶叶嫩芽 图像分割 低对比度
下载PDF
基于后验概率SVM的水稻害虫识别方法研究 被引量:4
5
作者 吕军 齐子年 +1 位作者 姚波 《黑龙江八一农垦大学学报》 2018年第2期92-94,117,共4页
针对水稻灯诱害虫姿态各异、样体残缺及硬判别对分类器的影响,提出基于后验概率SVM的害虫识别方法。对4种害虫进行图像预处理和特征提取,建立支持向量机识别模型,统计并分析测试集所有样本的后验概率。结果表明,利用SVM方法识别四种水... 针对水稻灯诱害虫姿态各异、样体残缺及硬判别对分类器的影响,提出基于后验概率SVM的害虫识别方法。对4种害虫进行图像预处理和特征提取,建立支持向量机识别模型,统计并分析测试集所有样本的后验概率。结果表明,利用SVM方法识别四种水稻灯诱害虫的平均识别率为96.8%,针对姿态各异造成的误判情况,当后验概率值全部小于0.7时,应考虑第二最大值所属种类作为识别输出。该方法能够提高识别率,为实际应用提供理论基础。 展开更多
关键词 水稻害虫 图像识别 支持向量机 后验概率
下载PDF
基于SLIC超像素的茶叶嫩芽图像分割方法研究 被引量:4
6
作者 夏华鹍 +1 位作者 黄涛 吕军 《西昌学院学报(自然科学版)》 2019年第4期75-77,124,共4页
准确识别茶叶嫩芽是实现茶叶智能采摘的前提。针对自然环境下的茶叶嫩芽图像分割受天气、光照等因素影响较大,提出基于SLIC超像素的嫩芽分割方法。提取R、G、B、H、S、V、Y、Cb、Cr、超红、超绿、Cg、R-B、G-B共14个颜色分量,分析发现... 准确识别茶叶嫩芽是实现茶叶智能采摘的前提。针对自然环境下的茶叶嫩芽图像分割受天气、光照等因素影响较大,提出基于SLIC超像素的嫩芽分割方法。提取R、G、B、H、S、V、Y、Cb、Cr、超红、超绿、Cg、R-B、G-B共14个颜色分量,分析发现以超红、Cg和G-B三分量合成彩图中嫩芽与背景对比度较大,作为待分割对象图;利用SLIC超像素分割算法获取超像素块,并对每个超像素块提取平均横坐标、平均纵坐标、平均超红、平均Cg、平均G-B 5个特征作为分割依据;利用阈值分割、小目标去除、填充和"逻辑与"等操作,得到茶叶嫩芽彩色分割图。对不同地域、不同环境下嫩芽图像进行实验表明,基于SLIC超像素的嫩芽分割平均分割精度达75.6%,较传统G-B阈值分割平均精确度高16.6%。该方法不仅能抑制光照等因素对茶叶图像的影响,还能有效分割茶叶嫩芽,鲁棒性较强。 展开更多
关键词 茶叶嫩芽 超像素 简单线性迭代聚类 图像分割
下载PDF
基于清晰度的茶叶嫩芽聚类分割方法 被引量:3
7
作者 黄涛 +2 位作者 夏华鵾 左亮亮 吕军 《湖北农业科学》 2020年第8期154-157,共4页
针对自然环境下茶叶嫩芽图像分割易出现过分割和欠分割等问题,提出一种基于清晰度评价和颜色聚类级联的嫩芽图像分割方法,并结合Tenengrad梯度评价和滑动分割获取清晰度较高的图像区域,然后在RGB、HSV、Lab、YCbCr颜色模型下进行聚类分... 针对自然环境下茶叶嫩芽图像分割易出现过分割和欠分割等问题,提出一种基于清晰度评价和颜色聚类级联的嫩芽图像分割方法,并结合Tenengrad梯度评价和滑动分割获取清晰度较高的图像区域,然后在RGB、HSV、Lab、YCbCr颜色模型下进行聚类分割。结果表明,选取Tenengrad梯度值的上四分位数作为清晰度初选阈值,漏选率为25%;在HSV颜色模型下,利用K-means聚类方法完成嫩芽图像分割,晴天和阴天环境下嫩芽图像分割精度分别为72.48%和77.83%,较直接K-means分割方法相比,假阳性率分别减少5.19%和2.03%。该方法能够实现自然环境下茶叶嫩芽图像的有效分割,减少欠分割和过分割,为茶叶智能采摘提供理论参考。 展开更多
关键词 茶叶嫩芽 清晰度 聚类 图像分割
下载PDF
基于频谱的茶叶种类识别方法研究 被引量:2
8
作者 +2 位作者 汪洋 王玉豪 吕军 《黄山学院学报》 2018年第3期23-25,共3页
为准确、快速、无损的识别茶叶种类,以3种不同的茶叶图像为研究对象,首先,通过颜色统计分析、阈值分割和形态学处理获取茶叶目标图像;其次,对茶叶灰度图像进行二维傅里叶变换后,将图像功率谱分成20个等间距同心长方环,提取每个长方环内... 为准确、快速、无损的识别茶叶种类,以3种不同的茶叶图像为研究对象,首先,通过颜色统计分析、阈值分割和形态学处理获取茶叶目标图像;其次,对茶叶灰度图像进行二维傅里叶变换后,将图像功率谱分成20个等间距同心长方环,提取每个长方环内功率谱能量占总能量的比值作为茶叶特征参数;最后,利用交叉验证结合支持向量机实现了茶叶种类的自动识别,平均识别率可达86.7%。 展开更多
关键词 傅里叶变换 茶叶识别 纹理特征
下载PDF
水稻病害智能识别APP框架的设计 被引量:2
9
作者 吕军 姚波 《安徽农学通报》 2018年第24期51-52,共2页
为提高水稻病害识别系统的实际应用效果,在了解当前水稻病害识别系统应用技术和功能基础上,确定了水稻病害智能识别APP整体框架,完成了水稻病害自动识别模型和应用APP的设计。该APP可识别水稻病害、反馈病害防治信息,且通过网络识别与... 为提高水稻病害识别系统的实际应用效果,在了解当前水稻病害识别系统应用技术和功能基础上,确定了水稻病害智能识别APP整体框架,完成了水稻病害自动识别模型和应用APP的设计。该APP可识别水稻病害、反馈病害防治信息,且通过网络识别与反馈进行网络优化,为快速、准确、及时地实现水稻病害智能识别和防治提供思路。 展开更多
关键词 水稻病害 图像处理 智能识别 APP设计
下载PDF
基于GoogLeNet的茶叶嫩芽生长状态智能识别 被引量:1
10
作者 夏华鵾 +1 位作者 周礼赞 吕军 《黄山学院学报》 2019年第5期17-21,共5页
针对传统图像识别过于依赖特征有效性等问题,提出基于GoogLeNet卷积神经网络的茶叶状态智能识别方法。构建了全开面、半开面和未开面3种茶叶生长状态样本库,然后在Caffe框架下搭建了基于GoogLeNet的茶叶状态识别卷积神经网络模型,训练-... 针对传统图像识别过于依赖特征有效性等问题,提出基于GoogLeNet卷积神经网络的茶叶状态智能识别方法。构建了全开面、半开面和未开面3种茶叶生长状态样本库,然后在Caffe框架下搭建了基于GoogLeNet的茶叶状态识别卷积神经网络模型,训练-验证集和测试集平均识别率分别为89.3%、90.7%。实验结果表明,该方法不仅能自学习图像特征,还可以有效地识别自然环境下茶叶生长状态,提高茶叶嫩芽采摘的智能化和实时性,为茶叶信息化生产提供理论参考。 展开更多
关键词 卷积神经网络 茶叶嫩芽 生长状态 智能识别
下载PDF
水稻病害自动诊断方法的研究进展
11
作者 吕军 姚波 《科技视界》 2018年第29期134-134,146,共2页
水稻病害是危害水稻生产的重要原因之一,准确、及时地识别病害种类是水稻病害防治工作的前提。首先,介绍了水稻病害防治的重要性,其次,详细介绍了近红外光谱技术、数字图像处理技术、高光谱成像技术和深度学习技术在水稻病害自动诊断方... 水稻病害是危害水稻生产的重要原因之一,准确、及时地识别病害种类是水稻病害防治工作的前提。首先,介绍了水稻病害防治的重要性,其次,详细介绍了近红外光谱技术、数字图像处理技术、高光谱成像技术和深度学习技术在水稻病害自动诊断方面的应用,最后,对水稻病害智能化防治进行工作展望。 展开更多
关键词 水稻病害 智能诊断 光谱 图像处理
下载PDF
基于深度学习的茶叶种类识别系统
12
作者 李国志 冯泽霖 +1 位作者 吕军 《软件工程与应用》 2021年第4期568-575,共8页
针对茶叶种类多、炒青茶特征不显著,难以快速辨别炒青茶种类的问题,开发了一款基于深度学习的茶叶种类识别系统。采集西湖龙井、安吉白茶、黄山毛峰、建德黄金芽和绩溪金山时雨5种炒青茶图像1048幅,利用图像锐化、水平镜像、垂直镜像、... 针对茶叶种类多、炒青茶特征不显著,难以快速辨别炒青茶种类的问题,开发了一款基于深度学习的茶叶种类识别系统。采集西湖龙井、安吉白茶、黄山毛峰、建德黄金芽和绩溪金山时雨5种炒青茶图像1048幅,利用图像锐化、水平镜像、垂直镜像、灰度处理和图像旋转等方法进行数据增强,并按照8:1:1的比例划分训练集、验证集和测试集;建立茶叶种类及相关信息数据库,训练了基于VGG16的茶叶种类识别模型,并将茶叶数据库和识别模型部署在服务器;开发了基于Android的茶叶种类识别APP,具有地图定位、茶叶信息搜索、茶叶智能识别和用户信息等模块。经系统测试,茶叶测试集平均识别率为98.1%,系统平均响应时间为12 s,该系统为快速识别茶叶种类提供理论参考和使用工具,对稳定市场秩序和维护消费者权益具有实际应用价值。 展开更多
关键词 茶叶 自动识别 深度学习 移动终端
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部