期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于注意力残差机制的细粒度番茄病害识别 被引量：22
1
作者 胡志伟 杨华 +1 位作者 黄济民 谢倩倩 《华南农业大学学报》 CAS CSCD 北大核心 2019年第6期124-132,共9页
【目的】解决温室环境下细粒度番茄病害识别方法不足问题。【方法】以早、晚期5种番茄病害叶片为研究对象,提出一种基于注意力与残差思想相结合的新型卷积神经网络模型ARNet。通过引入多层注意力模块,层次化抽取病害分类信息,解决早期... 【目的】解决温室环境下细粒度番茄病害识别方法不足问题。【方法】以早、晚期5种番茄病害叶片为研究对象,提出一种基于注意力与残差思想相结合的新型卷积神经网络模型ARNet。通过引入多层注意力模块,层次化抽取病害分类信息,解决早期病害部位分散、特征难以提取难题;为避免网络训练出现退化现象,构建残差模块有效融合高低阶特征,同时引入数据扩充技术以防止模型过拟合。【结果】对44295张早、晚期病害叶片数据集进行模型训练与测试的结果表明,与VGG16等现有模型相比,ARNet具有更好的分类表现,其平均识别准确率达到88.2%,显著高于其他模型。ARNet对早期病害识别准确率明显优于晚期病害,验证了注意力机制在提取细微区域特征上的有效性,且在训练过程中未发生过度抖动的状况。【结论】本文提出的模型具有较强鲁棒性和较高稳定性,在实际应用中可为细粒度番茄病害智能诊断提供参考。 展开更多
关键词 细粒度 注意力机制 残差网络 卷积网络 番茄叶片 病害识别
下载PDF
基于复杂环境的番茄叶部图像病虫害识别 被引量：22
2
作者 杨英茹 吴华瑞 +3 位作者 张燕 朱华吉 李瑜玲 田国英 《中国农机化学报》 北大核心 2021年第9期177-186,共10页
针对复杂环境下番茄叶部图像因其背景复杂导致病害识别较为困难,以温室大棚内采集的番茄叶部图像作为研究对象,对番茄白粉病、早疫病和斑潜蝇三种常见病虫害,提出一种结合颜色纹理特征的基于支持向量机(SVM)的CCL-SVM的复杂环境番茄叶... 针对复杂环境下番茄叶部图像因其背景复杂导致病害识别较为困难,以温室大棚内采集的番茄叶部图像作为研究对象,对番茄白粉病、早疫病和斑潜蝇三种常见病虫害,提出一种结合颜色纹理特征的基于支持向量机(SVM)的CCL-SVM的复杂环境番茄叶部图像病害识别方法。CCL-SVM方法为实现小样本及复杂背景环境下的快速识别,首先采用滑动窗口将原始番茄叶部病害图像切割成小区域图像,选取不包含背景的小区域图像样本作为试验样本,从而实现样本数量和样本多样性的增加,并降低样本复杂背景的影响。通过对样本数据抽取颜色纹理特征(CCL),采用SVM模型对番茄早疫病、白粉病、斑潜蝇和健康叶片分类识别。试验结果表明,提出的CCL-SVM方法比Gray-SVM对番茄叶片病害种类的识别性能得到大幅提升,识别率从60.63%提升到97.5%;CCL-SVM方法识别精度高于对比的深度学习网络VGG16和Alexnet方法,且每个小区域图像的平均测试时间远低于深度学习网络。本文设计的CCL-SVM方法具有减小复杂背景影响,计算量小及系统要求低的优点,为复杂环境下番茄病害快速识别提供一种新的思路。 展开更多
关键词 番茄 复杂环境 滑动窗口 病害识别 CCL-SVM
下载PDF
基于多尺度和注意力机制的番茄病害识别方法 被引量：17
3
作者 张宁 吴华瑞 +1 位作者 韩笑 缪祎晟 《浙江农业学报》 CSCD 北大核心 2021年第7期1329-1338,共10页
番茄病害的及时发现与治理有助于提高番茄产量与质量,增加农户经济收益。利用物联网和人工智能可以无损害有效检测番茄病害,该研究提出了一种改进的AT-InceptionV3(Attention-InceptionV3)神经网络番茄叶部病害检测模型,该网络以Incepti... 番茄病害的及时发现与治理有助于提高番茄产量与质量,增加农户经济收益。利用物联网和人工智能可以无损害有效检测番茄病害,该研究提出了一种改进的AT-InceptionV3(Attention-InceptionV3)神经网络番茄叶部病害检测模型,该网络以InceptionV3为主干网络,结合多尺度卷积和注意力机制CBAM(convolutional block attention module,CBAM)模块,增强了病害信息表达并抑制无关信息干扰;同时引入迁移学习,防止样本数据量较少时出现过拟合的情况。为了评价优化模型的有效性,在Plant Village公开番茄病害数据集上进行了实验仿真测试。改进的模型在测试阶段对番茄健康叶片、细菌性斑疹病、晚疫病、叶霉病和黄曲病5种番茄常见叶片图像分类准确率达到98.4%,优化效果显著。为了进一步验证该方法在不同物联网中的普适性,实验对比了模型对不同分辨率病害图像的分类效果,结果表明,图像精度部分损失不会降低病害分类准确率。该模型能够为番茄温室智能网络决策判断提供重要依据。 展开更多
关键词 番茄 多尺度卷积 注意力机制 迁移学习 病害识别
下载PDF
一种优化的Swin Transformer番茄叶片病害识别方法 被引量：9
4
作者 刘拥民 刘翰林 +3 位作者 石婷婷 欧阳金怡 黄浩 谢铁强 《中国农业大学学报》 CAS CSCD 北大核心 2023年第4期80-90,共11页
为了及时准确的识别番茄叶片病害,提高番茄产量,提出了一种优化的Swin Transformer番茄病害识别方法,该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息;结合Mixup混合增强算法,在预处理阶段对图像特... 为了及时准确的识别番茄叶片病害,提高番茄产量,提出了一种优化的Swin Transformer番茄病害识别方法,该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息;结合Mixup混合增强算法,在预处理阶段对图像特征信息进行增强;并采用迁移学习在增强番茄叶片病害数据集上进行训练和优化Swin Transformer模型,以此实现精准的番茄叶片病害识别。结果表明:1)优化的Swin Transformer模型对番茄叶片病害识别准确率达到98.40%;2)在相同训练参数下,本研究模型比原Swin Transformer、VGG16、AlexNet、GoogLeNet、ResNet50、MobileNetV2、ViT和MobileViT模型准确率提高了0.70%~1.91%,且能快速收敛;3)本研究模型中加入的Mixup混合增强算法极大地提高了番茄叶片病害的识别准确率,比现有的常见方法性能更加优越,并且鲁棒性强。因此,本研究提出的新模型能够更加准确的识别番茄叶片病害。 展开更多
关键词 Swin Transformer Mixup 数据增强 番茄病害识别 迁移学习 图像分类
原文传递
基于轻量级网络自适应特征提取的番茄病害识别 被引量：7
5
作者 胡玲艳 周婷 +5 位作者 刘艳 许巍 盖荣丽 李晓梅 裴悦琨 汪祖民 《江苏农业学报》 CSCD 北大核心 2022年第3期696-705,共10页
为了实现番茄病害的精准识别,本研究提出一种轻量级网络自适应特征提取方法。该方法首先对图片进行正形处理,然后基于SqueezeNet模型构建轻量级网络模型GKFENet。GKFENet模型包含全局特征提取和关键特征提取2个模块,其中全局特征提取模... 为了实现番茄病害的精准识别,本研究提出一种轻量级网络自适应特征提取方法。该方法首先对图片进行正形处理,然后基于SqueezeNet模型构建轻量级网络模型GKFENet。GKFENet模型包含全局特征提取和关键特征提取2个模块,其中全局特征提取模块逐层提取番茄病害叶片的全局特征,关键特征提取模块通过学习评估出特征图各通道的重要程度,计算出权重值,最后将该值加权到原特征图上,从而实现病害关键特征的自适应提取。结果显示,正形机制有助于神经网络学习特征,本研究构建的GKFENet模型的平均识别准确率为97.90%,模型大小仅为2.64 MB,且在强噪声环境下,其识别准确率仍能保持在78.00%以上。GKFENet模型在训练过程中相对稳定,对8种番茄病害的识别准确率均超过96.00%。相比Bayes、KNN、LeNet、SqueezeNet、MobileNet模型,本研究构建的GKFENet模型的识别精度高,稳定性强且占用内存小,对于移动端未来的应用具有较高的实际价值。 展开更多
关键词 轻量级网络 正形机制 特征提取 番茄 病害识别
下载PDF
基于卷积神经网络的番茄叶部病害识别方法
6
作者 刘峻渟 周云成 +2 位作者 吴琼 吴雄伟 王昌远 《河南农业大学学报》 CAS CSCD 北大核心 2024年第2期287-297,共11页
【目的】利用卷积神经网络构建作物病害识别模型,提高识别性能,解决作物病害识别性能低、泛化效果差等问题。【方法】通过数据增广技术增加样本多样性,引入聚焦损失改进模型学习目标,解决样本非均衡问题,分析比较不同卷积神经网络结构... 【目的】利用卷积神经网络构建作物病害识别模型,提高识别性能,解决作物病害识别性能低、泛化效果差等问题。【方法】通过数据增广技术增加样本多样性,引入聚焦损失改进模型学习目标,解决样本非均衡问题,分析比较不同卷积神经网络结构的识别性能,并用类激活图生成技术度量模型的可靠性。在番茄叶部病害数据集上验证方法的有效性。【结果】应用数据增广技术后,模型在简单背景样本上的识别准确率提高了1.0%,在复杂背景样本上提高了12.5%;聚焦损失使模型的准确率提高了0.1%;该模型的识别准确率为99.8%,对各类病害的召回率在97.3%以上;应用类激活图技术生成的显著性图可有效标识模型在识别过程中的重点关注区域。【结论】该方法能够有效解决病害图像样本非均衡问题,提高了病害识别模型的泛化性能,同时类激活图可以用于分析模型的可靠性,从而为番茄叶部病害防治提供参考。 展开更多
关键词 番茄 叶部病害 病害识别 卷积神经网络 数据增广 聚焦损失
下载PDF
基于图像自动标注与改进YOLO v5的番茄病害识别系统 被引量：1
7
作者 张领先 景嘉平 +2 位作者 李淑菲 朱昕怡 乔琛 《农业机械学报》 EI CAS CSCD 北大核心 2023年第11期198-207,共10页
针对作物病害识别系统功能单一,缺乏系统升级机制,人工升级系统成本较大的问题,以番茄病害为例,提出了基于OpenCV的番茄叶片图像自动标注算法和改进YOLO v5的番茄病害识别模型;结合数据集自动划分、模型自动训练与评估、手机APP自动创... 针对作物病害识别系统功能单一,缺乏系统升级机制,人工升级系统成本较大的问题,以番茄病害为例,提出了基于OpenCV的番茄叶片图像自动标注算法和改进YOLO v5的番茄病害识别模型;结合数据集自动划分、模型自动训练与评估、手机APP自动创建与更新理念,设计了一种可以自动升级的番茄病害识别系统;引入专家审查校正机制,提高了系统识别结果的可靠性。实验结果表明,该系统实现了对番茄的健康叶片与9类病害叶片进行识别,可以在实际应用中通过手机APP识别番茄病害的同时自动扩充番茄病害图像数据集,并根据数据扩充量自动启动系统的升级优化流程,由此不断提升该系统的番茄病害识别性能。该系统为番茄生产提供了一个便捷、可靠的番茄病害识别工具。 展开更多
关键词 番茄 神经网络 自动标注 病害识别 专家审查 自动升级
下载PDF
基于数据增强的语义一致番茄叶病识别方法
8
作者 丁雪莲 《内蒙古大学学报（自然科学版）》 CAS 2024年第3期302-307,共6页
针对番茄叶片病害识别中缺乏训练图像的问题,提出一种基于数据增强的语义一致番茄叶病识别方法。首先,设计数据增强模块,对数据集进行有效扩充。然后,定义深度特征提取模块,捕捉图像中丰富的非线性语义信息。同时,为了避免数据增强过程... 针对番茄叶片病害识别中缺乏训练图像的问题,提出一种基于数据增强的语义一致番茄叶病识别方法。首先,设计数据增强模块,对数据集进行有效扩充。然后,定义深度特征提取模块,捕捉图像中丰富的非线性语义信息。同时,为了避免数据增强过程中的语义漂移,设计语义相关最大化模块,增强原始数据和增强数据的语义相关性。最后,定义番茄叶病识别模块,实现番茄叶片病害识别。实验结果表明,相比于其他8个基线方法,本文方法在识别番茄叶片病害的准确率上达到了更优。 展开更多
关键词 番茄叶病识别 数据增强 深度特征 语义相关性
下载PDF
基于轻量化卷积神经网络的番茄病害图像识别 被引量：13
9
作者 林建吾 张欣 +3 位作者 陈孝玉龙 陈洋 曹藤宝 喻殿智 《无线电工程》 北大核心 2022年第8期1347-1353,共7页
针对多数卷积神经网络模型计算资源消耗多、占用内存大等问题,提出了一种基于轻量化卷积神经网络的番茄病害图像识别方法FTL-MobileNet。该模型通过引入Focal Loss代替交叉熵损失函数(Cross Entropy Loss),聚焦于难分类的样本,接着在全... 针对多数卷积神经网络模型计算资源消耗多、占用内存大等问题,提出了一种基于轻量化卷积神经网络的番茄病害图像识别方法FTL-MobileNet。该模型通过引入Focal Loss代替交叉熵损失函数(Cross Entropy Loss),聚焦于难分类的样本,接着在全连接层添加Dropout层,防止过拟合,将MobileNetV2在ImageNet训练好的权重参数迁移到改进模型中。选用常见的几种网络模型进行对比实验。结果表明,FTL-MobileNet相比于其他模型收敛更快、泛化能力更好、单张图片识别耗时更低、识别精度更高,在测试集上的平均准确率达到了99.87%,且训练好的模型仅8.74 MB。 展开更多
关键词 轻量化卷积神经网络 番茄 病害图像识别 FTL-MobileNet
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部