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6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：
基于改进CBAM注意力机制的MobileNetV2玉米种子品种识别研究 被引量：1
1
作者 牛思琪 马睿 +4 位作者 许晓琳 梁敖 穆春华 许金普 马德新 《中国粮油学报》 CAS CSCD 北大核心 2024年第3期159-165,共7页
玉米是我国主要粮食作物,有较高的营养价值和经济价值。不同的地域环境适宜种植的玉米品种不同,但由于玉米种子在外形方面存在的差异较小,所以仅凭肉眼很难对其进行快速准确的识别。为实现玉米种子品种的准确识别,研究采集了9种玉米种... 玉米是我国主要粮食作物,有较高的营养价值和经济价值。不同的地域环境适宜种植的玉米品种不同,但由于玉米种子在外形方面存在的差异较小,所以仅凭肉眼很难对其进行快速准确的识别。为实现玉米种子品种的准确识别,研究采集了9种玉米种子图像共2792张建立数据集,并按照7∶2∶1的比例随机划分训练集、验证集和测试集。将注意力机制CBAM引入轻量化模型MobileNetV2,对CBAM的串行方式进行改进,构建一个新型注意力模块E_CBAM,并通过对比不同的压缩比,选出效果最佳的压缩比为4,提出了E_CBAM_MobileNetV2模型。实验表明E_CBAM_MobileNetV2的准确率为98.18%,相较于MobileNetV2提高了5.45%。 展开更多
关键词 图像分类 玉米种子 MobileNetV2 CBAM
下载PDF
基于CS-CatBoost的温室番茄水分胁迫预测模型 被引量：4
2
作者 李莉 陈浩哲 +2 位作者 赵奇慧 马德新 孟繁佳 《农业机械学报》 EI CAS CSCD 北大核心 2021年第S01期427-433,共7页
为预测温室番茄水分胁迫程度,利用传感器获取温室内部环境信息,包括空气温度(Ta)、空气相对湿度(Rh)、基质湿度(Hs)、光照强度(Li)、二氧化碳浓度(CO_(2))和基质温度(Ts),通过气象站获取温室外部环境信息,包括风速(Ws)、室外相对湿度(R... 为预测温室番茄水分胁迫程度,利用传感器获取温室内部环境信息,包括空气温度(Ta)、空气相对湿度(Rh)、基质湿度(Hs)、光照强度(Li)、二氧化碳浓度(CO_(2))和基质温度(Ts),通过气象站获取温室外部环境信息,包括风速(Ws)、室外相对湿度(Rho)和室外空气温度(Tao)。根据以上9个参数建立基于布谷鸟搜索优化CatBoost(CS-CatBoost)的温室番茄水分胁迫指数(CWSI)预测模型。通过梯度提升算法计算特征权重并进行筛选,对比不同输入特征数量下CS-CatBoost算法的性能。同时,与原CatBoost模型、CS-LightGBM模型和CS-RF模型进行对比分析。结果表明,当模型的输入参数数量为7时,CS-CatBoost与CatBoost、CS-LightGBM、CS-RF相比,RMSE降低了0.0123、0.0118和0.0311,MAE下降了0.0066、0.0075和0.0208,MAPE下降了0.963、1.1232和3.0892,R^(2)则提高了0.0177、0.0165和0.0767。在模型输入参数数量为其他值时,CS-CatBoost模型的预测能力均优于其他3种模型。该研究证明了CS-CatBoost模型拥有较好的预测能力与泛化能力,可为温室番茄种植的水分胁迫程度分析提供一种新的策略,从而提高农业水资源的利用效率。 展开更多
关键词 温室 番茄 作物水分胁迫指数 布谷鸟搜索算法 CatBoost
下载PDF
基于改进YOLOv5s的草莓成熟度实时检测算法
3
作者 梁敖 代东南 +3 位作者 牛思琪 许晓琳 周延培 马德新 《山东农业科学》 北大核心 2024年第11期156-163,共8页
本研究提出了一种基于YOLOv5s的草莓成熟度实时检测算法YOLOv5s-SCS,该算法针对检测过程中草莓数量多、体积小、果实之间遮挡、重叠、密集等特点,优化了对小目标和密集目标存在误检和漏检等问题,显著提升了检测速度。首先,引入SimOTA匹... 本研究提出了一种基于YOLOv5s的草莓成熟度实时检测算法YOLOv5s-SCS,该算法针对检测过程中草莓数量多、体积小、果实之间遮挡、重叠、密集等特点,优化了对小目标和密集目标存在误检和漏检等问题,显著提升了检测速度。首先,引入SimOTA匹配算法动态分配成熟草莓正样本,提高成熟草莓的识别能力;其次,将YOLOv5s颈部的部分C3模块替换成C2f模块,实现了模型的轻量化,提升了模型的平均检测精度;最后,在YOLOv5s骨干网络的首个C3模块中添加具有全局感受野的SE(Squeeze-and-Excitation)注意力机制,该机制通过自动学习方式获取每个特征通道的重要程度,并且利用得到的重要程度来提升特征并抑制对当前任务不重要的特征。实验结果表明,改进后的算法平均精度均值、精确率、召回率、模型体积、检测速度分别为98.3%、92.6%、96.6%、13.5 MB和89.3 FPS,相较于原始YOLOv5s平均精度均值提高了1.8个百分点,精确率和召回率分别提升了1.3个和2.1个百分点,模型体积减小了0.3 MB,检测速度提高了82.24%,NMS(非极大值抑制处理)和图像预处理的时间大幅缩减,检测速度达到实时检测要求。该算法与其他算法比较,识别精度及模型体积均优于其他算法,在复杂环境下具有良好的鲁棒性,为开发草莓成熟度实时检测系统提供了解决方案。 展开更多
关键词 深度学习 草莓成熟度检测 YOLOv5s SE注意力机制 SimOTA
下载PDF
基于特征融合注意力机制的樱桃缺陷检测识别研究
4
作者 代东南 马睿 +2 位作者 刘起 孙孟研 马德新 《山东农业科学》 北大核心 2024年第3期154-162,共9页
针对现有樱桃缺陷检测识别中存在的问题,为实现移动端智能化快速检测与精准识别,本研究提出了一种基于卷积神经网络对樱桃图像进行缺陷检测识别的轻量化模型,可为开发樱桃的移动端无损化智能检测系统奠定理论基础。首先,将采集到的完好... 针对现有樱桃缺陷检测识别中存在的问题,为实现移动端智能化快速检测与精准识别,本研究提出了一种基于卷积神经网络对樱桃图像进行缺陷检测识别的轻量化模型,可为开发樱桃的移动端无损化智能检测系统奠定理论基础。首先,将采集到的完好樱桃、刺激生长樱桃、双胞胎樱桃和腐烂樱桃4类樱桃图像经预处理后按比例划分训练集、验证集和测试集。其次,基于迁移学习对比分析NASNet-Mobile、MobileNetV2、ResNet18、InceptionV3、VGG-16网络模型后,选择各方面性能表现良好的MobileNetV2为基线模型,通过微调构建I-MobileNetV2模型;然后在I-MobileNetV2基础上,嵌入坐标注意力(CA)模块,构建ICA-MobileNetV2模型,该模型平均准确率达到97.09%,相比于基线模型(90.02%)提高7.85%,比I-MobileNetV2模型(94.34%)提高2.91%。可见,ICA-MobileNetV2作为可部署移动端的轻量化模型,具有较高准确率和较少参数,适用于樱桃缺陷检测与多分类任务,为樱桃缺陷检测与品质分级研究提供了新思路。 展开更多
关键词 樱桃 缺陷检测 卷积神经网络 坐标注意力机制
下载PDF
基于改进MobileNetV2的玉米籽粒图像品种的快速鉴别研究 被引量：1
5
作者 马睿 王佳 +2 位作者 赵威 郭宏杰 马德新 《中国粮油学报》 CSCD 北大核心 2023年第9期204-209,共6页
为实现玉米籽粒品种的快速鉴别与保护,实验提出了基于改进MobileNetV2的玉米籽粒品种识别方法。采集了11种玉米籽粒图像共3938张,建立胚面与非胚面的双面混合数据集。按照7∶2∶1的比例随机划分训练集、验证集和测试集。对MobileNetV2... 为实现玉米籽粒品种的快速鉴别与保护,实验提出了基于改进MobileNetV2的玉米籽粒品种识别方法。采集了11种玉米籽粒图像共3938张,建立胚面与非胚面的双面混合数据集。按照7∶2∶1的比例随机划分训练集、验证集和测试集。对MobileNetV2网络模型进行微调改进,探讨全连接层数量与维度以及dropout的取值对模型性能的影响,并在此基础上解冻部分骨干网络,最终模型准确率达到0.979 5,相较于基准模型准确率(0.948 7)提高0.030 8。实验结果表明,迁移学习时对基准模型微调是十分有必要的,可以有效提高模型准确率。 展开更多
关键词 图像识别 MobileNetV2 图像处理 深度学习 玉米籽粒
下载PDF
基于LSTM的温室番茄蒸腾量预测模型研究 被引量：13
6
作者 李莉 李文军 +2 位作者 马德新 杨成飞 孟繁佳 《农业机械学报》 EI CAS CSCD 北大核心 2021年第10期369-376,共8页
作物蒸腾量是指导作物灌溉关键参数之一,实时获取作物蒸腾量,实现按需灌溉是节约用水的有效途径。然而,温室内小气候效应显著,作物蒸腾与环境因子间关系较为复杂,且各环境因子之间相互关联并呈非线性变化。本文以番茄作为研究对象,使用... 作物蒸腾量是指导作物灌溉关键参数之一,实时获取作物蒸腾量,实现按需灌溉是节约用水的有效途径。然而,温室内小气候效应显著,作物蒸腾与环境因子间关系较为复杂,且各环境因子之间相互关联并呈非线性变化。本文以番茄作为研究对象,使用称量法测量作物实时蒸腾量,通过布设传感器实时获取温室小气候数据,包括空气温度(Air temperature,AT)、相对湿度(Relative humidity,RH)、光照强度(Light intensity,LI)作为模型的小气候环境输入,冠层相对叶面积指数(Relative leaf area index,RLAI)作为模型的作物生长输入,在此基础上,提出了基于长短期记忆网络(Long short term memory,LSTM)的番茄蒸腾量预测模型。利用该模型对番茄蒸腾量进行预测,并与非线性自回归(Nonlinear autoregressive with exogeneous inputs,NARX)神经网络、Elman神经网络、循环神经网络(Recurrent neural network,RNN)模型进行了对比。试验结果表明,LSTM预测模型决定系数(Determination coefficient,R^(2))与平均绝对误差(Mean absolute error,MAE)分别为0.9925和4.53 g,与NARX神经网络、Elman神经网络、RNN方法进行对比,其决定系数分别提高了8.97%、1.18%和0.82%,其平均绝对误差分别降低了8.16、6.23、0.52 g。本研究所提的预测模型具有较高的预测精度及泛化性能,研究成果可为温室作物需水规律及需水量研究提供参考。 展开更多
关键词 番茄 温室 长短期记忆网络 蒸腾量 预测模型
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