苹果叶片

作品数：344被引量：2375H指数：25
导出分析报告
相关领域：农业科学更多>>
相关作者：束怀瑞汪良驹冯海宽吕德国徐继忠更多>>
相关机构：西北农林科技大学山东农业大学沈阳农业大学南京农业大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家科技支撑计划国家现代农业产业技术体系建设项目国家高技术研究发展计划更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于RT⁃BiSeNet的苹果叶片病害实时分割与分级算法
《现代电子技术》2025年第7期35-42,共8页黄样 陈继清 黄力湘 佘锴蓉 郝科崴 
国家自然科学基金项目(62163005);广西自然科学基金项目(2022GXNSFAA035633)。
苹果叶片病害的及时分割与准确分级对于提高苹果产量和质量至关重要。然而,在复杂的环境下,图像容易受到相似颜色背景和不同光照等因素的影响,给叶片和病斑的准确分割带来挑战,进而影响病害分级的准确性。针对此问题,文中提出一种实时...
关键词：苹果叶片 深度学习 语义分割 BiSeNet 复杂环境 病害分级 实时分割 
苹果叶片病害检测的轻量化YOLOv5研究与实现
《中国农机化学报》2025年第4期126-132,共7页周俊昌 曾维 彭鹏 庞记成 刘军军 杨熙临 
四川省科技计划项目(2023YFN0053)。
随着农业智能化水平不断提升,苹果叶片病害自动化检测十分必要,而现有的自动化检测模型由于网络结构复杂,难以在移动端进行部署。基于此,构建一种YOLOv5—SCFG轻量模型。首先,引入轻量型网络ShuffleNetv2重新构建YOLOv5骨干网络,保证网...
关键词：苹果叶片 轻量化模型 病害检测 YOLOv5s 
可见光图像识别开花期苹果叶片SPAD含量估测研究
《塔里木大学学报》2025年第1期83-92,共10页候凯耀 李旭 石子琰 邬竞明 
塔里木大学校长基金创新团队项目(TDZKCX202306);中国农业大学-塔里木大学联合基金项目(ZNLH202402)。
及时准确地获取果树冠层叶绿素含量信息是农业生产领域密切关注的问题。本研究以新疆南疆重要经济作物苹果树冠层叶片为研究对象,通过获取开花期苹果树冠层叶片的实测SPAD值,结合冠层叶片的可见光图像数据,对颜色特征进行不同通道组合,...
关键词：苹果叶片 SPAD 可见光图像 颜色特征 BP神经网络 卷积神经网络 
基于坐标注意力的多尺度轻量级苹果叶片病害识别模型
《中国农机化学报》2025年第2期173-180,186,共9页谷瑞 顾家乐 宋翠玲 钱春花 
江苏省高职院校教师专业带头人高端研修项目(2023TDFX010);江苏现代农业产业技术体系项目(JATS—2023—348);苏州市科技计划项目(SNG2023005)。
为解决传统神经网络参数量大、无法满足资源有限的移动设备对苹果叶片病害的识别需求,提出一种基于坐标注意力的多尺度轻量级模型CA—MobileNetV2。首先,将MobileNetV2倒残差中3×3的卷积替换成多尺度特征融合模块(MMF—module),在不增...
关键词：苹果叶片 病害识别 坐标注意力 轻量级模型 多尺度特征融合 
基于预训练CNN模型深度特征融合的苹果叶片病害检测
《安徽农业科学》2024年第23期216-219,共4页张正风 高峰 
中国高校产学研创新基金项目“基于VR的互联网-红色旅游应用研究-以淮海战役烈士纪念塔园林景区为例”(2022IT061)。
探讨了采用预训练的卷积神经网络(CNN)模型,如GoogLeNet、VGGNet和EfficientNet,作为特征提取器对苹果叶片病害检测准确率的影响。通过结合这3个CNN模型导出的深度特征,实现了深度学习特征的组合,使用提取的深度特征训练了支持向量机(S...
关键词：苹果叶片病害 卷积神经网络 深度特征提取 支持向量机 病害检测 
基于弱监督学习的小样本早期苹果叶片病害检测
《中国农机化学报》2024年第12期193-199,共7页王勇 周强 吴凯 
国家自然科学基金(62101021)。
针对现有苹果叶片病害检测方法的性能过度依赖标注数据集的问题,提出一种基于弱监督学习的小样本早期苹果叶片病害检测算法。首先,利用一组共享权重的主干网络将病害叶片映射到高维特征空间;其次,利用多层注意力机制建立双分支特征语义...
关键词：苹果叶片病害检测 小样本学习 弱监督学习 多层注意力机制 
改进YOLOv5算法的多类苹果叶片病害检测
《中国农机化学报》2024年第12期230-237,F0003,共9页李昱达 吴正平 孙水发 林淼 伍箴燎 沈虹杜 
国家自然科学基金资助项目(61871258)。
针对多类苹果叶片病害准确率差异大、检测精度不高的问题,提出一种改进YOLOv5准确判别苹果叶片病害的检测算法(YOLOv5-CSEP)。首先,引入C3Ghost模块替换原YOLOv5主干网络C3模块,减少模型的参数量与计算量;其次,将混合注意力模块C-SAM加...
关键词：苹果叶片 病害检测 注意力机制 增强路径聚合网络 YOLOv5 
基于一致性半监督学习的苹果叶片病斑分割模型研究
《农业机械学报》2024年第12期314-321,共8页丁永军 杨文涛 赵一龙 
国家自然科学基金项目(32360434);甘肃省高校产业支撑计划项目(2023CYZC-10);甘肃省自然科学基金项目(23JRRA705)。
快速准确的病斑分割对于病害严重程度评估及科学施药具有重要意义。基于深度学习的语义分割为构建高精度病斑分割模型提供了技术支撑。然而,苹果病斑标注费时费力。为了解决这一问题,以陇东苹果为研究对象,提出了一种基于轻量级一致性...
关键词：苹果病害 病斑分割 半监督学习 一致性正则化 贝叶斯优化 DeepLabV3+ 
基于改进YOLO v7的苹果叶片病害检测方法
《农业机械学报》2024年第11期68-74,共7页袁杰 谢霖伟 郭旭 梁荣光 张迎港 马浩田 
国家自然科学基金项目(62263031);新疆维吾尔自治区自然科学基金项目(2022D01C53)。
针对苹果叶片疾病形态多样、分布密集,导致检测精度不高的问题,提出了一种改进的YOLO v7模型。首先,用双向特征金字塔网络(BiFPN)替代YOLO v7中原有的特征融合方法,以提高模型对苹果叶片上不同尺度病害的检测能力。其次,在YOLO v7的ELAN...
关键词：苹果叶片 病害检测 YOLO v7 多尺度融合 注意力机制 
一种基于改进ResNet18神经网络的苹果叶片病害识别方法
《山东农业科学》2024年第10期174-180,共7页陈诗瑶 孔淳 冯峰 孙博 王志军 
山东省重大科技创新工程项目“现代果园智慧种植装备与大数据平台研发及示范应用”(2019JZZY010706)。
为有效提升苹果叶片病害识别的精度和效率,实现病害的及时防治进而提高苹果产量,本研究提出一种基于改进ResNet18神经网络的苹果叶片病害识别方法,可在提升模型识别性能的同时减少参数量和模型尺寸。首先,改进ResNet模型的残差结构,以...
关键词：苹果叶片病害识别 卷积神经网络 ResNet18模型 残差结构 坐标注意力机制 迁移学习 
全选清除导出
共34页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部