病害识别

作品数：712被引量：2509H指数：26
导出分析报告
相关领域：自动化与计算机技术农业科学更多>>
相关作者：黄林生帖军郑禄梁栋张善文更多>>
相关机构：东南大学安徽大学安徽农业大学西北农林科技大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金河南省科技攻关计划山东省自然科学基金安徽省自然科学基金更多>>
-
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：
深度卷积神经网络在番茄叶病害识别中的应用
《福建电脑》2025年第4期21-25,共5页鲍义东 李琳 粟小娓 
2023年贵州省大数据局专项项目“现代山地智慧农场综合管控决策平台”(2023年1月-2024年12月)资助。
为提升复杂环境下农作物叶片病害的识别准确率,本文构建了一种识别番茄病害的卷积神经网络识别模型,并开发了一款适用于多种小程序平台的番茄常见病害图像识别小程序。实验结果表明,模型通过自动特征提取实现了95%以上的识别准确率,可...
关键词：卷积神经网络 番茄叶病害 深度学习 
融合ViT和通道注意力的水稻病害识别技术研究
《农业与技术》2025年第7期69-74,共6页涂雪滢 张佳鹏 钱程 刘世晶 
上海市科技兴农项目“稻田面源污染综合防治技术研究与生态系统构建示范”(项目编号:沪农科推字(2022)第2-3号)。
水稻产量和质量对农业经济、粮食安全、农民收入及生态环境至关重要,而水稻病害是影响其产量和质量的关键因素之一。为提升实际种植场景下的病害识别准确率,本文提出了一种融合Vision Transformer和通道注意力机制的水稻病害识别方法。...
关键词：水稻病害 图像识别 Vision Transformer 通道注意力机制 
深度学习在番茄叶片病害识别中的应用研究
《热带农业工程》2025年第2期18-22,共5页王新玉 刘坤 李禹彤 魏传志 杜峰 
黑龙江省省属高等学校基本科研业务费科研项目(No.ZRCPY202021)。
近年来,随着深度学习技术的迅猛发展,番茄病害识别领域取得了显著进展。传统的番茄病害检测方法面临着效率低、检测精度不足和对环境变化适应性差等问题,而深度学习技术的应用为这一领域带来了突破性的改善。本文梳理了当前主流的深度...
关键词：深度学习 番茄叶片 病害识别 
深水大坝缺陷鲁棒实时检测方法
《武汉大学学报(信息科学版)》2025年第4期684-698,共15页李扬涛 包腾飞 李田雨 
西藏自治区科技计划(XZ202501ZY0009)。
大坝长期服役过程中,在水环境和外部荷载的交互耦合作用下,其深水结构部位易出现各类缺陷病害,影响工程服役安全稳定和功能发挥。水下机器人搭载可见光相机,可以非接触形式实现结构损伤的高分辨率空间信息采集,如何从海量图像视频数据...
关键词：深水检测 隐蔽病害识别 损伤识别 目标检测 人工智能 
基于注意力机制的茶叶病害识别技术研究
《黄山学院学报》2025年第2期13-18,共6页高山 
安徽省高等学校科学研究项目(2023AH053102)。
为提高茶叶病害图像识别的准确率,本研究提出了一种基于注意力机制的茶叶病害图像识别算法CSA-ResNet。该算法通过设计E-ECAnet注意力机制,增强了茶叶病害图像中关键空间位置和通道信息的提取能力,并将其嵌入每个bottleneck单元中。为...
关键词：茶叶叶片病害 图像识别 残差网络 注意力机制 正则化 
探地雷达图像浅层特征融合下的高速公路路基塌陷病害识别
《无损检测》2025年第4期50-55,共6页胡照星 
为延长高速公路的使用寿命,提出探地雷达图像浅层特征融合下的高速公路路基塌陷病害识别方法。探地雷达依据电磁波理论以及麦克斯韦方程,获取高速公路路基探地雷达图像以及正演模拟图像。获取图像后使用空间加权颜色直方图得到两种图像...
关键词：探地雷达 特征融合 高速公路 路基病害 CNN 特征提取 
城市道路地下病害识别及塌陷风险评价研究
《中外公路》2025年第2期46-54,共9页田岗 张海军 王成亮 杜衍庆 师海 
天津市交通运输科技发展计划项目(编号:2019B25);中国电子工程设计院科研项目(编号:KJ2230)。
该文以探地雷达技术为基础,通过分析城市道路地下典型病害的形成特点、电性特征和形态差异,总结分析不同道路地下病害的雷达图谱特征,这不仅有利于地下病害的精确辨识,还为后续道路塌陷评价工作的开展提供了评估依据。同时,该文通过将...
关键词：探地雷达 雷达图谱 地下病害 道路塌陷 风险评价 
基于改进轻量级深度卷积神经网络的果树叶片分类及病害识别模型设计
《森林工程》2025年第2期277-287,共11页买买提·沙吾提 李荣鹏 蔡和兵 赵明 梁嘉曦 
新疆自然科学计划项目(2021D01C055);新疆大学国家级大学生创新训练计划项目(202310755002)。
新疆是中国重要的林果产业基地,特色林果业是区域经济发展的重要组成部分。为预防果树病害制约林果业发展,设计一款归一化注意力(normalization-based attention module,NAM)轻量级深度卷积神经网络(MobileNet-V2)果树叶片分类及病害识...
关键词：新疆 果树分类 病害识别 归一化注意力轻量级深度卷积神经网络(MobileNet-V2 NAM) 归一化注意力机制 
基于SC-ConvNeXt网络模型的小麦叶片病害识别方法
《江苏农业科学》2025年第5期129-138,共10页董天亮 李佳 马晓 武青海 
吉林省特色高水平学科新兴交叉学科“数字农业”项目(编号:20231103)。
当利用卷积神经网络进行小麦病害识别时,在模型训练阶段通常需要用到大量的数据标签,然而数据标记工作既复杂又昂贵,而模型识别效果容易受自然环境下复杂因素的干扰。针对这些问题,提出一种融合SimCLR预训练框架与改进的CBAM注意力机制...
关键词：图像分类 病害识别 小麦 自监督学习 
面向不平衡数据的木薯叶部病害图像识别方法
《中国农机化学报》2025年第3期101-107,123,共8页王丹阳 梁伟红 李玉萍 黄贵修 
中央级公益性科研院所基本科研业务费专项(1630072023005);海南省自然科学基金青年基金项目(323QN300)。
为提高产地环境下木薯叶部病害自动识别的准确性,解决病害图像低对比度和数据长尾分布问题,建立一种深度学习模型SwinTFCC用于木薯叶部病害识别。该模型采用Swin Transformer作为骨干网络,借助Swin Transformer的自注意力机制和层级结...
关键词：木薯叶部 病害识别 图像识别 迁移学习 不平衡数据 
全选清除导出
共71页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部