病害识别

作品数：697被引量：2472H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：帖军郑禄黄林生梁栋张善文更多>>
相关机构：东南大学安徽大学西北农林科技大学安徽农业大学更多>>
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...
选择条件：
  • 期刊=农业工程学报x
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：
双目立体视觉技术及其在智慧农业中的应用研究进展
《农业工程学报》2025年第1期27-39,共13页杨学军 钟金彪 林开颜 吴军辉 陈杰 司慧萍 
上海市科委科技创新行动计划课题(23N21900400)。
双目立体视觉技术作为一种获取现实世界立体感知的重要方法,可以实现农业场景目标的三维定位和点云重建,提取立体三维信息,具有很大的应用潜力。该文介绍了双目立体视觉技术的应用流程,包括双目视觉标定、极线校正、立体匹配等方面,以...
关键词：双目视觉 智慧农业 立体匹配 作物参数测量 三维目标定位 病害识别 
基于2D DWT与MobileNetV3融合的轻量级茶叶病害识别被引量：7
《农业工程学报》2023年第24期207-214,共8页黄铝文 关非凡 谦博 侯闳耀 刘迎庆 李雯敏 
陕西省重点研发计划(一般农业项目)农作物病虫快速诊断研究与预警系统应用(2023-YBNY-219)。
针对现有茶叶病害识别方法病害信息挖掘不足导致识别准确率低的问题,该研究提出了一种基于二维离散小波变换(discrete wavelet transform, DWT)和MobileNetV3融合的茶叶病害识别模型CBAM-TealeafNet。为增强网络对病害频域特征的检测能...
关键词：病害 图像识别 茶 2D DWT 特征融合 CBAM 焦点损失 
基于重参数化MobileNetV2的农作物叶片病害识别模型被引量：9
《农业工程学报》2023年第17期132-140,共9页彭玉寒 李书琴 
中央高校基本科研业务专项资金项目(2452019064)。
针对基于卷积神经网络识别农作物叶片病害存在参数众多,计算量大且实时性差的问题,提出一种轻量级农作物叶片病害识别模型RLDNet(reparameterized leaf diseases identification network)。首先,基于MobileNetV2利用重参数化倒残差模块...
关键词：农作物 模型 病害识别 复杂背景 MobileNetV2 重参数化 轻量化 
面向苹果叶部病害识别的细粒度蒸馏模型被引量：7
《农业工程学报》2023年第7期185-194,共10页李大湘 滑翠云 刘颖 
国家自然科学基金(62071379);陕西省自然科学基金(2017KW-013);西安邮电大学创新基金(CXJJYL2022014)。
为了提高轻型卷积神经网络(convolutional neural networks,CNN)在苹果叶部病害识别中的精度,使其更加适于布署到智慧农业移动终端,该研究设计了一种细粒度知识蒸馏(fine-grained knowledge distillation,FGKD)模型。首先,利用上下文信...
关键词：计算机视觉 图像处理 苹果树叶病害识别 细粒度知识蒸馏 上下文空间注意力 
利用改进Faster-RCNN识别小麦条锈病和黄矮病被引量：22
《农业工程学报》2022年第17期176-185,共10页毛锐 张宇晨 王泽玺 高圣昌 祝涛 王美丽 胡小平 
陕西省科技厅区域创新能力引导计划(2022QFY11-03);国家现代农业(小麦)产业技术体系项目(CARS-03-37);农业农村部农作物病虫鼠害疫情监测与防治项目;大学生创新训练项目(X202110712436)。
条锈病和黄矮病是严重威胁小麦生产的重大病害,病害的早期识别对病害防控具有重要意义。现有病害识别模型对相似表型症状识别困难,对早期病害的识别准确度低。为此,该研究构建了一种改进的快速区域卷积神经网络(Faster Regions with CNN...
关键词：模型 病害识别 Faster-RCNN ResNet 分组卷积 数据增强 
基于注意力机制和多尺度轻量型网络的农作物病害识别被引量：17
《农业工程学报》2022年第S01期176-183,共8页王泽钧 马凤英 张瑜 张芳芳 纪鹏 曹茂永 
国家自然科学基金项目(61903207);山东省重点研发计划项目(重大科技创新工程)(2019JZZY010731,2020CXGC010901);齐鲁工业大学国际合作研究项目(QLUTGJHZ2018020)。
准确识别农作物病害并及时防护是保障农作物产量的重要措施。针对传统农作物病害识别模型体积大、准确率不高的问题,该研究提出一种基于注意力机制和多尺度特征融合的轻量型神经网络模型(Lightweight Multi-scale Attention Convolution...
关键词：农作物 模型 图像识别 注意力机制 多尺度卷积 
基于改进MobileNet-V2的田间农作物叶片病害识别被引量：59
《农业工程学报》2021年第22期161-169,共9页孙俊 朱伟栋 罗元秋 沈继锋 陈义德 周鑫 
江苏高校优势学科建设工程(三期)资助项目(PAPD-2018-87);江苏大学大学生科研立项资助项目(20AB0019)。
农作物病害是造成粮食产量下降的重要因素,利用智能化手段准确地识别农作物病害有利于病害的及时防治,该研究基于改进的MobileNet-V2识别复杂背景下的农作物病害,对未来覆盖各种作物的智能化病害识别工作具有重要意义。首先创建含有11...
关键词：农作物 病害 复杂背景 轻量型 上采样 参数量 
采用双模态联合表征学习方法识别作物病害被引量：9
《农业工程学报》2021年第11期180-188,共9页王春山 赵春江 吴华瑞 周冀 李久熙 朱华吉 
北京市科技计划项目(Z191100004019007);国家重点研发计划(2020YFD1100602,2019YFD1101105);河北省重点研发计划项目(20327402D);河北省省属高等学校基本科研业务费研究项目(KY202004);河北省引进留学人员资助项目(C20190340)。
基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开...
关键词：模型 病害 双模态 联合表征学习 少样本 开放环境 病害识别 
基于迁移学习的葡萄叶片病害识别及移动端应用被引量：37
《农业工程学报》2021年第10期127-134,共8页苏仕芳 乔焰 饶元 
安徽省自然科学基金(2008085MF203);国家自然科学基金(31671589);安徽省重点研究和开发计划面上攻关项目(201904a06020056)。
为解决已有的卷积神经网络在小样本葡萄病害叶片识别的问题中出现的收敛速度慢,易产生过拟合现象等问题,提出了一种葡萄叶片病害识别模型(Grape-VGG-16,GV),并针对该模型提出基于迁移学习的模型训练方式。将VGG-16网络在ImageNet图像数...
关键词：图像识别 病害 葡萄叶片 迁移学习 数据扩充 移动端 
基于卷积神经网络结合图像处理技术的荞麦病害识别被引量：24
《农业工程学报》2021年第3期155-163,共9页陈善雄 伍胜 于显平 易泽林 雷兴华 
国家自然科学基金(41271292);重庆市自然科学基金(cstc2019jcyj-msxm X0130)。
荞麦病害的发生极大地影响了荞麦的品质和产量,对病害的监测是确保荞麦产业健康发展的重要措施。该研究利用深度学习中卷积神经网络的多层特征提取方式,对荞麦病害的特征进行抽取,然后根据特征进行分类,最终实现对荞麦病害的判别。首先...
关键词：图像处理 病害 图像识别 特征提取 荞麦 卷积神经网络 深度学习 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部