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...
选择条件：
  • 期刊=江苏农业科学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：
基于EBS-YOLO v7的轻量化葡萄病害识别方法
《江苏农业科学》2025年第5期165-174,共10页杨宏宇 谢小龙 郭容 张佳进 
云南省重大科技专项(编号:202202AE090021)。
为了解决葡萄病害检测过程中存在的识别精度低、模型计算复杂度高及参数量大等问题,提出一种基于EBS-YOLO v7的轻量化葡萄病害识别方法。该方法使用EfficientNet轻量化网络结构替换YOLO v7主干网络,使模型在降低计算量及参数量的同时保...
关键词：目标检测 病害识别 轻量化 YOLO v7 注意力机制 SIoU 
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 
基于ActNN-YOLO v5s-RepFPN的番茄病害识别及系统设计
《江苏农业科学》2024年第20期220-227,共8页高泉 刘笠溶 张洁 高颜军 叶荣 
云南省重大科技专项(编号:202302AE090020、202002AE090010);云南省基础研究计划(编号:202101AU070096)。
作物病害的早期检测可以提高农作物的质量和生产力,为解决番茄病害识别模型在真实复杂场景中的泛化能力弱,易受作物品种、颜色特征、叶斑形状、疾病周期和环境因素干扰,对存储和计算资源依赖性强的问题,提出1个轻量化改进模型ActNN-YOLO...
关键词：病害检测 ActNN YOLO v5s RepFPN 
基于改进卷积神经网络的苹果叶片病害识别被引量：1
《江苏农业科学》2024年第14期214-221,共8页姜月明 王健 董光辉 胡彭元 
中央高校基本科研业务费专项资金(编号:2572022BH03)。
为了提高真实条件下苹果叶片病害识别准确度和识别速度,提出了一种基于改进的卷积神经网络苹果叶部病害识别方法,该方法是在卷积神经网络VGG16的基础上进行改进完成的。首先针对5类常见苹果叶片病害图片样本集合,采用数字图像处理算法(...
关键词：病害识别 卷积神经网络 迁移学习 图像识别 VGG16模型 
基于改进轻量化网络MobileViT的苹果叶片病虫害识别方法
《江苏农业科学》2024年第14期222-229,共8页梁倩倩 陈勇 崔艳荣 
国家自然科学基金(编号:62077018)。
针对苹果叶片病害识别准确率低以及现有模型难以适应真实复杂场景等问题,提出一种改进的轻量化网络——MobileViT_filter_FCN,以提高对苹果叶片病害的识别准确率,并使得模型可以适应户外的复杂光照及遮挡环境。首先收集5类常见苹果叶片...
关键词：多头注意力机制 图像分类 轻量化网络 苹果叶片病害识别 Filter Layer 
基于CNN-XGBoost模型的多类型棉花叶片病害识别
《江苏农业科学》2024年第13期205-213,共9页戴臻 费洪晓 
湖南省自然科学基金委员2021年科教联合课题(编号:2021JJ60048)。
为提高棉花生产和质量,需要对棉花叶片病害进行及时和准确的识别。然而,现有研究方法往往只能处理少数几种常见的病害类型,而无法覆盖更多的病害种类。本研究提出一种基于CNN-XGBoost模型的多类型棉花叶片病害识别方法,该方法能够识别...
关键词：CNN-XGBoost 棉花叶片病害 多类型病害 加权交叉熵损失函数 
基于轻量化卷积神经网络的番茄叶片病害识别被引量：3
《江苏农业科学》2024年第11期225-231,共7页郑超杰 李少波 蒲睿强 张涛 
国家自然科学基金面上项目(编号:52275480);贵州省烟草公司贵阳市公司科技项目(编号:2022-14)。
传统的卷积神经网络在番茄叶部病害识别中存在结构复杂、参数庞大等问题,导致难以在移动设备上实现良好的应用效果。因此,提出一种基于轻量化卷积神经网络的番茄叶片病害识别方法。首先,将番茄叶片病害图片进行数据增强扩充,保证数据分...
关键词：番茄叶片病害 数据增强 MobileNet v3 敏感度分析 轻量化模型 
基于改进MobileNet v3的苹果叶片病害识别研究
《江苏农业科学》2024年第12期224-231,共8页李豫晋 沈陆明 何少芳 余文强 滕明洪 
湖南省自然科学基金(编号:2023JJ30304)。
为解决移动端和嵌入式设备中苹果叶片病害识别准确率不高、效率低下的问题,提出了一种新的基于MobileNet v3网络的分类模型,以实现更加高效和准确的苹果叶片病害识别。首先通过数据增广方法增强数据集,按照9∶1的比例划分训练集和验证集...
关键词：苹果叶片 病害识别 MobileNet v3 全维动态卷积 ConvNext 深度学习 
基于改进轻量化YOLO v5n的番茄叶片病害识别方法被引量：2
《江苏农业科学》2024年第8期192-199,共8页王娜 陈勇 崔艳荣 胡蓉华 
国家自然科学基金面上项目(编号:62077018)。
针对现有番茄叶片病害识别存在背景复杂、识别准确率低、模型参数量大、计算量大以及难以部署至移动设备或嵌入式设备等问题,提出一种改进的轻量化YOLO v5n的番茄叶片病害识别方法。首先收集细菌性斑疹病、早疫病、晚疫病、叶霉病、斑...
关键词：YOLO v5n 番茄病害识别 轻量化 C3Ghost GSConv VOV-GSCSP PAGCP 
基于改进ShuffleNet v2的轻量化番茄叶片病害识别被引量：3
《江苏农业科学》2024年第3期220-228,共9页李大华 仲婷 王笋 于晓 
国家自然科学基金(编号:61502340);天津市自然科学基金(编号:18JCQNJC01000);天津市教委科研计划(编号:2018KJ133);天津市复杂系统控制理论与应用重点实验室开放基金(编号:TJKL-CATCS-201907);天津理工大学教学基金(编号:YB20-05)。
番茄大面积种植导致叶片部位被病虫害侵蚀面积不一、侵蚀种类多样化等问题,为了满足在资源有限的硬件设备上实现对番茄叶片病害准确识别,提出改进ShuffleNet v2模型。首先对基本单元进行改进,提出SA-stage模块,使模型密切关注叶片相关...
关键词：番茄 叶片病害 病害识别 轻量化 参数量 
全选清除导出
共5页<12345>
检索报告 对象比较 聚类工具 使用帮助 返回顶部