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=浙江农业学报x
共 条 记 录，以下是1-7
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
融合沙漏结构与改进坐标注意力的轻量级番茄叶片病害识别模型
《浙江农业学报》2025年第1期217-230,共14页谷瑞 宋翠玲 钱春花 
2023年江苏省高职院校教师专业带头人高端研修项目(2023TDFX010);苏州市科技计划(SNG2023005);江苏现代农业产业技术体系项目(JATS-2023-348)。
针对现有番茄叶片识别模型参数量大、计算复杂度高,推理时间长,难以部署在资源受限的移动设备上的问题,本文提出一种轻量级识别网络SG-ICA-MobileNetV3。首先,引入沙漏结构对MobileNetV3Small的倒残差块进行改造,在高维空间建立特征转...
关键词：沙漏结构 SG-ICA-MobileNetV3 坐标注意力 番茄 叶片 病害识别 
基于对比学习的植物叶片病害识别
《浙江农业学报》2024年第1期215-224,共10页杨新宇 冯全 张建华 杨森 
国家自然科学基金(32160421,31971792,32201663);甘肃省高等学校产业支撑计划(2021CYZC-57)。
目前,基于图像处理的植物病害识别多依赖于人工标注的卷积神经网络。本文基于自监督对比学习不依赖标签和大量数据即可实现独自学习的优势,研究了MoCo-v2、DeepCluster-v2、SwAV、BYOL这4种对比学习方法对植物叶片病害的识别效果,通过...
关键词：对比学习 病害识别 图像处理 
基于CA-MobileNet-V2的核桃病害识别与应用被引量：1
《浙江农业学报》2023年第12期2977-2987,共11页李荣鹏 买买提·沙吾提 盛艳芳 何旭刚 
新疆自然科学计划(自然科学基金)联合基金项目(2021D01C055)。
病害侵袭是制约核桃优质发展的重要因素之一,为实现田间智能化病害识别,设计了一款核桃病害识别模型。该模型采用Mobilenet-V2作为基础网络骨架,在倒残差结构中添加坐标注意力机制,解决特征提取时位置信息缺失的问题。此外,设计混合迁...
关键词：核桃病害 坐标注意力机制 混合迁移 安卓应用程序 
基于知识蒸馏和模型剪枝的轻量化模型植物病害识别被引量：3
《浙江农业学报》2023年第9期2250-2264,共15页刘媛媛 王定坤 邬雷 黄德昌 朱路 
国家自然科学基金(61967007,61963016);江西省重点研发计划重点项目(20201BBF61012)。
深度学习为植物病害识别提供了新方法,但是目前大多数深度学习模型的参数众多,难以在存储和计算资源受限的智能手机或嵌入式传感器节点等边缘设备上使用。为此,以植物叶片为研究对象,基于知识蒸馏和模型剪枝方法开展基于轻量化模型的植...
关键词：病害识别 模型剪枝 知识蒸馏 学习率倒带 残差网络 
基于剪枝的植物病害识别方法被引量：1
《浙江农业学报》2023年第6期1462-1472,共11页朱冬琴 冯全 张建华 
国家自然科学基金(32160421,31971792);甘肃省教育厅产业支撑项目(2021CYZC-57)。
为实时自动检测植物病害,需要将病害识别模型部署在边缘/移动设备上,但是,目前在病害识别领域具有优越性能的深度卷积神经网络因受模型体积和计算资源的限制,无法直接进行部署。为解决这个问题,提出基于剪枝的病害识别方法,该方法利用B...
关键词：卷积神经网络 病害识别 剪枝 模型压缩 
基于多尺度和注意力机制的番茄病害识别方法被引量：19
《浙江农业学报》2021年第7期1329-1338,共10页张宁 吴华瑞 韩笑 缪祎晟 
国家自然科学基金(61871041);国家大宗蔬菜产业技术体系岗位专家项目(CARS-23-C06);石家庄市科学技术研究与发展项目(201490074A)。
番茄病害的及时发现与治理有助于提高番茄产量与质量,增加农户经济收益。利用物联网和人工智能可以无损害有效检测番茄病害,该研究提出了一种改进的AT-InceptionV3(Attention-InceptionV3)神经网络番茄叶部病害检测模型,该网络以Incepti...
关键词：番茄 多尺度卷积 注意力机制 迁移学习 病害识别 
基于物联网和深度卷积神经网络的冬枣病害识别方法被引量：9
《浙江农业学报》2017年第11期1868-1874,共7页张善文 黄文准 尤著宏 
国家自然科学基金项目(61473237);陕西省自然科学基础研究计划(2016GY-141)
针对传统的作物病害识别方法中人为提取的分类特征,对复杂作物病害图像的形状、光照和背景比较敏感等问题,提出一种基于物联网和深度卷积神经网络(DCNN)的冬枣病害识别方法。DCNN由1个输入层、4个卷积层、3个下采样层、1个全连接层和1...
关键词：冬枣病害识别 冬枣病害图像 深度卷积神经网络(DCNN) 特征提取 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部