科研产出
基于卷积神经网络的水稻虫害识别方法
《中国农业科技导报 》 2021 北大核心 CSCD
摘要：为解决人工识别水稻虫害难度大、费时费力的问题,研究了一种自动识别水稻虫害的方法。选取2 500张红袖蜡蝉、稻绿蝽、稻螟蛉、点蜂缘蝽、大螟图片建立数据库,利用深度卷积神经网络提取水稻虫害数据集特征,采用随机梯度下降法训练,得到最优权重文件。测试训练好的模型,并对比Faster-RCNN、SSD和YOLOv3算法的效果。结果表明,YOLOv3算法的平均精度最高,其在红袖蜡蝉、稻绿蝽、稻螟蛉、点蜂缘蝽、大螟5种水稻虫害中分别为97.40%、88.76%、85.74%、92.96%、94.78%,五类水稻虫害mAP为91.93%。与Faster-RCNN算法相比,平均准确率高1.43个百分点,单张图像检测耗时减少853.68 ms;与SSD算法相比,平均准确率高5.56个百分点,单张图像检测耗时减少2.9 ms。选择5类比较具有代表性的水稻虫害图片进行测试,对于叶片遮挡目标和相似背景等情况,YOLOv3算法能够正确识别不会出现漏检错检,且识别准确率大于98%。将YOLOv3算法引入田间复杂情况下的水稻虫害识别是可行的,具有较高的平均准确率以及较快的检测速度,能够准确识别水稻虫害,这对于水稻虫害防治和田间喷药等方面具有重要意义。
关键词： 卷积神经网络 水稻虫害 Faster-RCNN SSD YOLOv3
全文链接
请求原文
牛行为监测技术及分类方法研究进展
《江西农业学报 》 2020
摘要：综述了声音监测技术、机器视觉技术、无线传感网络技术在牛行为监测的研究与应用现状,分析了支持向量机(SVM)、K均值聚类(K-means)、人工神经网络(ANNs)等3种牛行为识别分类算法的优缺点,结果表明:(1)机器视觉技术具有无接触的识别,不外带装置,可以对动物行为进行识别,对牛活动影响小,但对图像视频环境要求苛刻,动物行为识别精准度不高;(2)无线传感器技术应用广、技术成熟,可以监测畜禽采食、反刍、休息、活动等行为,但适合动物穿戴、长期可靠工作的无线网络传感器技术有待突破;(3)支持向量机计算简单,理论完善,所需样本数据少,且识别精度高,分类效果好.人工神经网络算法的学习规则简单,非线性拟合能力较强,但数据不足易出现运算时间长、过学习、容易陷入局部最小值等情况.
关键词： 传感器 机器视觉 行为监测 行为分类 支持向量机 K均值聚类 人工神经网络
全文链接
请求原文
首页上一页1下一页尾页
