- 年份
- 2024(4977)
- 2023(7185)
- 2022(6171)
- 2021(5813)
- 2020(4935)
- 2019(11434)
- 2018(11214)
- 2017(21818)
- 2016(11388)
- 2015(12563)
- 2014(12069)
- 2013(11467)
- 2012(10151)
- 2011(8721)
- 2010(8004)
- 2009(6925)
- 2008(6087)
- 2007(4722)
- 2006(3468)
- 2005(2615)
- 学科
- 济(43335)
- 经济(43295)
- 管理(32247)
- 业(30882)
- 企(26244)
- 企业(26244)
- 方法(25430)
- 数学(23204)
- 数学方法(22868)
- 财(11328)
- 农(10471)
- 中国(9340)
- 业经(9245)
- 贸(8264)
- 贸易(8262)
- 易(8093)
- 务(7741)
- 财务(7707)
- 财务管理(7690)
- 技术(7531)
- 企业财务(7319)
- 学(7033)
- 农业(6988)
- 地方(6822)
- 理论(6593)
- 和(6428)
- 环境(6280)
- 制(6049)
- 划(5733)
- 产业(5228)
- 机构
- 大学(146455)
- 学院(145995)
- 管理(62976)
- 济(59698)
- 经济(58744)
- 理学(56294)
- 理学院(55778)
- 管理学(54726)
- 管理学院(54453)
- 研究(41605)
- 中国(29730)
- 京(28163)
- 科学(26121)
- 财(25582)
- 业大(23990)
- 农(22879)
- 财经(21841)
- 中心(21288)
- 经(20263)
- 江(18987)
- 经济学(18929)
- 所(18292)
- 农业(18083)
- 经济学院(17384)
- 研究所(17238)
- 范(17208)
- 师范(17013)
- 财经大学(16900)
- 经济管理(16754)
- 商学(16440)
- 基金
- 项目(115079)
- 科学(92583)
- 基金(87022)
- 研究(81133)
- 家(76256)
- 国家(75709)
- 科学基金(67126)
- 社会(53614)
- 社会科(51031)
- 社会科学(51019)
- 基金项目(46925)
- 自然(45181)
- 省(44730)
- 自然科(44226)
- 自然科学(44216)
- 自然科学基金(43420)
- 教育(38228)
- 划(37487)
- 资助(34494)
- 编号(31404)
- 部(25790)
- 重点(25689)
- 创(25210)
- 发(23729)
- 创新(23581)
- 国家社会(23149)
- 科研(23113)
- 成果(22857)
- 教育部(22697)
- 人文(22197)
共检索到185950条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 南京农业大学学报
[作者]
赵兵 冯全
[目的]本文旨在解决不同光照和复杂背景下葡萄病害叶片图像的自动分割。[方法]使用了一种全卷积网络(FCN)的葡萄病害叶片图像的自动分割算法。该算法在结构上将传统的卷积神经网络(CNN)后3个全连接层换成3个卷积层。通过多层的卷积,对输入葡萄叶片图像的特征进行提取;通过池化层,对特征信息进行筛选,缩减特征尺寸,以达到减少网络参数的目的。再通过反卷积对特征上采样,从高维、小尺寸特征恢复到图像原始尺寸,对具有原始尺寸的特征进行逐像素分类,确定原图像中每个像素位置的标签是背景还是前景。因只经过上采样处理后的分割图像会较粗糙,故通过跳跃结构将较为粗糙的原图进行局部信息与整体信息的整合,达到对分割结果进行精细化处理的目的。[结果]本算法对葡萄病害叶片有较好的分割效果,单叶片和复杂多叶片图像的马修斯相互系数(MCC)分别为0.821和0.747,MCC平均值较对比算法提高了6.5%。[结论]本算法能够较精确地分割自然条件下成像的葡萄病害叶片图像,为后续在叶片精准分割病害区域和提取病害特征创造了良好的条件。
[期刊] 北京林业大学学报
[作者]
胡静 陈志泊 杨猛 张荣国 崔亚稷
【目的】植物叶片分割旨在从背景中分割出叶片区域,去除背景对象干扰。这对植物病害识别和物种鉴定具有重大意义。【方法】本文设计了基于全卷积神经网络的植物叶片分割算法。首先,目标函数用对数逻辑函数代替复杂的Softmax多类预测函数,从而将分割任务转化为适合于植物叶片分割的二分类问题;其次,把批归一化技术引入全卷积神经网络,从而改善网络整体的收敛性。最后,针对当前植物叶片分割研究中缺乏评估指标的状况,设计了新的评估协议——受试者工作特征曲线,该曲线反映了不同阈值情况下植物叶片图像分割的召回率与误报率之间的变化情况。【结果】本文提出的算法降低了全卷积神经网络的参数复杂度,改善了网络的收敛性。实验结果表明,该方法比Leafsnap提到的基于颜色的分割方法更完整地分割了植物叶片区域;提出的ROC曲线能够充分评估植物叶片的分割性能。【结论】与传统方法相比,基于深度学习的植物叶片分割方法实现了输入图像的端对端处理,无需图像转换、噪声滤波和形态运算等预处理技术,因此在植物叶片分割上具有可行性。
关键词：
深度学习 全卷积神经网络 植物叶片分割
[期刊] 沈阳农业大学学报
[作者]
王书志 宋广虎 冯全
近几年深度卷积神经网络在很多图像任务,诸如目标检测、图像分类、图像分割等方面得到了广泛应用,在图像分割方面,基于深度学习分割性能已全面超越了传统的分割算法。很多病害都会在葡萄的新梢上产生病症,在图像中准确分割出新梢,可提高病害诊断的精度。为了实现对自然条件下拍摄的葡萄新梢图像的准确分割,用相机、手机分别在不同的光照和环境条件拍摄了葡萄的新稍图像,在制作的训练图像集上对SegNet、FCN和U-NET3种卷积神经网络进行迁移学习,得到3种分割网络模型,分别用这些模型对测试集中不同环境下拍摄的新梢图像进行分割试验。在模型训练的初始阶段设置较大的学习率,以期快速到达最优解附近,随后逐步降低学习率,得到最优解。以人工分割为基准,对3种网络的分割效果进行评价。结果表明:在优选的训练模式下,3种分割网络在标准测试集T1上分割精度(MCC)达到83.58%、93.85%和89.44%,对于标准测试集T1和T2中的阴天图像,3种网络的平均MCC分别比晴天高5.42%、0.73%和0.65%。3种网络中,FCN的总体分割效果最优,在标准测试集T1上的平均分割精度(MCC)分别比SegNet和U-NET高10.27%和4.42%;从人的直观观察也可以看出,FCN分割的葡萄新梢图像轮廓光滑、视觉效果较好。光照对分割效果影响显著,阴天拍摄图像的分割效果整体好于晴天分割效果。在扩展数据集上,3种网络的分割精度均出现一定程度的下降,对于大田条件下(T3)和温室条件下(T4)手机拍摄的图像,FCN的平均分割精度(MCC)依然分别达到78.06%和74.82%,说明FCN的泛化性能较好。
关键词：
自然光照 葡萄新梢 图像分割 深度学习
[期刊] 中国农业大学学报
[作者]
赵金阳 冯全 王书志 张芮
针对不同光照以及不同天气条件造成葡萄叶片图像不能准确分割的问题,提出了一种改进的图割分割算法。采用G/R以及a*颜色特征自动选择叶片目标和背景种子点,利用混合高斯模型对叶片和背景的概率密度分布进行估计;在马尔科夫随机场的基础上,建立像素特征的能量函数;通过求解能量函数最小化对叶片实现了自动分割。对多种不同分割特征的分割效果进行对比试验,结果表明:对于不同时间、不同天气的叶片图像,单一G/R和a*具有较好的效果,分割精度分别达到86.74%和92.38%,若用它们组合为双特征,分割效果会进一步提高,分割精度
关键词：
葡萄叶片 颜色特征 能量函数 图像分割
[期刊] 清华大学学报(自然科学版)
[作者]
宋青松 张超 陈禹 王兴莉 杨小军
常见的道路分割方法往往环境噪声鲁棒性不足并且分割边缘不够平滑。针对该问题,提出了一种组合全卷积神经网络和全连接条件随机场的道路分割方法。首先,利用深度神经网络良好的特征表征能力,将道路分割视为一个二分类问题,构建一个基于VGG_16深度卷积网络的全卷积网络,实现道路图像端到端的路面和背景分类;然后,利用全连接条件随机场能够实现图像精细分割的特点,采用全连接条件随机场对二分类得到的粗糙边缘再进行平滑优化。针对真实环境下采集的道路分割基准数据库的测试结果表明:该方法获得了98.13%的分割准确率以及每0.84s处理1幅图像的分割速度,具有一定的先进性。
[期刊] 北京林业大学学报
[作者]
于慧伶 麻峻玮 张怡卓
【目的】针对卷积神经网络识别植物叶片过程中,叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题,提出了一种双路卷积神经网络的植物叶片识别模型。【方法】模型考虑了叶片信息的边缘形状与内部纹理特征,构建了双路卷积神经网路结构,其中形状特征路径运用7层卷积层的网络结构,前3层采用大尺寸11×11及5×5的卷积核提取大视野特征,完成叶片形状特征提取,另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征;纹理特征路径采用6个3×3卷积核的卷积层,提取叶片纹理图像细节特征;然后通过特征融合层将两类特征相加为融合特征,并利用全连接层对植物叶片种类进行识别。【结果】实验结果表明,双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比,在Flavia叶片数据集与扩充植物叶片数据集上,Top-1识别准确率分别提高到了99. 28%、97. 31%,Top-3识别准确率分别提高到了99. 97%、99. 74%,标准差较其他识别与分类模型下降到0. 18、0. 20。【结论】本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题,可以提高植物叶片的识别准确率。
[期刊] 华中农业大学学报
[作者]
唐恒翱 李杭昊 孙志同 孟江飞 杨博宇 张宏鸣
针对葡萄叶片类间相似度高导致的类内品种分类精度低的问题，构建一种改进的统计纹理残差学习网络（statistical texture residual learning network, STRLNet）的葡萄叶片分类方法。首先在ResNet50骨干网络的基础上添加SE注意力机制，然后构建底层信息的特征增强层，最后将增强后的底层特征与骨干网络提取的高层语义信息相融合，输出连接到用于存储分类特性的全连接层上。利用采集的11种成熟期葡萄叶片数据集进行训练测试，结果显示，STRLNet在提高网络空间性能的同时可充分利用底层特征信息，对构建的葡萄叶片数据集的分类准确率可以达到92.26%，相较于ResNet骨干网络提高了约2.8个百分点，与VGG16、Inception v4和ResNet等主流分类网络相比在葡萄叶片细粒度分类中具有更高的准确性。研究结果表明，在多品种的葡萄叶片分类任务中，改进后的模型相较于骨干网络可以关注到更多的特征信息，相较于主流分类网络模型可以获得更高的分类精度，模型性能得到进一步的提升。
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
宋军阳 于大永 王西平
【目的】对葡萄叶片性状进行数量化研究,以克服文字描述的主观性弊端,为葡萄种质资源分类和育种研究提供参考依据。【方法】以31个葡萄种或品种(系)为材料,首先将叶片各形态指标数量化,然后根据叶片数量化公式,将葡萄叶片形态转化为8个变量并编译成0~9的代码,最后将数据输入计算机,用SPSS 17.0软件进行聚类分析。【结果】获得了葡萄叶片性状数量化的方法,得出了31个葡萄种或品种(系)叶片性状的数量化表达式,分析了此方法在葡萄种质资源和育种研究中应用的可行性。聚类分析结果显示,31个葡萄种或品种(系)大致可以分为3大类,与其遗传背景高度吻合。【结论】葡萄叶片性状数量化表达方法对葡萄育种和种质资源研究...
关键词：
葡萄 叶片 数量化 种质资源分类
[期刊] 中南林业科技大学学报
[作者]
陈伟文 邝祝芳 王忠伟
【目的】研究改进经典卷积神经网络模型AlexNet在番茄叶片病害识别中出现的过拟合问题，使之成为识别精度更高，泛化能力更强的网络模型，达到精准识别番茄叶片病害类型的目的。【方法】AlexNetImproved模型采用数据增强与随机失活部分神经元的方法改进了原始AlexNet网络模型出现的过拟合现象，利用PlantVillage数据库中十种类型的番茄数据为数据集对模型进行训练，选取LeNet模型，原始AlexNet模型，VGG16模型作为对比网络模型，采用5种常用的评估指标来评估改后的模型，即混淆矩阵，准确率，精确率，召回率，F1值。与此同时，绘制了训练过程中的训练准确率曲线、验证准确率曲线、训练损失率曲线、验证损失率曲线来直观地显示模型的性能，最后用改进后的网络模型AlexNet-Improved训练所得的权重文件对具体番茄病害叶片进行识别。【结果】1）改进的模型AlexNet-Improved在150个epoch的训练过程中，其训练效果比其他网络模型更好，原AlexNet模型的过拟合问题经过改进后得到了很大的改善。2)AlexNet-Improved的混淆矩阵数据显示，改进后的模型正确识别出的总番茄病害样本数量比其他网络模型更多。3)AlexNet-Improved模型准确率为95.8%，比原模型高2.4%,F1值比原模型高3%。4）具体案例分析发现，改进的模型AlexNetImproved可以准确识别出叶片所患病害类型。【结论】在原AlexNet模型的基础上，通过使用翻转、裁剪操作扩增数据集，在全连接层使用Dropout层随机失活50%的神经元后，改进的模型AlexNet-Improved比其他模型在训练效果、准确性和具体番茄叶片病害识别上均有更好的表现。
[期刊] 北京林业大学学报
[作者]
张帅 淮永建
深度学习已成为图像识别领域的研究热点。本文以植物叶片图像识别为研究对象，对单一背景和复杂背景图像分别给出了优化预处理方案；设计了一个８层卷积神经网络深度学习系统分别对Ｐｌ＠ａｎｔ ｎｅｔ叶片库和自扩展的叶片图库中３３ ２９３张简单背景和复杂背景叶片图像进行训练和识别，并与传统基于植物叶片多特征的识别方法进行了比较分析。实验证明：本文提供的Ｃｎｎ＋ＳＶＭ和Ｃｎｎ＋ＳｏｆｔＭａｘ分类器识别方法对单一背景叶片图像识别率高达９１．１１％和９０．９０％，识别复杂背景叶片图像的识别率也能高达３４．３８％，取得了较好的识别效果。利用本文实现的分层卷积深度学习识别系统在数据量大而无法做出更多优化的情况下，叶片．．．
[期刊] 中国农业大学学报
[作者]
张建华 孔繁涛 吴建寨 翟治芬 韩书庆 曹姗姗
为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表明:该模型能有效提取出棉花病害叶片图像的多层特征图像,并通过Relu激活函数的处理更能凸显棉花病害的边缘信息与纹理信息,分辨率为512像素×512像素图像在样本训练与验证试验效果最好。在平均识别准确率方面,本研究模型较BP神经网络、支持向量机、AlexNET、GoogleNET、VGG-16NET效果最好,达到89.51%,实现对棉花的褐斑病、炭疽病、黄萎病、枯萎病、轮纹病、正常叶片的准确区分。该模型在棉花病害识别领域具备良好的分类性能,可实现自然条件下棉花病害的准确识别。
[期刊] 浙江林学院学报
[作者]
邵果园 秦国新 武宇坤 季昆
为了探明温室葡萄Vitis vinifera的最佳留叶量,以4年生无核早红葡萄Vitis vinifera‘Early Scarlet Seedless’为试材,研究结果枝不同叶片数对温室葡萄果实质量、外观品质、可溶性固形物、可滴定酸和成熟期等的影响。结果显示:结果枝留叶16,18,20片时果实的穗质量和粒质量较小,果实鲜红色到深红色,着色差,可溶性固形物质量分数低(分别为137,138和154 g.kg-1),固酸比分别22.31,22.66和28.36,果实品质较差;留叶22片时,果实的穗质量和粒质量明显增加,果实呈紫红色,成熟期提前,可溶性固形物质量分数高达162 g.kg-1,固酸比为...
关键词：
园艺学 葡萄 温室 留叶量 果实品质
[期刊] 农业现代化研究
[作者]
韩艳婷 杨国顺 石雪晖 刘昆玉 熊兴耀
本研究以我国南方近几年广泛种植的优良欧亚种葡萄"红地球("Vitis vinifera L."Red Globe)"为试材,采用营养液砂培法,设Mg2+为0 mmol/L、1 mmol/L、2 mmol/L、3 mmol/L、4 mmol/L、5 mmol/L,研究了葡萄光合特性对镁素用量的响应。结果表明:当镁素水平为0 mmol/L和1 mmol/L时,叶绿体结构受损,叶绿体数和体积减少,基粒数和基粒片层减少,而其他处理条件下无此现象;葡萄幼苗叶片的叶绿素a(Chla)和叶绿素b(Chlb)含量、净光合速率(Pn)、蒸腾速率(Tr)、气孔导度(Gs)、胞间CO2浓度(Ci)均在镁素水平为3 ...
[期刊] 华北农学报
[作者]
宋阳 崔世茂 杜金伟 金丽萍
旨在为葡萄生产栽培提供理论依据,通过氮肥不同施用量处理,研究探讨了氮肥对盆栽葡萄叶片生长及根、叶细胞结构的影响。结果表明,随着氮肥施用量的增加,葡萄叶片的长和宽及其叶面积都呈现增大趋势,叶绿素含量也显著增加,其中,叶绿素a增加显著,而叶绿素b增加不显著,同时,叶绿素荧光量子吸收率显著增加,且与叶绿素a/b值显现出一致的趋势,说明叶绿素俘获光量子与叶绿素a有很大关系。通过切片观察,随着氮肥施用量的增加,DAPI染色后,对叶片细胞核影响不显著,但在根尖部,细胞核数量和染色程度显著增加;经I2-KI染色显示,随着氮肥施用量的增加,葡萄叶片、根尖中淀粉粒积累也呈现增加的趋势。
关键词：
葡萄 氮肥 叶片 根
[期刊] 西南农业学报
[作者]
郭松 舒田 刘春艳 冯恩英 王文静 蒋丹垚
【目的】探明高光谱遥感技术反演葡萄叶片叶绿素含量的可能性，构建葡萄叶片叶绿素含量反演模型，为快速且无损估测葡萄长势提供技术参考。【方法】以西南山区成熟期葡萄叶片为研究对象，同步获取冠层叶片高光谱数据和SPAD值，研究不同分数阶微分光谱（0.0～1.4阶，步长0.2）反演葡萄叶片SPAD值的能力，构建多个基于特征波段和光谱指数的单因素模型及基于连续投影算法的多因素模型。【结果】不同SPAD值葡萄叶片原始光谱曲线整体一致，在可见光区域反射率较低而在近红外区域反射率高；可见光、近红外区域反射率与SPAD值分别呈反比和正比；随着阶数上升，特征波段由近红外向红边靠近，光谱指数由近红外与蓝光组合变更为近红外与绿光组合，单因素模型建模变量相关性呈先升后降趋势，在0.6阶达峰值；除0.6阶与0.8阶外，其余分数阶微分光谱单因素模型建模变量均为DSI；多因素模型优于单因素模型，机器学习算法可提升传统回归模型精度，所有模型以0.6阶下SPA-GA-XGBoost回归模型精度最优，其建模与验证R~(2)分别为0.79和0.75，相应均方根误差（nRMSE）分别为15.54%和14.45%。【结论】分数阶微分变换在葡萄叶片SPAD值反演方面具有较大潜力，特定分数阶下，光谱指数优于特征波段，GA-XGBoost算法能产生较好的建模效果。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
