- 年份
- 2024(9319)
- 2023(13534)
- 2022(11980)
- 2021(11290)
- 2020(9418)
- 2019(21802)
- 2018(21673)
- 2017(41496)
- 2016(22505)
- 2015(25274)
- 2014(25031)
- 2013(24462)
- 2012(22159)
- 2011(19653)
- 2010(19274)
- 2009(17278)
- 2008(16270)
- 2007(13696)
- 2006(11514)
- 2005(9477)
- 学科
- 济(83648)
- 经济(83560)
- 管理(63550)
- 业(59863)
- 企(50494)
- 企业(50494)
- 方法(43823)
- 数学(38435)
- 数学方法(37835)
- 农(22199)
- 财(21526)
- 中国(20483)
- 学(20192)
- 业经(18630)
- 地方(16134)
- 理论(15136)
- 农业(14949)
- 贸(14457)
- 贸易(14447)
- 务(14360)
- 财务(14286)
- 财务管理(14258)
- 技术(14130)
- 和(14093)
- 易(14012)
- 环境(13778)
- 制(13653)
- 企业财务(13498)
- 划(12043)
- 银(11449)
- 机构
- 大学(309611)
- 学院(307247)
- 管理(125232)
- 济(114879)
- 经济(112331)
- 理学(110238)
- 理学院(109022)
- 管理学(106737)
- 管理学院(106210)
- 研究(98642)
- 中国(71001)
- 科学(65504)
- 京(65362)
- 农(52350)
- 业大(51482)
- 财(50622)
- 所(48514)
- 中心(46146)
- 研究所(45107)
- 江(42542)
- 财经(41970)
- 农业(41219)
- 范(40691)
- 北京(40594)
- 师范(40245)
- 经(38449)
- 院(36786)
- 州(34942)
- 技术(34003)
- 经济学(33767)
- 基金
- 项目(227310)
- 科学(178027)
- 基金(164977)
- 研究(161521)
- 家(145399)
- 国家(144247)
- 科学基金(124160)
- 社会(99606)
- 社会科(94302)
- 社会科学(94274)
- 省(89071)
- 基金项目(88521)
- 自然(84234)
- 自然科(82262)
- 自然科学(82239)
- 自然科学基金(80728)
- 划(75655)
- 教育(75249)
- 资助(67943)
- 编号(65534)
- 重点(51001)
- 成果(50941)
- 部(49310)
- 发(47326)
- 创(47319)
- 课题(44601)
- 科研(44305)
- 创新(44140)
- 计划(42481)
- 大学(42398)
- 期刊
- 济(114714)
- 经济(114714)
- 研究(82175)
- 学报(54752)
- 中国(52643)
- 科学(48466)
- 农(46221)
- 管理(44170)
- 大学(41541)
- 学学(39287)
- 财(38023)
- 教育(34704)
- 农业(32410)
- 技术(28136)
- 融(20648)
- 金融(20648)
- 业经(19699)
- 财经(19319)
- 经济研究(18064)
- 图书(16790)
- 业(16670)
- 经(16399)
- 科技(16276)
- 版(15498)
- 业大(14975)
- 问题(14947)
- 理论(14751)
- 技术经济(14349)
- 资源(14276)
- 林业(14182)
共检索到420887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] 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] 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] 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] 南京农业大学学报
[作者]
周罕觅 陈佳庚 代智光 马林爽 秦龙 李纪琛 苏裕民 向友珍
[目的]快速、准确识别植物病害并及时防护是保障作物产量的重要措施。针对现有植物病害识别方法模型参数大、田间复杂背景下识别准确率低的问题，本研究提出一种基于改进ShuffleNetV2的轻量化植物叶病识别模型LWCR-Net（Lightweight Crop Recognition Network）。[方法]首先，在基本特征提取模块中引入残差连接，解决梯度消失问题，使模型能够学习到更复杂的特征表示；然后，引入了CBAM（Convolutional Block Attention Module）注意力机制模块，以增强特征提取和模型利用能力；最后，采用DenseNet121作为教师模型，LWCR-Net作为学生模型，并利用知识蒸馏策略对模型进行训练，以进一步提升模型性能。[结果]试验结果表明，轻量化植物叶病识别模型LWCR-Net的模型大小为2.44 MB；F1值和准确率分别为95.49%和96.16%，较原模型提高了4.89%和3.96%。与DenseNet121、ResNet34、MobileNetV3等其他经典网络对比，LWCR-Net模型不仅达到了较高的识别准确率，且模型参数量较少。[结论]该研究提出的LWCR-Net模型能够实现在田间复杂背景下对植物叶病的准确识别，且模型所需内存较小，方便部署到移动端，为植物叶病智能诊断提供参考。
[期刊] 北京林业大学学报
[作者]
刘念 阚江明
基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Ｇａｂｏｒ滤波和灰度共生矩阵方法得到。而形状特征向量由Ｈｕ氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用＂ｄｒｏｐｏｕｔ＂方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法，在Ｆｌａｖｉａ数据库中，对３２种叶片的识别率为９９．３７％；在ｉＣｌ数据库中，对２２０种叶片的识别率为９３．９３９％。这表明相比一般的叶．．．
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
黄林 贺鹏 王经民
【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统...
[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] 浙江林学院学报
[作者]
祁亨年 寿韬 金水虎
植物的数量分类的主要依据是植物的外观特征,通过提取大量特征数据进行聚类分析获得结果。传统做法都是手工测量采集原始数据,效率较低。由于外观特征都可以以数字图片方式获得,通过计算机图像处理分析等技术采集数据并做聚类分析将大大提高效率。关键问题在于特征自动分析和获取,以植物叶片为例,阐述了如何提取大小、叶形及叶缘特征的方法,改进了圆形度参数的定义。提出了计算机辅助植物识别(CAPI)的概念,并对其前景做了讨论和展望。图3参8
[期刊] 中国农业大学学报
[作者]
马晓丹 关海鸥 祁广云 左豫虎 金宝石
为避免农作物病害智能诊断过程中人为主观因素的影响,客观准确的表达叶片信息,利用数字图像处理技术和农业植保专家知识相结合,设计了适合于大田作物的植物叶片图像处理与分析系统。该系统主要包括植物叶片几何失真校正模块,几何特征计算模块、颜色识别模块以及病害区域识别模块;以校正后非线性失真现象的叶片图像为基础,实现了叶片几何特征值和颜色值的计算,并提取其病斑区域图像。试验结果表明,该方法满足病害智能诊断要求,具有良好的适应性和实用性。
[期刊] 沈阳农业大学学报
[作者]
王洋 肖文 邹焕成 陆婧楠 曹英丽 于丰华
为了快速、准确估测植物叶片干物质含量,为作物长势及健康状况监控提供数据支撑,利用光谱分析技术探讨了干物质含量敏感光谱波段提取方法及其估测建模方法。试验数据由叶片辐射传输模型PROSPECT在干物质含量(0.0010.02)g·cm(-2)范围内进行模拟,随机产生1000条4002500nm的光谱曲线,其中600条光谱曲线用于建模研究、400条光谱曲线作为模型验证数据,同时应用叶片光学特性数据库LOPEX93中325条叶片光谱-干物质含量数据进行进一步验证。首先应用试验数据进行局部敏感性分析,初步得到叶片干
[期刊] 沈阳农业大学学报
[作者]
张静 王双喜 董晓志 程鹏飞
为了实现温室病害的智能化防治,深入研究了植物病害图像处理中基于叶片纹理的特征值提取方法。通过对温室黄瓜斑疹病和角斑病的处理研究发现,利用灰度共生矩阵方法提取出来的惯性值是识别这两种病害较好的特征参量之一。
关键词：
图像处理 植物病害 温室 纹理特征
[期刊] 林业科学
[作者]
张善文 张传雷 王旭启 周争光 张雅丽
无论对于农业信息化还是对于生态保护,研究植物识别都是非常必要的。基于植物叶片的植物识别方法一直是植物学中的一个重要研究方向。植物叶片的颜色、形状、纹理等特征都可以用来作为识别依据(杜吉祥,2005;纪寿文等,2002;王晓峰等,
[期刊] 林业科学
[作者]
乐通潮 张会儒 谭芳林
利用GIS的空间分析功能和影像自动分类原理,在软件ArcGIS10中构建"叶片信息测定器",并利用此工具测定50个不同类型参照面的面积、周长、长度和宽度,来验证自动分类法的可行性和精度。结果表明:面积、周长、长度和宽度的相对误差小于1.3%。分别采用自动分类法、网格法和Photoshop法测定福建漳江口红树林国家级自然保护区的6种不同红树植物叶片(桐花树、白骨壤、老鼠簕、秋茄、黄槿和木榄叶片样本各150个,共900个样本)的面积、周长、叶长和叶宽等叶片信息。结果表明:木榄叶片最大,白骨壤叶片最小,桐花树和白骨壤的叶片大小较为均一,木榄和老鼠簕的叶形较为狭长,黄槿的叶形最接近圆形;自动分类法最为...
关键词：
叶片信息 自动分类法 模型构建器 红树林
[期刊] 清华大学学报(自然科学版)
[作者]
刘琼 李宗贤 孙富春 田永鸿 曾炜
针对基于卷积神经网络的图像识别采用随机初始化网络权值的方法易收敛到局部最优值的问题,该文提出了一种结合无监督和有监督学习的网络权值预训练算法。融合零成分分析白化与深度信念网络预学习得到的特征,对卷积神经网络权值进行初始化;通过卷积、池化等操作,对训练样本进行特征提取并使用全连接网络对特征进行分类;计算分类损失函数并优化网络参数。在公开图像数据库中进行了大量实验,与公开最佳算法比较,该算法在MNIST中的识别错误率降低了0.1%,在Caltech101中的分类准确率提升了0.56%,验证了该算法优于现有算法。
关键词：
深度信念网络 图像识别 卷积神经网络
[期刊] 北京林业大学学报
[作者]
沈芳芳 樊后保 吴建平 刘文飞 雷学明 雷学臣
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
