- 年份
- 2024(7172)
- 2023(10477)
- 2022(9138)
- 2021(8565)
- 2020(7131)
- 2019(15964)
- 2018(15717)
- 2017(30126)
- 2016(15760)
- 2015(17164)
- 2014(16109)
- 2013(15099)
- 2012(13038)
- 2011(11365)
- 2010(10727)
- 2009(9721)
- 2008(8549)
- 2007(6768)
- 2006(5287)
- 2005(4106)
- 学科
- 济(55986)
- 经济(55936)
- 管理(46612)
- 业(41497)
- 企(35458)
- 企业(35458)
- 方法(29841)
- 数学(26661)
- 数学方法(26237)
- 财(15298)
- 农(14937)
- 环境(13489)
- 中国(13015)
- 业经(12785)
- 贸(11529)
- 贸易(11524)
- 易(11267)
- 务(10648)
- 财务(10609)
- 财务管理(10590)
- 学(10267)
- 划(10090)
- 企业财务(10021)
- 农业(9816)
- 技术(9632)
- 地方(9621)
- 理论(9417)
- 和(9180)
- 制(8549)
- 银(7144)
- 机构
- 学院(200983)
- 大学(197528)
- 管理(82862)
- 济(78922)
- 经济(77503)
- 理学(73570)
- 理学院(72912)
- 管理学(71456)
- 管理学院(71109)
- 研究(57833)
- 中国(41911)
- 京(38461)
- 科学(36652)
- 财(34532)
- 业大(31356)
- 农(30380)
- 财经(29200)
- 中心(28901)
- 江(26932)
- 经(26855)
- 所(26237)
- 范(24686)
- 经济学(24563)
- 研究所(24478)
- 师范(24421)
- 农业(24056)
- 经济学院(22446)
- 北京(22345)
- 财经大学(22163)
- 技术(21964)
- 基金
- 项目(153203)
- 科学(122277)
- 基金(113404)
- 研究(110407)
- 家(98935)
- 国家(98174)
- 科学基金(86589)
- 社会(72051)
- 社会科(68466)
- 社会科学(68452)
- 省(61087)
- 基金项目(60676)
- 自然(57202)
- 自然科(55944)
- 自然科学(55932)
- 自然科学基金(54887)
- 教育(51656)
- 划(50529)
- 资助(45169)
- 编号(44418)
- 重点(34270)
- 创(33497)
- 部(33361)
- 成果(32636)
- 发(32346)
- 创新(31274)
- 国家社会(30572)
- 科研(30507)
- 教育部(29240)
- 人文(29099)
共检索到261948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] 华中农业大学学报
[作者]
满超 饶元 张敬尧 乔焰 王胜和
为解决田间复杂环境下小样本黄瓜叶片病害识别中模型泛化能力差、识别准确率不高的问题，将自注意力机制模块引入激活重建生成对抗网络AR-GAN(activation reconstruction GAN)，采用Smooth L1正则化作为损失函数，设计改进激活重建生成对抗网络IAR-GAN(Improved AR-GAN)增广黄瓜叶片病害图像。通过在Inception网络基础上加入空洞卷积和形变卷积，设计空洞和形变卷积神经网络DDCNN (dilated and deformable convolutional neural network)用于黄瓜叶片病害识别。试验结果显示，提出的IAR-GAN有效缓解了过拟合现象，丰富了生成样本的多样性；所提出的DDCNN对黄瓜炭疽病、斑靶病和霜霉病的平均识别准确率均达到96%以上，比Inception-V3模型提高了9百分点。以上结果表明，本研究提出的数据增广方法和病害识别模型可为复杂环境下小样本的作物叶部病害的准确识别提供新思路。
[期刊] 南京农业大学学报
[作者]
李小祥 张洁 秦柯贝 张泽潇
[目的]本研究旨在开发一种准确检测识别苹果叶片病害的轻量化模型方法。[方法]构建了一个自然复杂场景下的包含15 190张高质量RGB图像的苹果叶片病害数据集ALD6，涵盖了实际生产中最为常见的5种病害类型和一个健康对照类。其次，提出了一个基于YOLOv8s改进的高效苹果叶片病害检测模型，称为ADDN-YOLO。用BoT替换了部分C2f结构以更好地捕捉图像中的全局和局部更丰富的信息，提高模型的特征提取能力，同时降低计算开销；设计了更轻量化的检测头降低了模型复杂性，更易部署于硬件设备上；引入MPDIoU损失函数优化了原CIoU对目标尺寸变化不敏感的问题，更加全面地考虑目标的位置和尺寸差异信息，提高目标的定位能力。[结果]最终在自制ALD6数据集上获得了94.9%的mAP，相较原始基准模型提高了0.7%的精度，计算量和模型大小比基准模型降低了35.6%和35.5%。模型大小为13.8 MB，模型推理速度为175.7 FPS。[结论]实验结果表明所提出的ADDN-YOLO算法在准确性和降低模型复杂性方面都具有明显优势，可以为自然场景下苹果叶片病害的高效、准确检测识别提供可靠的理论支持。
[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] 沈阳农业大学学报
[作者]
张芳 王璐 付立思 田有文
为了减少黄瓜叶部病害给农业生产者带来的损失,提高病害的识别率和精度,提出一种基于支持向量机的复杂背景下的黄瓜叶部病害的识别方法。采用K-均值聚类算法和LOG算子等理论,并提出一种基于超像素(super pixel)和形状上下文(shape context)的复杂背景下的黄瓜叶片图像分割算法,将黄瓜病害叶片从复杂背景中成功地分离出来;采用分水岭等算法将病斑从黄瓜病害叶片中分割出来;再根据病斑的特点,分别为黄瓜白粉病和霜霉病提取了颜色、形状、纹理3个方面的比较典型的特征参数;分别建立了黄瓜叶片白粉病检测器和黄瓜叶片霜霉病检测器,将黄瓜叶片病害检测器分为2部分,第1部分为病斑检测器,第2部分是根据病...
[期刊] 实验技术与管理
[作者]
刘伟发 李晓欢 赵中华 郭庆 唐欣 周文杰
针对实验教学中由于实验内容多样、数据样本严重不足,难以通过传统深度学习方法对学生实验报告中的图像数据进行自动评估问题,提出一种基于改进关系网络的实验数据小样本分类评估方法。该方法将图像分类思想与改进关系网络相结合建立分类评估模型。首先通过注意力残差块构建特征提取模块,用于提取输入实验图像的特征向量;再将标记样本和查询样本的特征向量输入关系模块,通过二者的相似性得分获得查询样本的对应类别,从而实现对实验图像的评估。实验结果表明,在5-way 1-shot、5-way 5-shot条件下,该模型在mini-ImageNet数据集上的分类准确率分别提升了4.5%和1.91%,在CUB数据集上分别提升1.54%和1.03%。该模型基于学校实验室实验数据在5-way 1-shot、5-way 5-shot条件下,分别实现了61.01%和68.91%的分类评估准确率。
[期刊] 情报理论与实践
[作者]
巩永强 王超 王锐 许海云 方曙
[目的/意义]基于专利对创新链多个环节和主体的作用和影响对核心专利进行识别，消除了仅依据专利数据在单一维度开展相关研究的局限性和片面性，识别结果对于学科和产业发展具备一定的价值和意义。[方法/过程]在创新链的理论框架下，基于专利对领域内的基础研究、应用研究和产业应用发展的支撑和推动作用构建专利影响力模型，依据专利被相同领域论文、专利的引用行为和与同领域产品间的对应关系建立复杂网络，通过关键节点的筛选识别技术领域中的核心专利。[结果/结论]复杂网络可以反映专利对于基础研究、应用研究和产业应用的功效和作用，基于网络特征可识别出在创新链中具备较高影响力的核心专利。
关键词：
创新链 复杂网络 核心专利 多源数据
[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] 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] 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] 沈阳农业大学学报
[作者]
陶兆胜 石鑫宇 王勇 伍毅 吴浩
为了解决现有的农作物病害检测方法对不同番茄叶片病害检测的精度低、效果差的问题，提出一种基于YOLOv5网络模型改进的番茄叶片病害检测模型YOLOv5s-TLD。首先在原YOLOv5s模型的Backbone中构建DCAM注意力机制模块，通过制定双通道注意力和空间注意力机制加强模型对番茄叶片病理特征的提取能力，并减弱模型受复杂背景特征的影响，以提高模型对不同种类病害的检测精度和分类精度；然后应用融合Swin Transformer的C3STR模块替换原网络第6层的C3模块，强化模型在多尺度上建模的能力，实现模型对小尺寸的番茄叶片病害残差特征的高精度学习；再运用BiFPN加权双向特征金字塔网络替换原YOLOv5模型Head的PANet路径聚合网络，该网络采用跨尺度特征融合和可学习权重的方式融合模型不同层次的特征，在增强网络的特征融合能力的同时使网络获得更多的特征信息，以提高模型的感受野和特征表达能力；最后进行不同模型的检测对比试验，并在实际复杂场景下进行番茄叶片病害检测试验。试验结果表明：YOLOv5s-TLD模型平均精度均值和召回率分别为97.7%和96.3%，较原YOLOv5s模型平均精度均值和召回率分别提高1.9个百分点和2.5个百分点。该模型具有良好的检测精度和检测效果，且该模型在背景复杂的实际种植环境下能够准确地检测并识别不同种类的番茄叶片病害，研究结果可为农业智能管理和番茄叶片病害检测技术的实际应用提供参考。
[期刊] 南京农业大学学报
[作者]
沈其荣 徐国华 潘文辉 曹翠玉 余玲
用１５Ｎ示踪法研究了黄瓜中、下位叶片不同营养组合配施后１５Ｎ［（１５ＮＨ４）２ＳＯ４］进入黄瓜体内的速率、运移途径及利用效率。结果表明：黄瓜叶片能有效地吸收营养元素并将其迅速转移，不同叶位施肥，植株吸收的１５Ｎ在体内的运移主要发生在处理后７２ｈ之内，并且绝大部分转移至新生长点，老叶中１５Ｎ回收很少。叶面施用硫酸铵肥料的氮素在黄瓜地上部的分配率一般在５０．７％～６１．８％，随吸收时间延长，黄瓜营养体体积增大幅度（中位叶处理）有所提高。与单施氮肥相比，不同叶面营养组合配施均有明显提高氮素回收率和改善黄瓜地上部氮素营养的作用，尤以中位叶（第５叶）配施Ｎ＋ＰＫ＋微量元素（Ｃｕ＋Ｚｎ＋Ｆｅ＋Ｍｎ）＋天然...
[期刊] 湖南农业大学学报(自然科学版)
[作者]
方文博 郭永刚 关法春 张伟 刘倩倩 王树文 张正超 于皓然
鉴于对大豆叶片虫洞进行识别有助于及时发现虫情并有针对性的防治虫害，提出了一种大豆叶片虫洞的识别方法：以YOLO v5s网络作为基础，在大豆叶片虫洞特征提取过程中引入空洞卷积代替3次池化处理，提取虫洞边缘不规则信息；将特征信息输入空间注意力机制，提取时空融合信息，进而捕获野外不同背景下的颜色信息；针对大豆叶片虫洞目标远近不一的问题，重构特征金字塔结构，增加了1层输出层,将80像素×80像素输出特征图经过上采样后得到160像素×160像素特征图，并将其与浅层同尺寸特征图进行拼接，提高虫洞目标识别定位的准确性；将融合后的总特征输入目标检测模块，输出单个对象的检测外框，得到大豆叶片虫洞识别模型。在大豆叶片虫洞样本数据集上对模型进行测试，结果对大豆叶片虫洞的平均识别准确率最高达95.24%，模型存储空间为15.1 MB，每秒传输91帧。所建立的方法与Faster R–CNN、YOLO v3、YOLO v5s对比，对大豆叶片虫洞识别的平均准确率分别提高2.50%、12.13%、2.81%。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
方文博 郭永刚 关法春 张伟 刘倩倩 王树文 张正超 于皓然
鉴于对大豆叶片虫洞进行识别有助于及时发现虫情并有针对性的防治虫害，提出了一种大豆叶片虫洞的识别方法：以YOLO v5s网络作为基础，在大豆叶片虫洞特征提取过程中引入空洞卷积代替3次池化处理，提取虫洞边缘不规则信息；将特征信息输入空间注意力机制，提取时空融合信息，进而捕获野外不同背景下的颜色信息；针对大豆叶片虫洞目标远近不一的问题，重构特征金字塔结构，增加了1层输出层,将80像素×80像素输出特征图经过上采样后得到160像素×160像素特征图，并将其与浅层同尺寸特征图进行拼接，提高虫洞目标识别定位的准确性；将融合后的总特征输入目标检测模块，输出单个对象的检测外框，得到大豆叶片虫洞识别模型。在大豆叶片虫洞样本数据集上对模型进行测试，结果对大豆叶片虫洞的平均识别准确率最高达95.24%，模型存储空间为15.1 MB，每秒传输91帧。所建立的方法与Faster R–CNN、YOLO v3、YOLO v5s对比，对大豆叶片虫洞识别的平均准确率分别提高2.50%、12.13%、2.81%。
[期刊] 中国农业大学学报
[作者]
刘拥民 刘翰林 石婷婷 欧阳金怡 黄浩 谢铁强
为了及时准确的识别番茄叶片病害，提高番茄产量，提出了一种优化的Swin Transformer番茄病害识别方法，该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息；结合Mixup混合增强算法，在预处理阶段对图像特征信息进行增强；并采用迁移学习在增强番茄叶片病害数据集上进行训练和优化Swin Transformer模型，以此实现精准的番茄叶片病害识别。结果表明：1)优化的Swin Transformer模型对番茄叶片病害识别准确率达到98.40%;2)在相同训练参数下，本研究模型比原Swin Transformer、VGG16、AlexNet、GoogLeNet、ResNet50、MobileNetV2、ViT和MobileViT模型准确率提高了0.70%～1.91%,且能快速收敛；3)本研究模型中加入的Mixup混合增强算法极大地提高了番茄叶片病害的识别准确率，比现有的常见方法性能更加优越，并且鲁棒性强。因此，本研究提出的新模型能够更加准确的识别番茄叶片病害。
[期刊] 沈阳农业大学学报
[作者]
孟祥南 张迪 范海延 于洋 崔娜 宋铁峰
以黄瓜幼苗的叶片为材料,分别采用酚提取法、盐提法、尿素提取法和真空渗透提取法分离细胞壁蛋白,比较不同提取方法的提取效果,以期为黄瓜细胞壁蛋白质组学研究的开展奠定基础。结果表明:盐提法的蛋白产率最高,尿素提取法次之,真空渗透提取法和酚提取法的蛋白产率较低;采用六磷酸葡萄糖脱氢酶活性测定法检测细胞质蛋白的污染率,其中,真空渗透提取法获得的细胞壁蛋白污染率最低(1.07%),其次为盐提法(2.17%),而酚提法和尿素提取法的污染率分别高达25.90%和2.60%;SDSPAGE电泳分析表明盐提法的蛋白条带清晰,且细胞质中高丰度蛋白Rubisco的条带不明显。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
