- 年份
- 2024(5801)
- 2023(8423)
- 2022(7258)
- 2021(6941)
- 2020(5933)
- 2019(13848)
- 2018(13746)
- 2017(26795)
- 2016(14301)
- 2015(16091)
- 2014(15723)
- 2013(15000)
- 2012(13248)
- 2011(11537)
- 2010(11327)
- 2009(9981)
- 2008(9228)
- 2007(7473)
- 2006(5956)
- 2005(4666)
- 学科
- 济(55429)
- 经济(55379)
- 管理(40570)
- 业(39118)
- 企(33394)
- 企业(33394)
- 方法(32422)
- 数学(29636)
- 数学方法(29023)
- 财(13712)
- 农(13486)
- 中国(12297)
- 业经(11339)
- 理论(9880)
- 务(9472)
- 财务(9420)
- 财务管理(9401)
- 贸(9401)
- 贸易(9394)
- 学(9340)
- 技术(9292)
- 易(9178)
- 农业(8945)
- 企业财务(8889)
- 地方(8875)
- 和(8177)
- 制(7828)
- 环境(7798)
- 划(7464)
- 银(6590)
- 机构
- 学院(189023)
- 大学(186938)
- 管理(78761)
- 济(74405)
- 经济(73046)
- 理学(70034)
- 理学院(69379)
- 管理学(67702)
- 管理学院(67371)
- 研究(54780)
- 中国(39781)
- 京(37158)
- 科学(35299)
- 财(31804)
- 业大(31021)
- 农(30285)
- 中心(26948)
- 财经(26814)
- 江(25700)
- 所(25648)
- 经(24704)
- 农业(23968)
- 研究所(23920)
- 经济学(22999)
- 范(22306)
- 北京(22045)
- 师范(22040)
- 技术(21423)
- 经济学院(20994)
- 经济管理(20947)
- 基金
- 项目(142476)
- 科学(113312)
- 基金(105017)
- 研究(100729)
- 家(92223)
- 国家(91515)
- 科学基金(80344)
- 社会(63818)
- 社会科(60689)
- 社会科学(60673)
- 省(56894)
- 基金项目(55772)
- 自然(54637)
- 自然科(53475)
- 自然科学(53461)
- 自然科学基金(52461)
- 教育(48535)
- 划(47410)
- 资助(43562)
- 编号(40286)
- 重点(32064)
- 部(31274)
- 创(31000)
- 成果(30000)
- 发(29662)
- 创新(28904)
- 科研(28151)
- 教育部(27227)
- 课题(27082)
- 大学(26975)
共检索到246695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] 西北农林科技大学学报(自然科学版)
[作者]
孙道宗 刘欢 刘锦源 丁郑 谢家兴 王卫星
【目的】提出了一种改进的YOLOv4模型,为自然环境下3种常见茶叶病害(茶白星病、茶云纹叶枯病和茶轮斑病)的快速精准识别提供支持。【方法】使用Mobile Netv2和深度可分离卷积来降低YOLOv4模型的参数量,并引入卷积注意力模块对YOLOv4模型进行识别精度改进。采用平均精度、平均精度均值、图像检测速度和模型大小作为模型性能评价指标,在相同的茶叶病害数据集和试验平台中,对改进YOLOv4模型与原始YOLOv4模型、其他目标检测模型(YOLOv3、SSD和Faster R-CNN)的病害识别效果进行对比试验。【结果】与原始YOLOv4模型相比,改进YOLOv4模型的大小减少了83.2%,对茶白星病、茶云纹叶枯病和茶轮斑病识别的平均精度分别提高了6.2%,1.7%和1.6%,平均精度均值达到93.85%,图像检测速度为26.6帧/s。与YOLOv3、SSD和Faster R-CNN模型相比,改进YOLOv4模型的平均精度均值分别提高了6.0%,13.7%和3.4%,图像检测速度分别提高了5.5,7.3和11.7帧/s。【结论】对YOLOv4模型所使用的改进方法具备有效性,所提出的改进YOLOv4模型可以实现对自然环境下3种常见茶叶病害的快速精准识别。
[期刊] 华中农业大学学报
[作者]
姜晟 曹亚芃 刘梓伊 赵帅 张振宇 王卫星
针对茶园复杂背景下茶叶叶部病害识别较为困难的问题，提出一种基于改进Faster RCNN算法的茶叶叶部病害识别方法。通过对优化区域建议框的特征提取网络VGG-16、mobilenetv2和ResNet50进行比较，选择识别效果较好的ResNet50作为骨干网络，增加模型在茶园复杂背景下对茶叶叶部病害特征的提取能力；融入特征金字塔网络（feature pyramid network,FPN）改善小目标漏检问题和病斑的多尺度问题；采用Rank&Sort(RS) Loss函数代替原Faster RCNN中的损失函数，缓解样本分布不均给模型带来的性能影响，进一步提高检测精度。结果显示：改进模型平均精度均值P_(mA)为88.06%，检测速度为19.1帧/s，对藻斑病、白星病、炭疽病、煤烟病识别平均精度分别为75.54%、86.84%、90.42%、99.45%，比Faster RCNN算法分别提高40.98、44.16、13.9和2.43百分点。以上结果表明，基于改进Faster RCNN算法的茶叶叶部病害识别方法能够弱化茶园复杂背景的干扰，准确识别茶园复杂背景下茶叶叶部病害目标。
[期刊] 南京农业大学学报
[作者]
谢州益 胡彦蓉
[目的]花卉多目标识别定位是自动化作业的基础，大型的目标检测网络识别效果好，但由于复杂度高难以满足实时检测需求，本文提出了基于YOLOv4的轻量化目标检测算法。[方法]采用MobileNetV3替换原有的主干特征提取网络；自下而上融合网络的浅层和深层特征；最后简化路径聚合网络进一步减少计算量；结合优化K均值聚类获得的预选框参数来提高算法对特定目标的检测精度，并比较训练策略对模型性能的影响，将优化后的算法集成到用户交互界面，实现花卉识别定位。[结果]该系统实现了操作简单的花卉多目标的识别，具有实时反馈和较高准确率等优势，改进算法在余弦退火方式下训练得到的模型对图像的处理速度为31.85fps，最高检测精确率达96.43%。[结论]这种基于YOLOv4的轻量级目标检测模型具有较高的识别率，系统对多目标花卉的检测具有可行性，为自动化作业提供技术支撑。
[期刊] 华中农业大学学报(自然科学版)
[作者]
黄彤镔 黄河清 李震 吕石磊 薛秀云 代秋芳 温威
为实现在自然环境下对柑橘果实的识别，提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module，卷积注意力模块)注意力机制模块来提高网络的特征提取能力，改善遮挡目标与小目标的漏检问题；用α-IoU损失函数代替GIoU损失函数作为边界框回归损失函数，提高边界框定位精度。结果显示：本研究提出的模型平均精度AP值达到91.3%，在GPU上对单张柑橘果实图像的检测时间为16.7 ms，模型占用内存为14.5 Mb。结果表明，本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实，满足实时目标检测的实际应用需求。
[期刊] 华中农业大学学报
[作者]
郑宇达 陈仁凡 杨长才 邹腾跃
针对现有检测模型不能满足在自然环境中准确识别多种类柑橘病虫害的问题，提出一种基于改进YOLOv5s模型的常见柑橘病虫害检测方法。改进模型引入ConvNeXtV2模型，构建一个CXV2模块替换YOLOv5s的C3模块，增强提取特征的多样性；添加了动态检测头DYHEAD，提高模型对不同空间尺度、不同任务目标的处理能力；采用CARAFE上采样模块，提高特征提取效率。结果显示，改进后的YOLOv5s-CDC的召回率和平均精度均值为81.6%、87.3%，比原模型分别提高了4.9%和3.4%。与其他YOLO系列模型在多个场景下的检测对比，具有更高的准确率和较强的鲁棒性。结果表明，该方法可用于自然复杂环境下的柑橘病虫害的检测。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
赵辉 李建成 王红君 岳有军
为了解决水稻小病斑检测不准确的问题，提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice–YOLOv3。首先，采用K–means++聚类算法，计算新的锚框尺寸，使锚框尺寸与数据集相匹配；其次，采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数，利用该激活函数的平滑特性，提升网络的检测准确率，同时将CSPNet与DarkNet53中的残差模块相结合，在避免出现梯度信息重复的同时，增加神经网络的学习能力，提升检测精度和速率；最后，在FPN层分别引入注意力机制ECA和CBAM模块，解决特征层堆叠处的特征提取问题，提高对小病斑的检测能力。在训练过程中，采用COCO数据集预训练网络模型，得到预训练权重，改善训练效果。结果表明：在测试集下，Rice–YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%，其中，稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%，相较于YOLOv3,Rice–YOLOv3检测的m AP提高了6.05个百分点，速率提升了2.8帧/s，对稻瘟病和褐斑病的小病斑的检测能力明显增强，可以检测出原始网络模型漏检的小病斑；与Faster–RCNN、YOLOv5等模型对比，Rice–YOLOv3提高了对相似病害和微小病害的识别能力，并在原始的基础上提高了检测速率。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
赵辉 李建成 王红君 岳有军
为了解决水稻小病斑检测不准确的问题，提出一种基于改进YOLOv3的水稻叶部病害检测方法Rice–YOLOv3。首先，采用K–means++聚类算法，计算新的锚框尺寸，使锚框尺寸与数据集相匹配；其次，采用激活函数Mish替换YOLOv3主干网络中的Leaky Relu激活函数，利用该激活函数的平滑特性，提升网络的检测准确率，同时将CSPNet与DarkNet53中的残差模块相结合，在避免出现梯度信息重复的同时，增加神经网络的学习能力，提升检测精度和速率；最后，在FPN层分别引入注意力机制ECA和CBAM模块，解决特征层堆叠处的特征提取问题，提高对小病斑的检测能力。在训练过程中，采用COCO数据集预训练网络模型，得到预训练权重，改善训练效果。结果表明：在测试集下，Rice–YOLOv3检测水稻叶部3种病害的平均精度均值(mAP)达92.94%，其中，稻瘟病、褐斑病、白叶枯病的m AP值分别达93.34%、89.68%、95.80%，相较于YOLOv3,Rice–YOLOv3检测的m AP提高了6.05个百分点，速率提升了2.8帧/s，对稻瘟病和褐斑病的小病斑的检测能力明显增强，可以检测出原始网络模型漏检的小病斑；与Faster–RCNN、YOLOv5等模型对比，Rice–YOLOv3提高了对相似病害和微小病害的识别能力，并在原始的基础上提高了检测速率。
[期刊] 中国农业大学学报
[作者]
余秋冬 杨明 袁红 梁坤
针对目前生猪目标检测算法模型较大,实时性差导致其难以在移动终端中应用等问题,将一种改进的轻量化YOLOv4算法用于生猪目标检测。在群养猪环境下以不同视角和不同遮挡程度拍摄生猪图像,建立生猪目标检测数据集。基于轻量化思想,在YOLOv4基础上缩减模型大小。结果表明,本研究算法的准确率和召回率分别为96.85%和91.75%,检测速度为62帧/s,相比于原模型,本研究算法在不损失精度的情况下,将模型大小压缩了80%,检测速度提高了11帧/s。本研究算法具有轻量化,稳健性强,实时性好的优点,能够更好地实现实际猪舍环境下生猪目标的检测,并有利于嵌入移动端设备中。
关键词：
生猪 深度学习 目标检测 轻量化
[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] 价格月刊
[作者]
杨芳英 廖合群 廖军凯
基于浙闽两省2000年～2010年茶叶种植面积、产量、产值等统计数据的分析,运用计量地理统计模型变异系数和时间序列分析法研究浙闽两省茶叶生产变化的状态,预测浙闽两省茶叶生产发展趋势。结果表明:两省茶叶产值增长幅度最大,产量其次,面积增长幅度最小;福建省茶叶种植面积、产量、产值的增长幅度均大于浙江省;浙闽两省茶叶产值随时间逐年增长,福建省茶叶产值现状小于浙江省,但增长趋势大于浙江省。研究认为,浙闽两省应进一步发挥人才、技术、文化和区位优势,加快产业转型升级,推动茶产业、茶经济、茶文化健康协调可持续发展,为把中国建设成为世界茶叶生产、加工、贸易与文化中心,作出巨大贡献。
关键词：
计量地理 茶叶生产 态势
[期刊] 世界农业
[作者]
冷杨 陈富桥
加入ＷＴＯ以来，中国茶叶出口持续增长，国际市场份额不断增加，但也存在出口市场相对集中，出口产品越来越以绿茶为主，出口价格越来越高等。本文在分析加入ＷＴＯ以来中国茶叶出口贸易特征的基础上，运用修正的ＣＭＳ模型对２００１—２０１４年中国茶叶出口额进行实证分析，认为中国茶叶出口增长源于世界茶叶需求增长、绿茶出口比重持续增加和茶叶出口价格不断上涨，但是中国茶叶出口竞争力并不强，主要原因在于茶叶生产成本逐年上升、技术性贸易壁垒日益增多。因此，要继续保持中国茶叶出口增长，应坚持绿色发展，注重提质增效，实施品牌振兴战略。
关键词：
茶叶 出口贸易 影响因素 CMS模型
[期刊] 世界农业
[作者]
邹赟
分析中国茶叶出口状况及近年来遭受主要贸易伙伴国的技术性贸易壁垒情况,并运用引力模型对中国茶叶出口影响因素进行了实证分析,且就各主要贸易国实施TBT壁垒对中国茶叶出口的影响进行定量分析。最后得出结论:TBT措施使得中国茶叶出口受到很大限制,市场主要集中于需求量比较小的非洲地区。发达国家虽然市场容量大,但TBT措施减少了中国茶叶对相关国家的出口。
关键词：
茶叶出口 引力模型 技术性贸易壁垒
[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]
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。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
