- 年份
- 2024(5492)
- 2023(7957)
- 2022(6749)
- 2021(6397)
- 2020(5572)
- 2019(12812)
- 2018(12460)
- 2017(24097)
- 2016(12590)
- 2015(14234)
- 2014(13810)
- 2013(13275)
- 2012(11757)
- 2011(10385)
- 2010(9798)
- 2009(8612)
- 2008(8027)
- 2007(6401)
- 2006(5068)
- 2005(4126)
- 学科
- 济(49644)
- 经济(49564)
- 管理(36894)
- 业(34232)
- 企(28702)
- 企业(28702)
- 方法(28255)
- 数学(25990)
- 数学方法(25580)
- 财(13973)
- 农(12343)
- 中国(11346)
- 业经(9861)
- 制(9612)
- 学(8979)
- 务(8859)
- 财务(8819)
- 财务管理(8797)
- 企业财务(8376)
- 贸(8373)
- 贸易(8369)
- 易(8196)
- 农业(8015)
- 技术(7752)
- 地方(7536)
- 环境(7220)
- 和(6846)
- 体(6822)
- 理论(6767)
- 银(6764)
- 机构
- 大学(169079)
- 学院(167656)
- 济(69830)
- 管理(69613)
- 经济(68669)
- 理学(61753)
- 理学院(61182)
- 管理学(60046)
- 管理学院(59727)
- 研究(49654)
- 中国(36713)
- 京(32815)
- 财(31918)
- 科学(30155)
- 农(26492)
- 财经(26463)
- 业大(26241)
- 中心(25040)
- 经(24344)
- 经济学(22605)
- 所(22539)
- 江(22348)
- 农业(20929)
- 研究所(20817)
- 经济学院(20609)
- 财经大学(20084)
- 范(19824)
- 师范(19558)
- 北京(19377)
- 经济管理(18661)
- 基金
- 项目(126538)
- 科学(101090)
- 基金(95093)
- 研究(90083)
- 家(83047)
- 国家(82416)
- 科学基金(72352)
- 社会(59542)
- 社会科(56591)
- 社会科学(56580)
- 基金项目(50523)
- 省(48489)
- 自然(47723)
- 自然科(46663)
- 自然科学(46650)
- 自然科学基金(45805)
- 教育(42205)
- 划(41333)
- 资助(38636)
- 编号(34790)
- 部(28818)
- 重点(28333)
- 创(27118)
- 成果(26182)
- 发(25970)
- 国家社会(25671)
- 创新(25451)
- 科研(25269)
- 教育部(25256)
- 制(24585)
共检索到222366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]
张晖耀 黄力湘 陈继清 刘睿 苏子龙 银庆刚 黄敬炎 桂友强 李家鑫
[目的]本文旨在提高机械自动化设备进行草莓采摘时的草莓成熟度检测精度。[方法]针对草莓采摘过程中因枝叶遮挡、检测目标小、同级成熟度果皮纹理特征差异导致成熟度检测精度低的问题，提出一种草莓成熟度检测模型—YOLOv5s-SCW。本模型通过在Backbone中融合Swin Transformer Block，加强相同成熟度草莓果皮纹理特征融合，显著减少模型的参数量；在Neck中采用CA（Coordinate Attention ）注意力机制，引入空间坐标信息，提高模型检测精度；采用Wise-IoU（WIoU）损失函数替换CIoU损失函数，动态调整目标权重，提高模型的检测性能。最后基于草莓数据集进行试验，验证改进模型的性能。[结果]相较于标准YOLOv5s模型，YOLOv5s-SCW模型在精确率、召回率和平均精度均值（mAP）方面分别提升了4.9%、5.6%和4.9%，达到了91.3%、90.6%和95.7%。不同成熟度草莓的平均检测精度（高、中、低）分别为97.1%、93.7%和96.3%，平均检测时间为10.8毫秒，模型参数量为4.84 M。[结论]本研究基于YOLOv5s提出的YOLOv5s-SCW模型显著提高了模型在自然环境下识别不同成熟度草莓的能力，大幅降低了模型的参数量，实现了轻量化，满足农业过程中进行实际草莓采摘的需求。
关键词：
草莓 YOLOv5s 成熟度检测 轻量化
[期刊] 南京农业大学学报
[作者]
王勇 陶兆胜 石鑫宇 伍毅 吴浩
[目的]在自然环境下进行机械自动化采摘苹果时，对不同成熟度的果实做到精确检测尤为重要。针对因苹果之间遮挡和同级成熟度苹果的纹理特征分布差异所导致的在自然环境下不同成熟度苹果目标检测精度较低的问题，提出了一种不同成熟度苹果检测模型SODSTR-YOLOv5s（YOLOv5s with Small Detection Layer and Omni-Dimensional Dynamic Convolution and Swin Transformer Block）。[方法]首先改进YOLOv5s的多尺度目标检测层，在Prediction中构建检测160×160特征图的检测头，提高小尺寸的不同成熟度苹果的检测精度；其次在Backbone结构中融合Swin Transformer Block，加强同级成熟度的苹果纹理特征融合，弱化纹理特征分布差异带来的消极影响，提高模型泛化能力；然后将Neck结构的Conv模块替换为动态卷积模块ODConv，细化局部特征映射，实现局部苹果细粒度特征的充分提取，最后基于不同成熟度苹果数据集进行试验，验证改进模型的性能。[结果]试验结果显示，改进模型的精确率、召回率、平均精度均值分别为89.1%、95.5%、93.6%，高、中、低成熟度苹果精度均值分别为94.1%、93.1%、93.7%，平均检测时间为16 ms，参数量为7.34 M，相比于YOLOv5s模型，精确率、召回率、平均精度均值分别提高了3.8%、5.0%、2.9%。[结论]虽然改进模型的参数量与平均检测时间分别增加了0.32 M和5 ms，但提升了在自然环境下对不同成熟度苹果的检测能力，较好地满足实际采摘苹果的检测要求，为基于深度学习的不同成熟度苹果检测方面的研究提供思路。
[期刊] 华中农业大学学报
[作者]
陈仁凡 谢知 林晨
为解决温室环境下草莓果实快速准确识别问题，提出一种基于改进YOLOv5s的草莓成熟度检测方法。在主干中引入Shuffle＿Block作为特征提取网络，从而实现模型轻量化。同时，在颈部结构中使用全维度动态卷积模块（omni-dimensional dynamic convolution, ODConv），以提高网络对草莓目标的信息挖掘能力，降低计算量，并进一步实现轻量化。结果显示，改进后的YOLO-ODM(YOLO with ODConv module)模型的平均精度均值达97.4%，模型体积是7.79 Mb，在GPU上的单张平均检测时间仅11 ms，浮点运算量为6.9×10~9。与原网络相比，轻量化的YOLO-ODM方法在提高检测精度的同时，模型大小缩减43%，浮点运算量降低52%。以上结果表明，该轻量化方法可快速准确地对温室环境下草莓果实的成熟度进行检测，实现草莓的生长状态监测。
[期刊] 西南农业学报
[作者]
李广博 查文文 陈成鹏 时国龙 辜丽川 焦俊
【目的】针对传统生猪养殖耳标识别存在易脱落、易引起生猪感染等问题，采用改进YOLOv5s的模型对猪脸进行非入侵式识别。【方法】首先将K-Means的距离改为1-IOU,提高模型目标锚框的适应度；其次，引入CA坐标注意力机制，提高模型特征提取的能力；最后，引入BiFPN特征融合，有效利用特征提高模型的检测能力。试验采用的猪脸数据集共分为5类，数据增强后样本为12 756张，训练集和测试集划分比例为9∶1。【结果】改进后的算法在准确率、召回率、平均精确率(IOU=0.5)分别达到0.926、0.897、0.955,比原始YOLOv5s算法分别提高13.2%、3.0%、2.2%,同时，改进后的算法在单只、多只、小目标、密集、有遮挡的场景下，泛化能力较强、识别精准度高。【结论】利用深度学习算法，可以获取生猪面部信息并准确识别，减少漏检、错检情况，为生猪智能化管理提供较好的技术支持。
[期刊] 实验技术与管理
[作者]
高云茜 邓三鹏
为实现草莓采摘机器人在温室中对草莓的快速、精确检测，该文提出一种yolov5-en算法。在原有yolov5基础上，首先对原始主干网络卷积操作并加入CBAM模块；其次，引入BiFPN模块进行多尺度特征融合；然后，使用直方图均化算法和Mosaic数据增强进行目标检测数据预处理；最后，优化K-means算法对训练数据集聚类分析，同时使用Focal loss损失函数构建yolov5-en目标检测网络。通过对比试验得出：与yolov5、Faster-RCNN ResNet101和Faster-RCNN VGG16模型相比，yolov5-en的mAP分别提升了3.41%、17.85%和14.40%，可达94.36%。通过采摘机器人模拟环境检测验证了该模型的可行性，且达到了应用水平，可为采摘机器人实时小目标检测提供支撑。
[期刊] 华中农业大学学报
[作者]
周涛 王骥 麦仁贵
为提高不同成熟度种植区域的机械采摘菠萝准确率，保证菠萝品质，提出了基于改进YOLOv8的实时菠萝成熟度目标检测方法。针对自然环境下菠萝机械采摘中存在目标小、数量密集和光线遮挡等问题，改进模型把原始YOLOv8模型中主干部分、颈部部分的公共卷积替换成深度可分离卷积（Depthwise Separable Convolution,DSConv），精简模型参数；在融合特征前增加了卷积注意力机制模块（Convolutional Block Attention Module,CBAM），使特征融合更关注重要的特征，提升目标检测的准确率；使用EIoU损失函数替换YOLOv8网络原损失函数CIoU，加快网络收敛速度。结果显示，改进模型对菠萝成熟度检测PmA为97.33%，与Faster RCNN、YOLOv4、YOLOv5、YOLOv7对比发现，PmA分别提升5.53、7.91、4.38、4.66百分点；在保证检测精度的前提下，算法模型参数量仅为16.8×10~6。结果表明，改进模型提高了菠萝成熟度识别的精度和推理速度，具有更强的鲁棒性。
关键词：
菠萝成熟度 YOLOv8 目标检测
[期刊] 南京农业大学学报
[作者]
仝召茂 陈学海 汪本福 马志艳 杨光友
[目的]为实现对田间麦穗的实时准确计数，本文提出一种基于改进YOLOv5s的麦穗检测计数方法。[方法]通过C2f模块获得更加丰富的梯度流，增强模型细粒度特征提取能力，并在网络关键部位引入CoordConv坐标卷积，加大对坐标信息关注程度，提升模型对麦穗位置的感知能力，同时考虑到麦穗检测任务中中小尺寸麦穗居多，采用Inner CIoU损失函数加快模型收敛速度。[结果]在公开数据集Global Wheat Head Detection（GWHD）上对上述方法进行试验，结果表明，本文所提模型的精确率、召回率、平均精度均值mAP0.5分别为93.5%、91.6%和95.9%，参数量、计算量、FPS分别为12.4 MB、27.5 GFLOPs和34 帧·s~(-1)。[结论]本文所提模型在精确率、召回率、平均精度均值mAP0.5等指标上较原始YOLOv5s模型分别提升了1.0、1.2和1.3百分点，并且优于YOLOv7-tiny、YOLOv8s等模型，同时满足检测的实时性要求，此外，改进后模型在处理遮挡、重叠等复杂情况时都比原始模型表现更优，具有良好的鲁棒性。
[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] 沈阳农业大学学报
[作者]
马瑞峻 何浣冬 陈瑜 赖宇豪 焦锐 唐昊
为实现自然环境下不同成熟度火龙果在不同光照、不同遮挡场景下的精确快速识别，提出了一种基于对YOLOv5的网络模型改进的一种检测模型（PITAYA-YOLOv5）。首先，使用k-means++算法重新生成火龙果数据集的锚框，提高了网络的特征提取能力；其次，将CSPDarkNet替换成PPLCNet作为骨干网络，并加入SE注意力模块（Squeeze-and-Excitation block），在降低网络参数量的同时保持检测精度；同时加入加权双向特征金字塔网络（Bi-FPN）替换YOLOv5的特征融合网络，提高网络对不同尺度特征图的融合效率；引入αDIoU损失函数，提高了模型的收敛效果。试验结果表明：PITAYA-YOLOv5目标检测模型的平均精度均值为94.90%，较原模型提高1.33个百分点，F1值为91.37%，较原模型提高1.12个百分点，平均检测速度达到20.2 ms，占用内存仅有8.1 M。针对枝条遮挡和果间遮挡下的火龙果检测能力明显增强。对比Faster R-CNN、CenterNet、YOLOv3、YOLOv5以及轻量化骨干网络ShuffleNetv2，该模型具有良好的检测精度和实时性。该模型能够有效地在自然环境下识别并检测火龙果的成熟度，为果园智能管理与早期产量预估等提供了参考。
[期刊] 实验技术与管理
[作者]
党宏社 党晨 张选德
交通标志的自动识别对汽车的安全行驶具有重要意义。针对现有交通标志识别算法存在识别精度低、速度慢的问题，该文提出了一种基于改进YOLOv5s的交通标志识别算法。引入MobileNetv3主干网络，将RFB模块与ECA-Net模块相结合，在不提高网络计算量的情况下，确保更大范围内聚焦有效特征；在特征融合中采用AFF模块，将注意力从同层融合扩展到跨层区域；采用Matrix NMS筛选候选框，以提升模型检测速度。在中国交通标志数据集CCTSDB上的验证结果表明，该算法识别精度为96%，速度为48帧/s，在多种环境下对目标的识别能力得到增强，可以满足交通标志实时识别的需要。
[期刊] 南京农业大学学报
[作者]
赵一名 沈明霞 刘龙申 陈佳 祝万军
【目的】针对规模化养殖环境下死鸡巡检自动化程度低、人工巡检费时费力等问题，提出一种基于图像配准融合算法和改进YOLOv5s的死鸡检测方法。【方法】为提高死鸡目标特征的显著性，利用SURF算法结合RANSAC算法实现热红外与可见光图像的特征点匹配，采用仿射变换模型得到配准图像，使用小波变换实现图像的分解重构，从而得到最终的配准融合图像；为降低背景信息对死鸡目标检测的干扰，提升模型对鸡只遮挡情况的检测效果，以YOLOv5s目标检测算法为基础，通过加入SE注意力模块，将CIoU＿Loss和DIoU＿NMS运用于原模型，构成改进后的YOLOv5s-SE模型。【结果】配准融合后的图像与源图像的相关系数平均值达到0.86，体现了良好的配准融合效果；模型在融合图像上的检测准确率以及平均精度均值均高于可见光图像和红外图像，改进后的YOLOv5s-SE相较于原始YOLOv5s在融合数据集上的检测准确率提升了3.3%，达到了97.7%。【结论】改进后的YOLOv5s-SE保证了应有检测速度的同时，提升了目标检测的精度，可满足实际生产中死鸡实时检测的需求。
[期刊] 清华大学学报(自然科学版)
[作者]
邓力 周进 刘全义
由于火灾具有快速蔓延的特性和较高的破坏力,实现火灾的早期探测是十分必要的,针对火灾检测算法的研究也尤为重要。该文提出了一种改进的YOLOv8算法,通过集成轻量型模块Slim Neck和切片辅助推理方法SAHI,分别优化了YOLOv8算法的网络结构和推理框架,将火灾数据集目标分类为火焰(fire)、烟雾(smoke)和干扰项(default)。实验结果表明, Slim Neck-YOLOv8算法比相关的先进算法具有更优的火灾检测性能,与YOLOv8模型相比,查全率(recall)增长了2.7%、平均精度(m AP)增长了0.2%,检测速度提高了35 fps,同时也降低了计算负担。在Slim Neck-YOLOv8基础上进一步优化推理框架所得的Slim Neck-YOLOv8+SAHI算法,有效改善了漏检与误检现象。该研究有助于提升火灾检测系统的速度和精度,为火灾预警工作提供了有力的技术支持。
[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]
史龙飞 宋朝鹏 贺帆 段史江 王涛 王梅 宫锦 宫长荣
为准确判定烟叶采收成熟度,以不同成熟度中部烟叶为材料,利用机器视觉技术提取不同成熟度烟叶图像的颜色和纹理特征值,采用主成分分析法对3个颜色特征值(色调、饱和度、亮度)和5个纹理特征值(角二阶矩、相关度、熵、对比度、逆差距)进行优化,利用BP神经网络建立烟叶成熟度检测模型。结果表明,采用前4个主成分可综合反映3个颜色特征值和5个纹理特征值的分级信息,实现了参数的优化;在图像信息主成分因子数为4,中间节点数为16时,该识别模型最佳,模型平均识别率为93.67%,表明基于机器视觉技术对烤烟鲜烟叶成熟度的检测是可行的。
关键词：
烤烟 成熟度 机器视觉 BP神经网络
[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
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
