- 年份
- 2024(5496)
- 2023(7853)
- 2022(6819)
- 2021(6336)
- 2020(5463)
- 2019(12567)
- 2018(12276)
- 2017(23811)
- 2016(12597)
- 2015(13976)
- 2014(13510)
- 2013(12995)
- 2012(11572)
- 2011(10093)
- 2010(9532)
- 2009(8426)
- 2008(7725)
- 2007(6223)
- 2006(4867)
- 2005(3826)
- 学科
- 济(49701)
- 经济(49658)
- 管理(38426)
- 业(34257)
- 方法(29664)
- 企(29212)
- 企业(29212)
- 数学(26860)
- 数学方法(26404)
- 财(13412)
- 环境(12263)
- 农(11460)
- 中国(10206)
- 学(9897)
- 业经(9453)
- 务(9451)
- 财务(9416)
- 财务管理(9395)
- 企业财务(8961)
- 划(8921)
- 贸(8396)
- 贸易(8392)
- 技术(8232)
- 易(8217)
- 和(7758)
- 地方(7756)
- 农业(7602)
- 理论(7267)
- 制(6502)
- 融(5750)
- 机构
- 大学(168143)
- 学院(167688)
- 管理(70063)
- 济(67705)
- 经济(66524)
- 理学(62356)
- 理学院(61778)
- 管理学(60475)
- 管理学院(60184)
- 研究(49872)
- 中国(36360)
- 京(33541)
- 科学(32395)
- 财(29227)
- 业大(28214)
- 农(27769)
- 财经(25035)
- 中心(24964)
- 所(23445)
- 经(23017)
- 江(22346)
- 农业(22030)
- 研究所(21947)
- 经济学(21498)
- 北京(19729)
- 经济学院(19726)
- 范(19526)
- 师范(19303)
- 财经大学(19040)
- 院(19013)
- 基金
- 项目(129622)
- 科学(103100)
- 基金(97050)
- 研究(89800)
- 家(85772)
- 国家(85148)
- 科学基金(74623)
- 社会(58951)
- 社会科(56165)
- 社会科学(56150)
- 基金项目(51622)
- 省(50544)
- 自然(50434)
- 自然科(49325)
- 自然科学(49313)
- 自然科学基金(48400)
- 划(42534)
- 教育(41706)
- 资助(40112)
- 编号(34401)
- 重点(28969)
- 部(28821)
- 创(27547)
- 发(26677)
- 科研(26213)
- 创新(25873)
- 国家社会(25537)
- 成果(25083)
- 教育部(24834)
- 计划(24655)
共检索到217975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]
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] 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] 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] 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] 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] 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]
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] 南京农业大学学报
[作者]
化春键 黄宇峰 蒋毅 俞建峰 陈莹
[目的] 为了在田间环境下准确检测食用玫瑰的成熟度，针对由于光照、遮挡等因素造成识别精度较差问题，提出了一种基于YOLOv7的改进模型，对食用玫瑰的3个生长状态进行检测识别。[方法]在YOLOv7主干网络中结合SCConv对高效聚合模块ELAN进行改进，压缩冗余特征，提高检测性能；引入CARAFE轻量级上采样算子对常规的上采样方法进行优化，提高特征重组质量，更好聚合上下文特征信息；在模型中融入SimAM注意力机制，使模型更好地关注检测目标，改善玫瑰漏检误检现象。[结果] 结果显示，改进后的模型平均精度值达到91.7%，相比于YOLOv7模型平均精度值提升了3.6%，对花蕾期、采摘期和败花期的检测精度达到96.1%、96.0%和83.1%，较原模型分别提高了3.7%、2.0%、5.3%，改进后的模型相较于主流目标检测模型总体精度更高。[结论]本研究可为非结构环境下的食用玫瑰花期检测提供了更加准确的方法。
[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] 沈阳农业大学学报
[作者]
刘思伽 田有文 冯迪 张芳 崔博
苹果果实易发生病害，传统的苹果病害的检测不适应苹果分级在线检测的要求。为了实现病害苹果快速、有效的在线检测，采用高光谱成像技术对寒富苹果的炭疽病、苦痘病、黑腐病和褐斑病的病害果进行无损检测研究。根据正常区域与病害区域光谱相对反射率差异，提出改进流形距离方法。综合计算病害与正常区域，病害与果梗／花萼区域，正常与果梗／花萼区域的光谱相对反射率的总改进流行距离Ｌ值，从而从全波段中选择了３个特征波段，分别为７００，７６５，９０４ｎｍ。对７００ｎｍ特征波段下的图像进行阈值分割，以此获得掩膜图像，并对掩膜后的图像二次阈值分割提取感兴趣区域。将３个特征波段下对应的光谱相对反射率分别组合，作为ＢＰ神经网络的输．．．
[期刊] 华中农业大学学报
[作者]
仝召茂 陈学海 马志艳 杨光友 张灿
针对夜间场景下苹果识别率低、实时性差的问题，提出了一种融合图像增强和迁移学习的YOLOv8n夜间苹果检测方法。首先，在YOLOv8n前端嵌入Zero-DCE模块增强夜间图像，更清晰地呈现苹果的轮廓和细节，降低夜间苹果图像的识别难度；其次，使用SPD-Conv进行下采样，增强模型细粒度特征的提取能力；在此基础上，针对夜间苹果数据集样本量少的问题，采用迁移学习训练策略，选取含有苹果类别的MS COCO数据集作为源域数据集，对于夜间场景下的目标域数据集，利用Zero-DCE增加其与日间苹果图像的相似度并在源域模型上微调目标域模型。基于上述方法，在夜间苹果图像数据集上进行了试验，结果显示，所提方法的模型的精确率P为97.0%、召回率R为93.4%、平均精度均值mAP0.5:0.95为74.6%，较YOLOv8n原始模型分别提升2.3、1.9和4.3百分点，同时该模型的FPS为22帧/s，可以满足实时性要求。消融试验显示，图像增强与迁移学习结合使用的效果超过两者单独使用时的效果之和。研究表明，改进后的模型在处理重叠、遮挡、绿果和光线过暗等复杂情形时都比原始模型表现更优，具有良好的鲁棒性。
[期刊] 实验技术与管理
[作者]
许程翔 赵明岩 梁喜凤 应欣展 焦俊章
为实现不同品质甘薯的自动化分级，提出一种基于改进YOLOv8的轻量化甘薯品质分级方法。首先该方法将调整后的EdgeNeXt替换原YOLOv8s模型中的主干网络，降低模型的参数量、计算量及权重大小；然后使用SCConv卷积改进的C2f C模块，进一步降低模型的复杂度；考虑到模型因轻量化造成的性能下降，最后使用CARAFE轻量化算子及基于FocalLoss和MPDIo U提出的Focal C-MPDIo U损失函数，替换原模型的上采样模块及损失函数，提高模型检测性能。实验结果显示，改进后的轻量化模型的参数量、计算量和权重大小相比原模型分别下降了38.3%、32.7%和37.8%，精确率和平均精度均值分别提升了0.3和0.9个百分点。对比Faster RCNN、SSD、YOLOv3、YOLOv7-tiny，改进后的模型在模型复杂度及检测性能上具有显著优势，研究结果可为后续甘薯品质分级设备的视觉模块部署提供参考，为甘薯品质自动化分级提供技术支持。
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
胡荣明 魏曼 竞霞 王纪华
【目的】对带病斑苹果树叶片的高光谱图像进行病斑提取,为作物病虫害的遥感监测提供支持。【方法】对带有病斑的苹果树叶片成像高光谱图像,从传统基于光谱特征和面向对象特征2个方向入手进行病斑提取。为减少高光谱图像波段之间的冗余,首先对高光谱图像采用PCA变换进行降维处理,利用降维之后的前11个波段,分别采用波谱角分类和面向对象分类的方法提取苹果树叶片病害区域。【结果】由于同物异谱和异物同谱现象的存在,波谱角分类算法在提取病斑时,对叶柄和叶脉产生了错误的分类,而且以像元为分类单位的波谱角分类,在分类结果图中存在椒盐噪声,而面向对象分类则避免了这一现象的发生。【结论】采用面向对象分类方法提取苹果叶片病斑的...
[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。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
