- 年份
- 2024(5928)
- 2023(8564)
- 2022(7358)
- 2021(6950)
- 2020(5973)
- 2019(13750)
- 2018(13313)
- 2017(25666)
- 2016(13524)
- 2015(15048)
- 2014(14534)
- 2013(13983)
- 2012(12594)
- 2011(11178)
- 2010(10531)
- 2009(9300)
- 2008(8537)
- 2007(7042)
- 2006(5738)
- 2005(4779)
- 学科
- 济(52876)
- 经济(52819)
- 管理(36970)
- 业(35057)
- 企(29873)
- 企业(29873)
- 方法(28349)
- 数学(25574)
- 数学方法(24905)
- 学(14854)
- 财(13222)
- 农(12243)
- 中国(11942)
- 业经(10882)
- 贸(9437)
- 贸易(9434)
- 易(9214)
- 理论(9164)
- 务(8704)
- 财务(8670)
- 财务管理(8649)
- 技术(8505)
- 企业财务(8248)
- 农业(8187)
- 和(8052)
- 地方(8050)
- 制(7772)
- 环境(7293)
- 划(6672)
- 融(6373)
- 机构
- 大学(185300)
- 学院(181915)
- 管理(72862)
- 济(72716)
- 经济(71463)
- 理学(64391)
- 理学院(63718)
- 管理学(62386)
- 管理学院(62061)
- 研究(59050)
- 中国(41988)
- 科学(38682)
- 京(37524)
- 农(33109)
- 财(31108)
- 业大(30502)
- 所(28584)
- 中心(28205)
- 研究所(26690)
- 农业(26560)
- 财经(26139)
- 江(25360)
- 经(24136)
- 经济学(23257)
- 范(23181)
- 师范(22783)
- 北京(22346)
- 院(21962)
- 经济学院(20972)
- 财经大学(20066)
- 基金
- 项目(136827)
- 科学(108464)
- 基金(102147)
- 研究(94566)
- 家(91143)
- 国家(90479)
- 科学基金(78158)
- 社会(61060)
- 社会科(57906)
- 社会科学(57891)
- 基金项目(54090)
- 自然(53345)
- 省(52973)
- 自然科(52176)
- 自然科学(52155)
- 自然科学基金(51231)
- 划(45444)
- 教育(44647)
- 资助(41552)
- 编号(36404)
- 重点(31274)
- 部(30572)
- 创(29476)
- 发(28548)
- 成果(27999)
- 创新(27622)
- 科研(27547)
- 计划(26654)
- 教育部(26276)
- 国家社会(26151)
共检索到246934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] 湖南农业大学学报(自然科学版)
[作者]
王艳平 戴小鹏 黄璜 张熔
应用数学形态学理论,提出一种膨胀和腐蚀的快速算法运用于番茄不同病害果特征提取,运用计算机视觉技术,根据病害果的几何矩特征,应用神经网络技术进行番茄病害果识别.研究表明,该方法能准确识别番茄病害果的形状,满足分级的要求,识别率达90%以上.
[期刊] 湖南农业大学学报(自然科学版)
[作者]
严正红 周俊 毛家敏
为了实现机械手在抓取过程中对番茄应力松弛参数的快速准确估计,提出以BP神经网络为核心,遗传算法(GA)对BP神经网络初始权值和阈值进行优化的番茄应力松弛参数的估计方法:以番茄为样本,利用质构仪进行番茄应力松弛试验,并利用三元件广义Maxwell模型来表征番茄的应力松弛特性,通过拟合获取样本数据集;再以抓取力F、变形量D、作用时间t为输入,松弛特性参数E、Ee、η为输出构建BP神经网络模型,使用遗传算法对初始连接权值和阈值进行优化,获取最优参数的GA–BP神经网络估计模型;将该估计模型应用到机械手抓取过程中对番茄应力松弛参数的估计验证。结果表明:番茄应力松弛特性参数E、Ee和η的估计相对误差都在15%以内,且趋于稳定,该估计模型可对番茄应力松弛参数进行在线估计。
[期刊] 华北农学报
[作者]
郭富常 孟广云 但汉斌
利用电子扫描镜观察了番茄、青椒、茄子的胚珠发育过程。观察结果显示，珠心原基从胎座部分化后，周围组织慢慢将珠心原基包被，继续分化完全包被后即成珠被。珠被进一步发育后即成倒生胚珠。在发育后期番茄的胚珠呈扁圆形，青椒的胚珠为近卵形，而茄子的胚珠为椭圆形。茄子和青椒的胚珠发育始期纵向生长较快，茄子从开花期、青椒从开花后期横向生长比例加大。番茄和茄子的胚珠纵横径的比例大致相同，青椒随着果型的加大胚珠大小随之增加
关键词：
番茄,青椒,茄子,胚珠发育,形态学观察
[期刊] 中南林业科技大学学报
[作者]
陈伟文 邝祝芳 王忠伟
【目的】研究改进经典卷积神经网络模型AlexNet在番茄叶片病害识别中出现的过拟合问题，使之成为识别精度更高，泛化能力更强的网络模型，达到精准识别番茄叶片病害类型的目的。【方法】AlexNetImproved模型采用数据增强与随机失活部分神经元的方法改进了原始AlexNet网络模型出现的过拟合现象，利用PlantVillage数据库中十种类型的番茄数据为数据集对模型进行训练，选取LeNet模型，原始AlexNet模型，VGG16模型作为对比网络模型，采用5种常用的评估指标来评估改后的模型，即混淆矩阵，准确率，精确率，召回率，F1值。与此同时，绘制了训练过程中的训练准确率曲线、验证准确率曲线、训练损失率曲线、验证损失率曲线来直观地显示模型的性能，最后用改进后的网络模型AlexNet-Improved训练所得的权重文件对具体番茄病害叶片进行识别。【结果】1）改进的模型AlexNet-Improved在150个epoch的训练过程中，其训练效果比其他网络模型更好，原AlexNet模型的过拟合问题经过改进后得到了很大的改善。2)AlexNet-Improved的混淆矩阵数据显示，改进后的模型正确识别出的总番茄病害样本数量比其他网络模型更多。3)AlexNet-Improved模型准确率为95.8%，比原模型高2.4%,F1值比原模型高3%。4）具体案例分析发现，改进的模型AlexNetImproved可以准确识别出叶片所患病害类型。【结论】在原AlexNet模型的基础上，通过使用翻转、裁剪操作扩增数据集，在全连接层使用Dropout层随机失活50%的神经元后，改进的模型AlexNet-Improved比其他模型在训练效果、准确性和具体番茄叶片病害识别上均有更好的表现。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
郭小清 范涛杰 舒欣
为了提高基于数字图像识别番茄叶部病害的准确率,适应不同分辨率条件下的应用需求,幵满足实践拍摄条件的不确定性,以番茄晚疫病、花叶病、早疫病叶片图像为研究对象,选择HSV模型中的4维H分量等量分割波段作为颜色特征,基于灰度差分统计的均值、对比度和熵3维特征作为纹理特征,融合7维特征向量作为支持向量机(SVM)分类器的输入,用粒子群算法(PSO)优化SVM模型参数。试验结果表明,融合灰度差分统计与H分量4维特征的病害识别模型准确率可达90%。
[期刊] 南京农业大学学报
[作者]
刘佳明 张欣 陈孝玉龙 张立才 文兴甜 杨胜贤
[目的]针对现有轻量级神经网络对多类番茄不同病害程度识别研究较少、识别精度较低、收敛速度较慢等问题，本文提出一种具有新轻量化瓶颈层模块和纹理注意力的TB-MobileNetV2轻量级网络。[方法]首先参照设计高效网络的相关准则设计了更高效轻量的瓶颈层模块设计即陀螺块（TOP Block），其次使用了对病害纹理特征具有更高效关注的改进纹理注意力模块（texture coordinates attention）。[结果]试验结果表明，TB-MobileNetV2在包含16种类别的番茄早晚期病害数据集的测试集识别准确率为88.49%，较原MobileNetV2网络提升了2.18%，且具有计算量减少与单张图片运行时间基本相同的优势；同时其准确率和收敛速度也均优于ShuffleNetV2 1.0×，MobileNetV3Small，MobileNetV2，MoblieNeXt四个对比轻量级网络。[结论]本文提出的TB-MobileNetV2能有效提高对多种番茄早晚期病害识别准确率。
[期刊] 沈阳农业大学学报
[作者]
冀常鹏 陈浩楠 代巍
传统农作物病害识别过程中,要求生产者通过肉眼观察识别病害类型,对生产者的专业知识要求高,识别难度大。随着深度学习的发展和卷积神经网络强大的特征提取能力的不断挖掘,降低了图像识别技术上的操作难度,并取得显著效果,应用计算机视觉技术进行农作物叶面病害识别,正在成为农业现代化的主流方向。以番茄的叶面病害识别为例,提出了一种基于深度卷积神经网络的番茄叶面病害识别模型:重影空间金字塔模型(ghost spatial pyramid pooling net,GSNet)。为了适应农业生产需要,调整网络结构,降低网络模型复杂度,引入Ghost模块替换常规卷积层,采用空间金字塔池化提取病害多尺度信息,提高模型对于输入图像尺寸的自适应性,并针对实际需求,通过结构重参数化,分割网络训练阶段和推理阶段,在推理网络中合并卷积运算和批归一化(batch normalization,BN),提高推理效率,降低病害图像识别时间。结果表明:该卷积神经网络对番茄的叶面病害识别的准确率达到98.53%,并与VGG16、ResNet50、InceptionV3以及3种轻量化网络进行对比,获得最好的识别效果,接着通过对结构重参数化前后分类结果进行验证分析,在保证模型识别准确率的条件下,识别时间由16.28s下降为15.15s,推理效率提高6.94%,对农业智能病害识别具有重要意义。
[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] 林业科学
[作者]
陈勇平 郭文静 王正
【目的】提出一种基于数学形态学的木材单板节子识别改进算法,对木材单板表面节子进行快速识别和面积判断,旨在转化生产中由计算机智能控制自动分等代替人力分拣,提高木材单板分等效率。【方法】选取带有节子的木材单板为研究对象,以图像识别初步结果为基础,首先采集木材单板图像并进行灰度变换;然后根据灰度图像中节子和背景占据的不同灰度级范围,运用最大熵原理选择灰度阈值对图像进行分割,使节子从背景中初步分离出来;接着通过形态学运算去除各初选节子外部的干扰特征量,使节子外轮廓得以较准确显现;最后增加检出特征的外形轮廓判定,以防止板面可能存在的裂缝、污痕等其他特征量因颜色较深从背景中分离出来,被误检识别为节子。【结...
[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] 北京林业大学学报
[作者]
琚存勇 蔡体久 冯仲科
随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践.
[期刊] 中国农业大学学报
[作者]
刘惠 冀荣华 祁力钧 马伟 高春花
针对万寿菊黑斑病难于防治的问题，采用基于主成分分析和ＢＰ神经网络的识别方法，对万寿菊黑斑病病原菌（ＡｌｔｅｒｎＡｒｉＡ ｔＡｇｅｔｉｃＡ）无侵染力和有侵染力的孢子进行精确识别。首先利用图像处理技术对病原菌孢子显微图像进行分割，选取３个颜色特征（ｒ、ｇ和Ｖ）、５个形状特征（Ｈｕ不变矩中的Ｈ２、Ｈ３、Ｈ４、Ｈ５和Ｈ６），以及３个纹理特征（ｒ、ｇ、Ｂ３个分量的对比度）共１１个特征用于病原菌孢子分类识别。为提高识别速度和精度，利用主成分分析法（ＰｃＡ）对１１个特征进行优化和筛选，采用基于ｌ－Ｍ算法的ＢＰ神经网络对万寿菊黑斑病病原菌的孢子进行分类识别。试验结果表明，经主成分分析后得到的第一、第二主成分能．．．
[期刊] 沈阳农业大学学报
[作者]
谷彩连 孙国凯 王立地
工程图纸中电气符号的自动识别是实现电气工程图纸矢量化的基础。提出了提取工程图纸中电气符号的不变特征,把不变特征值输入神经网络进行训练,得到神经网络模型识别旋转、平移、缩放电气元件图元的方法。实验结果表明:所建立的网络模型具有较好的性能。将此方法用于工程图纸的矢量化处理过程,只需识别出电力工程图纸中各个符号的类型,避免了图纸矢量化过程中的跟踪和拟合的过程,因此优化了矢量化流程。
关键词：
不变矩 神经网络 电气符号 模式识别
[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] 中国农业大学学报
[作者]
王艳玲 张宏立 刘庆飞 张亚烁
针对卷积神经网络对番茄病害识别需训练参数较多,训练非常耗时的问题,将迁移学习应用于AlexNet卷积神经网络,对病害叶片和健康叶片共10种类别的番茄叶片进行分类研究。使用14 529张番茄叶片病害图像,随机选择70%作为训练集,30%作为验证集,对AlexNet卷积神经网络模型结构进行迁移,利用在Imagenet图像数据集上训练成熟的AlexNet模型和其参数对番茄叶片病害识别。在训练过程中,固定低层网络参数不变,微调高层网络参数,将番茄病害图像输入到网络中训练网络高层参数,用训练好的模型对10种类别的番茄叶片分类,并进行了20组试验。结果表明:该算法在训练迭代474次时使网络模型很好的收敛,网络对验证集的测试平均准确率达到95.62%,与从零开始训练的AlexNet卷积神经网络相比,本研究算法缩短了训练时间,平均准确率提高了5.6%。采用迁移学习所建立的病害分类模型能够对10种类别的番茄叶片病害快速准确地分类。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
