- 年份
- 2024(5864)
- 2023(8507)
- 2022(7380)
- 2021(7015)
- 2020(6013)
- 2019(14049)
- 2018(13966)
- 2017(27245)
- 2016(14429)
- 2015(16410)
- 2014(16065)
- 2013(15351)
- 2012(13554)
- 2011(11830)
- 2010(11630)
- 2009(10332)
- 2008(9627)
- 2007(7893)
- 2006(6410)
- 2005(5065)
- 学科
- 济(57909)
- 经济(57854)
- 管理(42164)
- 业(40363)
- 企(34687)
- 企业(34687)
- 方法(34223)
- 数学(30932)
- 数学方法(30273)
- 财(14272)
- 农(13612)
- 中国(12572)
- 业经(11624)
- 理论(10560)
- 学(10019)
- 务(9960)
- 财务(9904)
- 财务管理(9881)
- 技术(9605)
- 贸(9491)
- 贸易(9483)
- 企业财务(9337)
- 易(9263)
- 农业(9028)
- 地方(8978)
- 和(8695)
- 制(8169)
- 环境(8067)
- 划(7791)
- 银(6836)
- 机构
- 学院(193875)
- 大学(192218)
- 管理(81740)
- 济(76853)
- 经济(75389)
- 理学(72509)
- 理学院(71828)
- 管理学(70123)
- 管理学院(69777)
- 研究(55469)
- 中国(41183)
- 京(38443)
- 科学(34953)
- 财(33198)
- 业大(29990)
- 农(28787)
- 财经(27943)
- 中心(27627)
- 江(26331)
- 所(25705)
- 经(25671)
- 研究所(23827)
- 经济学(23712)
- 范(23119)
- 北京(23012)
- 师范(22848)
- 农业(22721)
- 经济学院(21614)
- 经济管理(21604)
- 技术(21503)
- 基金
- 项目(143581)
- 科学(114891)
- 基金(106295)
- 研究(102626)
- 家(92825)
- 国家(92110)
- 科学基金(81338)
- 社会(65265)
- 社会科(62080)
- 社会科学(62064)
- 省(56499)
- 基金项目(56120)
- 自然(54940)
- 自然科(53820)
- 自然科学(53810)
- 自然科学基金(52806)
- 教育(49434)
- 划(47654)
- 资助(44455)
- 编号(41430)
- 重点(32210)
- 部(31900)
- 创(31042)
- 成果(31029)
- 发(29803)
- 创新(28942)
- 科研(28297)
- 教育部(27826)
- 课题(27509)
- 国家社会(27356)
共检索到255431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(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] 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] 南京农业大学学报
[作者]
李吴洁 危疆树 王玉超 陈金荣 罗好
[目的]柑橘的叶片受到病菌感染或虫害侵袭后，导致柑橘树生长发育异常、产量减少甚至死亡。柑橘病虫害检测技术研发对于柑橘种植的可持续发展至关重要，早期检测出柑橘叶片的病虫害能够有效做好措施从而减少损失。[方法]本文基于YOLOv5s模型进行改进，因实际检测过程中存在定位不精确、背景复杂等问题，受VAN（Visual Attention Network）模型的启发，引入LKA（Large Kernel Attention）模块，实现对图像信息的集中关注和精细抽取；使用CARAFE轻量级算子替换常规的上采样方法，提高特征重建质量，解决尺度不匹配问题，进而提高检测性能；使用FReLU激活函数，能够捕捉更多的柑橘病虫害的关键特征，从而提升检测准确度。除此以外构建了一个包含炭疽病、溃疡病和受潜叶蝇病虫所侵害的柑橘叶片数据集，采用该数据集进行试验。[结果]结果显示mAP50达到94.5%，mAP50:95为84.3%，较原模型分别提升了2.0%和4.4%，模型大小仅为7.3 MB。准确率为93.8%，召回率84.5%，浮点运算次数仅为18.5 G。[结论]改进后的模型YOLOv5-LC可以更加准确的检测出柑橘病虫害，能够给柑橘病虫害的相关研究提供参考。
[期刊] 华中农业大学学报
[作者]
贺英豪 唐德钊 倪铭 蔡起起
为提高果园中高遮挡和密集的李（Prunus salicina Lindl.）的检测精度，提出一种改进YOLOv5s模型，在促进模型轻量化的同时提高模型对李的检测精度。首先，使用新的结构Focus-Maxpool模块替换主干网络中的下采样卷积，使模型在下采样时能够保留更多高遮挡目标和小目标的特征信息。其次，使用focal loss和交叉熵函数的加权损失作为模型的分类损失，提升模型对粘连目标的识别能力。最后，设计若干组检测试验来评价模型的性能。结果显示，改进YOLOv5s模型的平均精度优于YOLOv5s、YOLOv4、Faster-RCNN、SSD和Centernet；与YOLOv5s模型的检测结果相比，改进模型的平均精度、召回率和精度分别提高2.84、9.53和1.66百分点，检测速度可达到91.37帧/s，能够满足实时检测需求。研究结果表明，改进的模型在真实果园环境下具有较高的检测精度和鲁棒性。
[期刊] 实验技术与管理
[作者]
孙乐杨 凌振宝 王永志
针对遥感影像目标检测中部分输电塔因目标较小、特征不显著而难以识别的问题，提出一种优化和改进的YOLOv5目标检测方法。首先，通过增加更大尺度检测层，以提升小目标的检测效果；其次，将大尺寸高分辨率遥感影像通过滑窗分割成小尺寸图像，进行检测及再还原，解决了遥感影像中难以直接有效识别输电塔等问题；最后，调用GDAL模块自动计算被识别输电塔的地理坐标。实验结果表明，改进YOLOv5模型较原始YOLOv5模型具有更好的小目标检测效果，测试集输电塔的AP值由0.87147提升为0.89717,GDAL计算输电塔空间坐标准确。
[期刊] 海洋渔业
[作者]
张佳泽 张胜茂 樊伟 唐峰华 杨胜龙 孙永文 王书献 刘洋 朱文斌
为解决目前日本鳀限额捕捞与分类统计不准确的问题，本文提出一种改进YOLOv5的识别算法。该方法将SENet注意力机制引入到YOLOv5主干网络结构中，通过融合捕捞作业不同时期的目标信息并降低复杂背景的干扰，以提高模型检测精度和实时检测效率。采用实际拍摄的日本鳀作业视频，将视频转化为图片格式实现前期标注和处理，对获得的5550幅图像按照8:1:1划分训练集、验证集和测试集，并设置对照实验，将YOLOv5主干网络替换为MobileNetV2，并引进SENet注意力机制，分别通过四种模型进行对比，结果表明，该识别算法获得平均精度均值(mAP)为99.4%、精度为98.9%、召回率为99.1%，相比原模型分别提高了2.5%、3.7%和2.9%。研究结果可以为日本鳀围网作业的目标识别提供新的思路，同时也为渔获作业统计提供了一种辅助手段。
[期刊] 海洋渔业
[作者]
张佳泽 张胜茂 樊伟 唐峰华 杨胜龙 孙永文 王书献 刘洋 朱文斌
为解决目前鳀(Engraulis japonicus)限额捕捞与分类统计不准确的问题，提出一种改进YOLOv5的识别算法。该方法将SENet注意力机制引入到YOLOv5主干网络结构中，通过融合捕捞作业不同时期的目标信息并降低复杂背景的干扰，以提高模型检测精度和实时检测效率。采用实际拍摄的鳀作业视频，将视频转化为图片格式实现前期标注和处理，对获得的5 550幅图像按照8∶1∶1划分训练集、验证集和测试集，设置对照实验，将YOLOv5主干网络替换为MobileNetV2,并引进SENet注意力机制，分别通过4种模型进行对比，结果表明，该识别算法获得平均精度均值(mAP)为99.4%、精度为98.9%、召回率为99.1%,相比原模型分别提高了2.5%、3.7%和2.9%。研究结果可以为鳀围网作业的目标识别提供新的思路，同时也为渔获作业统计提供了一种辅助手段。
[期刊] 华中农业大学学报
[作者]
张鹏程 余勇华 陈传武 郑文燕 李善军
为提高柑橘害虫识别精准度和防治效果，本研究构建包含10类对柑橘危害程度较重的害虫图像数据集，基于神经网络MobileNetV2与注意力机制ECA开发轻量化且高识别精度的ECA＿MobileNetV2模型，并基于该模型开发一款边缘计算App。将ECA注意力机制嵌入MobileNetV2网络的反残差结构尾部，以增强原网络的跨通道信息交互能力，提升原网络的特征提取能力。测试结果显示，ECA＿MobileNetV2模型对柑橘害虫的分类准确率达到93.63%，相比于MobileNetV2、GoogLeNet和ResNet18模型分别提高了1.68、1.44和2.40个百分点，而模型参数量、浮点运算数和模型大小分别为3.50×10~6、328.06×10~6和8.72 MB，复杂度仅略高于MobileNetV2，可以在手机上以边缘计算的形式运行。研究结果表明，本研究开发的智能识别工具能够对不同种类的柑橘害虫进行快速、有效的分类识别。
[期刊] 西南农业学报
[作者]
苏鸿 温国泉 谢玮 韦幂 王筱东
【目的】研究基于区域卷积神经网络(R-CNN)模型的广西柑橘病虫害识别方法,为提高柑橘重要病症分类和病理检测效率提供参考依据。【方法】设计专用R-CNN模型,采用多层神经网络,通过机器学习算法和神经网络对柑橘黄龙病、红蜘蛛感染和溃疡病等广西柑橘主要病症特征图像进行识别,分析其准确率和空间复杂度。【结果】R-CNN模型对广西柑橘黄龙病的平均识别准确率为95.30%,对红蜘蛛感染的平均识别准确率为90.30%,对溃疡病的平均识别准确率为99.10%,均优于传统机器学习方法中支持向量机算法(SVM)的平均识别准确率(分别为93.20%、88.20%和95.20%),分类效果也优于小型神经网络模型如视觉几何组网络(VGG-19)模型,平均识别准确率分别提高4.25%、4.62%和2.55%。R-CNN模型在较少神经元参数(33层卷积网络)情况下,空间复杂度比SVM和VGG-19模型低,能获得更佳的柑橘黄龙病、红蜘蛛感染和溃疡病识别效果。【结论】R-CNN模型识别是一种对柑橘黄龙病、红蜘蛛感染和溃疡病行之有效的鉴别方法,可在广西柑橘果园大量部署和应用。
[期刊] 西南农业学报
[作者]
林奕桐 梁健 刘书田 贾书刚 玉建成 侯彦林
【目的】探究基于无人机可见光通道和支持向量机（SVM）模型的柑橘黄龙病个体识别方法，为生产上快速、高效发现柑橘黄龙病病株提供参考依据。【方法】构建2套基于SVM的识别模型，先通过柑橘黄龙病黄化识别模型确定具备黄龙病黄化特征的植株，再通过黄龙病斑驳特征识别模型对黄化植株的叶片进行斑驳特征分析确认黄龙病植株；对模型进行1次个体识别试验和2次普适性验证试验。【结果】对于黄龙病植株黄化特征识别，红（R）、绿（G）、蓝（B）、色调（H）和明度（V）在光谱分布上均具备特征性，可作为柑橘黄龙病黄化识别模型的输入变量；对于黄龙病叶片斑驳特征识别，通过叶片左、右部分平均反射率之差（D_(rl)）和上、下部分平均反射率之差（D_(ub)）及波形振幅的平均值（■）可有效排除缺素及其他非黄龙病黄化病害对识别结果的干扰，上述3个指标可作为柑橘黄龙病斑驳特征识别模型的输入变量。在个体识别试验中，对28株柑橘进行基于无人机可见光通道和SVM模型的柑橘黄龙病个体识别，识别准确率达100.00%。在中国南方柑橘黄龙病防治研究中心果场开展的普适性验证试验中，对4383株柑橘进行识别，非黄龙病个体识别准确率达100.00%，黄龙病个体识别准确率为89.47%；在广西南宁市武鸣区四明村果园开展的普适性试验中，非黄龙病个体识别准确率为97.30%，黄龙病个体识别准确率为86.67%。【结论】基于无人机可见光通道和SVM机模型的柑橘黄龙病个体识别方法能较好地识别柑橘种植区的黄龙病植株，且相较于高光谱识别方法成本更低，可在柑橘种植区域黄龙病防治中广泛应用。
[期刊] 北京林业大学学报
[作者]
贾浩男 徐华东 王立海 张金生 褚晓辉 唐旭
【目的】为解决人工及传统数字图像处理方法对木板材表面缺陷识别效果差、效率低等问题，并提高木材利用率。以深度学习模型为基础，构建木板材表面缺陷检测系统，旨在拓展深度学习模型在木板材缺陷检测领域的应用。【方法】基于“Wood Defect Database”公开数据集中的839张木板材缺陷图像，使用Imgaug数据增强库对数据集进行扩充；通过在主干特征网络部分引入SE注意力机制，使用focus、FPN+PAN结构构建YOLOv5木板材表面缺陷目标检测框架，进而采用迁移学习思想改进训练方式，将训练过程分为两个阶段（冻结阶段和解冻阶段）。然后将构建的模型与当前主流深度学习目标检测模型进行对比，最后利用混淆矩阵、Loss值变化曲线、模型大小、检测时间以及均值平均精确率等指标评价模型。【结果】提出了一种基于YOLOv5模型对木板材表面缺陷中活节、死节、裂缝、孔洞的检测方法。模型对死节、活节、裂缝、孔洞识别结果的均值平均精确率分别约为98.66%、99.06%、98.10%和96.53%，并与当前主流检测模型进行比较，改进的模型具有更好的精确率、召回率和综合平均准确率，分别为97.48%、96.53%和98.22%。模型单幅图像平均检测时间为10.3 ms，最大检测耗时20.5 ms，检测效果与泛化特性较好，模型所占内存仅13.7 MB，易于移植。【结论】实验表明改进的YOLOv5模型可用于检测木板材表面主要缺陷。且模型对木板材表面缺陷的识别效果优于其他5种主流检测模型。在维持原有检测精度的基础上，提高了小目标缺陷的识别能力，减少了木板材缺陷漏检的情况，实现在复杂场景下快速检测。
[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] 海洋渔业
[作者]
陈子文 李卓璐 杨志鹏 何佳琦 曹立杰 蔡克卫 王其华
为解决传统人工计数存在效率低、成本高、对虾有损伤等问题，本文提出一种基于YOLOv5框架的养殖虾目标检测方法。利用高清摄像机采集高分辨率虾的图像数据样本，并针对高分辨率图像训练集设计自适应图片裁切预处理算法，通过将训练集进行自适应裁切，扩增训练数据量，减少原始图像训练过程中细节特征损失，提升目标检测准确度。实验结果表明：本文所提方法可以实现少量高分辨率图像下养殖虾的准确识别与计数，采用该算法对图像样本进行预处理，相比于原始数据集训练所得检测模型，在相同运算硬件条件下，具有更高的检测准确率，识别准确率为92.55%，召回率为98.78%，平均精度均值为97.5%。
[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。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
