期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于牛脸和躯干综合信息的奶牛个体识别研究
1
作者 赵玲 周桂红 任力生 《河北农业大学学报》 CAS CSCD 北大核心 2024年第2期112-118,共7页
针对基于单一信息对奶牛个体身份识别精度低的问题,本文提出1种基于牛脸和躯干综合信息对奶牛个体身份识别的方法。在Mask R-CNN目标检测模型的基础上进行改进,将注意力机制模块引入到Mask R-CNN的ResNet50特征提取网络的输出阶段,能够... 针对基于单一信息对奶牛个体身份识别精度低的问题,本文提出1种基于牛脸和躯干综合信息对奶牛个体身份识别的方法。在Mask R-CNN目标检测模型的基础上进行改进,将注意力机制模块引入到Mask R-CNN的ResNet50特征提取网络的输出阶段,能够在图像通道和空间上增强奶牛身份信息。针对奶牛不同部位,本文对改进前后的Mask R-CNN模型分别基于牛脸、基于躯干以及基于牛脸和躯干综合信息进行了相关实验。实验结果表明,原始Mask R-CNN模型基于牛脸和躯干综合信息进行奶牛个体识别,比单独基于牛脸或躯干的识别精度提高2.3%~3.7%。改进后的Mask R-CNN模型在自建奶牛图像数据集上的准确率达到了93.63%,mAP值达到92.16%,相较于原始Mask R-CNN,准确率提高了2.92%,mAP值提高了2.63%。本文方法能够实现对养殖场环境下奶牛个体身份的识别,可为奶牛的精准养殖提供技术支持。 展开更多
关键词 奶牛 牛脸和躯干 个体识别 Mask R-CNN 注意力机制
下载PDF
沉浸式智能温室3D虚拟仿真实验平台构建
2
作者 李亚南 王伊瑾 滕桂法 《保定学院学报》 2023年第4期99-104,共6页
从专业教学中的重点和难点出发,紧扣温室智能化应用现状和研究前沿动态,打造体现科技前沿、结合创新热点和科研热点的沉浸式智能温室3D虚拟仿真实验平台。该系统将现代温室智能控制与多个计算机相关专业的实践教学相结合,打造沉浸式实... 从专业教学中的重点和难点出发,紧扣温室智能化应用现状和研究前沿动态,打造体现科技前沿、结合创新热点和科研热点的沉浸式智能温室3D虚拟仿真实验平台。该系统将现代温室智能控制与多个计算机相关专业的实践教学相结合,打造沉浸式实验场景和综合性、研究性、创新性虚拟实验教学项目,开展探索型多学科交叉的实践训练。学生不仅能够获得扎实的理论基础知识、综合设计方法,还提高了工程实践能力和创新能力。 展开更多
关键词 智能温室 3D虚拟仿真 教学平台
下载PDF
基于SSA-RBF网络的日光温室温湿度预测模型研究 被引量：11
3
作者 张永芳 王芳 《河北农业大学学报》 CAS CSCD 北大核心 2021年第3期115-121,共7页
温室预测模型是农业信息化领域的研究热点之一,而日光温室以其不加温、经济适用等特点,近年来受到越来越多的关注。现有温室温湿度预测模型是通过微分方程或传统神经网络算法进行处理并进行预测的,但是这些系统仍面临控制或者精度上的... 温室预测模型是农业信息化领域的研究热点之一,而日光温室以其不加温、经济适用等特点,近年来受到越来越多的关注。现有温室温湿度预测模型是通过微分方程或传统神经网络算法进行处理并进行预测的,但是这些系统仍面临控制或者精度上的挑战。采用1种基于麻雀搜索算法SSA(Sparrow Search Algorithm)和径向基网络RBF(Radial Basis Function)的预测方法,以日光温室室外温度、室外湿度、光照强度、土壤湿度、保温被状态、塑料膜状态、窗户状态、滴灌设备状态为输入,日光温室室内温度和湿度为输出,建立了基于SSA-RBF的日光温室温湿度预测模型。以河北省沧州市青县某日光温室测量取得的数据为参考,经验证,模型温湿度预测值与实测值曲线都吻合良好,其中温度相关系数达到0.9293,湿度相关系数达到0.92829。本研究的预测精度较高,实用性强,可用于日光温室温湿度预测,同时也对指导日光温室温湿度控制有一定的参考价值。 展开更多
关键词 RBF神经网络 日光温室 预测模型 SSA算法
下载PDF
基于改进YOLOv4模型的自然环境下梨果实识别 被引量：2
4
作者 马帅 张艳 +1 位作者 周桂红 刘博 《河北农业大学学报》 CAS CSCD 北大核心 2022年第3期105-111,共7页
针对自然环境下梨果实识别场景中存在梨果实颜色与背景颜色相近、遮挡、重叠等因素导致的识别困难的问题,本试验提出1种基于改进的YOLOv4网络模型梨果实识别的方法,使用的神经网络模型以CSPDarknet53作为主干特征提取网络,将空间金字塔... 针对自然环境下梨果实识别场景中存在梨果实颜色与背景颜色相近、遮挡、重叠等因素导致的识别困难的问题,本试验提出1种基于改进的YOLOv4网络模型梨果实识别的方法,使用的神经网络模型以CSPDarknet53作为主干特征提取网络,将空间金字塔池化(SPP)中的最大池化法改为平均池化法,以适应目标与背景颜色相近的场景,更多地保留目标信息;将SPP模块前后的卷积、PANet中的部分卷积以及输出部分的卷积替换为深度可分离卷积,在保证卷积效果不变的效果下减少网络模型所占空间。使用训练后的改进YOLOv4模型对未参与训练的图像样本进行测试,改进后的模型所占空间比原模型下降44%,召回率达到85.56%,比原模型提高了1.29%,mAP达到90.18%,比原模型提高了0.1%。实验结果表明,本文算法对自然环境下近色背景的梨果实的识别具有良好的查全率与精确率,能够较好地对梨果实进行识别,可为实现梨果园的自动采摘和产量预测提供技术支持。 展开更多
关键词 卷积神经网络 YOLOv4 梨 果实识别
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部