科研产出
基于自然背景的蚜虫图像数据集
《农业大数据学报 》 2023
摘要：蚜虫的发生是影响农作物产量和质量的重要原因之一.对蚜虫进行检测和计数是对虫害早发现、早治理的重要环节.随着信息技术的发展,已经有专家学者利用计算机视觉感知技术对农业害虫进行识别研究,并取得了 一定的进展.高质量、大规模的基础数据对计算机视觉的发展往往能够起到决定性作用,缺少高质量、大规模的基础图像数据是蚜虫精准识别研究面临的难题.蚜虫是一类重要的农业害虫,具有尺寸微小、密集分布、虫间遮挡和同种多形态等特征,这些特征对于蚜虫的检测与计数又是一项严峻的挑战.本文提供了包括桃粉蚜、桃蚜、棉蚜、禾谷缢管蚜等13种农业蚜虫数据集,共6287张高清原始图像.这些蚜虫图像是利用单反相机在自然大田环境中采集、以文件夹形式进行存储、经过从事图像数据管理的专业人员清洗和整理、并由植保专家对其进行鉴定和分类的,保障了数据的高质量和可靠性.该数据集可为蚜虫的识别、检测计数和分类提供数据基础.
全文链接
请求原文
农业病虫害图像数据集现状及高质量构建综述
《智慧农业(中英文) 》 2023
摘要：[目的/意义]农业病虫害科学数据集是农业病虫害监测预警的基础，也是发展智慧农业重要的组成部分，对农业病虫害防治具有重要意义。随着深度学习技术在农业病虫害智能监测预警中应用效果的凸显，构建高质量的农业病虫害数据集逐步受到专家学者的重视。为了进一步构建高质量、分布均衡的农业病虫害图像数据集，提高检测模型的准确性和鲁棒性，本文以构建农业病虫害图像数据集面临的挑战为切入点，对农业病虫害数据集的构建进行了全面综述。[进展]分别从数据集层次、数据样本层次和使用层次总结构建农业病虫害图像数据集所面临的类间类内样本不均衡、选择偏差、目标多尺度、目标密集、数据分布不均、图像质量参差不齐、数据集规模不足以及数据集可用性等问题，从图像采集和标注方法两个方面，分析以上问题的主要成因，并归纳算法的改进策略和建议，最后总结了数据集相关评价方法。[结论/展望]结合农业病虫害图像识别实际需求，对构建高质量农业病虫害图像数据集提出了相关建议：（1）结合实际使用场景构建农业病虫害数据集。多视角、多环境下采集图像数据构建数据集，从算法提取特征的角度，科学、合理划分数据类别，构建样本数量分布和特征分布均衡的数据集；（2）平衡数据集与算法间的关系。研究数据集特征与算法性能之间的关系，需充分考虑数据集中的类别和分布，以及与模型匹配的数据集规模，以提高算法准确性、鲁棒性和实用性。深入研究农业病虫害图像数据规模与模型性能的关联关系、病虫害图像数据标注方法、模糊、密集、遮挡等目标的识别算法和高质量农业病虫害数据集评价指标，进一步提高农业病虫害智能化水平；（3）增强数据集的使用价值。构建多模态农业病虫害数据集，创新数据采集组织形式，开发数据中台，挖掘多模态数据间的关联性，提高数据使用便捷性，为应用落地、业务创新提供高效服务。
关键词： 农业病虫害 数据集 深度学习 监测预警 数据采集 数据标注 数据集评价
全文链接
请求原文
基于计算机视觉技术的生猪体重智能估测研究进展
《安徽农业科学 》 2022
摘要：为了避免因人工测量生猪体重给生猪带来较严重的应激反应,影响生猪身体健康,严重时导致生猪死亡.综述了计算机视觉技术在生猪体重智能估测方面的研究进展,通过相机获取生猪2D或3D图像数据,提取生猪体长、体高、腹围宽、胸围宽和背部面积,基于线性函数、偏最小二乘法函数、RBF、MLP等非线性函数,对生猪体重自动预测模型进行研究,实现非接触式生猪体重估测,能及时、快速且无伤害地获取生猪体重信息.对比分析各项相关研究报道可知:线性预测模型的准确率明显低于非线性预测模型,且基于非线性函数构建的体重估测模型的平均误差小于5%,与实际体重的平均相关性约0.97,说明生猪非接触式体重估测方法的可行性,为生猪的精准饲养管理提供了一种有效的监测手段,减少人力资源损耗,提高生猪养殖福利.
全文链接
请求原文
基于迁移学习的多模型水稻病害识别方法研究
《安徽农业科学 》 2021
摘要：水稻病害是影响水稻产量的重要因素之一,使用传统机器学习方法识别农作物病虫害效果并不理想,因此该研究使用深度学习技术结合迁移学习方法识别常见水稻病害。使用当前深度学习领域经典网络模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作为预训练模型,通过比较不同模型在新任务上的表现,选取性能最好且最稳定的Xception模型作为最终模型。试验结果显示,DenseNet、InceptionResNet、Xception的识别准确率可以达到97%,尤其是Xception模型不仅可以达到98.50%的最高识别准确率而且是最稳定的。该研究通过试验探讨了适用于常见水稻病害智能识别的最佳模型,同时表明了使用迁移学习方法解决新任务的有效性。
全文链接
请求原文
基于VGG-16卷积神经网络的水稻害虫智能识别研究
《安徽农业科学 》 2020
摘要：为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实现水稻害虫的智能识别,其识别的平均准确率是90.7%,实现对沙叶蝉、大螟、斑须蝽、点蜂缘蝽和白背飞虱的准确识别。研究结果显示,采用卷积神经网络技术可以实现自然场景下害虫图像的精准识别,代替人工辨认,提高水稻害虫防治率,实现实时、精准防治的目标。
全文链接
请求原文
基于云端的农业病虫草害大数据图文数据库的设计与实现
《安徽农业科学 》 2017
摘要：针对病虫草害大数据的存储分散和展示无系统化的问题,提出采用Spark核心技术搭建大规模集群,将HDFS(Hadoop distributed file system)分布式文件存储系统、Mongo DB数据库和My SQL数据库相结合,集病虫草害信息管理、信息查询、用户管理和数据库维护等功能于一体,实时更新、展示、存储和管理海量多源异构病虫草害数据,构建基于云端的农业病虫草害大数据图文数据库信息服务平台,在提高农业病虫草害的数字化管理、信息共享等方面具有极其重要的意义。
全文链接
请求原文
首页上一页1下一页尾页
