English
分享
扫码分享
English
ISSN 2095-5553 CN 32-1837/S
中华人民共和国农业农村部主管
农业农村部南京农业机械化研究所主办
Toggle navigation
中国农机化学报
主办单位
首页
关于期刊
期刊介绍
道德声明
编委会
收录情况
影响因子
获奖情况
开放获取
新闻公告
期刊导航
最新录用
当期目录
过刊浏览
热点文章
专辑专题
引用排行
点击排行
下载排行
作者中心
投稿须知
投稿中心
下载中心
学术不端界定
审稿流程
同行评审
收费标准
版权转让协议
审稿中心
专家在线审稿
编辑在线办公
主编在线办公
收录网站
中国知网
万方数据
维普网
超星期刊
订阅
RSS
Email alert
期刊订阅
联系我们
联系我们
广告合作
期刊
出版年
关键词
结果中检索
(((王林柏[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
基于分水岭算法结合卷积神经网络的玉米种子质量检测
王林柏, 刘景艳, 周玉宏, 张君, 李兴旺, 范晓飞
摘要
(
135
)
PDF
(5314KB)(
265
)
可视化
为实现玉米种子快速、准确地优选,以不同质量的玉米种子为研究对象,提出一种分水岭算法结合卷积神经网络对玉米种子进行质量检测的方法。首先利用分水岭算法分割出单粒玉米种子,然后通过卷积神经网络模型对每粒种子进行质量分类,根据分水岭算法得到的单粒种子的位置,将结果在图像中进行标注,实现种子质量检测。使用改进型的InceptionV3模型进行试验,模型测试结果表明:质量良好和带有缺陷的两类种子的平均准确率为94.18%,平均召回率为94.61%,F1值(调和平均评价)为94.39%。同时为突出卷积神经网络模型的性能,将结果与传统的机器学习方法进行比较,其F1值高出LBP+SVM模型20.39%。
2021, 42 (12): 168-174.
DOI:
10.13733/j.jcam.issn.20955553.2021.12.25
Select
基于卷积神经网络马铃薯叶片病害识别和病斑检测
*
王林柏, 张博, 姚竟发, 杨志辉, 张君, 范晓飞
摘要
(
468
)
PDF
(5797KB)(
572
)
可视化
针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的
mAP
可达90.03%,以
F
1
为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,
F
1
值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。
2021, 42 (11): 122-129.
DOI:
10.13733/j.jcam.issn.20955553.2021.11.19