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
((( 郑禄[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
基于二值化的Faster R-CNN柑橘病虫害识别研究
宋中山, 汪进, 郑禄, 帖军, 朱祖桐,
摘要
(
1209
)
PDF
(6237KB)(
449
)
可视化
为研究在自然场景下柑橘叶片病害检测和识别技术,提出一种基于二值化的Faster R-CNN(Binary Faster R-CNN)区域检测神经网络模型。改进模型将原始的Faster R-CNN全连接层神经网络转变为二进制全卷积神经网络。试验结果表明,该模型对柑橘的黑斑病、溃疡病、黄龙病、疮痂病、健康叶片的平均准确率分别为87.2%、87.6%、89.8%、86.4%和86.6%,总平均准确率为87.5%;模型识别时间相较于Faster R-CNN网络提高0.53 s,每幅图像的检测时间为0.31 s,模型大小缩小到15.3 MB,FLOPs为2.58×109;同时在保证模型检测有效性的情况下可快速收敛。该方法对复杂自然环境下的柑橘叶片病害检测具有较好的识别速度和鲁棒性,对柑橘类疾病预防有重要的研究意义。
2022, 43 (6): 150-158.
DOI:
10.13733/j.jcam.issn.20955553.2022.06.020
Select
基于改进YOLOV3的自然环境下绿色柑橘的识别算法
*
宋中山, 刘越, 郑禄, 帖军, 汪进
摘要
(
219
)
PDF
(3840KB)(
360
)
可视化
为研究自然环境下柑橘的图像识别技术,实现柑橘的早期产量预测,提出一种改进的D-YOLOV3算法,实现自然环境下未成熟的绿色柑橘的识别与检测。研究构建绿色柑橘图像数据集,并对采集的图像进行预处理;改进算法采用DenseNet的密集连接机制替换YOLOV3网络中的特征提取网络Darknet53中的后三个下采样层,加强特征的传播,实现特征的复用。通过自制的数据集对D-YOLOV3算法进行测试,并分别对改进前后网络的识别性能、不同预处理方法和不同数据量图像对模型的影响进行试验。试验结果表明,改进的D-YOLOV3算法相对于传统YOLOV3算法精确率提高6.57%,召回率提高2.75%,
F
1
分数提高4.41%,交并比提高6.13%,平均单张检测时间为0.28 s。通过不同果实数量图像对比试验验证了算法的可行性和准确性。研究结果表明,本文提出的D-YOLOV3算法对自然环境下未成熟的绿色柑橘识别具有较高的精准度,为柑橘的早期测产提供了技术支持。
2021, 42 (11): 159-165.
DOI:
10.13733/j.jcam.issn.20955553.2021.11.24