共查询到20条相似文献，搜索用时 31 毫秒
1.
【目的】为实现复杂背景下广佛手发病早期的病虫害快速精准识别,提出一种基于YOLOv5-C的广佛手病虫害识别方法。【方法】使用YOLOv5s网络模型作为基础网络,通过引入所提出的多尺度特征融合模块,提高网络模型的特征提取与特征融合能力,均衡提高每一类广佛手病虫害的识别准确率;使用注意力机制模块提高网络模型对病虫害目标特征信息的关注度,弱化复杂背景的干扰信息,提高网络模型的识别准确率;利用改进的C3-SC模块替换PANet结构中的C3模块,在不影响网络模型识别性能的条件下减少网络模型的参数。【结果】基于YOLOv5-C的复杂背景下的广佛手病虫害识别,F1分数为90.95%,平均精度均值为93.06%,网络模型大小为14.1 Mb,在GPU上每张图像平均检测时间为0.01 s。与基础网络YOLOv5s相比,平均精度均值提高了2.45个百分点,7个类别识别的平均准确率的标准差由7.14减少为3.13,变异系数由7.88%减少为3.36%。平均精度均值比Retina Net、SSD、Efficientdet和YOLOv4模型分别高22.30、20.65、4.84和2.36个百分点。【结论】该方法... 相似文献
2.
【目的】明确中华绒螯蟹羧酸酯酶基因(ES-CXEs)在中华绒螯蟹不同组织及在农药胁迫下的应激表达模式,为揭示其代谢解毒机制打下理论基础。【方法】采用RACE克隆ES-CXEs基因全长序列,并进行生物信息学分析;以实时荧光定量PCR检测中华绒螯蟹不同组织及在农药胁迫下ES-CXEs基因的表达变化。【结果】从中华绒螯蟹肝胰腺中克隆获得两段ES-CXEs基因cDNA序列(ES-CXE5和ES-CXE6),其中,ES-CXE5基因序列全长1889 bp(GenBank登录号MH201558),包括132 bp的5'端非编码区(5'UTR)、122 bp的3'端非编码区(3'UTR)和1635 bp的开放阅读框(ORF),推测其编码544个氨基酸序列;ES-CXE6基因序列全长3089 bp(GenBank登录号MH201555),包括282 bp的5'UTR、779 bp的3'UTR和2028 bp的ORF,推测其编码675个氨基酸序列。多序列比对分析结果显示,ES-CXE5和ES-CXE6基因均具有CXEs家族的特征序列,即催化三联体结构(S-E-H)和N-糖基化位点。ES-CXE5氨基酸序列与三疣梭子蟹、日本长额虾等甲壳类CXEs聚为一簇,而ES-CXE6氨基酸序列与水蚤类和芜菁叶蜂的CXEs聚为一簇。组织特异性表达分布显示,ES-CXEs基因在雌、雄性中华绒螯蟹不同组织中的相对表达量无显著差异(P0.05),且在肝胰腺、肌肉、精巢和副性腺中均有表达,以肝胰腺中的相对表达量最高。在安全浓度的阿维菌素、敌百虫和高效氯氰菊酯胁迫下,ES-CXEs基因在中华绒螯蟹肝胰腺中的相对表达量呈明显诱导表达趋势,且ES-CXE5基因的相对表达量高于ESCXE6基因。【结论】从中华绒螯蟹肝胰腺中克隆获得的ES-CXE5和ES-CXE6基因属于CXEs基因家族,在肝胰腺中高表达,且在农药胁迫下这两个基因的表达呈明显诱导表达趋势而参与杀虫剂的代谢解毒过程。 相似文献
3.
【目的】成熟草莓的快速、准确识别是高效机械采摘的关键技术,针对草莓生长环境中果实堆叠、叶片遮挡和小目标等问题,提出一种改进YOLOv7-Tiny的成熟草莓识别模型。【方法】该模型在YOLOv7-Tiny模型的基础上,将骨干网络中CBL卷积块的LeakeyReLU激活函数替换为SiLU函数,提高模型的非线性拟合程度与特征学习能力。为降低模型的参数量和计算量,实现模型轻量化,提高识别速度,引入轻量化RepGhost网络。在YOLOv7-Tiny模型的小目标层加入C3模块,降低模型参数量,增加网络深度,增强模型对小目标的信息提取能力,从而提高被遮挡草莓以及小目标草莓的识别准确度,进一步提高模型的识别速度。以设施草莓为试验样本对改进YOLOv7-Tiny模型进行对比试验。【结果】相较于YOLOv7-Tiny模型,改进YOLOv7-Tiny模型训练的收敛速度快,模型拟合后损失曲线的波动幅度小且稳定,训练的损失值小,模型的鲁棒性好。与原模型的对比试验结果表明,改进YOLOv7-Tiny模型的参数量降低26.9%,计算量降低55.4%,识别速度提高26.3%,识别平均准确率（mAP）为89.8%。消... 相似文献
4.
【目的】提出了一种YOLON目标检测网络,为油茶果采收装置夜间非结构化环境下果实目标的精准识别提供技术支持。【方法】在改进YOLOv3的基础上建立YOLON目标检测网络,先在图像输入端添加照度调整模块(LA)对输入图像的照度进行自适应调整,以加强前景图像特征的显著程度,利用特征提取网络对输入图像进行多次卷积以得到对应的特征图;然后在特征融合层添加夜间隐性知识模块(NPK),以先验信息的形式辅助网络预测,提高夜间果实目标的识别准确性;最后对网络特征图进行解码处理得到对应的目标检测框,从而完成对夜间油茶果实目标的检测。为验证所提出网络的有效性,采用准确率(P)、召回率(R)、平均精度均值(mAP)和综合评价指标(F1)对YOLON及对比网络YOLOv3、YOLOv4、YOLOv5s的检测效果进行定量评价。【结果】用YOLON和各对比网络在夜间油茶果数据集上进行训练和测试,YOLON网络的P、R、mAP、F1分别为94.00%,83.63%,94.37%和89.00%,mAP分别较YOLOv3、YOLOv4、YOLOv5s提高2.32%,4.93%和2.33%;对不同果实数量油茶果图像进行测试,YOLON在单果、双果和多果测试数据集上均有较好表现,其对这3类果实目标检测的mAP为98.34%,分别较YOLOv3、YOLOv4、YOLOv5s提高2.17%,8.99%和4.35%;对整树小尺寸油茶果实的检测效果,YOLON的mAP可达93.56%,分别较YOLOv3、YOLOv4、YOLOv5s高1.24%,8.66%和5.57%;在对整树油茶果实图像进行检测时,YOLON的平均置信度为0.69,分别较YOLOv3、YOLOv4、YOLOv5s高0.09,0.22和0.14;此外,用YOLON对夜间采集的处于重叠、遮挡、复杂背景等多态耦合下的油茶果实图像进行检测,也均具有较高的检测置信度。【结论】YOLON可以满足油茶果采收机器人果实定位精度的要求,将其应用于油茶果夜间图像的检测是可行的。 相似文献
5.
为了解决现有的农作物病害检测方法对不同番茄叶片病害检测的精度低、效果差的问题,提出一种基于YOLOv5网络模型改进的番茄叶片病害检测模型YOLOv5s-TLD。首先在原YOLOv5s模型的Backbone中构建DCAM注意力机制模块,通过制定双通道注意力和空间注意力机制加强模型对番茄叶片病理特征的提取能力,并减弱模型受复杂背景特征的影响,以提高模型对不同种类病害的检测精度和分类精度;然后应用融合Swin Transformer的C3STR模块替换原网络第6层的C3模块,强化模型在多尺度上建模的能力,实现模型对小尺寸的番茄叶片病害残差特征的高精度学习;再运用BiFPN加权双向特征金字塔网络替换原YOLOv5模型Head的PANet路径聚合网络,该网络采用跨尺度特征融合和可学习权重的方式融合模型不同层次的特征,在增强网络的特征融合能力的同时使网络获得更多的特征信息,以提高模型的感受野和特征表达能力;最后进行不同模型的检测对比试验,并在实际复杂场景下进行番茄叶片病害检测试验。试验结果表明：YOLOv5s-TLD模型平均精度均值和召回率分别为97.7%和96.3%,较原YOLOv5s模型平均精... 相似文献
6.
【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MobileNetv2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。 相似文献
7.
为快速准确识别自然环境下的番茄叶片病害,提出一种基于改进YOLOv4算法的轻量化番茄叶部病害识别方法。该方法根据番茄病害特征采用K均值聚类算法调整先验框的维度,并使用宽度因子为0.25的MobileNetv1代替YOLOv4原有的主干网络CSPDarknet53进行特征提取,并在特征融合网络PANet中引入深度可分离卷积代替原有的3×3标准卷积,同时在主干网络的2个输出特征层和空间金字塔池化输出层分别嵌入卷积块注意力模块(CBAM),提高模型识别精度。试验结果表明,改进后的模型对8类番茄叶片整体检测精准性(mAP)为98.76%,参数量为12.64 M,传输帧数为1 s 101.76帧,相较于原YOLOv4模型,模型参数量减少80%,每秒传输帧数比原始YOLOv4模型提高了130%。 相似文献
8.
针对自然环境中，人工目视解译苹果叶部病害耗时耗力、人为主观因素强的问题。本研究提出了一种融合自注意力机制和Transformer模块的目标检测算法——BCE-YOLOv5,实现对自然环境下对苹果叶片病虫害的自动识别与检测。该算法首先使用BotNet、ConvNeXt模块分别替换Backbone网络和Neck网络的CSP结构，增加自注意力机制对目标的特征提取能力。通过将改进的CBAM引入YOLOv5的特征融合网络之后，使注意力机制对特征融合信息更加地关注。最后，用α-IoU损失函数替换IoU损失函数，使得网络在模型训练过程中收敛的更加稳定。BCE-YOLOv5算法在传统算法YOLOv5基础上平均精准率均值提升了2.9百分点，并且改进后的算法的模型大小和计算量较传统算法分别减小了0.2 M和0.9 GFLOPs。平均精度均值比YOLOv4s、YOLOv6s、YOLOx-s和YOLOv7模型分别高2.5、1.3、3.5、2.2百分点。该方法能快速准确识别苹果叶部病害，为苹果种植过程中提供智能化管理做参考。 相似文献
9.
为了提升猪舍环境下生猪姿态检测的速度和性能，在YOLOv4模型的基础上提出一种改进的Mini＿YOLOv4模型。首先，该模型将YOLOv4的特征提取网络改为轻量级的MobileNetV3网络结构，以降低模型参数量；其次，在检测网络的CBL＿block1、CBL＿block2模块中使用深度可分离卷积代替传统卷积，避免了复杂模型导致的内存不足和高延迟问题；最后，将原YOLOv4网络每个尺度的最后一层3×3卷积改为Inception网络结构，以提高模型在生猪姿态检测上的准确率。应用上述模型，对生猪的站立、坐立、腹卧、趴卧和侧卧5类姿态进行识别。结果显示，Mini＿YOLOv4模型较YOLOv4模型在检测精度上提升了4.01百分点，在检测速度上提升近1倍，在保证识别精度的同时提升了实时性，可为生猪行为识别提供技术参考。 相似文献
10.
为了实现自然环境下疏果前苹果的快速识别和精确定位，满足果园智能化种植需求，提出了一种基于改进的YOLOv5深度学习的检测模型。首先，为了解决苹果的尺度大小不一带来的问题，改进目标检测层，在YOLOv5的第17层之后对特征图进行上采样，在第20层将网络提取到的特征图与Backbone网络中的第2层特征图进行融合操作，以生成不同尺寸的检测层。其次，为了克服复杂环境的影响，改进特征融合网络，使用BiFPN(Bidirectional Feature Pyramid Network))进行特征融合，来更有效地提取目标信息。最后，将采集到的苹果图像进行不同网络模型检测效果对比试验。试验表明，改进的模型经过8 274幅图像训练，在2 759幅测试集上的检测准确率为94.2%,召回率为95.2%,F1值为94.7%;相比YOLOv3、YOLOv4、原YOLOv5网络，准确率分别提高了4.4%、7.0%、2.3%,F1值分别提高6.1%、6.5%、2.6%;相比YOLOv3、YOLOv4网络，图像的检测速度分别提高了13.5、21.4 ms/幅。结果表明，在... 相似文献
11.
通过观察性腺指数、性腺颜色和卵母细胞长径的变化来评价17α-羟基孕酮对性早熟中华绒螯蟹卵巢发育的影响.分别用10-5mg/g和10-1mg/g剂量17α-羟基孕酮注射性腺发育即将启动的性早熟中华绒螯蟹(九月初),共注射2次,间隔时间为15 d.研究发现:17α-羟基孕酮对性早熟中华绒螯蟹外部特征(壳长和壳宽)没有明显影响,但较高剂量组10-1mg/g剂量组能明显促进性早熟中华绒螯蟹卵巢的早期发育(15 d),卵巢指数和卵母细胞长径均比对照组有显著性增高(P<0.05).本实验结果表明,外源给予孕酮能促进性早熟中华绒螯蟹性腺的早期发育. 相似文献
12.
17α-羟基孕酮对性早熟中华绒螯蟹主要体征和卵巢发育影响的初步观察 总被引：1，自引：0，他引：1
通过观察性腺指数、性腺颜色和卵母细胞长径的变化来评价17α-羟基孕酮对性早熟中华绒螯蟹卵巢发育的影响.分别用10-5mg/g和10-1mg/g剂量17α-羟基孕酮注射性腺发育即将启动的性早熟中华绒螯蟹(九月初),共注射2次,间隔时间为15 d.研究发现:17α-羟基孕酮对性早熟中华绒螯蟹外部特征(壳长和壳宽)没有明显影响,但较高剂量组10-1mg/g剂量组能明显促进性早熟中华绒螯蟹卵巢的早期发育(15 d),卵巢指数和卵母细胞长径均比对照组有显著性增高(P<0.05).本实验结果表明,外源给予孕酮能促进性早熟中华绒螯蟹性腺的早期发育. 相似文献
13.
【目的】通过形态学参数对不同家系中华绒螯蟹幼蟹进行家系鉴别的判别分析。【方法】对中华绒螯蟹6个家系中每只幼蟹分别度量了18个形态参数,应用聚类分析和逐步判别分析来进行处理和分析。【结果】聚类分析结果显示c家系、f家系趋异程度较高,a家系、b家系、d家系、e家系形态差异不大。判别分析显示:选用10个贡献大的参数建立的判别函数,a、b、c、d、e、f家系判对概率分别为:83. 3%、93. 3%、96. 7%、93. 3%、0%、100%,平均拟合概率为77. 8%,交叉验证平均拟合概率为61. 1%。但实际验证结果并不理想,其中a (e)家系幼蟹容易判入e (a)家系,b家系判对率为53. 3%,c家系判对率为80%,f家系判对率为60%,d家系判对率为0%。【结论】因此基于形态参数的家系判别分析并不适用于本育种群体全部家系,形态差异很难作为本育种群体家系鉴别的依据。 相似文献
14.
在中华绒螯蟹(Eriocheri sinensis)的饵料中添加高活性干酵母,使其摄食量分别为0 mg/(kg·d)、600.0 mg/(kg·d)、800 mg/(kg·d)、1 000 mg/(kg·d)、1 200 mg/(kg·d)和1 400 mg/(kg·d),连续投喂40 d后,通过测定供试中华绒螯蟹的体重以及投喂或注射患病中华绒螯蟹组织(浆)的攻毒方法,探讨了口服高活性干酵母对中华绒螯蟹生长速度和抗病力的影响.结果表明,在中华绒螯蟹的饵料中添加高活性干酵母,摄食量达600.0 mg/(kg·d)至1 400.0 mg/(kg·d)对中华绒螯蟹的生长有促进作用,对身体与内脏的颜色、形态等没有明显影响;能有效地增强供试中华绒螯蟹的抗病力(等发表).与对照组相比,经注射攻毒后,各试验组中华绒螯蟹的有效率为28.0%～52.0%,而口服攻毒后,投喂不同剂量高活性干酵母的试验组中华绒螯蟹有效率为45.4% ～ 77.2%,经口服攻毒后的有效率稍高可能与病原体的感染途径和感染数量有关. 相似文献
15.
为了探究中华绒螯蟹颤抖病螺原体(Spiroplasma eriocheiris)在江苏省的分布,以2003年至2009年从江苏省养殖池塘收集的发病中华绒螯蟹(Eriocheir sinensis)为研究对象,利用螺原体体外培养、光电镜检测和16 S-23 S rRNA基因间隔区序列比较等方法进行了系统分析。结果表明,S.eriocheiris是一种广泛分布于江苏省养殖中华绒螯蟹体内的病原微生物,它们不仅在7月底8月初的高温季节引起中华绒螯蟹发病和暴发性死亡,还能在3月和11月等低温季节引起部分中华绒螯蟹的发病和死亡,其严重危害中国江苏省中华绒螯蟹养殖业的健康发展。 相似文献
16.
针对现有番茄检测精度低、没有品质检测和部署难度高等问题，提出基于YOLOv5s改进的番茄及品质实时检测方法，并与原始YOLOv5模型及其他经典模型进行对比研究。结果表明，针对番茄大小不同的问题，采用K-Means++算法重新计算先验锚框提高模型定位精度；在YOLOv5s主干网络末端添加GAM注意力模块，提升模型检测精度并改善鲁棒性；应用加权双向特征金字塔网络(BiFPN)修改原有结构，完成更深层次的加权特征融合；颈部添加转换器(transformer),增强网络对多尺度目标的检测能力。改进后的YOLOv5s番茄识别算法检测速度达到72帧/s。在测试集中对番茄检测均值平均精度(mAP)达到93.9%,分别比SSD、Faster-RCNN、YOLOv4-Tiny、原始YOLOv5s模型提高17.2、13.1、5.5、3.3百分点。本研究提出的番茄实时检测方法，在保持检测速度的同时，可降低背景因素干扰，实现复杂场景下对番茄的精准识别，具有非常好的应用前景，为实现番茄自动采摘提供相应技术支持。 相似文献
17.
18.
【目的】黄龙病被称为柑橘的“癌症”，是一种毁灭性病害，而木虱是黄龙病传播的主要媒介，
对木虱的监测和精准消杀是防控黄龙病及抑制其传播的一种有效途径。【方法】传统方式消灭木虱主要是靠人
工喷洒药物，人力成本高但防控效果并不理想。采用基于改进 YOLOX 的木虱边缘检测方法，在主干网络加入卷
积注意力模块 CBAM（Convolutional block attention module），在通道和空间两个维度对重要特征进行进一步提取；
将目标损失中的交叉熵损失改为使用 Focal Loss，进一步降低漏检率。【结果】本研究设计的算法契合木虱检测
平台，木虱数据集拍摄于广东省湛江市廉江红橙园，深度适应农业农村实际发展需要，基于 YOLOX 模型对骨干
网络和损失函数做出改进实现了更加优秀的柑橘木虱检测方法，在柑橘木虱数据集上获得 85.66% 的 AP 值，比
原始模型提升 2.70 个百分点，检测精度比 YOLOv3、YOLOv4-Tiny、YOLOv5-s 模型分别高 8.61、4.23、3.62 个
百分点，识别准确率大幅提升。【结论】改进的 YOLOX 模型可以更好地识别柑橘木虱，准确率得到提升，为后
续实时检测平台打下了基础。 相似文献
19.
【目的】探明混养密度对中华绒螯蟹与红螯螯虾生长特性及养殖效益的影响,为提高中华绒螯蟹养殖池塘空间利用率及增加单位面积产出提供参考。【方法】在密度为1 000只/667m2的中华绒螯蟹养殖塘中混养不同密度(低密度600只/667m2、中密度900只/667m2、高密度1 200只/667m2)红螯螯虾,分析混养状态下红螯螯虾和中华绒螯蟹的生长特性及经济效益。【结果】红螯螯虾混养密度600只/667m2、900只/667m2、1 200只/667m2的回捕率分别为83.58%、81.17%和73.04%,高密度组显著低于其他2组;红螯螯虾平均体质量随混养密度增大呈减小趋势,低中高3个混养密度组红螯螯虾体质量分别为55.27 g/只、45.47 g/只和31.82 g/只,各密度组间差异显著;红螯螯虾平均产量分别为27.72 kg/667m2、33.22 kg/667m2和27.89 kg/667... 相似文献
20.
针对现有的卷积神经网络模型过于依赖设备的计算和存储能力、水稻病虫害形状大小不一、遮挡造成的病害特征显著性弱、漏检率高等问题,采用轻量化、易部署的YOLOv4-tiny模型检测和识别水稻病虫害。首先收集831张4种不同的水稻病害叶片图像样本,为了使模型具有更好的泛化能力,对已有数据进行数据增强,将样本数量扩增到了5 320张。然后构建YOLOv4-tiny轻量化模型,与经典的YOLOv4算法模型相比,其主干特征提取网络CSPDarkNet53模块替换为CSPDarkNet53＿tiny,使用CPSnet进行通道的分割,实现了网络模型的压缩并提高了训练速度;添加了FPN结构,对有效特征层进行特征融合;依据模型评价指标,通过试验将YOLOv4-tiny轻量化网络与经典的YOLOv4网络、Faster-RCNN网络、YOLOv4-MobileNet系列轻量化网络、YOLOv4-GhostNet轻量化网络和SSD轻量化网络进行对比。结果表明,YOLOv4-tiny的平均准确率可以达到81.79%,检测速度可以达到90.03帧/s,模型权重大小为22.4 MB,能够比较精准地识别水稻胡麻斑病、白叶... 相似文献