共查询到17条相似文献，搜索用时 171 毫秒
1.
利用无人机航拍视频结合YOLOv3模型和SORT算法统计云杉数量 总被引：1，自引：1，他引：0
准确、快速地统计苗木数量对苗圃的运营和管理具有重要意义,是提高苗圃运营和管理水平的有效方式。为快速准确统计完整地块内苗木数量,该研究选取云杉为研究对象,以无人机航拍完整地块云杉视频为数据源,提出一种基于YOLOv3（You Only Look Once v3,YOLOv3）和SORT（Simple Online and Realtime Tracking,SORT）的云杉数量统计方法。主要内容包括数据采集、YOLOv3检测模型构建、SORT跟踪算法和越线计数算法设计。以平均计数准确率（Mean Counting Accuracy,MCA）、平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）和帧率（Frame Rate,FR）为评价指标,该方法对测试集中对应6个不同试验地块的视频内云杉进行数量统计的平均计数准确率MCA为92.30%,平均绝对误差MAE为72,均方根误差RMSE为98.85,帧率FR 11.5 帧/s。试验结果表明该方法能够快速准确统计完整地块的云杉数量。相比SSD+SORT算法,该方法在4项评价指标优势显著,平均计数准确率MCA高12.36%,帧率FR高7.8 帧/s,平均绝对误差MAE和均方根误差RMSE分别降低125.83和173.78。对比Faster R-CNN+SORT算法,该方法在保证准确率的基础上更加快速,平均计数准确率MCA仅降低1.33%,但帧率FR提高了10.1 帧/s。该研究从无人机航拍视频的角度为解决完整地块的苗木数量统计问题做出了有效探索。 相似文献
2.
基于无人机图像和贝叶斯CSRNet模型的粘连云杉计数 总被引：1，自引：1，他引：0
自动、准确且快速地统计苗木数量是实现苗圃高效管理的重要基础。针对现有苗木计数方法准确率较低且无法准确统计粘连苗木等问题,该研究提出了一种基于贝叶斯CSRNet模型的云杉计数模型。该模型以对粘连苗木具有良好稳定性的CSRNet模型为基础,引入贝叶斯损失函数,以人工标注的点标签数据作为监督信号。以1 176幅云杉图像训练贝叶斯CSRNet模型,并通过166幅测试集云杉图像测试。结果表明,贝叶斯CSRNet模型可以准确、快速地统计无人机航拍图像内的云杉,对测试集图像内云杉的平均计数准确率（Mean Counting Accuracy,MCA）、平均绝对误差（Mean Absolute Error,MAE）和均方误差（Mean Square Error,MSE）分别为99.19%、1.42和2.80。单幅云杉图像耗时仅为248 ms,模型大小为62 Mb。对比YOLOv3模型、改进YOLOv3模型、CSRNet模型和贝叶斯CSRNet模型对166幅测试集云杉图像的计数结果,贝叶斯CSRNet模型的MCA分别比YOLOv3模型、改进YOLOv3模型、CSRNet模型高3.43%、1.44%和1.13%;贝叶斯CSRNet模型的MAE分别比YOLOv3模型、改进YOLOv3模型、CSRNet模型低6.8、2.9和1.67;贝叶斯CSRNet模型的MSE分别比YOLOv3模型、改进YOLOv3模型、CSRNet模型低101.74、23.48和8.57。在MCT和MS两项指标上,贝叶斯CSRNet模型与CSRNet模型相同且优于YOLOv3模型和改进YOLOv3模型。贝叶斯CSRNet模型可实现无人机航拍图像内苗木数量的自动、准确、快速统计,为苗木库存智能盘点提供参考。 相似文献
3.
为解决目前苗木计数由人工完成而导致的成本高,效率低,计数精度不能得到保障的问题,该研究以自然环境下的云杉为研究对象,以无人机航拍云杉图像和拼接后完整地块云杉图像为数据源,根据云杉尺寸差异大和训练样本小的特点提出一种基于改进YOLOv3（You Only Look Once v3,YOLOv3）模型的云杉计数模型。该模型将密集连接模块和过渡模块引入特征提取过程,形成Darknet-61-Dense特征提取网络。通过694幅无人机航拍云杉图像测试表明,密集连接模块和过渡模块可解决YOLOv3模型小样本训练过拟合问题和云杉特征丢失问题,改进YOLOv3模型可以快速准确实现云杉计数,在精确率P、召回率R、平均精度AP、平均计数准确率MCA和平均检测时间ADT这5个评价指标上达到96.81%、93.53%、94.26%、98.49%和0.351 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.44%、4.13%和0.84%。对于拼接后完整地块云杉图像,改进YOLOv3模型的5个评价指标的结果分别为91.48%、89.46%、89.27%、93.38%和1.847 s;对比原有YOLOv3模型、SSD模型和Faster R-CNN模型,精确率P分别高2.54%、9.33%和0.74%。该研究为利用无人机快速准确统计苗木数量的关键步骤做出有益的探索。 相似文献
4.
为明确Aquacrop模型在北疆棉田膜下滴灌和地下滴灌方式下生长和生产模拟的适用性，并探究棉田生育期最优灌溉洗盐制度，该研究以2020和2021年的田间试验数据对模型参数进行校正和验证，并用校正好的模型揭示3种灌溉水平（100%ETc、80%ETc、60%ETc，其中ETc为作物需水量）、3种淋洗总定额（0、120和240 mm）、3种灌水频率（5、7和10 d/次）和3种降水年型（湿润年、平水年、干旱年）对棉花产量和灌溉水生产力的影响。结果表明，2021年所有处理的冠层覆盖度、地上生物量归一化均方根误差（normalized root mean square error, NRMSE）不大于20.998%，一致性指数d≥0.967，决定系数R2≥0.914，产量均方根误差（root mean square error, RMSE）、NRMSE、d和R2分别为0.389 t/hm2、6.797%、0.836和0.754，模型整体模拟效果良好。基于58 a气象数据的模型模拟表明：灌溉水平、淋洗定额、降水年型对棉花产量和灌溉水生产力的影响显著，灌水频率的影响不显著；在平均土壤含盐量范围为12～18 g/kg的植棉区域，综合考虑产量、灌溉水生产力及实际生产情况，湿润年推荐80%ETc+120 mm的灌溉淋洗总定额，平水年和干旱年推荐100%ETc+120 mm的灌溉淋洗总定额；推荐延长灌水频率至10 d/次以减少灌水次数，节约成本。研究可以为Aquacrop模型在棉田中的应用积累经验，为农业水资源高效利用提供理论指导与技术支撑。 相似文献
5.
基于遥感监测多品种玉米成熟度进而掌握最佳收获时机，对提高其产量和品质至关重要。该研究在玉米成熟阶段获取无人机多光谱影像，同步采集叶片叶绿素含量（chlorophyll content，C）、籽粒含水率（moisture content，M）、乳线占比（proportion of milk line，P）等地面实测数据，以此构建玉米成熟度指数（maize maturity index，MMI），从而定量表征玉米成熟度。通过MMI与植被指数构建回归模型和随机森林模型，验证MMI适用性，并分析无人机遥感对不同品种玉米成熟度的监测精度。结果表明：1）不同品种玉米的叶片叶绿素含量、籽粒含水率、乳线占比的变化速率均存在差异。2）MMI与所选植被指数的相关性均可达到0.01显著水平，其中与归一化植被指数（normalized difference vegetation index，NDVI）、转换叶绿素吸收率（transformed chlorophyll absorbtion ratio index，TCARI）相关性最高，相关系数均为0.87。3）该研究基于不同组合的数据集进行了模型验证，其中随机森林模型对MMI的估测精度最高，测试集决定系数（coefficient of determination，R2）为0.84，均方根误差（root mean squared error，RMSE）为8.77%，标准均方根误差（normalized root mean squared error，nRMSE）为12.05%。此外，随机森林模型对不同品种MMI的估测精度较好，京九青贮16精度最优，其中R2、RMSE、nRMSE为0.76、10.67%、15.88%，模型精度证明了可以利用无人机平台对不同品种玉米成熟度进行监测。研究结果可为多光谱无人机实时监测农田多品种玉米成熟度的动态变化提供参考。 相似文献
6.
渠道泄水闸能够快速排除灌区入渠洪水,避免渠道漫顶。研究以淠史杭灌区灌口集泄水闸为例,以闸门调度流量为目标变量,以不同时段过去和未来降雨量、泄水闸闸上实时水位及其变化量为特征变量,比较8种机器学习算法的预测精度,同时采用Shapley Additive exPlanations（SHAP）法分析特征变量重要性。结果表明：1）集成学习算法预测评价指标优于传统回归算法,8种机器学习算法中随机森林回归（random forest regression, RFR）算法预测精度最高（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为 0.146 m3/s、0.094 m3/s、0.021 m3/s、0.976;测试集分别为0.306 m3/s、0.197 m3/s、0.093 m3/s、0.931）;2）采用SHAP法确定的特征变量重要性排序表明灌口集泄水闸闸上水位对于泄水闸调度流量的预测结果影响最大,占特征重要性值总和的34.6%;3）以过去6 h降雨量、过去9 h降雨量、未来6 h降雨量、灌口集泄水闸闸上水位作为输入变量的RFR算法预测灌口集泄水闸调度流量效果最佳,模型误差指标为（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.126 m3/s、0.080 m3/s、0.016 m3/s、0.982;测试集分别为0.263 m3/s、0.164 m3/s、0.069 m3/s、0.950）,研究结果对灌区防洪调度决策具有重要参考价值。 相似文献
7.
基于无人机图像的多尺度感知麦穗计数方法 总被引：3，自引：3，他引：0
小麦是世界上重要的粮食作物,其产量的及时、准确预估对世界粮食安全至关重要,小麦穗数是估产的重要数据,因此该研究通过构建普适麦穗计数网络（Wheat Ear Counting Network,WECnet）对灌浆期小麦进行精准的计数与密度预估。选用多个国家不同品种的麦穗图像进行训练,并且对数据集进行增强,以保证麦穗多样性。在原始人群计数网络CSRnet基础上,针对小麦图像特点构建WECnet网络。在网络前端,通过使用VGG19的前12层进行特征提取,同时与上下文语义特征进行融合,充分提取麦穗的特征信息。后端网络使用不同空洞率的卷积加大感受野,输出高质量的密度图。为了验证模型的可迁移性与普适性,该研究通过基于全球小麦数据集训练好的模型对无人机实拍的麦田图像进行计数。试验结果表明：在全球小麦数据集上,WECnet训练模型的决定系数、均方根误差（Root Mean Square Error,RMSE）与平均绝对误差（Mean Absolute Error,MAE）分别达到了0.95、6.1、4.78。在无人机拍摄图像计数中,决定系数达到0.886,整体错误率仅为0.23%,平均单幅小麦图像计数时间为32 ms,计数速度与精度均表现优异。结果表明,普适田间小麦计数模型WECnet可以对无人机获取图像中小麦的准确计数及密度预估提供数据参考。 相似文献
8.
作为一种典型的生理水分参数，茎干水分与活立木内部水分平衡的维持、光合固碳及细胞代谢等的正常运转有紧密联系，对不同环境参数协同作用下的茎干水分较准确预测是必不可少的。为实现对生长季茎干水分变化特征及其影响因素进行解析，并构建茎干水分预测模型，该研究以常见绿化树种五角枫（Acer pictum subsp. Mono）为研究对象，搭建五角枫物联网生态信息监测系统，实现五角枫茎干水分和各环境参数的实时采集与在线显示，其中茎干水分变化情况由自主设计的基于驻波率原理的茎干水分传感器实时且无损获取。在此基础上，提出麻雀搜索算法（sparrow search algorithm，SSA）优化反向传播（back propagation，BP）神经网络即SSA-BP茎干水分预测模型，计算模型的决定系数（coefficient of determination，R2）、均方根误差（root mean square error，RMSE）和平均绝对误差（mean absolute Error，MAE）以评估其预测性能，与传统的BP模型及遗传算法（genetic algorithm，GA）优化BP即GA-BP模型的预测性能进行对比。结果表明：1）搭建的物联网生态信息监测系统可有效获取茎干水分及各环境参数；萌芽期和落叶期，茎干水分呈“昼升夜降”的变化趋势，生长期，茎干水分呈“昼降夜升”的变化趋势；2）SSA-BP模型的预测性能要优于GA-BP模型和BP模型，萌芽期，SSA-BP模型的R2为0.896～0.987，RMSE为0.314～12.971 mV，MAE为0.232～5.030 mV。该研究提出一种可行的茎干水分采集和预测方法，可为揭示植物茎干内部水分运移规律及其环境适应机制提供借鉴。 相似文献
9.
为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R 2 )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。 相似文献
10.
基于机器学习的遮荫设施内参考作物蒸散量估算 总被引：2，自引：2，他引：0
为高效准确地估算遮荫设施内参考作物蒸散量（Reference Evapotranspiration, ET0）,该研究通过分析三七栽培遮荫设施（四周及顶部均由黑色遮阳网遮盖,通风性较好）内及设施外气象参数的关系,采用Sobol敏感性分析方法筛选出设施外有效的气象参数,并将其作为模型输入,以Penman-Monteith（FAO-56 PM）模型计算的值为标准值,采用贝叶斯优化（Bayesian Optimization, BO）算法优化机器学习方法（支持向量回归机（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和极限学习机（Extreme Learning Machine, ELM））中的参数,建立3种遮荫设施内ET0估算模型（BO-SVR、BO-RF和BO-ELM）。结果表明：遮荫设施内ET0对设施外平均相对湿度、平均风速、最高气温和平均气温的敏感性较高,一阶敏感系数分别为0.450、0.304、0.064和0.026,故基于4组气象参数建立模型。BO-ELM模型的测试精度整体优于BO-SVR和BO-RF,其中BO-ELM模型基于平均相对湿度、平均风速、最高气温和平均气温的气象参数组合估算精度最高,决定系数、均方根误差和平均绝对误差分别为0.928、0.069 mm/d和0.046 mm/d,BO-ELM模型也能很好地适应少量气象参数（平均相对湿度和平均风速）估算设施内ET0,决定系数、均方根误差和平均绝对误差分别为0.910、0.078 mm/d和0.057 mm/d。综合考虑计算精度和计算代价,可将BO-ELM模型作为气象参数缺失情况下遮荫设施内ET0的估算方法。研究为遮荫设施内ET0的估算提供有效方法。 相似文献
11.
在无人机上安装光学传感器捕捉农作物图像是一种经济高效的方法，它有助于产量预测、田间管理等。该研究以无人机小麦作物图像为研究对象，针对图像中麦穗分布稠密、重叠现象严重、背景信息复杂等特点，设计了一种基于TPH-YOLO(YOLO with transformer prediction heads)的麦穗检测模型，提高无人机图像麦穗计数的精度。首先，为了减小光照不均匀对无人机图像质量造成的影响，该研究采用Retinex算法进行图像增强处理。其次，在YOLOv5的骨干网络中添加坐标注意力机制（coordinateattention,CA），使模型细化特征，更加关注麦穗信息，抑制麦秆、麦叶等一些背景因素的干扰。再次，将YOLOv5中原始的预测头转换为Transformer预测头（transformer prediction heads,TPH），该预测头具有多头注意力机制的预测潜力，可以在高密度场景下准确定位到麦穗。最后，为了提高模型的泛化能力和检测精度，采用了迁移学习的训练策略，先使用田间采集的小麦图像数据集对模型进行预训练，接着再使用无人机采集的小麦图像数据集对模型进行参数更新和优化训练，... 相似文献
12.
Soil texture is an important factor governing a range of physical properties and processes in soil. The clay and fine fractions of soil are particularly important in controlling soil water retention, hydraulic properties, water flow and transport. Modern soil texture analysis techniques (x‐ray attenuation, laser diffraction and particle counting) are very laborious with expensive instrumentation. Chilled‐mirror dewpoint potentiameters allows for the rapid measurement of the permanent wilting point (PWP) of soil. As the PWP is strongly dictated by soil texture, we tested the applicability of PWP measured by a dewpoint potentiameter in predicting the clay, silt and sand content of humid tropical soils. The clay, silt, and sand content, organic matter and PWP were determined for 21 soils. Three regression models were developed to estimate the fine fractions and validated using independent soil data. While the first model showed reasonable accuracy (RMSE 16.4%; MAE 13.5%) in estimating the clay, incorporating the organic matter into the equation improved the predictions of the second model (RMSE 17.3%; MAE 10.9%). When used on all soil data, the accuracy of the third model in predicting the fine fraction was poor (RMSE 31.9%; MAE 24.5%). However, for soils with silt content greater than 30%, the model prediction was quite accurate (RMSE 7–12%; MAE 7–9%). The models were used to estimate the sand content and soil textures of soils, which proved relatively accurate. The dewpoint potentiometer can serve a dual purpose of rapidly estimating the PWP and the clay, fine fraction, and soil texture of soils in a cost efficient way. 相似文献
13.
14.
针对目前养殖过程中海珍品计数方法成本高、效率低、计数精度难以保障等问题,该研究以真实底播养殖环境下的海珍品为研究对象,以水下拍摄的海珍品视频为数据源,提出一种基于视频多目标跟踪的多类别海珍品计数方法。首先,采用性能优异的YOLOv7算法实现海珍品目标检测器,为多目标跟踪提供输入;然后,结合真实养殖环境下同类别海珍品外观相似性高、不清晰等特点,借鉴BYTE算法的多目标跟踪思想,设计多类别轨迹生成策略和基于轨迹ID号的计数策略,提出一种多类别海珍品跟踪与计数方法。并提出一套更适用于基于轨迹ID号计数方法的评估指标。试验结果表明,改进平均计数精度、改进平均绝对误差、改进均方根误差及帧率分别为91.62%、5.75、6.38和32帧/s,各项指标多优于YOLOv5+DeepSORT、YOLOv7+DeepSORT、YOLOv5+BYTE、YOLOv7+BYTE等算法,尤其改进平均计数精度、帧率指标比YOLOv5+DeepSORT高了29.51个百分点和8帧/s,且在改进平均绝对误差、改进均方根误差指标上分别降低19.50和12.08。该研究方法可有效帮助水产养殖企业掌握水下海珍品数量,为现代化... 相似文献
15.
Horizontal distribution of radiocesium in forest soils under spruce (Picea abies (L.) Karst.) and beech (Fagus sylvatica L.) The horizontal distribution of radiocesium in the soil under the canopy of several beeches and spruces was examined. At the base of spruces mean 137Cs activities are about twice, and under beeches 5 to 15 times as high as under more distant parts of the canopy. Between 80 and 95% of the 137Cs activity can be attributed to the Chernobyl fallout, the rest to the global fallout from weapons testing in the 1950s and 1960s. While the 137Cs accumulation at the base of spruces can be explained by litter fall and remains of bark, the up to 30 times increased values at the base of beeches are explained by stemflow. Mean activity of radiocesium in the bark of spruce (0,62 Bq/g dry weight) is about twice as high as in the bark of a beech. This can be explained by considering that in contrast to beeches the 137Cs activity in the soil under spruces is corresponding to some extend with the main rooting zone. Thus, we expect an increased uptake by the roots of this species and a subsequent transfer to the bark. 相似文献
16.