基于本体与认知经验的农业机器人视觉分类决策方法     

熊俊涛  廖世盛  梁俊浩  韦婷婷  陈淑绵  郑镇辉 《农业机械学报》2023,54(2):208-215

基于小样本数据下认知经验知识辅助计算机进行决策,对实现农业领域机器人智能认知决策与助力智慧农业发展具有重要意义。本文在统计计数、支持向量机（SVM）等图像属性信息学习方法基础上,使用Protégé等工具,基于认知经验构建水果识别分类的专业知识库;然后根据图像颜色与形状信息,进行知识库搜索推理得到分类决策。实验在Fruit360数据集中共选择2091幅葡萄、香蕉、樱桃水果图像作为测试集,并各挑选30幅图像作为属性信息训练集与验证集,结果表明当前数据下葡萄与樱桃识别准确率为100%,香蕉识别准确率为93.30%。仅在知识库添加黄桃知识后,对984幅黄桃图像样本进行测试,其分类准确率为97.05%。表明本文方法能有效完成图像分类决策任务,且具有良好的过程可解释性、能力共享性和可拓展性。  相似文献   

基于WGAN和MCA-MobileNet的番茄叶片病害识别     

王志强  于雪莹  杨晓婧  兰玉彬  金鑫宁  马景余 《农业机械学报》2023,54(5):244-252

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络（Multi scale feature fusion and coordinate attention MobileNet, MCA-MobileNet）模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络（Wasserstein generative adversarial networks, WGAN）进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块（Coordinate attention, CA）嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。  相似文献   

基于机器学习的油青菜心水分胁迫研究     

杨明欣  高鹏  陈文彬  周平  孙道宗  谢家兴  陆健强  王卫星 《华南农业大学学报》2021,42(5):117-126

目的 以油青菜心Brassica chinensis var. parachinensis为试验对象,基于冠层温度研究其生长过程中的水分胁迫变化规律,并利用机器学习方法,以水分胁迫指数(Crop water stress index, CWSI)和光合有效辐射预测光合作用速率。方法 试验期间,在营养生长阶段(V期)和生殖生长阶段(R期)对油青菜心进行不同田间持水量处理,采集冠层温度、空气温湿度数据,建立无蒸腾作用基线(上限方程)、无水分胁迫基线(下限方程),通过经验公式计算CWSI。利用基于密度的空间聚类方法和空气温度研究油青菜心的冠气温差上限分布情况,选取固定值作为上限;以CWSI经验公式为基础,使用不同温度定值的无蒸腾作用基线计算CWSI,验证聚类效果。为更简便获取光合作用速率,使用4种机器学习方法：最邻近节点算法(k-Nearest neighbor,KNN)、支持向量回归(Support vector regression,SVR)、极端梯度提升法(Extreme gradient boosting,XGBoost)、随机森林(Random forest,RF)进行预测,并对比预测效果。结果 在不同田间持水量处理下,CWSI能较好地监测油青菜心水分胁迫状况。通过聚类分析,将V期和R期冠气温差上限分类到2个簇中,得到簇心分别为3.4和4.2 ℃,与CWSI经验公式计算值显著相关,表明使用固定值作为油青菜心冠气温差上限值具有可行性。KNN、SVM、XGBoost和RF预测模型均取得较好效果,相关系数分别为0.873、0.877、0.887和0.863。结论 机器学习方法可用于油青菜心光合作用速率的预测,可以避免使用大型笨重仪器,降低对油青菜心叶片的损伤,减少测量时间。  相似文献   

基于RGB-D图像的自动化膳食调查系统     

李仕超  高梓成  郭浩  邓志扬  马瑞  雷杰  张昊 《中国农业大学学报》2023,28(2):198-206

针对传统膳食调查方法使用过程繁琐,耗时长的问题,对基于彩色深度图像的自动化膳食调查系统进行研究,采用DeepLabv3+语义分割模型对RealSense传感器获取的食物彩色图像进行分割,根据食物分割结果和对应的深度图像计算每一类别食物体积并结合食物配料表和营养成分估算营养素含量;同时采集人体深度图像序列结合蒙皮多人线性模型拟合三维人体模型,并利用模型点云和人体体重信息计算身体质量指数和腰臀比。结果表明:1)本系统在食物图像分割中的像素准确率为72.1%,像素准确率平均值为97.13%,平均交并比为82.03%;2)食物体积计算中的平均绝对误差均小于40 cm³;3)所有人体样本计算的腰臀比与真实值偏离程度均小于4%。本系统在实现自动监测食物各营养素摄入量的基础上,增加对人体体重状况以及中心性肥胖程度的初步判定,同时提高了膳食调查的便捷性和自动化程度,可以为营养干预提供依据和参考。  相似文献   

基于深度学习的高分辨率麦穗图像检测方法     

赵越  卫勇  单慧勇  穆志民  张健欣  吴海云  赵辉  胡建龙 《中国农业科技导报》2022,24(9):96-105

小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s^-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。  相似文献   

英语学习困难生的心理问题与对策研究   总被引：7，自引：0，他引：7  

郑惠卿 《高等农业教育》2001,(5):55-57

本分析了高校英语学习困难生的主要心理问题，并针对英语学习困难生的个性心理发展状况，帮助他们矫正心理和学习上偏差，激发学习英语的兴趣。  相似文献   

高等农业院校科技译刊选题刍议     

张湘娥 《湖南农业大学学报(自然科学版)》1990,(1)

选题是办刊的一个重要环节,高等农业院校科技译刊选题,要根据农业学科本身的特点,根据教学科研的实际需要,又能反映学科发展的新趋势、新动态,同时,选题还要考虑本校翻译队伍的优势,特点。  相似文献   

大学英语精读教学的探索     

曹瑞明 《河南科技大学学报(农学版)》2000,20(1):71-72

论述了大学英语教学应遵循的基本原则．阐述了如何培养学生的英语语言能力和语用能力。  相似文献   

英语定语从句的汉译探讨     

李学植 《湖南农业大学学报(自然科学版)》1990,(2)

从英汉两种语言的区别出发,透过定语从句表层的语法结构形式,分析了定语从句广泛的内涵,并进而归纳出定语从句的五种不同的汉译处理手法。  相似文献   

汉语兼语句和英语SVOC句型互译时的句式对应     

马崇梅 《云南农业大学学报(自然科学版)》2008,2(4):89-93

汉语兼语句[（N1）＋V1＋N2＋V2]或英语SVOC句型的构成主要取决于动词V1或V的意义。通过对兼语句和SVOC句型互译实例的对比分析,探讨兼语句和SVOC句型进行英汉互译时的句式对应,以期加深对英汉中的这两种语言现象的认识。  相似文献