分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 农业生产环境中的目标识别对象常具有分布密集、体积小、密度大的特点，加之农田环境光照多 变、背景复杂，导致已有目标检测模型无法取得令人满意的效果。本研究以提高小目标的识别性能为目标， 以蜜蜂识别为例，提出了一种农业复杂环境下尺度自适应小目标识别算法。算法克服了复杂多变的背景环 境的影响及目标体积较小导致的特征提取困难，实现目标尺度无关的小目标识别。首先将原图拆分为一些 较小尺寸的子图以提高目标尺度，将已标注的目标分配到拆分后的子图中，形成新的数据集，然后采用迁 移学习的方法重新训练并生成新的目标识别模型。在模型的使用中，为使子图识别结果能正常还原，拆分 的子图之间需具有一定的重叠率。收集所有子图的目标识别结果，采用非极大抑制（Non-Maximum Suppres⁃ sion，NMS） 去除由于模型本身产生的冗余框，提出一种交小比非极大抑制（Intersection over Small NMS， IOS-NMS） 进一步去除子图重叠区域中的冗余框。在子图像素尺寸分别为300300、500500和700700， 子图重叠率分别为0.2和0.05的情况下进行验证试验，结果表明：采用SSD （Single Shot MultiBox Detector） 作为框架中的目标检测模型，新提出的尺度自适应算法的召回率和精度普遍高于SSD模型，最高分别提高了 3.8%和2.6%，较原尺度的YOLOv3模型也有一定的提升。为进一步验证算法在复杂背景中小目标识别的优 越性，从网上爬取了不同尺度、不同场景的农田复杂环境下的蜜蜂图像，并采用本算法和SSD模型进行了对 比测试，结果表明：本算法能提高目标识别性能，具有较强的尺度适应性和泛化性。由于本算法对于单张 图像需要多次向前推理，时效性不高，不适用于边缘计算。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 冬小麦涝渍胁迫频发不仅严重影响区域粮食安全和生态安全，还威胁社会经济稳定和可持续发展。 为识别冬小麦涝渍胁迫及判别其胁迫程度，本研究设置冬小麦涝渍胁迫梯度盆栽试验，采用ASD地物光谱 仪和Gaiasky-mini2推扫式成像光谱仪分别测定叶片及冠层高光谱数据，结合植被指数、归一化均值距离和 光谱微分差信息熵等方法，监测冬小麦是否遭受涝渍胁迫并判别其涝渍胁迫程度。试验结果显示，简单比 值色素指数SRPI是识别涝渍胁迫冬小麦的最优植被指数。红光吸收谷（RW：640~680 nm） 是识别冬小麦 涝渍胁迫程度的最优波段，在RW波段内，抽穗、开花和灌浆期的光谱微分差信息熵可判别冬小麦涝渍胁迫 程度，胁迫程度越大，光谱微分差信息熵越大。本研究为涝渍胁迫监测提供了一种新方法，在涝渍胁迫精 确防控中具有较好的应用前景。
点击量
点击量
下载量
评论
