分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-06-17 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析，将会极大提高 识别效率。为了实现甘蓝大田移栽情况的实时监测和统计，提高甘蓝移栽后的成活率以及制定后续工作方案，减 少人力和物力的浪费，研究一种自然环境下高效识别甘蓝移栽状态的算法。［方法］采集移栽后的甘蓝图像，利用 数据增强方式对数据进行处理，输入YOLOv8s（You Only Look Once Version 8s） 算法中进行识别，通过结合可变 形卷积，提高算法特征提取和目标定位能力，捕获更多有用的目标信息，提高对目标的识别效果；通过嵌入多尺 度注意力机制，降低背景因素干扰，增加算法对目标区域的关注，提高模型对不同尺寸的甘蓝的检测能力，降低 漏检率；通过引入Focal-EIoU Loss（Focal Extended Intersection over Union Loss），优化算法定位精度，提高算法的 收敛速度和定位精度。［结果和讨论］提出的算法经过测试，对甘蓝移栽状态的召回率R值和平均精度均值 （Mean Average Precision，mAP） 分别达到92.2%和96.2%，传输速率为146帧/s，可满足实际甘蓝移栽工作对移栽 状态识别精度和速度的要求。［结论］提出的甘蓝移栽状态检测方法能够实现对甘蓝移栽状态识别的准确识别，可 以提升移栽质量测量效率，减少时间和人力投入，提高大田移栽质量调查的自动化程度。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-06-17 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］近年来，人工智能在农业领域的应用取得了显著进展，但仍面临诸如模型数据收集标记困 难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术，已在多个行业的垂直领域中展现 出了良好性能，尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。［进 展］ 本文首先阐述了大模型的基本概念和核心技术方法，展示了在参数规模扩大与自监督训练下，模型通用能力 与下游适应能力的显著提升。随后，分析了大模型在农业领域应用的主要场景；按照语言大模型、视觉大模型和 多模态大模型三大类，在阐述模型发展的同时重点介绍在农业领域的应用现状，展示了大模型在农业上取得的研 究进展。［结论/展望］ 对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解，展 望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统，并为公众提供专业优 质的农业服务。
点击量
通过
点击量
下载量
评论
