分类: 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间: 2024-07-17 合作期刊: 《智慧农业(中英文)》
摘要: [目的/意义]叶球是结球甘蓝的重要部分,其生长发育对田间管理至关重要。针对叶球分割识别存在大 田背景复杂、光照不均匀和叶片纹理相似等问题,提出一种语义分割算法UperNet-ESA,旨在能快速、准确地分 割田间场景中结球甘蓝的外叶和叶球,以实现田间结球甘蓝的智能化管理。[方法]首先,采用统一感知解析网络 (Unified Perceptual Parsing Network, UperNet) 作为高效语义分割框架,将主干网络改为先进的ConvNeXt,使得模 型在提升分割精度的同时也能具有较低的模型复杂度;其次,利用高效通道注意力机制(Efficient Channel Atten⁃ tion, ECA) 融入特征提取网络的各阶段,进一步捕捉图像的细节信息;最后,通过将特征选择模块(Feature Se⁃ lection Model, FSM) 和特征对齐模块(Feature Alignment Model, FAM) 集成到特征金字塔框架中,得到更为精确的 目标边界预测结果。[结果和讨论]在自制结球甘蓝图像数据集上进行实验,与目前主流的UNet、PSPNet和Deep⁃ labV3+语义分割模型相比,改进UperNet方法的平均交并比为92.45%,平均像素准确率为94.32%,推理速度为 16.6 f/s,能够达到最佳精度-速度平衡效果。[结论]研究成果可为结球甘蓝生长智能化监测提供理论参考,对甘 蓝产业发展具有重要的应用前景。
分类: 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间: 2024-07-17 合作期刊: 《智慧农业(中英文)》
摘要: [目的/意义]农事行为活动识别对设施蔬菜生产精准化调控有着重要意义,在一定程度上可以通过查看 农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄 瓜叶片和设施遮挡导致识别准确率不高的问题,提出一种名为SlowFast-SMC-ECA (SlowFast-Spatio-Temporal Ex⁃ citation、Channel Excitation、Motion Excitation-Efficient Channel Attention)的农事活动行为识别算法。[方法]该算 法主要基于SlowFast模型,通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特 征和关键特征的提取能力。在Fast Pathway中,引入多路径激励残差网络的概念,通过在信道之间插入卷积操作来 增强它们在时域上的相互关联性,从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中,将传统的 Residual Block替换为ECA-Res结构,以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系, 提升了特征之间的语义信息传递,进而显著提升了农事行为识别的准确率。此外,为了解决数据集中类别不均衡 的问题,设计了平衡损失函数(Smoothing Loss),通过引入正则化系数,平衡损失函数可以有效地处理数据集中 的类别不均衡情况,提高模型在各个类别上的表现。[结果和讨论]改进的SlowFast-SMC-ECA模型在农事行为识 别中表现出良好的性能,各类行为的平均识别精度达到80.47%,相较于原始的SlowFast模型有约3.5%的提升。 [结论]本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。
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]针对实体嵌套、实体类型混淆等问题导致的农业病害命名实体识别(Named Entities Recog⁃ nition, NER) 准确率不高的情况,以PointerNet为基准模型,提出一种基于RoFormer预训练模型的指针网络农业病 害NER方法RoFormer-PointerNet。[方法]采用RoFormer预训练模型对输入的文本进行向量化,利用其独特的旋 转位置嵌入方法来捕捉位置信息,丰富字词特征信息,从而解决一词多义导致的类型易混淆的问题。使用指针网 络进行解码,利用指针网络的首尾指针标注方式抽取句子中的所有实体,首尾指针标注方式可以解决实体抽取中 存在的嵌套问题。[结果和讨论]自建农业病害数据集,数据集中包含2 867条标注语料,共10 282个实体。为验 证RoFormer预训练模型在实体抽取上的优越性,采用Word2Vec、BERT、RoBERTa等多种向量化模型进行对比试 验,RoFormer-PointerNet 与其他模型相比,模型精确率、召回率、F1 值均为最优,分别为87.49%,85.76% 和 86.62%。为验证RoFormer-PointerNet在缓解实体嵌套的优势,与使用最为广泛的双向长短期记忆神经网络(Bidirectional Long Short-Term Memory, BiLSTM) 和条件随机场(Conditional Random Field, CRF) 模型进行对比试验, RoFormer-PointerNet比RoFormer-BiLSTM模型、RoFormer-CRF模型和RoFormer-BiLSTM-CRF模型分别高出4.8%、 5.67%和3.87%,证明用指针网络模型可以很好解决实体嵌套问题。最后验证RoFormer-PointerNet方法在农业病害 数据集中的识别性能,针对病害症状、病害名称、防治方法等8类实体进行了识别实验,本方法识别的精确率、 召回率和F1值分别为87.49%、85.76%和86.62%,为同类最优。[结论]本研究提出的方法能有效识别中文农业病 害文本中的实体,识别效果优于其他模型。在解决实体抽取过程中的实体嵌套和类型混淆等问题方面具有一定 优势。
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。