科研产出
基于语言大模型的农业专家系统的设计与实现
《电脑知识与技术 》 2025
摘要：针对农业生产者对农业知识的了解和学习的渠道少，新农业技术和新农业成果的推广困难等问题，以农业知识库为基础，结合语言大模型、卷积神经网络提出了一种农业专家系统。系统根据用户提出文字的问题，通过语言大模型提取问题的词向量，并在农业知识库中进行相似性查询，最后将查询结果返回给语言大模型，由语言大模型生成问题的答案；对于用户提出的病虫害问题，系统根据用户提供的图像，通过卷积神经网络对病虫害进行分类，帮助用户快速准确地判断病虫害类型，同时提供知识库中相关的防治方案。系统的实现为农业生产者提供了一个快速准确的辅助决策工具和一条便捷的知识获取渠道。
全文链接
请求原文
基于改进YOLOv8的自然环境下柑橘果实识别
《湖北农业科学 》 2024 北大核心
摘要：为实现柑橘果实的精准快速识别,提出了一种改进YOLOv8网络模型。首先将YOLOv8网络模型中的部分传统卷积替换为ODConv全维动态卷积,以增强YOLOv8网络模型在复杂的自然环境下的适应能力,然后将YOLOv8的CIoU损失函数替换为MPDIoU损失函数,解决了CIoU损失函数在特殊情况下退化的问题,接着通过消融试验,分别验证了ODConv全维动态卷积与MPDIoU损失函数的有效性,改进后YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x的平均识别精度mAP分别从86.40%、88.92%、88.97%、88.99%、89.11%提高至88.25%、89.32%、89.57%、89.90%、90.12%。试验结果表明,ODConv全维动态卷积与MPDIoU损失函数能有效提高YOLOv8网络模型在自然环境下的柑橘果实识别能力。
关键词： 柑橘果实识别 卷积神经网络 YOLOv8 ODConv全维动态卷积 MPDIoU损失函数
全文链接
请求原文
基于卷积神经网络的柑橘病害叶片分类算法
《信息与电脑(理论版) 》 2022
摘要：卷积神经网络在根据图像中的隐藏特征信息来学习样本数据的内在规律，在图像分类应用上有着很好的效果。因此，本文基于卷积神经网络提出了应用于柑橘植物叶片病害图像分类的算法模型。本文提出的E-Res2Net模型在柑橘植物叶片病害8分类真实图像上的识别准确率达到了86.04%，该方法的性能较优于常见的卷积神经网络模型。
全文链接
请求原文
面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型
《智慧农业(中英文) 》 2021
摘要：卷积神经网络(CNN)的发展带来了大量的网络参数和庞大的模型体积,极大地限制了其在小规模计算资源设备上的应用。为将CNN应用在各种小型设备上,研究了一种基于知识蒸馏的结构化模型压缩方法。该方法首先利用VGG16训练了一个识别率较高的教师模型,再将该模型中的知识通过蒸馏的方法迁移到MobileNet,从而大幅减少了模型的参数量。将知识蒸馏后的Distilled-MobileNet模型应用在14种作物的38种常见病害分类中。进行了知识蒸馏在VGG16、AlexNet、GoogleNet和ResNet 4种不同网络结构上的表现测试,结果表明,当VGG16作为教师模型时,模型准确率提升了97.54%;使用单个病害识别率、平均准确率、模型内存、平均识别时间4个指标对训练好的Distilled-MobileNet模型进行真实环境下准确性评估,经测试,模型的平均准确率达到了97.62%,平均识别时间缩短至0.218 s,仅占VGG16模型的13.20%,模型大小压缩仅为19.83 MB,相比于VGG16缩小了93.60%,使其具备了较高的准确性和实时性要求。本方法模型在压缩内存体积和缩短识别时间上较传统神经网络有了明显提高,为内存和计算资源受限设备上的病害识别提供了新的思路。
关键词： 病害识别 深度学习 模型压缩 知识蒸馏 卷积神经网络
全文链接
请求原文
首页上一页1下一页尾页
