做统计的网站吗,都有什么推广平台,如果将域名指向网站,网页游戏排行榜传奇深度学习在农业上的应用笔记11
最近发表的相关论文数量不多#xff0c;质量普遍也不尽如人意#xff0c;尤其是《Computers and Electronics in Agriculture》这个期刊。这些论文的方法都很简单#xff0c;只是强行将深度学习应用于某个问题上#xff0c;而没有考虑到农业…深度学习在农业上的应用笔记11
最近发表的相关论文数量不多质量普遍也不尽如人意尤其是《Computers and Electronics in Agriculture》这个期刊。这些论文的方法都很简单只是强行将深度学习应用于某个问题上而没有考虑到农业实际情况。不过《Precision Agriculture》期刊的论文水平还是很高的。大多数研究都涉及大型机械的应用并包含大量数据提供了很多有价值的结果。 文章目录深度学习在农业上的应用笔记111 Robust detection of headland boundary in paddy fields from continuous RGB-D images using hybrid deep neural networks (2023)2 Climate change effect on soil erosion using different erosion models: A case study in the Naip Dam basin, Türkiye20233 FPGA–accelerated CNN for real-time plant disease identification(2023)4 Estimating characteristic coefficient of vertical leaf nitrogen profile within wheat canopy from spectral reflectance (2023)5 MCC-Net: A class attention-enhanced multi-scale model for internal structure segmentation of rice seedling stem (2023)6 Investigation of the similarities between NDVI maps from different proximal and remote sensing platforms in explaining vineyard variability (2023)7 Recognition of sunflower growth period based on deep learning from UAV remote sensing images8 Improving the congruency of satellite-based fertilizer maps with field-operable units using pneumatic spreaders9 A comparison of precision and conventional irrigation in corn production in Southeast Alabama10 Identification of table grapes in the natural environment based on an improved Yolov5 and localization of picking points1 Robust detection of headland boundary in paddy fields from continuous RGB-D images using hybrid deep neural networks (2023)
摘要 本研究提出了一种基于机器视觉的岬角边界检测方法该方法在RGB图像外引入深度信息以提高其检测精度。我们使用基于深度学习的卷积神经网络CNN和循环神经网络RNN来进行岬角语义分割。我们还提出了一个交互式注意力模块IAM以自适应地融合RGB-D图像中的互补信息。在连续图像中我们采用由一组双向卷积长短期记忆ConvLSTMs组成的时间序列信息处理模块TPM来提取相互关联的信息。我们应用图像预处理技术和基于距离的边界点聚类算法于岬角分割掩模得到农机工作侧的边界线。消融研究结果证实了IAM和TPM在提高岬角分割性能方面的有效性。所提出的网络实现了出色的岬角分割性能平均交集mIoU高达95.7%。在256×144分辨率的图像上边界线提取的平均偏差为3.57像素。检测速率达到每秒25.8帧FPS可为农机转弯路径规划提供实时参考线。
结论 本研究提出了一种应用于农机视觉设备的鲁棒岬角区域分割和边界线检测方法以解决室外自然环境中岬角区域的位置感知问题。该方法利用高度差为辅助信息提高岬角检测的精度并提出了一种RGB与深度信息的交互式融合方法。通过结合CNN和RNN构建了端到端的深度学习网络从而增强了连续图像岬角区域检测的鲁棒性。最后将图像预处理技术和提出的线聚类算法应用于分割掩模得到最终的边界提取结果。
总结 这篇论文提出了一个实际问题的解决办法主题较为新颖0.5分应用了注意力机制1分和语义分割1分最后用消融实验进行了验证不过技术上没啥创新。
2 Climate change effect on soil erosion using different erosion models: A case study in the Naip Dam basin, Türkiye2023
摘要 本研究旨在利用基于GIS的修正通用土壤流失方程RUSLE和改进的通用土壤流失方程MUSLE侵蚀模型估算土耳其色雷斯奈普坝盆地的年平均土壤流失量并在气候变化影响框架内分析由储层沉积结果验证的预测输出。因此探讨未来气候变化对侵蚀速率和储层沉积时空变化的影响。使用 ArcGIS 土壤侵蚀工具组织研究数据并根据大坝盆地的 RUSLE 和 MUSLE 侵蚀模型计算年平均土壤流失。据了解流域地区年平均土壤流失量在0.31吨公顷之间。这些结果是由奈普大坝的体积变化确定的储层沉积结果来检查的。研究发现RUSLE和储层沉积结果是相容的。RUSLE侵蚀模型与2021年至2050年之间气候变化数据一起重新运行。由于气候变化的预测影响据了解未来该地区的侵蚀将增加更多。本研究为决策者提供了有用的指导信息以管理大坝水库沉积管理大坝的可持续性以及延长水库寿命。在适应气候变化方面建议采取措施减少或防止流域地区的侵蚀。
结论 本研究介绍了基于GIS的奈普坝盆地侵蚀模型估计值及其结果并通过储层沉积结果验证了这些估计结果。根据这些结果研究区域的年平均土壤流失量为0.31吨公顷/年与储层沉积结果一致。
总结 这项工作研究了气候变化对侵蚀速率和储层沉积时空变化的影响并对未来气候变化对土壤影响进行了预测。这是一个热门主题且有实际意义1分。但方法没有创新性。
3 FPGA–accelerated CNN for real-time plant disease identification(2023)
摘要 由于CNN算法具有内存密集型和计算密集型的特点在内存和计算资源有限的情况下很难在边缘终端上实现CNN。本文利用现场可编程门阵列FPGA加速CNN识别植物病害。首先设计了一个仅有176 K参数和78.47 M浮点运算FLOP的7层简单结构网络“LiteCNN”。采用知识蒸馏法训练LiteCNN使准确率达到95.24%。其次LiteCNN的加速电路是在“ZYNQ Z7-Lite 7020”FPGA板上设计和实现的。为了压缩网络加快植物病害识别应用了以下方法1可分离卷积代替规则卷积采用低冗余块卷积方法加载数据2批量归一化BN层融合到之前的卷积层或全连接层中3特征数据和模型参数用半浮点数据表示。随着电路基本功能的实现采用展开for循环、流水线for循环、环展平和阵列分区等方法来优化电路的并行度。最后在FPGA板上验证了LiteCNN。植物病害识别准确率为95.71%推理速度为每帧0.071秒功耗为2.41W。结果表明本文提出了一种低功耗、高精度、快速的植物病害识别终端可以很好地应用于现场植物病害的实时识别。
结论 该文提出一种轻量级网络“LiteCNN”实现田间植物病害的实时识别。LiteCNN仅包含0.025 M参数和0.0056 G FLOP可以在资源受限的边缘终端设备上轻松实现。同时LiteCNN基于FPGA的加速器旨在加速推理任务。此外为了保证植物病害识别的准确性LiteCNN通过经典网络的知识蒸馏进行训练。
总结 这篇论文的主题是病虫害识别这个主题研究论文太多了对投稿不太友好了-2分。采用了知识蒸馏1分以及硬件2分。但是很残酷的是在FPGA上实现卷积神经网络进行检测已经有非常成熟的方案了。
4 Estimating characteristic coefficient of vertical leaf nitrogen profile within wheat canopy from spectral reflectance (2023)
摘要 叶面积氮含量垂直分布的特征系数不仅对作物产量、粮食产量和质量以及光氮利用效率敏感而且对作物缺氮敏感。我们引入了一种从冠层光谱反射率估计该系数的稳健方法。我们基于不同的冬小麦数据集全面分析了各种方法。我们使用调整和加权决定系数wR测试和比较模型的准确性和稳定性包括多个季节的平均绝对误差MAE以及均值和变异系数CV。分析主要集中在基于质量的叶片N剖面系数Km上并提出了与基于面积的叶片N剖面系数的比较。结果表明冬小麦中估计Km的最稳健模型为Km 1.8037RGVI-0.97020.0786EXP0.6315/DASF/2其中RGVI为红绿比植被指数DASF为定向面积散射因子。平均wR调整后2在包括各种情况在内的三个赛季中CV 8.2% 时为0.663平均MAE为0.117CV 12.8%。这使得在大面积上评估Km并及时无损地跟踪其在多个时期的动态成为可能。
结论 本研究探讨了一种用于估计冠层内垂直叶氮剖面特征系数的鲁棒光谱模型。
总结 这篇论文主题是利用光谱反射的方法来估酸小麦的氮利用效率。主题是一个老话题了研究方法也缺乏创新性。
5 MCC-Net: A class attention-enhanced multi-scale model for internal structure segmentation of rice seedling stem (2023)
摘要 本文构建了水稻秧茎CT图像数据集并提出了一种类注意力增强多尺度分割MCC-Net模型来分割水稻秧茎的内部结构。针对幼苗茎CT图像中不同大小和形状的分割对象引入多尺度卷积块MCB模块Ibtehaz和Rahman2020到模型中。作者使用MCB模块构建UNet框架的编码器层可以增强模型与多尺寸分割对象的兼容性。对于UNet骨干网络解码层的输入特征图包括前一个特征提取层的输出和对应解码层的输出。为了有效地促进有效特征的前向传播过滤掉对当前分割任务不重要的特征本文构建了坐标空间注意力CSA模块并将其引入到UNet的跳过连接结构中。此外考虑多品类分割任务中品类区域与单像素的相关性本文构建了类注意力增强CAE模块对品类区域与像素之间的语境语义信息进行建模增强品类表达特征进而提高分割精度。结果表明所提出的分割模型在水稻秧茎的CT图像上表现较好。
结论 就是普通应用研究。
总结 CT图像2分注意力机制1分语义分割2分。
6 Investigation of the similarities between NDVI maps from different proximal and remote sensing platforms in explaining vineyard variability (2023)
摘要 植被指数VI特别是归一化差异植被指数NDVI被用于确定管理葡萄种植面积的单位MU并解释葡萄园生产的数量和质量。在生产环境中使用不同传感技术的NDVI地图有何不同它们能解释产量和质量变化的哪一部分本研究比较了两个季节2019年和2020年CropCircle、SpectraSenseGPS、Redwood Parrot无人机配备多光谱相机和Sentinel-2图像的高分辨率多光谱和多时间数据。目的是评估数据收集日期物候生长阶段是否影响NDVI与作物产量之间的相关性。在统计和生产背景下对近端和遥感葡萄园NDVI数据的比较表明来自类似传感器的NDVI值非常相似0.69 r0.96但近端和空中/空间观测之间存在差异。NDVI层与葡萄产量和总可溶性固形物TSS数据之间的探索性相关性分析显示出高度相关性最大值|r|0.91和|r|0.074并且相关性随着季节的进展而增加。葡萄汁的可滴定酸度和pH值没有关系。最后近端传感器可以更好地解释葡萄生长早期和后期产量和质量的变化。无人机的MU比其他传感器更好地描述了这两年的生产情况。2019年基于PCA的MU比无人机相关区域更好地解释了TSS的可变性。由于粗略的空间分辨率卫星数据在解释变化时被证明是不一致的。
结论 本研究的总体目的是利用同步多平台多时相 NDVI 分析技术在操作层面对葡萄园生产参数葡萄产量和质量进行评估。我们发现高分辨率遥感数据SpectroSenseGPS 和 UAV在管理葡萄园产量和浆果可溶性总固体质量方面表现最佳特别是在冠层生长饱满的季节中期。其中基于无人机的数据表现更为相关同时提供了快速数据收集的好处。通过从 NDVI 时间序列中派生管理单元我们可以检查运营生产环境。无人机衍生的管理单元平均值可以很好地解释 2019 年和 2020 年产量的最大变化。同时采用混合多传感器信息包括“全部”和 PCA 衍生的管理单元的方法也表现良好。另一方面卫星数据缺乏一致性两年之间存在显着差异这表明卫星 NDVI 在生产环境中可能存在变化。卫星和无人机数据之间的差异尚不清楚需要进一步的研究来重复分析其他季节的卫星图像。各种管理单元地图显示不同传感器收集的 NDVI 数据提供了不同的信息这将导致葡萄园的空间管理不同。这些类型系统中的种植者应优先考虑高分辨率的 NDVI 测绘以实现差异化葡萄园管理。
总结 这个研究非常有实际的意义。比较了来自所有四个传感器的NDVI数据即从两个近端传感器CropCircle和SpectroSense GPS和两个遥感器UAV和Sentinel-2图像提取的纯藤NDVI值。在“讨论”部分对结果的分析也很中肯。四个传感器数据3分自己的大田实验数据(2分)写作1分。
7 Recognition of sunflower growth period based on deep learning from UAV remote sensing images
摘要 在田间管理和农业决策中确切地确定作物生长期至关重要。本研究主要从多时相数据中提取作物归一化差异植被指数曲线并根据其趋势或特殊节点识别作物品种。然而这些基于时间序列的识别方法很难应用于实际的作物监测任务。因此本文利用无人机遥感平台采集试验田多光谱图像基于向日葵不同生育期的不同种群特征识别向日葵的生育期。通过统计分析田间样地内不同向日葵期的分布面积本研究得出样地级向日葵生育期结果以满足实际田间经营需要。本研究使用2018年的数据构建模型并在2019年的数据上测试其性能。通过实验比较PSPNet在本次研究中可以达到准确性和效率的良好平衡。此外考虑到相邻生长期分类之间的时间序列关系该文提出一种改进的损失函数来加权不同类型的错误分类以优化模型性能。结果表明改进的PSPNet加权损失函数实现了89.01%的最优识别准确率为基于单相数据的向日葵生育期识别提供了解决方案。
结论 普通应用语义分割模型有点老。
总结 利用无人机遥感平台连续两年采集了向日葵不同生育期的不同种群特征识别向日葵生育期图片3分。语义分割处理数据2分。
8 Improving the congruency of satellite-based fertilizer maps with field-operable units using pneumatic spreaders
摘要 氮肥价格的大幅上涨和环保意识的提高强调需要优化机器的可操作性避免不同田间单位包括海岬和田间机构目标剂量率的双重重叠从而与基于卫星的氮处方图更加一致。然而地图网格往往不符合农民的管理实践特别是机器的可操作性。因此本研究开发了一种算法通过考虑基于现场实际有轨电车的气动吊索并将可操作单元放在一起将任何给定的场地细分为可操作单元。新开发的算法可以提前指定所需的肥料量。它展示了这些技术如何实现由每个现场单元的统计数据支持的优化应用映射。可进一步将均匀施肥与有和无横截面控制的变速施VRA和机械进行比较以确定偏差最大和过量施氮的区域。对均质或异质大田机组进行更精确的氮肥施用可以节约氮素减少对环境的负面影响。本文共比较了六种变体1没有分段控制的均匀应用2带分段控制的均匀应用3没有分段控制的VRA 14带分段控制的VRA 15没有分段控制的VRA 2和6带分段控制的VRA 2。
结论 本研究开发了一种新算法该算法允许根据所使用的机械采用不同的工作宽度和动臂截面编号将油田划分为可管理的子单元。因此可以将常规栅格或管理区域中具有可操作子单元的普通应用程序地图转换为使用给定机器可管理的地图。可操作的子单元适用于有轨电车和工作宽度、多个动臂部分以及所用机械的转换距离。通过这种新方法可以事先确定施肥量有助于改进规划。与实际施用量更匹配的可操作亚单位也允许在田间更准确地施肥因为可以为每个可操作的亚单位单独计算预先计划的施肥量的加权平均值。同样该算法可以应用于供应商方面为农民提供适合其农场技术的肥料地图。
总结 这是一篇根据实际问题提出了解决方案的应用研究论文。自身的数据量较大。硬件实践2大量田间数据3分。
9 A comparison of precision and conventional irrigation in corn production in Southeast Alabama
摘要 节水灌溉可以潜在地减少水和能源的使用提高盈利能力并保护环境。本研究比较了由土壤传感器SS组成的精确灌溉SS与常规均匀灌溉URI以确定灌溉调度和可变灌溉率VRI。该研究于2018年和2019年的玉米种植季节在阿拉巴马州南部进行。SS-VRI和URI处理跨越了整个场地并在五个不同的管理区域MZ进行了比较显示了土壤和地形的差异。在每个MZ处理区域安装土壤水张力传感器以监测每小时的土壤水变化。结果表明在覆盖了研究区域55%的MZ 1和MZ 2两个区域内两年内SS-VRI处理导致灌溉用水平均减少了26%但是处理之间的产量或产量差异没有统计学差异。尽管在MZ 4中不同处理的灌溉水没有显著差异但土壤传感器提高了作物需水量峰值期间灌溉率测量的准确性。本研究结果表明基于土壤传感器的灌溉调度可用于防止作物生长期间随着降雨量和分布的变化而导致的过度灌溉或欠灌溉。通过适当的管理土壤传感器和VRI的结合为农民提供了在增加或维持产量的同时减少水消耗的机会然而农民必须考虑与收入相关的投资和运营成本。
结论 精确灌溉 SS-VRI 和 URI 的影响在美国阿拉巴马州东南部的一项为期 2 年的研究中进行了评估。这两种灌溉水管理策略的比较是在具有空间土壤和地形差异的田地上进行的。本研究的主要发现和结论总结如下
年份和区域处理之间的灌溉差异不仅受到不同月降雨量的影响还受到温度和蒸气压不足等其他天气条件以及土壤和田内地形变化的影响。灌溉和精准灌溉的价值在2019年得到了更好的证明和评估这一年月降雨量低于历史值环境温度高于历史值。使用土壤传感器和VRI根据每个MZ内的作物需求精确施用灌溉量缓解了2019年作物可能经历的更高的蒸发需求。两个研究年份MZ的产量差异可能与土壤质地和地形高程变化有关这可能影响土壤水分可用性土壤水分积累和陆上流动。在覆盖55%研究面积的两个高产区MZ 1和MZ 2中使用土壤传感器和VRISS-VRI处理节水效果最大。2年灌溉平均值显示与URI处理相比SS-VRI处理在这些区域节省了32%的水量而不会对产量产生负面影响。地形高程、土壤质地、陆上水流以及可能的地下横向水运动都会影响土壤湿度和植物有效水分。五个MZ中的每一个都受到这些因素和天气的不同影响。因此这项研究的结果证明了土壤传感器如何评估田内每日土壤湿度差异以及作物对这些因素的后续响应。例如MZ 4和MZ 5都具有相似的土壤质地条件;但是这些区域具有不同的地形高程特征并且MZ 5靠近小溪。2018年与URI处理相比MZ 5上的SS-VRI处理减少了32%的灌溉量而相同的处理在MZ 4上规定了更多的灌溉量。如果没有土壤传感器或其他方法来评估田内日常土壤水和作物用水农民可能会过度灌溉或灌溉不足。在土壤持水量较高的区域MZ 1和MZ 2上观察到使用土壤传感器和VRI组合的CWUE和节水量更大而MZ 4具有最低的土壤持水量在灌溉处理之间没有观察到节水。然而这些差异显示了使用技术根据作物和田间变化精确施用灌溉水的好处。使用SS-VRI处理的CWUE增幅最大的是在2019年该季节降雨量较低蒸散量较大。这些结果表明土壤传感器和VRI对于更好地确定灌溉时间和数量以及更好的灌溉水位非常重要。土壤质地和地形高程对土壤水分变化的作用以及SS-VRI处理中实施的最终灌溉处方表明地形高程和其他与地形相关的变量应用于灌溉管理区的划定。其他研究的结果表明地形高程得出的地形湿度指数TWI可以解释空间和时间产量变化的较大位置。因此本研究结果表明应进一步探索TWI或地形位置指数等地形指数作为田内土壤湿度和植物有效水量的解释变量尤其是在推荐VRI的情况下。土壤传感器有可能保持灌溉田的整体盈利能力同时减少用水量这取决于几个特定于站点的因素例如MZ的大小传感器的数量以及田地内的可变性。为了充分了解土壤传感器的好处农民需要保留足够的灌溉记录如时间、用水和维护成本以全面评估其灌溉田的盈利能力。未来评估灌溉盈利能力的研究和示范研究包括VRI和土壤传感器不仅应详细记录灌溉量和日期还应详细记录枢轴灌溉特定区域所需的时间每个灌溉周期的能源使用以及维修和维护成本。
总结 该研究花费两年时间比较了不同地区普通灌溉与节水灌溉的差异以及节水灌溉的能力。同时还考虑了气候、地形和土壤环境等因素。
10 Identification of table grapes in the natural environment based on an improved Yolov5 and localization of picking points
摘要 针对自然环境中新鲜葡萄采摘点定位的困难本文提出了一种基于Yolov5的解耦网络——Yolov5-CFD采用Yolov5-CBAM-4检测层解耦实现葡萄和茎的识别。同时利用几何方法实现了拾取点的快速定位。首先为了增强主干模块的特征提取能力本文集成了卷积块注意力模块CBAM的注意力机制对其进行改进。其次针对小目标难以检测的问题在颈部模块中添加了第四层检测。此外本文还借鉴了Yolox的解耦结构改进了Yolov5的Head模块优化了网络的分类和回归性能。最后利用几何方法快速准确地定位新鲜葡萄的采摘点。为验证所提出的网络模型的有效性本文使用了大约10000张葡萄图像进行训练。结果表明Yolov5s CFD模型的0.5和mAP_0.5:0.95的检测准确率、召回率和mAP分别为0.857、0.804、0.855和0.642。Yolov5m CFD模型的检测准确率和召回率分别为mAP_0.5和mAP_0.5:0.95分别为0.986、0.987、0.993和0.910。此外还将拾取点定位的成功率与相应的网络结构进行了比较。结果表明Yolov5s CFD模型的拾取点定位成功率比最初的Yolov5s高11.53%Yolov5m CFD模型的成功率比初始的Yolov5高5.84%。虽然改进的Yolov5模型的识别时间比原始Yolov5模型长但仍然可以接受。它完全可以满足鲜葡萄机械化采收的要求为鲜葡萄的机械化采收提供理论依据。
结论这种方法虽然是通用的但是它仍有一些局限性而且可能无法解决一些更加复杂的问题。
总结 这是一篇关于葡萄采摘要点的研究论文。论文中使用的技术不是最新或最尖端的。然而本文中有实际的机器人收割实践这对研究非常有用。
