- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅翻译 基于诱捕器图像的飞蛾害虫自动检测
ABSTRACT在以信息素为基础的害虫管理系统中，监测害虫数量是一个至关重要的组成部分。在本文中，我们提出了一种基于深度学习的自动检测管道，用于识别和计数田间诱捕器内拍摄的图像中的害虫。将该方法应用于一个商业毒蛾数据集，在定性和定量上都显示了良好的性能。与以前的害虫检测尝试相比，我们的方法没有使用特定于害虫的工程，这使得它能够以最少的人力适应其他物种和环境。它易于在并行硬件上实现，因此能够在需要实时性能的环境中部署。1. Introduction监测是基于信...
2021-12-08 13:23:13
890
2
翻译 利用深度学习对象检测器从信息素陷阱图像中自动计数松球菌监测
Simple Summary松球菌(Matsucoccus thunbergianae)是一种对黑松造成广泛损害的森林害虫;因此，监测这种害虫是必要的，以尽量减少环境和经济损失的森林。然而，利用信息素诱捕器监测昆虫是一项费时费力的工作。为了开发一个自动化监控系统，我们的目标是开发检测和计数的算法。基于深度学习的目标检测算法在信息素陷阱图像中的应用。训练基于深度学习神经网络的各种条件下目标检测模型，并对检测和计数性能进行比较和评价。此外，通过将图像裁剪到多个窗口，训练模型能够很好地检...
2021-12-05 21:21:53
1003
翻译 基于改进YoloV3卷积神经网络的番茄病虫害检测
ABSTRACT番茄在生长过程中受到各种病虫害的影响。如果控制不及时，就会导致减产甚至歉收。如何有效地控制病虫害，帮助菜农提高番茄的产量是非常重要的，而准确地识别病虫害是最重要的。与传统的模式识别方法相比，基于深度学习的病虫害识别方法可以直接输入原始图像。代替了传统方法中繁琐的图像预处理、特征提取、特征分类等步骤，采用端到端的结构，简化了识别过程，解决了手工设计的特征提取器难以获得最接近对象自然属性的特征表达式的问题。基于深度学习的对象检测应用，不仅可以节省时间和精力，还可以实现实...
2021-12-04 23:00:13
6061
8
翻译 基于深度学习特征的植物病虫害检测
ABSTRACT及时、准确地诊断植物病害，对于防止农业生产的损失和农产品的损失或减少具有重要作用。为了解决这类问题，可以使用基于机器学习的方法。近年来，在图像处理中应用尤其广泛的深度学习为精准农业提供了许多新的应用。在本研究中，我们利用九种强大的深度神经网络结构的不同方法来评估植物病害检测的性能结果。采用迁移学习和深度特征提取方法，使这些深度学习模型能够适应当前的问题。在本文的工作中，我们考虑了利用预处理的深度模型进行特征提取和进一步的微调。通过深度特征提取得到的特征通过支持向量机...
2021-12-04 00:11:54
11652
翻译 基于卷积神经网络的自然场景作物害虫识别
Crop pest recognition in natural scenes using convolutional neural networksABSTRACT农作物病虫害是世界范围内的主要农业问题，因为它们的严重程度和发生范围会给农作物造成重大损失。此外，由于人工选择有用的特征集，传统的作物害虫识别方法具有局限性、效率低下和耗时。本文介绍了一种利用深度卷积神经网络(cnn)准确识别10种常见农作物害虫的方法。本文的主要贡献是:(1)描述和共享人工收集和验证的作物害虫数据...
2021-11-16 00:34:49
13757
15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人