分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］挂果量是果树栽培管理的重要指标。传统人力抽样估测果树挂果量的方法不仅耗时费力， 而且容易产生较大误差。本研究提出一种用于边缘计算设备的轻量化模型，实现视频中树上柑橘挂果量的自动估 测。［方法］该模型采用CSPDarkNet53+PAFPN结构作为特征提取网络，实现更快的推理速度和更低的模型复杂 度，在果实跟踪过程中引入Byte算法改进FairMOT的数据关联策略，对视频中的柑橘进行预测跟踪，以提升挂果 量估测准确性。［结果和讨论］在边缘计算设备NVIDIA Jetson AGX上进行模型性能测试结果表明，本研究所建模 型对柑橘挂果量的平均估测精度（Average Estimating Precision，AEP） 和处理速度（Frames Per Second，FPS） 分 别达到91.61%和14.76，模型估测值与人工测得真实值的决定系数R2为0.9858，均方根误差（Root Mean Square Er⁃ ror，RMSE） 为 4.1713，模型参数量、计算量 （Floating Point Operations，FLOPs） 和模型大小分别为 5.01 M、 36.44 G和 70.20 MB，展现出较对比模型更优的挂果量估测性能和更低的模型复杂度。［结论］ 试验结果证明了本 研究所建模型在边缘计算设备上对柑橘挂果量估测的有效性，基于算法模型研发的果园挂果量远程监测系统可满 足用于果园移动平台行进状态下的果树挂果量估测需求。本研究可为果园生产力自动监测分析提供技术支持。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》
摘要： 植物病害准确检测与识别是其早期诊断与智能监测的关键，是病虫害精准化防治与信息化管理的 核心。深度学习应用于植物病害检测与识别中，可以克服传统诊断方法的弊端，大幅提升病害检测与识别 的准确率，引起了广泛关注。本文首先收集和介绍了部分公开的植物病害图像数据集，然后系统地综述了 近年来深度学习在植物病害检测和识别中的研究应用进展，阐述了从早期检测和识别算法到基于深度学习 的检测和识别算法的研究进展，以及各算法的优点和存在的问题。调研了相关研究文献，提出了光照、遮 挡、复杂背景、病害症状之间相似性、病害在不同时期症状会有不同的变化以及多种病害交叠共存是目前 植物病害检测和识别面临的主要挑战。并进一步指出，将性能更好的神经网络、大规模数据集和农业理论 基础相结合，是未来主要的发展趋势，同时还指出了多模态数据可以用于植物早期病害的识别，也是未来 发展方向之一。本文可为植物病害识别的深入研究与发展提供参考。
点击量
点击量
下载量
评论
