首页期刊导航|河北农业大学学报
期刊信息/Journal information
河北农业大学学报
河北农业大学学报

刘大群

双月刊

1000-1573

xuebao@hebau.edu.cn

0312-7521323，7521322

071001

河北保定市

河北农业大学学报/Journal Journal of Agricultural University of HebeiCSCD北大核心CSTPCD
查看更多>>本刊是在1905年直隶高等农业学堂时期创办的《北直农话报》的基础上，几经更名演进而来的，是中国最早的高校学报和科技期刊。旨在反映农业最新科研成果，促进国内外学术交流与合作，为我国农业现代化服务。本刊为全国综合性农业核心期刊，已被CA、AJ、ZR、CABI等国际性文献检索机构和国内许多权威性文献检索机构收录，多年来连续获得省内外多项奖励，是河北省优秀期刊、华北地区优秀科技期刊和全国优秀高校学报。
正式出版
收录年代

    基于Stacking集成学习的脱贫人口返贫风险预测方法研究

    刘红达孙小华王斌王超...
    75-82页
    查看更多>>摘要：脱贫人口的返贫风险是影响脱贫攻坚成果与乡村振兴有效衔接的主要因素，精准预测脱贫人口的潜在返贫风险，对于指导政策落实、资源分配和风险评估具有至关重要的作用。本文提出一种基于Stacking集成学习的脱贫人口返贫风险预测方法，以H省脱贫户脱敏后的监测数据为研究对象，对数据特征进行相关性分析及重要性排序，识别并筛选显著影响返贫风险的关键特征;基于关键特征数据对随机森林(Random forest，RF)、朴素贝叶斯(Naive bayes，NB)、支持向量机(Support vector machine，SVM)等独立模型进行模型间的相关性分析，以相关性较低且预测准确率较高的极限梯度提升树(eXtreme gradient boosting，XGBoost)、自适应提升算法(Adaptive boosting，adaBoost)、SVM作为基础学习器，RF作为元学习器构建了Stacking集成学习预测模型。将 412 919 条数据以 7∶3 划分成训练集和验证集对模型进行训练和验证，并使用准确率、精确率、召回率和F1-Score评价模型效果。实验结果表明，基于Stacking集成学习的返贫风险预测模型各项评价指标均优于单一模型，其预测准确率与RF、NB、SVM、XGBoost、AdaBoost相比分别提升3。64%、10。96%、3。15%、2。29%和 5。41%，最终达到了 95。65%，验证了本文所提方法的有效性。该研究为巩固和拓展脱贫攻坚成果，提升返贫动态监测预警时效提供了新的解决思路。

    Stacking集成学习返贫风险预测机器学习特征选择相关性分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多光谱的玉米种子外观质量检测方法

    宋畅彭勃范晓飞
    83-88页
    查看更多>>摘要：缺陷种子显著影响种子品质及定价，其分选剔除是种子质量检测的重要工作环节。目前种子的质量检测主要由人工操作完成，效率低且具有主观性。针对玉米种子在外观质量检测中需要快速、精准识别的需求，本文提出以玉米种子多光谱RGB+NIR+NIR1 的成像信息做输入的改进型YOLOv5 目标检测模型，对玉米种子外观质量进行识别与分类。通过在YOLOv5 主干网络CSPDarknet中改用串行空间金字塔池化结构(Spatial pyramid pooling，SPP)，提升网络模型检测效率，在加强特征提取网络中利用注意力机制强化特征信息融合，提升网络模型检测精度。试验结果表明改进模型YOLOv5+SE+SPPF的综合评价指标F1 值达到了 96。71%，mAP值达到了96。96%，平均每检测一张图像耗时约0。28 s，平均每检测一粒种子耗时约20 ms，为实现种子高效、精准地质量检测和优选分级提供了参考，可实际应用于种子智能化分选装备。

    玉米种子外观质量多光谱成像YOLOv5注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    改进YOLOv8n的群养生猪目标检测算法研究

    钟长华宋弘吴浩江俊卓...
    89-96页
    查看更多>>摘要：为满足嵌入式设备对模型轻量化和高精度检测的需求，本研究提出了一种基于YOLOv8n模型改进的群养生猪目标检测算法。首先在主干网络中引入C2fFB结构，减少对内存的访问量与冗余计算;然后以BiFPN结构构成新的Neck网络并引入C2fSC模块，进一步实现更深层次的特征融合，减少融合的空间冗余和通道冗余;最后采用SIoU替换原来的CIoU，提高了模型的精度。实验结果表明，本算法的F1 分数、查准率、查全率、平均精确度相比改进之前分别提升了 3%、1。8%、3。5%、1。5%，参数量、计算量、模型大小相比改进之前分别下降了46。84%、27。16%、44。71%。因此，本算法模型为群养生猪的智慧养殖提供了1种高效的目标检测解决方案。

    目标检测YOLOv8n群养生猪BiFPN交并比

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于活动量数据的种公鸡社会等级结构识别方法

    王子琪李丽华候旺周子轩...
    97-104,113页
    查看更多>>摘要：目前本交笼种公鸡的群序确定主要靠人工观察，不仅费时费力且无法自动识别。因此，本研究以本交笼种公鸡为研究对象，提出了1种基于改进灰狼算法(IGWO)结合LGBM的方法，基于活动量数据识别鸡只群序。首先使用九轴惯性传感器获取鸡只行为数据，通过滑动窗口提取合加速度与合角速度 44 维时域、频域特征，以表征鸡只的活动量信息。引入非线性收敛因子和头狼竞争策略提高灰狼算法的寻优能力，对活动量特征进行降维去冗余处理，提高模型识别效果。结果表明，IGWO-LGBM模型可以准确识别种公鸡的群序，其中，群序识别的精确度、召回率、F1 分数平均值分别为 84。71%、84。59%、84。57%，模型准确率为 84。57%，相比于原始数据集分别提高了 3。80%、3。65%、3。67%、3。64%。将降维后的特征作为活动量特征，对活动强度聚类统计并拟合后发现，鸡只群序与高活动量行为占比呈正相关趋势，与低活动量行为占比呈负相关趋势，丰富了群序研究内容。本研究有利于快速识别本交笼种公鸡的群序，为种公鸡群序自动识别提供了一种方法。

    本交笼种鸡群序识别活动量惯性传感器灰狼优化算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于CBAM1,2,3-YOLOv7的单增李斯特致病菌识别

    李嘉萌李志蕊苑宁王娟...
    105-113页
    查看更多>>摘要：食源性致病菌是冷藏食品威胁人类健康的主要病原菌之一，是食品卫生微生物检验中的必查项目。细菌识别的传统方法需要在细菌培养的国标时间到达后由肉眼观察并计数，观察者极易因眼睛疲劳导致错误计数，费时费力;而且传统方法需要特殊试剂进行细菌检测，成本较高，需要专业知识进行操作。为快速准确检测细菌小目标，本文提出一种新型食源性致病菌检测方法——CBAM1，2，3-YOLOv7，首先利用工业照相机代替显微镜拍摄图像，并将捕捉到的单增李斯特菌图像输入到优化后的模型中进行识别，该模型在YOLOv7 模型的基础上加入CBAM注意力机制，使模型在通道域上更加敏感，增强了特征提取能力。为增强对比性，将同样的图像分别输入到Faster RCNN、YOLOv4、YOLOv5、YOLOv7 深度学习模型中进行训练。优化后的模型较YOLOv7平均准确率提升了 0。52 个百分点、召回率提升了 0。27 个百分点。试验证明CBAM1，2，3-YOLOv7 算法可以实现对单增李斯特菌的高精度识别，对其他食源性致病菌的快速检测具有指导意义和参考价值。

    深度学习目标检测YOLOFasterRCNN食源性致病菌注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于机器视觉的黄瓜新鲜度检测方法研究

    于聪张昱婷滕桂法
    114-120页
    查看更多>>摘要：人工挑拣黄瓜费时费力，黄瓜自动挑拣可大大提高黄瓜的生产效率，目前还没有看到黄瓜自动挑拣过程中准确检测其果实新鲜度方面的有效方法。本研究提出一种基于机器视觉的黄瓜新鲜度检测方法，采用RGB图像分析法提取颜色特征，利用连通区域标记法计算瓜刺个数特征，借助灰度共生矩阵法提取纹理特征，利用支持向量机算法对黄瓜新鲜度进行了分类识别。在宁阳大刺黄瓜 320 个图像数据上的平均识别准确率达到98。43%，表明本研究提出的黄瓜新鲜度检测方法是有效的。

    机器视觉黄瓜分挑特征提取SVM

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进型UNet语义分割模型的马铃薯病害检测方法

    李旭东王林柏张博孙磊...
    121-126页
    查看更多>>摘要：深度学习技术和卷积神经网络的发展，为农作物病害快速准确检测提供了新的解决方法。本文实地采集马铃薯图像，使用UNet语义分割模型对马铃薯病害进行检测，使用了 2 种主干网络模型VGG16 和ResNet50，它们的精确率为 93。00%，F1 为 92。48%和 92。77%，MPA为 94。47%和 94。42%，MIoU为 84。79%和 84。75%。提出了一种改进型UNet语义分割模型，通过在网络的第一次上采样处加入注意力机制模块获取特征图，将注意力机制获得的特征图乘以原输入的特征图进行下一步的上采样网络过程，最终取得的Precision、F1、MPA和MIoU分别为 94。83%、92。89%、95。96%和 86。32%。相较于初始网络的指标有所提高，为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。

    马铃薯叶片病害语义分割注意力机制卷积神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种面向蔬菜生产知识服务的主动推荐方法

    刘畅王春山缪祎晟朱华吉...
    127-135页
    查看更多>>摘要：针对蔬菜生产中品种选择、病虫害防治、田间管理等环节知识需求复杂且动态的特点，提出一种面向蔬菜生产知识服务的主动推荐方法，以期为个性化农业管理提供有效支持。将知识图谱构建作为目标，通过结合自注意力机制的动态用户兴趣建模、分层嵌入技术表示和图神经网络(GNN)多跳推理机制，逐层筛选和聚合复杂关系信息，实现蔬菜生产知识服务的精准推荐。实验结果表明，所提出的方法在推荐准确率和性能指标上均显著优于现有先进模型，能够适应蔬菜生产中不同环节的动态知识需求。本研究为个性化农业管理和智能决策提供了一种高效解决方案，为农业知识服务推荐方法的研究提供了新的思路与方法。

    蔬菜生产个性化推荐图神经网络知识图谱分层嵌入技术

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《河北农业大学学报》征稿简则

    《河北农业大学学报》编辑部
    后插1页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    刊首寄语

    万建民
    前插1-前插2页
      原文链接:
    • NETL
    • NSTL
    • 万方数据