首页期刊导航|湖北农业科学
期刊信息/Journal information
湖北农业科学
湖北农业科学

喻大昭

半月刊

0439-8114

hbnykxzz@126.com

027-87389334

430064

武汉市武昌南湖瑶苑2号

湖北农业科学/Journal Hubei Agricultural SciencesCSCD北大核心CSTPCD
查看更多>>本刊创刊于1955年，由湖北省农业科学院、华中农业大学、长江大学和黄冈师范学院主办，国内外公开发行。被认定为“全国中文核心期刊”、“中国科技核心期刊”和“中国农业核心期刊”，1997～2004年连续获全国优秀科技期刊一等奖、首届国家期刊奖、第二、第三届国家期刊奖（百种重点期刊）。该刊以为科研、生产和“三农”服务为宗旨，以学术性和实用性为特色，面向管理人员、大专院校师生以及广大科技人员，报道国内外最新农业科技成果和科研动态。主要栏目有：专论、生物技术、栽培?育种、土肥?植保、园艺?特产、药用植物、畜牧?兽医、水产养殖、贮藏?加工、农业工程、检测分析、综述等。
正式出版
收录年代

    湖北省智慧农业发展现状与问题研究

    陈娉婷沈祥成罗治情马海荣...
    1-4,242页
    查看更多>>摘要：分析湖北省智慧农业的发展现状与问题,探讨未来发展的路径,提出相关对策建议.结果表明,湖北省在智慧农业政策体系建设、基础设施、智能装备等领域取得了阶段性成果,但也面临建设规划部署不完善、基础设施建设不均衡、技术研发与应用不足、智能农机装备使用率低、复合型人才缺乏、资金保障不足等问题.为此,围绕湖北省智慧农业发展瓶颈,提出加强政策体系顶层设计、拓展政策体系支持范围、统一规划部署基础设施建设、形成多元建设投资格局、提高智能装备创新应用效率、完善人才培养与引进机制、促进技术推广和应用等对策建议.

    智慧农业智能装备高质量发展湖北省

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

    湖北省气候智慧型农业碳减排潜力与实现路径

    李志辉李亮侯君瑞李治儒...
    5-9,103页
    查看更多>>摘要：湖北省气候智慧型农业的发展不仅响应了全球气候变化挑战,也符合国家推进农业强省建设的战略需求.通过采用创新理念和适应性技术,气候智慧型农业能有效应对粮食安全、气候变化和温室气体排放的三重挑战.然而,湖北省在推进气候智慧型农业过程中面临配套政策缺失、基础设施滞后、市场发育不成熟和数据测算困难等问题.为实现碳减排目标,提出了加强农业碳减排交易的顶层设计和机制建设、鼓励和推广气候智慧型农业碳减排示范项目、建立气候智慧型农业碳减排成果共享平台、提升气候智慧型农业农产品市场价值等措施.这些措施旨在解决现有问题,推动湖北省农业向绿色低碳可持续发展转型,提高农业在国内外市场中的竞争力.

    气候智慧型农业碳减排可持续发展实现路径湖北省

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

    基于改进YOLOv4的苹果采摘机器人树枝障碍物深度识别

    黄哲唐仕喜沈冠东高心悦...
    10-16,22页
    查看更多>>摘要：为识别特征不明显的树枝,尤其是机械手进行苹果采摘时遮挡住苹果位置的树枝,提出了一种结合语义分割和YOLOv4来获取树枝语义骨架,以及识别出树枝位置框的方法.采用语义分割划分树枝矩形包络的方法,剔除影响树枝识别效果的小树枝和分支,再用labelImg和labelme工具对数据集进行标注;对训练的网络模型添加了3层最大池化层,并在回归损失方面对YOLOv4的CIOU回归损失函数进行了改进,提出了针对复杂特征、适范围提高预测准确率的置信度相关函数BIOU.结果表明,改进的YOLOv4网络模型训练遮挡苹果位置树枝的F1和AP分别比原始网络训练全部树枝高出20.00个百分点和23.36个百分点,获得训练效果更好的数据集和树枝识别网络.

    树枝识别YOLOv4语义分割数据集训练BIOU边框回归损失函数

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

    基于改进YOLOv8卷积神经网络的稻田苗期杂草检测方法

    林宗缪马超胡冬
    17-22页
    查看更多>>摘要：针对田间自然环境拍摄下稻田背景复杂,苗期杂草图像尺寸过小、识别定位不准确等问题,提出了一种改进YOLOv8卷积神经网络的苗期杂草检测方法.参照PASCAL VOC数据集格式,构建了一套专用的数据集.首先,在网络卷积过程中加入DenseNet(密集连接网络)更好地对杂草特征进行提取,优化梯度消失问题.然后,添加CBAM(Convolutional block attention module)注意力机制改善模型对小尺寸的敏感度.最后,使用WIOU(Weighted intersection over union)损失函数来优化原网络中的损失函数,提升模型对检测目标的定位能力.在试验中,将改进的算法与Faster R-CNN、SSD(Single shot multiBox detector)以及原始YOLOv8等算法进行了性能对比.结果显示,改进算法明显优于其他算法,在测试集上的平均精度均值和检测速度分别达97.0%和100.3帧/s.这种高精度和快速的检测能力满足了精准农业中对快速、精准检测的需求.该算法为机械设备快速识别苗期杂草、精准喷洒农药提供了重要的理论和技术支持.

    YOLOv8卷积神经网络苗期杂草目标检测

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

    基于改进YOLOv8的自然环境下柑橘果实识别

    余圣新韦莹莹方辉李敏...
    23-27页
    查看更多>>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.

    柑橘果实识别卷积神经网络YOLOv8ODConv全维动态卷积MPDIoU损失函数

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

    基于深度可分离卷积的果蔬分类识别方法

    岳振李卓然王绪谦侯宗升...
    28-34,53页
    查看更多>>摘要：针对农贸市场、果蔬超市中结算流程不够智能化以及重型神经网络模型部署困难等问题,对果蔬分类模型轻量化识别方法进行了研究.首先针对果蔬智能识别设备所在环境差异大、果蔬套袋问题,采用多场景采集方案在果蔬超市现场采集果蔬170种、图片136 000张,并设计了弱化套袋的图像预处理方法,对数据进一步增强.然后针对重量级神经网络部署困难以及成本较高的问题,设计了一种基于深度可分离卷积的果蔬分类识别模型,并进行训练测试,其Top-1准确率达96.8%,Top-5准确率达100%,相对于Mobilenetv2-224,运算量减少了70%,相对于Mobilenetv3-224,运算量减少了60%,识别能力介于Mobilenetv2-224和Mobilenetv3-224之间.最后对所设计果蔬分类模型在实际部署中面临的问题进行了分析.

    果蔬分类图像增强深度可分类卷积轻量化神经网络

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

    基于改进深度置信网络的水果分类识别方法

    郭迎娣赵超宇
    35-38页
    查看更多>>摘要：为了解决现有水果分类识别方法存在的识别精度低等问题.基于水果分类识别系统,提出了一种用于不同水果分类识别的改进深度置信网络.通过2路深度置信网络将不同特征图像作为输入,使用SoftMax对输出分类.与常规分类识别方法相比,所提方法能较准确地实现不同水果的分类识别,多特征融合识别准确率最高,识别准确率为98.75%,满足水果分类识别的需要.通过优化现有深度学习方法,可有效提高该方法的性能.

    水果识别自动检测深度置信网络多特征融合SoftMax分类器

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

    果树枝条识别与修剪点坐标确定方法

    宋振帅周艳钟灵仪杰...
    39-46页
    查看更多>>摘要：为了实现休眠期果树的修剪识别问题,研究了基于语义分割的网络模型识别修剪枝条与确定修剪点坐标的方法.通过双目相机搭建了视觉系统获取果树的数据集,采用分别融入预训练权重与CBAM(注意力机制)的VGG16和RestNet-50作为U-Net主干特征提取网络的2种深度学习模型分割修剪枝条,同时获取其效果并进行对比.在获得的分割图像基础上采用骨架提取和修剪点聚类2种方法进行修剪点坐标的确定.结果表明,基于VGG16特征提取网络的U-Net模型识别结果较好,该模型在测试集的平均交并比(MIOU)、平均像素准确率(MPA)和训练时F分数分别为84.80%、91.83%和92.679%.分割出人工模拟果树的模型图像,采用修剪点聚类的方法,可以较快、实时地确定修剪点的二维坐标,为实现修剪作业奠定基础.

    枝条识别修剪点坐标提取预训练权重CBAM(注意力机制)

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

    遮挡条件下基于生成对抗网络的苹果果实检测方法

    刘帅肖奕同张吴平李富忠...
    47-53页
    查看更多>>摘要：针对苹果果实在自然环境条件下易受到枝干、树叶等障碍物的遮挡,导致识别准确率降低的问题,引入了一种融合生成对抗网络(Generative adversarial networks,GAN)的苹果果实检测方法.使用Faster RCNN模型对苹果果实和遮挡物进行检测,对受遮挡的苹果果实图像添加掩码,然后用生成对抗网络对受遮挡的苹果果实图像进行修复,最后将修复的图像传输给目标检测模型进行识别定位.结果表明,融合生成对抗网络的GAN-Faster RCNN联合模型,对大面积遮挡的苹果果实,在测试集上的平均精度均值(Mean average precision,mAP)达73.62%,较原模型提高了8.76个百分点;对小面积遮挡的苹果果实,在测试集上的平均精度均值达90.67%,较原模型提高了9.54个百分点,解决了传统目标检测方法在遮挡条件下苹果果实识别准确率低的问题.

    苹果目标检测遮挡FasterRCNN生成对抗网络(GAN)

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

    基于深度学习的三七病害识别方法适应性研究

    何恒周平
    54-60页
    查看更多>>摘要：基于深度学习技术,构建SSD、YOLOv5以及同基础网络的Fast RCNN模型(vgg16-Fast R-CNN,darknet53-Fast R-CNN),对不同条件的三七(Panax notoginseng)圆斑病、灰霉病、白粉病和病毒病进行检测.结果表明,YOLOv5的m权重模型在YOLO各权重模型中表现最佳,准确率为88.62%,召回率为89.59%,F1精度为89.10%,平均精度为83.55%,单幅图像检测时间仅为0.031 s.对比两阶段模型中表现较优的vgg16-Fast R-CNN,准确率、召回率、F1精度、平均精度仅分别降低了1.69个百分点、3.92个百分点、2.78个百分点、3.47个百分点,但单幅图像的检测速度提高了451.4%;对比SSD模型,YOLOv5m的准确率、召回率、F1精度、平均精度分别提高了1.06个百分点、1.32个百分点、1.19个百分点、0.61个百分点,单幅图像的检测速度提高了83.52%.此外通过置信度与鲁棒性试验分析可得,YOLOv5m对于小区域病害检测能力以及复杂环境下的抗干扰能力更强,且更利于在嵌入式设备中部署,符合实时检测三七病害的要求.

    三七(Panaxnotoginseng)病害检测YOLOv5深度学习

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