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

吉林农业大学

秦贵信

双月刊

1000-5684

jlndxb@vip.sina.com

0431-84532914

130118

吉林省长春市新城大街2888号

吉林农业大学学报/Journal Journal of Jilin Agricultural UniversityCSCD北大核心CSTPCD
查看更多>>本学报是由吉林农业大学主办的综合性农业学术期刊。以反映作物栽培、植物保护、土壤与植物营养、农业化学、农业应用物理、果树、蔬菜、园林、药用植物、贮藏加工、农牧业经济管理、农业机械化、农业工程技术等专业的科研成果和开展学术交流为主要任务。国内外著名检索工具如《AGRINDEX》、《CABI》、《中国农业文摘》、《中国生物学文摘》等均将本刊列为文献信息源。
正式出版
收录年代

    基于深度学习技术生猪图像目标检测算法的应用研究

    苏恒强郑笃强
    680-687页
    查看更多>>摘要：将基于深度学习的图像目标检测技术引入到养殖个体图像目标检测，可以提高养殖视频图像智能分析技术，提高科学养殖能力。试验将深度学习的YOLO V3算法应用到生猪图像目标检测，结合畜牧养殖实际情况，进行了类别选择、遮挡物处理和图像增强等设计，实现了基于深度学习技术的生猪图像目标检测算法。利用该算法对采集的生猪个体图像数据进行训练、验证和测试，对测试图像目标检测漏检率约6％，错检率约1％，精度较高;同时也与其他深度学习目标检测算法进行了对比和分析，测试结果反馈检测精度良好，检测速度较快，对比Fast R-CNN深度学习目标检测算法，mAP-50提高了 7％～8％，检测速度提高了约5倍。与SSD算法比较，mAP-50指标和检测速度相当，但是由于YOLO V3算法网络模型比SSD算法简洁，算法移植兼容性更高。研究与试验结果表明，YOLO V3算法检测速度快，适合畜牧养殖图像智能识别工程化目标检测的要求。

    目标检测深度学习生猪YOLOV3算法图像处理

      原文链接:
    • 万方数据
    • 维普

    Otsu和形态学相结合的人参叶斑图像分割系统

    刘媛媛孙嘉慧王跃勇于海业...
    688-696页
    查看更多>>摘要：针对现场采集的人参图像中背景复杂、不能实时诊断人参叶斑病害严重程度的问题，提出Otsu和形态学相结合的人参叶斑图像分割系统。通过HSV空间模型和Otsu算法，对图像中叶面周围复杂背景的特征进行分割，得到初步分割复杂背景的结果，采用形态学算法，实现复杂背景的精细分割，提取人参叶面目标图像，根据颜色特征信息，将健康绿色叶面与病斑进行分割，实现病斑图像提取，依据分割结果，计算健康叶面、病斑部分的比例，对比预置值，进行人参叶斑病害严重程度分析。结果表明:该方法的病斑覆盖率结果与实际测量值相比误差＜5％，目标和背景判定准确率平均结果分别为91。99％和91。53％。样本图像处理最高耗时10。27s，满足人参现场监测诊断叶斑病害严重程度的要求，也可为其他作物叶斑分割和叶斑病害严重程度诊断提供参考。

    人工智能图像分割系统Otsu人参叶斑复杂背景分割

      原文链接:
    • 万方数据
    • 维普

    东北优势特色资源与健康食品学科创新引智基地

    封2,封3页
      原文链接:
    • 万方数据
    • 维普