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

南京农业大学

郑小波

双月刊

1000-2030

nauxb@njau.edu.cn

025-84395214

210095

南京市卫岗1号

南京农业大学学报/Journal Journal of Nanjing Agricultural UniversityCSCD北大核心CSTPCD
查看更多>>本学报是综合性、多科性农业科学学术期刊，中国自然科学核心期刊。主要刊登动物遗传育种、生理生化，作物栽培、病虫害防治，园艺科学，食品科学，动物医学与动物科学，资源与环境科学，农业应用化学，农业经济与贸易，土地管理及农业工程等学科的学术论文、研究报告、科研简报和文献综述。
正式出版
收录年代

    基于改进S-ResNet34模型的小麦条锈病等级识别研究

    尉国帅贺佳常宝方袁培燕...
    230-239页
    查看更多>>摘要：[目的]快速准确识别小麦条锈病病害等级，对其精准防控具有重要意义。[方法]利用数码相机获取小麦叶片条锈病RGB图像，构建小麦叶片条锈病不同病害等级数据集，通过对ResNet34模型添加通道注意力模块(SE)和Inception模块加以改进，增强模型对小麦条锈病特征的关注程度和提取能力，并采用精准率、召回率、平衡F分数和准确率等评价指标，对比分析 S-ResNet34 与 VGG16、MobileNetV2、Swin-Transformer、ResNet34 等多种主流模型的识别精度。[结果]S-ResNet34模型的训练准确率为 93。85％，相比于 VGG16(84。53％)、MobileNetV2(79。35％)、Swin-Transformer(85。67％)和 ResNet34(87。50％)等深度网络模型，准确率分别提高了 9。32％、14。50％、8。18％和6。35％。模型损失值更小，改进的ResNet34模型识别小麦条锈病特征能力更强，训练收敛更快。[结论]采用深度学习模型能够准确识别小麦条锈病发病程度，通过对ResNet34模型添加注意力模块能有效提高小麦条锈病病害识别精度。

    小麦条锈病深度学习病害等级图像识别改进S-ResNet34模型

      原文链接:
    • 万方数据
    • 维普

    基于改进DGCNN的树木点云分割方法

    刘超卜鑫荣刘慧杨官学...
    240-248页
    查看更多>>摘要：[目的]通过目标分割为果园喷雾机提供树木的表征信息，使喷雾机能够实现精准喷雾。在分割过程中，对苗圃中的树冠、树干等不同部位进行分割，可以帮助喷雾机对喷雾部分对靶，在果园或苗圃景观中实现自动导航以及精准喷药等操作。与图片相比，点云能够更好地表征树木的三维结构并且受照明条件影响小，因此针对点云树木设计分割算法更适合应用在果园、苗圃等室外环境作业的农业机械。[方法]本文基于DGCNN提出了一种分割精度准确、参数量小的树木点云分割网络——TSNet，它可以很容易被部署在果园喷雾机上。该网络主要具有以下特点:1)该网络是基于DGCNN改进的，可以更好实现点云分割任务;2)网络引入了连续递归门控卷积模块(gnConv)，可以提高树木分割的准确率;3)为避免全局信息损失并增加信息传递效率，我们设计了权重通道用于特征传递。[结果]TSNet分割树木的mIoU达到90。08％，模型大小为 0。72 M，优于 PointNet、PointNet++、DGCNN、CurveNet、PointMLP 和 D-PointNet++等常用的点云分割算法。[结论]TSNet能够为苗圃树木检测识别和农业机器人作业提供更准确的感知信息。

    点云树木分割深度学习精准喷雾果园喷雾机

      原文链接:
    • 万方数据
    • 维普