胡根生
- 作品数：86 被引量：447H指数：13
- 供职机构：安徽大学更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金安徽省教育厅重点科研项目更多>>
- 相关领域：自动化与计算机技术农业科学天文地球文化科学更多>>
- 一种基于多特征分段式训练的茶叶病害分类系统
- 本发明公开了一种基于多特征分段式训练的茶叶病害分类系统，包含以下阶段：第一阶段、数据预处理；第二阶段、最优网络训练；第三阶段、图像分类功能；所述的第一阶段、数据预处理包括病害图片的裁切和数据的扩充两步；所述的第二阶段、最...
- 张艳王林茂程志友胡根生
- 基于深度学习语义分割和迁移学习策略的麦田倒伏面积识别方法被引量：1
- 2023年
- [目的/意义]利用低空无人机技术并结合深度学习语义分割模型精准提取作物倒伏区域是一种高效的倒伏灾害监测手段。然而,在实际应用中,受田间各种客观条件(不同无人机飞行高度低于120 m、多个研究区、关键生育期不同天气状况等)限制,无人机获取的图像数量仍偏少,难以满足高精度深度学习模型训练的要求。本研究旨在探索一种在作物生育期和研究区有限的情况下精准提取倒伏面积的方法。[方法]以健康/倒伏小麦为研究对象,在其灌浆期和成熟期开展麦田图像采集工作。设置2个飞行高度(40和80 m),采集并拼接获取2019、2020、2021和2023年份3个研究区的数字正射影像图(Digital Ortho-photo Map,DOM);在Swin-Transformer深度学习语义分割框架基础上,分别使用40 m训练集单独训练、40和80 m训练集混合训练、40 m训练集预训练80 m训练集迁移学习等3种训练方法,获得对照模型、混合训练模型和迁移学习模型;采用对比实验比较上述3种模型分割80 m高度预测集图像的精度并评估模型性能。[结果和讨论]迁移学习模型倒伏面积提取精度最高,交并比、正确率、精确率、召回率和F_1-Score共5个指标平均数分别为85.37%、94.98%、91.30%、92.52%和91.84%,高于对照组模型1.08%~3.19%,平均加权帧率达到738.35 fps/m~2,高于40 m图像183.12 fps/m~2。[结论]利用低飞行高度(40 m)预训练语义分割模型,在较高飞行高度(80 m)空图像做迁移学习的方法提取倒伏小麦面积是可行的,这为解决空域飞行高度限制下,较少80 m及以上图像数据集无法满足语义分割模型训练的要求的问题,提供了一种有效的方法。
- 张淦严海峰胡根生张东彦程涛程涛许海峰沈书豪潘正高
- 关键词：农业遥感无人机影像
- 基于改进卷积神经网络模型的玉米叶部病害识别(英文)被引量：21
- 2021年
- 准确识别玉米病害有助于对病害进行及时有效的防治。针对传统方法对于玉米叶片病害识别精度低和模型泛化能力弱等问题,该研究提出了一种基于改进卷积神经网络模型的玉米叶片病害识别方法。改进后的模型由大小为3×3的卷积层堆栈和Inception模块与Res Net模块组成的特征融合网络两部分组成,其中3×3卷积层的堆栈用于增加特征映射的区域大小,Inception模块和Res Net模块的结合用于提取出玉米叶片病害的可区分特征。同时模型通过对批处理大小、学习率和dropout参数进行优化选择,确定了试验的最佳参数值。试验结果表明,与经典机器学习模型如最近邻节点算法(K-Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)和反向传播神经网络(Back Propagation Neural Networks,BPNN)以及深度学习模型如Alex Net、VGG16、Res Net和Inception-v3相比,经典机器学习模型的识别率最高为77%,该研究中改进后的卷积神经网络模型的识别率为98.73%,进一步提高了模型的稳定性,为玉米病害检测与识别的进一步研究提供了参考。
- 鲍文霞黄雪峰胡根生梁栋
- 关键词：病害卷积神经网络特征提取参数选择
- 结合亮度序局部特征描述的图匹配算法
- 2015年
- 在图匹配问题中基于松弛迭代的方法能否收敛到全局最优解在很大程度上依赖于初始值的估计,针对这个问题,提出了一种结合亮度序局部特征描述的图匹配算法。该算法首先利用Hessian-Affine方法提取图像的特征点及局部特征区域,以特征点作为图的节点并结合特征点的邻近关系构造结构图;其次,根据亮度序约束关系对局部特征区域进行子区域划分,利用改进的中心对称局部二值模式(CS-LBP)获取局部特征描述;最后,将局部特征描述之间的相似性作为图匹配关系矩阵的初始值,通过松弛迭代的方法获取特征点的准确匹配结果。实验结果表明该算法匹配准确率较高。
- 鲍文霞胡根生梁栋张艳
- 关键词：图匹配中心对称局部二值模式
- 基于改进Cascade RCNN网络的自然背景柑橘黄龙病检测方法
- 本发明公开了一种基于改进Cascade RCNN网络的自然背景柑橘黄龙病检测方法，包括：利用Cascade RCNN网络改进后的骨干网络对待检测柑橘图像进行特征提取，改进后的骨干网络中至少一层采用可变形卷积；利用Casc...
- 曾伟辉陈亚飞胡根生鲍文霞梁栋黄林生赵晋陵陈鹏张文凤李海东郭丹丹
- 文献传递
- 基于支持向量值和方向滤波器组的图像去噪
- 2011年
- 提出了一种基于支持向量值和非抽样方向滤波器组的图像去噪算法。该算法通过构造支持向量值方向滤波器组(SVDFB)对噪声图像进行多尺度、多方向分解,同时考虑到分解系数服从广义高斯分布的统计特征,采用局部自适应贝叶斯阈值方法实现图像去噪。仿真结果和实验分析表明,该算法的峰值信噪比和去除噪声后图像的视觉效果都有明显提高,同时有效保留了原图像的纹理和细节信息。
- 马雪亮梁栋胡根生杭丹萍唐王琴
- 关键词：图像去噪
- 基于时频特征的高分辨率遥感图像道路提取被引量：6
- 2016年
- 针对传统的遥感图像道路提取算法存在错漏率较高的问题,提出一种基于时频特征提取和域自适应学习分类器的高分辨率航空遥感图像道路提取新算法。首先利用地统计学抽取道路的时域纹理特征和三维小波变换抽取道路的频域光谱特征,构成高分辨率航空图像中的道路特征。然后使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,并对高分辨率航空遥感图像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验表明,所提方法能有效降低高分辨率航空遥感图像道路提取中非道路目标的干扰,提高道路提取的精确性。
- 张曦胡根生梁栋鲍文霞
- 关键词：高分辨率遥感影像道路提取地统计学三维小波变换
- 一种基于超分和检测网络的茶叶病害无人机遥感监测方法
- 本发明涉及一种基于超分和检测网络的茶叶病害无人机遥感监测方法，包括如下步骤：数据获取：首先获取低空拍摄的茶叶图像，无人机飞行高度为2m至4m，作为网络的训练集；数据处理：利用LabelImg软件，对裁剪后的低空拍摄图像进...
- 胡根生叶若含万名烛张艳
- 复杂环境下的玉米叶病害图像的识别方法及系统
- 本发明实施方式提供一种复杂环境下的玉米叶病害图像的识别方法及系统，属于图像识别技术领域。所述识别方法包括：获取待识别的玉米叶病害图像；对图像执行第一卷积运算以得到第一特征图；根据公式(1)对第一特征图执行第一池化操作以得...
- 李海东曾伟辉胡根生
- 文献传递
- 基于轻量型残差网络的自然场景水稻害虫识别被引量：22
- 2021年
- 准确识别水稻害虫对水稻及时采取防护和治理具有重要意义。该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫个体间形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络(Light Weight Residual Network,LW-ResNet)用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×10^(6)个,浮点运算量仅为0.34×10^(9)次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。
- 鲍文霞吴德钊胡根生梁栋王年杨先军
- 关键词：农作物图像识别水稻害虫
