您好，欢迎访问中国农业科学院 机构知识库！

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于SSD模型的巢门蜜蜂检测

文献类型： 中文期刊

作者： 吕纯阳 1 ; 刘升平 1 ; 郭秀明 1 ; 肖顺夫 1 ; 刘大众 1 ; 杨菲菲 1 ; 李路华 1 ;

作者机构： 1.中国农业科学院农业信息研究所

关键词： 巢门区域;蜜蜂数量;深度学习;SSD

期刊名称： 中国农业科技导报

ISSN： 1008-0864

年卷期： 2021 年 005 期

页码： 98-107

收录情况： 北大核心 ; CSCD

摘要： 传统蜜蜂监测多依靠人力和经验,信息化水平低,蜂群自动化监测得到广泛关注。近年来,基于深度学习的目标检测发展迅速,并在多领域取得很好的应用效果。SSD模型是一种基于卷积神经网络的目标检测模型,具有快速和准确率高的优势。蜂巢口光照多变、环境复杂,蜂群本身也具有互相遮挡和阴影等复杂情况。采用SSD模型对巢门区蜜蜂检测和数据统计,结果表明,提出的方法在少量、一般和较多蜜蜂数量情况下准确率分别达到96.34%、92.52%和88.06%,比传统方法分别提高11%、19%和25%,且对光照、天气、拍摄距离等环境有很强的适应性,能检测处理蜜蜂阴影、虚化、遮挡等复杂状况。研究结果为蜂群巢外监测提供有力支持,也为基于蜜蜂跟踪的进出量统计奠定了基础。

  • 相关文献

[1]Determination and validation of soil thresholds for cadmium based on food quality standard and health risk assessment. Ding, Changfeng,Li, Xiaogang,Zhang, Taolin,Wang, Xingxiang,Ma, Yibing,Wang, Xingxiang. 2018

[2]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[3]本体知识库构建研究. 李嘉锐. 2015

[4]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[5]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[6]基于神经网络的文献主题国别标引方法研究. 王新. 2019

[7]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[8]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[9]基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别. 魏靖,王玉亭,袁会珠,张梦蕾,王振营. 2020

[10]基于长短时记忆神经网络的生猪价格预测模型. 刘怡然,王东杰,邓雪峰,刘振宇. 2021

[11]人工智能驱动智慧奶牛养殖的思考与实践. 夏雪,侍啸,柴秀娟. 2020

[12]基于U-Net和分水岭算法的无人机单木树冠提取方法. 金忠明,曹姗姗,王蕾,孙伟. 2020

[13]基于深度学习的天然草地植物物种识别方法. 高宏元,高新华,冯琦胜,李文龙,鲁征,梁天刚. 2020

[14]基于深度残差网络的番茄叶片病害识别方法. 吴华瑞. 2019

[15]基于卷积神经网络和AMSR2微波遥感的土壤水分反演研究. 谭建灿,毛克彪,左志远,赵天杰,谭雪兰,李建军. 2018

[16]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[17]基于深度学习框架的隐藏主题变量图模型. 吴蕾,张文生,王珏. 2015

[18]GPT技术驱动的农业发展范式研究与展望. 李灯华,李干琼,许世卫,陈威. 2023

[19]融合多尺度特征和注意力机制的油菜倒伏分类. 郑权,乔江伟,李婕,秦涛,涂静敏,李礼,蒋琦. 2024

[20]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：中国农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台