宁纪锋
- 作品数:71 被引量:753H指数:18
- 供职机构:西北农林科技大学更多>>
- 发文基金:国家自然科学基金中央高校基本科研业务费专项资金陕西省自然科学基金更多>>
- 相关领域:自动化与计算机技术农业科学文化科学天文地球更多>>
- 基于MHSA+DeepLab v3+的无人机遥感影像小麦倒伏检测被引量:7
- 2022年
- 倒伏是影响小麦产量和质量的重要因素之一,及时准确获取倒伏信息有利于小麦良种选育中的倒伏损失鉴定。本文以小麦灌浆期和成熟期两个生长阶段的可见光无人机遥感影像为依据,构建多生长阶段小麦倒伏数据集,通过在DeepLab v3+模型中添加不同的注意力模块进行比较分析,提出一种基于多头自注意力(MHSA)的DeepLab v3+小麦倒伏检测模型。试验结果表明,提出的MHSA+DeepLab v3+模型的平均像素精度(Mean pixel accuracy,mPA)和均交并比(Mean intersection over union,mIoU),灌浆期分别为93.09%和87.54%,成熟期分别为93.36%和87.49%。与代表性的SegNet、PSPNet和DeepLab v3+模型相比,在灌浆期mPA提高了25.45、7.54、1.82个百分点和mIoU提高了36.15、11.37、2.49个百分点,在成熟期mPA提高了15.05、6.32、0.74个百分点,mIoU提高了23.36、9.82、0.95个百分点。其次,相比于CBAM和SimAM两种注意力模块,在灌浆期及成熟期基于多头自注意力的DeepLab v3+表现均为最优,在灌浆期其mPA和mIoU分别提高了1.6、2.07个百分点和1.7、2.45个百分点,成熟期提高了0.27、0.11个百分点和0.26、0.15个百分点。研究表明提出的改进的DeepLab v3+模型能够有效地捕获灌浆期和成熟期的无人机小麦遥感图像中的倒伏特征,准确识别不同生育期的倒伏区域,具有良好的适用性,为利用无人机遥感技术鉴定小麦倒伏灾害等级和良种选育等提供了参考。
- 杨蜀秦王鹏飞王帅唐云松宁纪锋奚亚军
- 关键词:小麦倒伏无人机遥感
- 基于全局搜索的实时分布场目标跟踪方法被引量:8
- 2014年
- 提出了一种基于分布场的全局匹配搜索的实时目标跟踪算法,克服了原始分布场的局部搜索和实时性差的局限。采用相关系数代替原始算法的L1范数度量目标分布场与候选区域分布场的距离,有利于运用傅里叶变换,将相关系数从计算复杂度高的时域转换到计算复杂度低的频域来实现,并且能一次算出目标分布场和检测区域所有候选分布场的相似度,从而保证算法的实时性和全局搜索能力,克服稀疏采样方法的随机性和局部结果最优性。实验结果表明,与最近代表性的跟踪算法相比,提出的方法在多个具有挑战性的视频序列中,在平均误差、跟踪速度和成功率上获得了最佳的性能。
- 叱干鹏飞宁纪锋石武祯
- 关键词:傅里叶变换全局搜索目标跟踪相关系数
- 加权间隔结构化支持向量机目标跟踪算法被引量:2
- 2017年
- 目的目标在跟踪过程中,各种因素的干扰使得跟踪结果存在不确定性。因此,将跟踪过程中所提取样本的可靠性融入跟踪模型中,有助于克服低可靠性样本对跟踪算法的影响。为此,基于最近的结构化支持向量机(SSVM)跟踪算法,提出一种包含样本置信度的加权间隔结构化支持向量机跟踪模型(WMSSVM),以增强SSVM跟踪算法性能。方法首先,基于打分和位置重合率估计样本可靠性;其次,建立WMSSVM模型处理具有不同置信度的跟踪样本训练问题,并采用对偶坐标下降优化算法求解跟踪模型。结果在包含100个视频的OTB100跟踪数据集上进行测试,提出的WMSSVM跟踪器与基准跟踪器Scale-DLSSVM相比,在精准度和成功率两个指标上分别提高了1%和2%。与最近的跟踪算法相比,提出的方法也表现出更好的性能。结论本文首次将样本的可靠性融入结构化支持向量机跟踪模型,并提出一种基于加权间隔的结构化支持向量机跟踪模型及其优化求解方法,在包含100个视频序列的跟踪数据集上验证了提出方法的有效性,本文提出的算法能够适应复杂场景下的跟踪任务,并在背景混杂、目标形变、遮挡、运动模糊、目标出界、快速位移等类别的视频中表现出优异的性能。
- 江少杰宁纪锋李云松
- 关键词:目标跟踪
- 基于遗传神经网络的苹果综合分级系统被引量:40
- 2001年
- 充分利用计算机视觉和人工神经网络技术 ,建立了一个苹果综合外观品质检测与分级系统 ,实现了对苹果的正确分级 ,正确识别率可达 90 .8%。还借助于遗传算法对 BP网络进行设计 ,提高了其学习速度。
- 龙满生何东健宁纪锋
- 关键词:苹果分级人工神经网络遗传算法计算机视觉
- 一种基于高光谱的酿酒葡萄果皮中花色苷含量测定的方法
- 本发明公开了一种基于高光谱的酿酒葡萄果皮中花色苷含量测定的方法,该方法包括以下步骤:从四个不同产量水平不同植株随机取下1500粒葡萄,将每25粒葡萄作为一个样本,共计60个样本,将样本随机分为校正集和检验集,其中校正集4...
- 刘旭吴迪宁纪锋梁曼
- 文献传递
- 精确杂草控制技术的研究现状被引量:8
- 2004年
- 农田杂草不仅与作物争光、争水、争肥、争空间,导致作物品质受损及产量下降,而且妨碍收获作业,增加生产成本,给农业生产造成了巨大危害。为此,阐述了精确杂草控制的意义;综述了国内外在该领域的研究进展;探讨了计算机杂草识别的方法;并指出了该技术在我国的应用前景和发展方向。
- 龙满生何东健耿楠宁纪锋
- 关键词:控制技术农田杂草作物品质农业生产杂草控制杂草识别
- 一种基于加权分布场的目标跟踪方法
- 本发明公开了一种基于加权分布场的目标跟踪方法,结合目标前景和背景信息的加权分布场目标表示方法,同时基于相关系数的模板匹配算法与提出的加权分布场目标表示结合,克服了原始分布场算法在跟踪过程中忽略背景等有用信息的缺点,排除了...
- 宁纪锋赵耀博石武祯
- 文献传递
- 改进YOLOX检测单位面积麦穗被引量:7
- 2022年
- 单位面积麦穗数是估算小麦产量的重要指标,对于作物表型参数计算、产量预测和大田管理都具有重要的意义。目前的研究均未以单位面积麦穗图像为研究对象,为准确获取单位面积麦穗数,该研究提出了基于改进YOLOX的单位面积麦穗检测方法,利用采样框直接实现单位面积麦穗计数。首先,设计了一种简单的单位面积采样框,通过训练角点检测网络识别采样框,以提取单位面积小麦区域;其次,针对麦穗检测中存在的目标密集和相互遮挡问题,在麦穗检测网络的特征融合层,采用上下文信息进行特征重组的上采样方法(Content-Aware ReAssembly of Features,CARAFE)代替YOLOX-m模型中的上采样算法,同时结合迭代注意力特征融合模块(iterative Attentional Feature Fusion,iAFF),增加对麦穗空间信息和语义信息的提取。试验结果表明,改进的YOLOX-m模型明显改善了对密集麦穗和遮挡麦穗的检测效果,其精确率、召回率、平均精确度和F1值分别为96.83%、91.29%、92.29%和93.97%,与SSD、CenterNet和原YOLOX-m模型相比,平均精确度分别提升了10.26、8.2和1.14个百分点。该研究方法能够直接对复杂大田场景下的单位面积麦穗进行准确检测和计数,为实际生产小麦产量预测中的麦穗智能化计数提供了一种方法参考。
- 杨蜀秦王帅王鹏飞宁纪锋奚亚军
- 关键词:目标检测单位面积麦穗
- 图像分割和目标跟踪中的若干问题研究
- 论文对图像分割和目标跟踪这两个计算机视觉中的基本任务进行了研究。在图像分割方面,基于主动轮廓模型(Active Contour Model,简称ACM)、梯度向量流(Gradient Vector Flow,简称GVF)...
- 宁纪锋
- 关键词:图像分割偏微分方程目标跟踪均值平移
- 基于无人机DEM的灌区渠系提取方法被引量:6
- 2017年
- 大范围灌区渠系的制图对于现代节水灌溉技术以及合理配水、安全输水具有重要意义。但目前所获得的灌区遥感影像分辨率不高,渠系提取较难。本文以无人机航空摄影测量获得的数字高程模型(DEM)为基础,根据渠系特征,使用灌区坡度数据,采用改进的霍夫变换方法,实现了对灌区渠系网络的提取。与面向对象、监督分类方法和手绘结果进行对比,该方法提取的渠系连续、提取完整度可达85.61%。误差主要集中在无衬渠系中土壤沉积较多(坡度变化不明显)的位置以及相交渠系处理时保留渠堤位置而造成。该方法根据灌区地形特征,基于高精度高程数据进行渠系提取,是数字地形分析结合图像处理在精细农业中的一次有益探索。
- 张宏鸣李瑶王猛韩文霆宁纪锋王美丽
- 关键词:灌溉渠系数字高程模型无人机遥感数字地形分析