邓寒冰
- 作品数：40 被引量：187H指数：7
- 供职机构：沈阳农业大学更多>>
- 发文基金：国家自然科学基金辽宁省自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术农业科学文化科学轻工技术与工程更多>>
- 基于双卷积链Fast R-CNN的番茄关键器官识别方法被引量：16
- 2018年
- 为提高番茄器官目标识别的准确率,提出一种基于RGB和灰度图像输入的双卷积链Fast R-CNN番茄器官识别网络。该方法通过番茄器官图像数据集训练基于VGGNet基本结构的特征提取网络,并用其参数初始化Fast R-CNN,通过再训练,用以识别植株图像中的番茄花、果、茎器官。首先分析了网络深度和宽度、图像输入类型、激活单元对特征提取及网络分类性能的影响。详细阐述了基于Fast R-CNN的番茄器官识别网络的设计及训练方法,基于试验观察,提出了基于双卷积链的Fast R-CNN,融合自动提取的RGB和灰度图像特征,由全连接层对Selective Search算法生成的候选区域进行分类识别。结果表明:针对番茄器官图像数据集,5个卷积层的网络即可具有较高的特征提取和分类性能,增加或降低卷积层数都会使网络性能下降;与ReLU激活单元相比,PReLU和ELU能够显著提高番茄特征提取网络的性能,而提高效果和具体的网络结构有关;基于Fast R-CNN的识别方法能够对番茄的花、果、茎器官进行识别,且能够识别不同成熟度的果和不同形态的花;单卷积链Fast R-CNN网络对花、果、茎的识别平均精度(AP)最高分别为64.79%、66.76%和42.58%,双卷积链Fast R-CNN识别网络对三种器官的识别AP最高分别为70.33%、63.99%和44.95%,相较于单链网络,双卷积链Fast R-CNN的mAP提高2.56%,说明该方法对提高番茄器官识别性能是有效的。
- 周云成许童羽邓寒冰苗腾
- 关键词：番茄目标识别
- “问题驱动教学法”在《C语言程序设计》课程教学中的应用被引量：2
- 2016年
- 本文针对《C语言程序设计》课程的教学现状及存在的问题,提出在该课程教学中引入"问题驱动教学法",将理论知识融入到具体"问题"中,通过解决"问题"来讲解理论知识,并通过一个具体的案例来介绍如何利用"问题驱动教学法"来开展教学。
- 徐静杨涛苗腾邓寒冰
- 关键词：教学现状教学法C语言程序设计
- 一种植物叶片透射纹理生成方法
- 本发明涉及一种植物叶片透射纹理生成方法，包括以下步骤：（1）对叶片纹理图像进行本征图像提取，得到反射率图D和光照图S；（2）以反射率图的r红色通道作为自变量，构建线性方程计算透射图T，利用线性方程计算T在像素<I>x</...
- 苗腾徐静许童羽杨涛邓寒冰周云成金莉吴琼
- 文献传递
- 基于在线网络课程的《编译原理》翻转课堂的研究
- 2016年
- 《编译原理》是高校计算机专业的重要基础和骨干课程,具有较强的理论性和实践性。本文分析了编译原理的教学现状,通过对翻转课堂的理解,基于在线网路课程开展编译原理课程翻转课堂的教学研究。经过实践,新的教学方法较好地调动了学生的学习积极性,教学效果有了明显提高。
- 徐静杨涛邓寒冰苗腾罗海艳
- 面向共享知识的自主学习模型
- 本发明公开了一种面向共享知识的自主学习模型，包括知识库，用于存放与Agent所提供服务相关的领域知识；知识接口、消息接口和环境接口；冗余处理模块，用来消除知识之间存在的冗余内容；冲突处理模块，用来消除不同知识之间的冲突内...
- 邓寒冰许童羽周云成
- 文献传递
- 面向农业领域知识的自适应决策模型研究
- 2016年
- 随着信息技术的快速发展,农业知识和数据在互联网中呈现爆发式增长,如何实现农业信息的精准推送是农业信息化领域所面临的重要问题。为此,提出一种面向农业领域知识的自适应决策模型,设计了面向农业领域知识的思维决策模型AKDM(agriculture knowledge decision-making model),利用软件Agent主动采集网络环境中的知识信息,基于信息内容来推理、分析并导出结果,进而指导知识推送行为。结果表明:将农业本体知识转换成信念、愿望和意图集合,同时利用三者之间的决策推理关系指导知识推送行为,可以实现基于农业领域知识的自适应决策推理过程,且涉及的试验过程为实现农业信息的个性化智能推送提供了一个可行模型参考。
- 李娜邓寒冰朴在林谭东明杨萍刘君
- 关键词：AGENT本体
- 基于弱监督学习的玉米苗期植株图像实例分割方法被引量：2
- 2022年
- 基于有监督深度学习的图像分割任务通常利用像素级标签来保证模型的训练和测试精度,但受植株复杂形态影响,保证像素级标签精度的同时,时间成本也显著提高。为降低深度模型训练成本,同时保证模型能够有较高的图像分割精度,该研究提出一种基于边界框掩膜的深度卷积神经网络(Bounding-box Mask Deep Convolutional Neural Network,BM-DCNN),在有监督深度学习模型中融入伪标签生成模块,利用伪标签代替真值标签进行网络训练。试验结果表明,伪标签与真值标签的平均交并比为81.83%,平均余弦相似度为86.14%,高于Grabcut类方法生成伪标签精度(与真值标签的平均交并比为40.49%,平均余弦相似度为61.84%);对于玉米苗期图像(顶视图)计算了三种人工标注方式的时间成本,边界框标签为2.5 min/张,涂鸦标签为15.8 min/张,像素级标签为32.4 min/张;利用伪标签样本进行训练后,BM-DCNN模型的两种主干网络当IoU值大于0.7时(AP70),BM-DCNN模型对应的实例分割精度已经高于有监督模型。BM-DCNN模型的两种主干网络对应的平均准确率分别为67.57%和75.37%,接近相同条件下的有监督实例分割结果(分别为67.95%和78.52%),最高可达到有监督分割结果的99.44%。试验证明BM-DCNN模型可以使用低成本的弱标签实现高精度的玉米苗期植株图像实例分割,为基于图像的玉米出苗率统计以及苗期冠层覆盖度计算提供低成本解决方案及技术支持。
- 赵亚楠邓寒冰刘婷赵露露赵凯杨景张羽丰
- 关键词：玉米
- 基于RGB-D的肉牛图像全卷积网络语义分割优化被引量：8
- 2019年
- 基于卷积神经网络的深度学习模型已越来越多的应用于检测肉牛行为。利用卷积操作实现肉牛图像的像素级分割有助于实现远距离、无接触、自动化的检测肉牛行为,为肉牛异常行为早期发现提供必要手段。为了提高复杂背景下肉牛图像语义分割精度,降低上采样过程中的语义分割误差,该文提出基于RGB-D的肉牛图像全卷积网络(fully convolutional networks,FCN)的语义分割优化方法,用深度密度值来量化深度图像中不同像素点是否属于相同类型的概率,并根据深度图像与彩色图像在内容上的互补关系,优化和提升FCN对肉牛图像的语义分割(像素密集预测)精度。通过试验验证,该方法与全卷积网络的最优分割结果相比,可以将统计像素准确率平均提高2.5%,类别平均准确率平均提升2.3%,平均区域重合度平均提升3.4%,频率加权区域重合度平均提升2.7%。试验证明,该方法可以提升全卷积网络模型在复杂背景下肉牛图像语义分割精度。
- 邓寒冰周云成周云成苗腾许童羽
- 关键词：多模态
- 基于NB和CHI值的农业文本分类方法被引量：3
- 2018年
- 对采集自网络的农业文本进行自动化分类是进一步利用的前提。拟提出1种结合朴素贝叶斯(naive Bayes,简称NB)和χ2(Chi-square,简称CHI)特征词选取的农业文本分类方法,并用Python语言实现相应的文本分类程序和特征词选择程序。通过从农业信息网站获取已经过良好分类的文档,并对其进行净化、分词等预处理,构建含有4种文本的农业语料库。针对特征词选择数量、训练样本数等对分类识别率的影响及用标题进行网页文本分类的可行性问题开展研究。结果表明,文本分类的正确率主要由CHI值较高的少量特征词条决定,但是按CHI值降序增加特征词条的数量不会对文本识别率造成负面影响;训练样本数量对文本分类的正确率具有一定影响,为了达到较高的识别率,训练样本需要达到一定的数量,然后持续增加样本量,对识别率没有明显贡献;利用网页标题对采集自网络的农业文本进行分类是可行的。通过结合朴素贝叶斯和基于CHI值的特征词选取方法能够很好地对农业文本进行分类,识别率较高。
- 周云成许童羽邓寒冰
- 关键词：文本分类朴素贝叶斯网页文本分类
- 单图像的植物器官表观纹理生成系统研发被引量：2
- 2020年
- 为提高农业题材三维数字媒体内容制作效率,解决植物器官表观纹理制作流程繁琐的问题,研发了基于单图像的植物器官表观纹理生成系统。该系统分为漫反射强度纹理、透射纹理、高光纹理、法向量贴图、环境遮蔽图以及表观纹理实时可视化6个模块。漫反射强度纹理生成模块采用基于能量约束的本征图像分解方法将植物器官图像分解为漫反射纹理以及光照图;透射纹理生成模块以PROSPECT模型为理论基础,反演植物叶片透射与反射的统计学关系,利用漫反射纹理生成透射纹理;高光参数纹理生成模块采用交互式操作,基于用户对少量样本点的高光表观参数设定,根据概率插值出整个器官表面的高光参数,进而形成高光强度纹理和粗糙度纹理;法向量贴图模块在阴影恢复形状技术的基础上,综合低频和高频特征生成法向量贴图;环境遮蔽图生成模块通过简单的亮度倍增操作,将光照图转换成环境遮蔽纹理;表观纹理实时可视化模块利用上述生成的表观纹理进行实时的器官三维渲染,为用户提供反馈。系统仅需调节3个参数即可生成6种样式丰富的器官表观纹理,操作简捷,自动化程度高。在处理512×512分辨率的图像时,生成6种表观纹理的总计算时间小于8 s。结果表明,该系统可以通过简单的操作,高效生成三维植物可视化中常用的表观纹理,为农业题材的三维数字资源开发提供技术工具。
- 苗腾许童羽许童羽周云成邓寒冰于越
- 关键词：纹理可视化
