日B视频 亚洲,啪啪啪网站一区二区,91色情精品久久,日日噜狠狠色综合久,超碰人妻少妇97在线,999青青视频,亚洲一区二卡,让本一区二区视频,日韩网站推荐

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

深度學(xué)習和遷移學(xué)習應(yīng)用,識別麥田倒伏面積

juying ? 來源:juying ? 作者:juying ? 2023-12-12 16:14 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在小麥揚花灌漿期,土壤中的養(yǎng)分供應(yīng)非常重要。因此,及時施肥是保證小麥生長的關(guān)鍵。一般來說,施肥時間應(yīng)該在小麥揚花開始期時進行。一般選擇氮、磷、鉀等多種元素的肥料進行施用,以保證小麥的健康生長。

小麥揚花灌漿期對水分的需求量非常大,但是過量的灌溉也容易導(dǎo)致小麥發(fā)生根腐病或者其他水害。因此,在小麥揚花灌漿期,適當控制水分非常重要。一般來說,在小麥揚花灌漿期,應(yīng)該根據(jù)實際情況,靈活掌握灌溉的時間和量,以保證小麥的生長和發(fā)育。

利用低空無人機技術(shù),并結(jié)合深度學(xué)習語義分割模型精準提取作物倒伏區(qū)域是一種高效的倒伏災(zāi)害監(jiān)測手段。在實際應(yīng)用中,受田間各種客觀條件(不同無人機飛行高度低于120m、多個研究區(qū)、關(guān)鍵生育期不同天氣狀況等)限制,無人機獲取的圖像數(shù)量仍偏少,難以滿足高精度深度學(xué)習模型訓(xùn)練的要求。

安徽大學(xué)農(nóng)業(yè)生態(tài)大數(shù)據(jù)分析與應(yīng)用技術(shù)國家地方聯(lián)合工程研究中心與西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院、宿州學(xué)院信息工程學(xué)院,組成了胡根生教授團隊展開了研究,旨在探索一種在作物生育期和研究區(qū)有限的情況下精準提取倒伏面積的方法。

以健康/倒伏小麥為研究對象,在其灌漿期和成熟期開展麥田圖像采集工作。設(shè)置2個飛行高度(40和80m),采集并拼接獲取2019、2020、2021和2023年份3個研究區(qū)的數(shù)字正射影像圖;在Swin-Transformer深度學(xué)習語義分割框架基礎(chǔ)上,分別使用40m訓(xùn)練集單獨訓(xùn)練、40和80m訓(xùn)練集混合訓(xùn)練、40m訓(xùn)練集預(yù)訓(xùn)練80m訓(xùn)練集遷移學(xué)習等3種訓(xùn)練方法,獲得對照模型、混合訓(xùn)練模型和遷移學(xué)習模型;采用對比實驗比較上述3種模型分割80m高度預(yù)測集圖像的精度并評估模型性能。

遷移學(xué)習模型倒伏面積提取精度最高,交并比、正確率、精確率、召回率和F1-Score共5個指標平均數(shù)分別為85.37%、94.98%、91.30%、92.52%和91.84%,高于對照組模型1.08%~3.19%,平均加權(quán)幀率達到738.35fps/m2,高于40m圖像183.12fps/m2。

利用低飛行高度(40m)預(yù)訓(xùn)練語義分割模型,在較高飛行高度(80m)空圖像做遷移學(xué)習的方法提取倒伏小麥面積是可行的,這為解決空域飛行高度限制下,較少80m及以上圖像數(shù)據(jù)集無法滿足語義分割模型訓(xùn)練的要求的問題,提供了一種有效的方法。

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 無人機
    +關(guān)注

    關(guān)注

    237

    文章

    11408

    瀏覽量

    196924
  • 深度學(xué)習
    +關(guān)注

    關(guān)注

    73

    文章

    5612

    瀏覽量

    124695
  • 遷移學(xué)習
    +關(guān)注

    關(guān)注

    0

    文章

    74

    瀏覽量

    5856
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    深度學(xué)習為什么還是無法處理邊緣場景?

    選擇視而不見甚至直接加速。 之所以出現(xiàn)這個問題,是因為深度學(xué)習模型大多建立在統(tǒng)計學(xué)基礎(chǔ)之上,它們通過觀察數(shù)以千萬計的圖像學(xué)習識別物體的特征。然而,真實世界的道路場景是無限多樣的,這種基
    的頭像 發(fā)表于 05-04 10:16 ?2208次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學(xué)習</b>為什么還是無法處理邊緣場景?

    人工智能-Python深度學(xué)習進階與應(yīng)用技術(shù):工程師高培解讀

    深度學(xué)習的工程化落地,早已不是紙上談兵的事。從卷積神經(jīng)網(wǎng)絡(luò)到Transformer,從目標檢測到大模型私有化部署,技術(shù)棧不斷延伸,工程師面臨的知識體系也越來越龐雜。現(xiàn)根據(jù)中際賽威工程師培訓(xùn)老師的一份
    的頭像 發(fā)表于 04-21 11:01 ?432次閱讀
    人工智能-Python<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習</b>進階與應(yīng)用技術(shù):工程師高培解讀

    人工智能與機器學(xué)習在這些行業(yè)的深度應(yīng)用

    自人工智能和機器學(xué)習問世以來,多個在線領(lǐng)域的數(shù)字化格局迎來了翻天覆地的變化。這些技術(shù)從誕生之初就為企業(yè)賦予了競爭優(yōu)勢,而在線行業(yè)正是受其影響最為顯著的領(lǐng)域。人工智能(AI)與機器學(xué)習(ML)的深度應(yīng)用,徹底重塑了整個行業(yè)的發(fā)展模
    的頭像 發(fā)表于 02-04 14:44 ?731次閱讀

    機器學(xué)習深度學(xué)習中需避免的 7 個常見錯誤與局限性

    無論你是剛?cè)腴T還是已經(jīng)從事人工智能模型相關(guān)工作一段時間,機器學(xué)習深度學(xué)習中都存在一些我們需要時刻關(guān)注并銘記的常見錯誤。如果對這些錯誤置之不理,日后可能會引發(fā)諸多麻煩!只要我們密切關(guān)注數(shù)據(jù)、模型架構(gòu)
    的頭像 發(fā)表于 01-07 15:37 ?377次閱讀
    機器<b class='flag-5'>學(xué)習</b>和<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習</b>中需避免的 7 個常見錯誤與局限性

    穿孔機頂頭檢測儀 機器視覺深度學(xué)習

    LX01Z-DG626穿孔機頂頭檢測儀采用深度學(xué)習技術(shù),能夠?qū)崿F(xiàn)頂頭狀態(tài)的在線實時檢測,頂頭丟失報警,頂頭異常狀態(tài)報警等功能,響應(yīng)迅速,異常狀態(tài)視頻回溯,檢測頂頭溫度,配備吹掃清潔系統(tǒng),維護周期長
    發(fā)表于 12-22 14:33

    如何深度學(xué)習機器視覺的應(yīng)用場景

    檢測應(yīng)用 微細缺陷識別:檢測肉眼難以發(fā)現(xiàn)的微小缺陷和異常 紋理分析:對材料表面紋理進行智能分析和缺陷識別 3D表面重建:通過深度學(xué)習進行高精度3D建模和檢測 電子行業(yè)應(yīng)用 PCB板復(fù)雜
    的頭像 發(fā)表于 11-27 10:19 ?372次閱讀

    如何在機器視覺中部署深度學(xué)習神經(jīng)網(wǎng)絡(luò)

    圖 1:基于深度學(xué)習的目標檢測可定位已訓(xùn)練的目標類別,并通過矩形框(邊界框)對其進行標識。 在討論人工智能(AI)或深度學(xué)習時,經(jīng)常會出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標注”等術(shù)語。這些概
    的頭像 發(fā)表于 09-10 17:38 ?1099次閱讀
    如何在機器視覺中部署<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習</b>神經(jīng)網(wǎng)絡(luò)

    深度學(xué)習對工業(yè)物聯(lián)網(wǎng)有哪些幫助

    深度學(xué)習作為人工智能的核心分支,通過模擬人腦神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu),能夠自動從海量工業(yè)數(shù)據(jù)中提取復(fù)雜特征,為工業(yè)物聯(lián)網(wǎng)(IIoT)提供了從數(shù)據(jù)感知到智能決策的全鏈路升級能力。以下從技術(shù)賦能、場景突破
    的頭像 發(fā)表于 08-20 14:56 ?1283次閱讀

    自動駕駛中Transformer大模型會取代深度學(xué)習嗎?

    [首發(fā)于智駕最前沿微信公眾號]近年來,隨著ChatGPT、Claude、文心一言等大語言模型在生成文本、對話交互等領(lǐng)域的驚艷表現(xiàn),“Transformer架構(gòu)是否正在取代傳統(tǒng)深度學(xué)習”這一話題一直被
    的頭像 發(fā)表于 08-13 09:15 ?4417次閱讀
    自動駕駛中Transformer大模型會取代<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習</b>嗎?

    深度學(xué)習遇上嵌入式資源困境,特征空間如何破局?

    近年來,隨著人工智能(AI)技術(shù)的迅猛發(fā)展,深度學(xué)習(Deep Learning)成為最熱門的研究領(lǐng)域之一。在語音識別、圖像識別、自然語言處理等領(lǐng)域,
    發(fā)表于 07-14 14:50 ?1331次閱讀
    當<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習</b>遇上嵌入式資源困境,特征空間如何破局?

    使用MATLAB進行無監(jiān)督學(xué)習

    無監(jiān)督學(xué)習是一種根據(jù)未標注數(shù)據(jù)進行推斷的機器學(xué)習方法。無監(jiān)督學(xué)習旨在識別數(shù)據(jù)中隱藏的模式和關(guān)系,無需任何監(jiān)督或關(guān)于結(jié)果的先驗知識。
    的頭像 發(fā)表于 05-16 14:48 ?1655次閱讀
    使用MATLAB進行無監(jiān)督<b class='flag-5'>學(xué)習</b>
    罗定市| 阿克陶县| 马关县| 威远县| 库车县| 浦城县| 高密市| 井冈山市| 成都市| 平安县| 蕲春县| 葫芦岛市| 五寨县| 宁海县| 澄江县| 永安市| 长丰县| 肃北| 霍山县| 三河市| 乌拉特前旗| 阿拉尔市| 广平县| 抚松县| 邻水| 江都市| 德惠市| 大连市| 洪江市| 大埔区| 陵水| 巩留县| 青冈县| 贵德县| 肇州县| 隆子县| 惠来县| 讷河市| 鄯善县| 巴林右旗| 河源市|