检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2007年第2期37卷 484-488页

作者：张俊宁李民赞孔德秀邹奇章王琦中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083

研究了基于“电流-电压四端法”的温室栽培基质电导率测量方法和规律。试验结果表明:在保持基质盐分(离子总量)水平不变的条件下,若基质质量含水率低于50%,则电导率值受基质内离子含量和基质水分的双重影响。当基质质量含水率大于50%后... 详细信息

研究了基于“电流-电压四端法”的温室栽培基质电导率测量方法和规律。试验结果表明:在保持基质盐分(离子总量)水平不变的条件下,若基质质量含水率低于50%,则电导率值受基质内离子含量和基质水分的双重影响。当基质质量含水率大于50%后,电导率主要受基质内离子总量的影响,可忽略水分的影响。控制基质质量含水率在65%左右时,仪器输出与基质溶液电导率呈幂函数关系,所建立的模型的决定系数达到0.970。控制基质质量含水率在45%左右的条件下,用幂函数和线性函数预测基质电导率都获得了较高的精度。

关键词：农业工程温室基质电导率电流-电压四端法精细农业

来源：评论

学校读者我要写书评

暂无评论

基于透射光谱的玉米叶片水分含量快速检测

引用

农业工程学报 2017年第S1期33卷 137-142页

作者：陈香李民赞孙红杨玮张俊逸毛博慧中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业部农业信息获取技术重点实验室北京100083

为实现玉米叶片水分含量快速检测,利用近红外光谱仪在300~1 700 nm采用透射法对玉米叶片水分含量进行快速检测。试验利用烘干法对叶片水分梯度进行控制,并测量玉米叶片的透射光谱曲线和含水率。对透射光谱数据采用Savitzky-Golay方法进... 详细信息

为实现玉米叶片水分含量快速检测,利用近红外光谱仪在300~1 700 nm采用透射法对玉米叶片水分含量进行快速检测。试验利用烘干法对叶片水分梯度进行控制,并测量玉米叶片的透射光谱曲线和含水率。对透射光谱数据采用Savitzky-Golay方法进行平滑预处理,滤除光谱波动噪声干扰。分析了叶片透射光谱与含水率之间的相关关系,通过相关性分析提取敏感波长800、932、1 423 nm;利用主成分分析法提取敏感波长478、748、1058和1 323 nm。综合二者敏感波长最终筛选出水分敏感波长800、1 323、1 058和1 423 nm。利用这4个波长的组合得到比值植被指数、差值植被指数和归一化植被指数等12种植被指数,选取了最优差值植被指数DVI(1423、800)与透射率T1 323和T1 058建立了玉米叶片含水率多元线性回归诊断模型,建模集决定系数Rc2=0.968 8,验证集决定系数Rv2=0.951 9,预测结果方根误差为0.061。结果表明,利用透射光谱技术检测的玉米叶片水分含量具有较高的精度,可为植物叶片水分快速检测仪器开发提供指导。

关键词：光谱分析含水率农作物叶片透射法数据处理

来源：评论

学校读者我要写书评

暂无评论

基于水分和粒度的土壤有机质特征波长提取与预测模型

引用

农业机械学报 2022年第S1期53卷 241-248页

作者：曹永研杨玮王懂李浩孟超中国农业大学智慧农业系统集成研究教育部重点实验室北京100083

为减少水分、粒度对传统方式选取特征波长建立的土壤有机质预测模型的影响,本文提出新的特征波长提取方法。采集中国农业大学上庄实验站土壤样本60份,将样本自然风干后一分为二,一份配成5个粒度梯度(粒径2~2.5 mm、1.43~2 mm、1~1.43 mm... 详细信息

为减少水分、粒度对传统方式选取特征波长建立的土壤有机质预测模型的影响,本文提出新的特征波长提取方法。采集中国农业大学上庄实验站土壤样本60份,将样本自然风干后一分为二,一份配成5个粒度梯度(粒径2~2.5 mm、1.43~2 mm、1~1.43 mm、0.6~1 mm、0~0.6 mm),另一份过0.6 mm筛后配成5个水分梯度(含水率5%、10%、15%、20%、25%)。通过标准仪器分别获取土壤有机质含量真值和土壤光谱信息,使用随机蛙跳算法进行特征波长提取,每个水分、粒度梯度下分别选取7个与土壤有机质含量真值相关性较高的波长作为对应梯度下选取的特征波长,分别建立多元线性回归(MLR)、偏最小二乘(PLS)、随机森林(RF)模型,结果表明:随着含水率增高,3种模型的建模集和预测集决定系数R^(2)基本呈减小趋势;在2~2.5 mm粒度梯度下,3种模型的建模集和预测集R^(2)最低,在0~0.6 mm梯度下,建模集和预测集R^(2)最高,其余梯度下,建模集和预测集R^(2)接近。结合滤光片带通范围(±15 nm),挑选出水分梯度下相同或者接近的8个土壤有机质特征波长,粒度梯度下选取6个特征波长,最终结合化学键特性在水分梯度和粒度梯度下确定的14个特征波长下剔除了6个,确定8个特征波长:932、999、1083、1191、1316、1356、1583、1626 nm。分别建立MLR、PLS、RF模型,结果表明:最终选取的有机质特征波长建立的3种模型建模集R^(2)均不低于0.8、预测集R^(2)均不低于0.75,其中PLS预测效果最佳,建模集、预测集R^(2)分别为0.8809、0.8402。本研究所确定的有机质特征波长建立的模型具有更好的适用性和预测效果,相比于传统方式,一定程度上消除水分、粒度对预测的影响。

关键词：光谱土壤有机质特征波段水分粒度

来源：评论

学校读者我要写书评

暂无评论

基于多光谱图像的土壤有机质含量检测系统与APP研究

引用

农业机械学报 2023年第9期54卷 270-278页

作者：杨玮于滈李浩曹永研郝子源中国农业大学智慧农业系统集成研究教育部重点实验室北京100083

受到土壤种类、水分等客观因素的干扰,基于图像预测土壤有机质(Soil organic matter, SOM)含量与传统方法在检测精度上仍存在差距,限制了相关技术的推广和普及。为提升基于图像预测SOM含量的精度,本研究提出N_DenseNet网络模型,在DenseN... 详细信息

受到土壤种类、水分等客观因素的干扰,基于图像预测土壤有机质(Soil organic matter, SOM)含量与传统方法在检测精度上仍存在差距,限制了相关技术的推广和普及。为提升基于图像预测SOM含量的精度,本研究提出N_DenseNet网络模型,在DenseNet169基础上加入多尺度池化模块,通过获取更多的维度特征提升模型的性能,并结合Android端开发SOM实时检测应用程序(APP),通过内网透射实现PC端与手机端数据的及时传输。以黑龙江省友谊县、北京市昌平区、山东省泰安市3地的350份土样为基础,通过手机以及多光谱无人机获取原位土壤的高清图像,R波段、红边波段与近红外波段图像,以丰富数据信息,并通过室内胁迫的方式拍摄土壤样品在不同水分梯度下的图像缓解水分对图像造成的影响。对比不同深度学习模型,基于多光谱图像数据训练的N_DenseNet表现最好,整体表现优于DenseNet169,测试集R~2为0.833,RMSE为3.943 g/kg,R~2相比于可见光数据提升0.016,证明了训练过程加入R波段与红边和近红外波段图像后有助于提升模型的性能,证明了该方法的可行性。手机端APP与后台端数据相连实现数据实时传输,实现了田间土样SOM含量的实时预测,经田间试验验证,模型预测集R~2为0.805,检测时间为2.8 s,满足了田间SOM含量检测的需求,为SOM含量实时检测提供了新的思路。

关键词：土壤有机质检测系统多光谱图像深度学习 Android APP

来源：评论

学校读者我要写书评

暂无评论

日光温室作物冠层夏季光照强度与空气温湿度时空变化规律研究

引用

农业机械学报 2024年第5期55卷 368-378页

作者：吕欢欢牛源艺韩雨晓李顺达张漫李寒中国农业大学智慧农业系统集成研究教育部重点实验室北京100083

针对温室内不同时间、位置的环境参数存在变异性,且随天气与季节变化,日光温室冠层光照强度、空气温度和空气相对湿度的分布差异性问题,构建了基于无线传感器网络的环境监测系统。环境感知节点部署在作物冠层位置,集成了光照强度、空气... 详细信息

针对温室内不同时间、位置的环境参数存在变异性,且随天气与季节变化,日光温室冠层光照强度、空气温度和空气相对湿度的分布差异性问题,构建了基于无线传感器网络的环境监测系统。环境感知节点部署在作物冠层位置,集成了光照强度、空气温湿度等传感器。首先,基于实时采集的温室环境数据,采用反距离加权算法进行插值分析,得到环境参数的离散曲面;其次,通过基于质心坐标的K-means聚类算法,得到了温室内连通及非连通区域的代表性特征点;最后,采用半变异函数与变异系数方法对温室环境的空间变异性与时间变异性进行分析。实验结果表明,夏季日光温室在下午表现为高温与高光照,08:00、16:00的光照强度分别为12:00的24.2%、72.9%,08:00的空气温度(27.7℃)较12:00、16:00低约6.0℃,对应的空气湿度(90%)高约30%。晴天最大光照强度分别为阴天、雨天的1.4倍和4.6倍,晴天、阴天最高空气温度高于雨天(29.5℃)约6℃,最小空气相对湿度远低于雨天(84%)。夏季日光温室晴天与阴天表现为高温和低湿,雨天表现为高湿和低光照。各环境参数中,光照强度的空间变异性最强,变程为10.34 m。空气温湿度的空间变异性较弱,整体分布均匀。光照强度、空气温度和空气相对湿度的时间变异性均为中等变异程度。环境参数的特征点及时空变化规律有助于日光温室传感器的高效部署,为揭示作物与环境的交互作用提供了基础。

关键词：日光温室光照强度空气温湿度时空变化 K-means 无线传感器网络

来源：评论

学校读者我要写书评

暂无评论

苹果早期瘀伤的近红外光谱和多波段相机成像检测

引用

光谱学与光谱分析 2024年第5期44卷 1364-1371页

作者：杨增荣王怀彬田密密李军会赵龙莲中国农业大学信息与电气工程学院北京100083 现代精细农业系统集成研究教育部重点实验室北京100083

苹果早期轻微瘀伤是影响苹果品质的重要因素。早期轻微瘀伤在可见光下肉眼无法识别,为寻找一种高效的苹果早期轻微瘀伤识别方法,以红富士苹果为研究对象,通过倒立摆装置人为制造不同程度的苹果瘀伤。首先采用傅里叶变换近红外光谱仪采... 详细信息

苹果早期轻微瘀伤是影响苹果品质的重要因素。早期轻微瘀伤在可见光下肉眼无法识别,为寻找一种高效的苹果早期轻微瘀伤识别方法,以红富士苹果为研究对象,通过倒立摆装置人为制造不同程度的苹果瘀伤。首先采用傅里叶变换近红外光谱仪采集80个无损样品、60个轻度损伤样品以及60个重度损伤样品各自在损伤后0、10、20和30 min的近红外漫反射光谱;采用SNV作为光谱数据预处理方法,谱区范围选择4000~9000 cm^(-1);主成分个数为9,采用偏最小二乘法-判别分析(PLS-DA)和支持向量机(SVM)两种方法建立“无损-有损”二分类模型,预测集的平均识别率分别为85.00%和89.80%,模型识别效果有待提高。在以上实验结果的基础上,使用波段范围为1000~2350 nm的近红外相机采集无损、轻度瘀伤、中度瘀伤和重度瘀伤的100个苹果样品的近红外图像,相机加装1150和1400 nm的滤光片后分别再次采集这些苹果样品的近红外图像,所有图像均在瘀伤产生后立即采集。共采集3个波段、4种瘀伤程度的苹果样本图像共1200张。提取图像吸光度信息并分别建立KNN、SVM和DT分类模型,DT法“无损-损伤”二分类模型和“无损-轻度-重度”三分类模型的识别率最高,分别为99.00%和94.67%。相比基于近红外光谱的苹果早期外部瘀伤识别方法,近红外相机多波段成像法在苹果表面早期瘀伤和瘀伤程度分类的应用中都有更高的识别准确率。与此同时近红外相机成像方法方便确定瘀伤的位置,这为苹果表面瘀伤的实时在线检测与分类提供了一种快速高效的新思路。

关键词：近红外光谱近红外相机成像苹果早期瘀伤

来源：评论

学校读者我要写书评

暂无评论

青贮饲料紧实度与含水率复合传感器设计与试验

引用

农业机械学报 2018年第11期49卷 173-179页

作者：孟繁佳魏鸿怡孟德伦李莉中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业信息获取技术农业部重点实验室北京100083

为了同步获取青贮饲料的紧实度和含水率,综合评价青贮饲料品质,本文基于电阻应变效应和频域法设计了一种复合传感器。复合传感器采用一体化结构设计,将电阻应变片和含水率测量电极嵌入圆锥探头内,实现了青贮饲料紧实度和含水率的实时同... 详细信息

为了同步获取青贮饲料的紧实度和含水率,综合评价青贮饲料品质,本文基于电阻应变效应和频域法设计了一种复合传感器。复合传感器采用一体化结构设计,将电阻应变片和含水率测量电极嵌入圆锥探头内,实现了青贮饲料紧实度和含水率的实时同步测量。对复合传感器进行了标定和验证试验:标定结果表明,青贮饲料紧实度和含水率与复合传感器输出电压均呈线性关系,决定系数分别为0. 99和0. 909。验证试验表明,本文设计的复合传感器不仅可以实时、同步测量青贮饲料紧实度和含水率,还能消除圆锥杆与被测饲料间摩擦力对紧实度测量造成的测量误差。

关键词：复合传感器青贮饲料紧实度含水率

来源：评论

学校读者我要写书评

暂无评论

基于全球导航卫星系统的智能化精细平地系统优化与试验

引用

农业工程学报 2015年第3期31卷 48-55页

作者：李笑李宏鹏牛东岭王岩刘刚中国农业大学现代精细农业系统集成研究教育部重点实验室农业部农业信息获取技术重点实验室北京100083

农田土地精细平整是中国现代地面精细灌溉的重要基础,能提高农田灌溉均匀度,改良土壤水盐分布,控制杂草,达到节水增产的效果。应用GNSS(global navigation satellite system,全球导航卫星系统)技术进行土地精细平整具有不受天气影响、... 详细信息

农田土地精细平整是中国现代地面精细灌溉的重要基础,能提高农田灌溉均匀度,改良土壤水盐分布,控制杂草,达到节水增产的效果。应用GNSS(global navigation satellite system,全球导航卫星系统)技术进行土地精细平整具有不受天气影响、测量速度快、工作效率高等优点,具有广泛应用前景。该文结合中国土地平整的实际情况和前期的研究成果,开发了适合国内应用的GNSS控制平地系统,降低了研发的设备成本,优化完善了平地系统的功能。为减少分立设备数量,提高系统集成度,设计了集成控制终端,集成GNSS接收模块、差分电台模块、核心处理平台和阀控制模块,并设计了集成控制终端的外壳,通过可旋转调整支架固定在拖拉机驾驶室内,具有良好的防尘、降温和牢固等优点;为完善地形测量功能,增加了测量轨迹的实时显示,以及农田面积等地势信息的计算,便于指导后续平整作业;优化了基准设计,建立了坡面平整的数学模型,实现了任意坡度坡面平整。优化后的系统主要由集成控制终端、自主差分GNSS接收设备、液压系统以及平地铲运设备几部分构成;以Visual Studio2008为系统软件开发环境,GNSS精细平整集成软件能够实现农田地势测量、基准设计及平整作业等功能。该智能平地系统在中国农业大学上庄试验站进行了长时间平整实验,平面平整后最大高程差从20.9降到10.5 cm,高程标准差从10.6降到5.5 cm,平地误差小于5 cm的测点累积百分比从77%上升到90%左右,平整效果良好。坡面平整的坡度从0.239%降到0.120%,符合设计要求。结果表明,系统工作稳定可靠,作业精度满足土地精细平整要求,适用于在中国推广应用。

关键词：土地利用优化:试验 GNSS控制平地技术地形测量平整作业

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的玉米拔节期冠层识别

引用

农业工程学报 2021年第21期37卷 53-61页

作者：孙红乔金博李松李民赞宋迪乔浪中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业部农业信息获取技术重点实验室北京100083

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3000张... 详细信息

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略。其次在Google Colab云平台训练SSDLite-MobileDet网络模型。为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置。结果表明,田间玉米冠层识别模型精度达到91%,检测视频的帧率达到89帧/s以上。研究成果可为田间玉米高精度诊断和精细化作业管理奠定基础。

关键词：深度学习目标检测识别拔节期玉米冠层

来源：评论

学校读者我要写书评

暂无评论

基于高光谱成像技术的不同产地小米判别分析

引用

光谱学与光谱分析 2019年第7期39卷 2271-2277页

作者：吉海彦任占奇饶震红中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业部农业信息获取技术重点实验室北京100083 中国农业大学理学院北京100083

高光谱成像技术被广泛应用于农产品的检测。基于高光谱成像技术结合机器学习算法无损鉴别不同地区的小米样本。将来源7个省份共计23份样品的小米样本根据地理区域划分为东北地区、河北、陕西、山东和山西共5大类,其中东北地区共6份样品... 详细信息

高光谱成像技术被广泛应用于农产品的检测。基于高光谱成像技术结合机器学习算法无损鉴别不同地区的小米样本。将来源7个省份共计23份样品的小米样本根据地理区域划分为东北地区、河北、陕西、山东和山西共5大类,其中东北地区共6份样品,山西地区5份样品,河北、陕西和山东各4份样品。将每份样品均分为10等份并利用高光谱成像仪采集900~1700nm波段内小米的高光谱数据。为了减少光照不均匀和暗电流对实验的影响,对采集到的高光谱数据进行黑白校正。利用ENVI软件选取小米高光谱图像的感兴趣区域(ROI),每份小米样品选取9个ROI。计算ROI内的平均光谱值,以此平均值作为该样本的一条光谱记录,最后共收集到2070条光谱曲线,其中东北类540条,山西类450条,其他河北类、山东类、陕西类各360条。为了减少样品表面的不平整性引起的散射现象,进而影响小米的真实光谱信息,对收集到的原始光谱进行多元散射校正预处理(MSC)。采用随机划分法对校正过后的光谱数据划分训练集和测试集,测试集占的比例为0.3。利用线性判别分析(LDA)对不同产地小米的光谱数据进行可视化分析,将测试集代入训练好的LDA模型,做出预测结果的混淆矩阵(Confusion Matrix),结果表明LDA对于陕西和山西类的预测准确率为0.84和0.99,对于东北、河北和山东的预测准确率仅为0.68,0.68和0.40。进而采用递归特征消除(RFE)对小米的光谱信息进行特征选择,去除冗余的信息,提高模型的预测准确率。将RFE分别与支持向量机(SVM)和逻辑回归(LR)结合,对不同产地小米的判别进行对比分析。将小米光谱数据的训练集分别代入SVM-RFE和LR-RFE模型并结合3折交叉验证技术,以模型F值的微平均(Micro-averaging)最优选择出相应的特征子集。结果表明,LR-RFE选择的波长数为74个,其模型的Micro_F为0.59;SVM-RFE选择的波长数为220,其模型的Micro_F为0.66。将选择后的特征子集应用到测试集并将测试集分别代入SVM和LR模型,采用模型预测结果的混淆矩阵和模型的受试者工作特征曲线(ROC)作为评价方法。结果表明SVM-RFE对东北地区、河北、陕西、山东和山西的预测准确率分别为1,0.37,0.72,0和1,其ROC曲线下面积(AUC)分别为0.82,0.92,0.93,0.70和0.99。LR-RFE的预测准确率分别为0.92,0,0.97,0和0.80,其AUC分别为0.72,0.74,0.94,0.66和0.88。从预测结果可以看出SVM-RFE模型的综合分类性能优于LR-RFE,而对陕西类的判别LR-RFE要优于SVM-RFE,对于河北类和山东类两个模型都不能有效判别。这两个模型的预测准确率相比LDA有了一定的提升。

关键词：高光谱成像小米判别分析递归特征消除

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：