检索结果-内蒙古大学图书馆

农业工程学报 2018年第22期34卷 69-77页

作者：刘帅兵杨贵军周成全景海涛冯海宽徐波杨浩河南理工大学测绘与国土信息工程学院焦作454000 农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

准确、快速地获取玉米苗期株数对于育种早期决策起着至关重要的作用。该文利用2017年6月于北京市小汤山镇采集的无人机影像,首先对比分析RGB、HSV、YCbCr及L*A*B 4种色彩空间,变换优选HSV颜色模型对无人机影像前景(作物)与后景(土壤背景... 详细信息

准确、快速地获取玉米苗期株数对于育种早期决策起着至关重要的作用。该文利用2017年6月于北京市小汤山镇采集的无人机影像,首先对比分析RGB、HSV、YCbCr及L*A*B 4种色彩空间,变换优选HSV颜色模型对无人机影像前景(作物)与后景(土壤背景)进行分割,得到分类二值图。然后利用骨架提取算法及多次去毛刺处理等数学形态学流程提取玉米苗形态,得到高精度作物形态骨架,结合影像尺度变换剔除噪声影像,将影像分为多叶、少叶2类,经Harris、Moravec和Fast角点检测识别结果对比,Harris角点检测算法可以较好地提取玉米苗期影像的株数信息。结果表明,少叶类型识别率达到96.3%,多叶类型识别率达到99%,总体识别率为97.8%,将目前传统影像识别精度提高了约3%。同时在多个植株叶片交叉重叠覆盖的情况下,该文的研究方法有良好的适用性。通过无人机影像提取玉米苗期作物准确数目是可行的。该文采用了数学形态学的原理,通过HSV色彩空间变换得到的二值图,从无人机影像中识别提取玉米苗期形态信息,利用影像尺度缩放变换去除噪点,优化骨架识别算法使得识别精度大大提高,最后采用角点检测从无人机影像中直接读取玉米材料小区内的具体数目,该方法节省了人力物力,为田间大面积测定出苗率及最终估产提供了参考。

关键词：无人机作物遥感玉米株数色彩空间骨架提取角点检测

来源：评论

学校读者我要写书评

暂无评论

郑州市城市农业发展现状与创新发展模式策略研究

引用

中国农业资源与区划 2017年第3期38卷 7-13页

作者：陈静张骞淮贺举李存军王永生北京农业信息技术研究中心国家农业信息化工程技术研究中心农业部农业信息技术重点实验室北京市农业物联网工程技术研究中心

[目的]城市农业与城市的经济、生态、社会、文化融为一体,是解决目前我国城市发展过程中面临的资源紧缺、劳动力问题、生态环境恶化和可持续发展等问题的有效途径之一,集生产、生活、生态、示范等多种功能于一体。郑州市人口众多,对城... 详细信息

[目的]城市农业与城市的经济、生态、社会、文化融为一体,是解决目前我国城市发展过程中面临的资源紧缺、劳动力问题、生态环境恶化和可持续发展等问题的有效途径之一,集生产、生活、生态、示范等多种功能于一体。郑州市人口众多,对城市农业的需求强烈,政府高度重视城市农业发展,将其确定为"十三五"规划发展的重点内容之一。[方法]文章通过现场调研、访谈调研和文献调研等形式,分析了郑州市中心城区各种城市农业类型的发展现状,在补充市民食物供给、改善市民生活环境、丰富市民生活和促进农业文化传承四方面的发展需求。[结果]计算了平面和立体上的城市农业发展空间,包括平面空间上的2.5万hm2耕地和58.35km2公共绿地,立体空间上的115万m2阳台农业发展空间、230万m2屋顶农业发展空间、2 300万m2墙体垂直农业发展空间。[结论]提出了"十三五"期间郑州市应大力推进阳台农业和农业主题公园模式,引导规范休闲农园、屋顶农业和庭院农业模式,适量引进垂直农业、社区农园、植物工厂和公共绿化农业模式的建议,为促进郑州市城市农业发展提供决策参考。

关键词：城市农业发展现状发展模式发展空间郑州

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的蛾类三维姿态中前翅间夹角计算方法

引用

林业科学 2017年第11期53卷 120-130页

作者：张睿珂陈梅香李明杨信廷温俊宝北京林业大学林木有害生物防治北京市重点实验室北京100083 国家农业信息化工程技术研究中心农业部农业信息技术重点开放实验室北京市农业物联网工程技术研究中心北京100097

【目的】在农林业害虫自动识别分类过程中,目标蛾类三维姿态的准确获取可以优化识别过程,提高识别效率。通过对复杂的蛾类害虫三维姿态进行量化,准确获取虫体三维姿态的信息数据,可克服二维姿态识别的信息缺失问题,提高算法的鲁棒性,为... 详细信息

【目的】在农林业害虫自动识别分类过程中,目标蛾类三维姿态的准确获取可以优化识别过程,提高识别效率。通过对复杂的蛾类害虫三维姿态进行量化,准确获取虫体三维姿态的信息数据,可克服二维姿态识别的信息缺失问题,提高算法的鲁棒性,为蛾类虫体的自动识别奠定基础。【方法】以棉铃虫为例,提出一种基于机器视觉原理的蛾类虫体前翅间夹角计算方法,以确定虫体的三维姿态,即:通过角点检测原理提取蛾类虫体前翅的标记特征点,获取标记特征点的空间坐标,进而计算虫体前翅间夹角角度。【结果】此方法能够快速、便捷、准确地获取棉铃虫成虫虫体前翅间夹角,且相对误差0.10%~3.96%;该计算方法与激光测量进行偏差分析,均方根误差为1.421 6;配对T检验无显著性差异,表明本文提出的方法可行。【结论】以棉铃虫为例提出一种基于机器视觉的标记特征点虫体前翅间夹角计算方法,平均用时仅14.6 s,少于激光测量法的1 min,在计算效率上也有所提高,为多姿态蛾类害虫的自动监测、快速识别提供重要的技术手段。

关键词：机器视觉三维姿态蛾类前翅间夹角特征点提取

来源：评论

学校读者我要写书评

暂无评论

基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测

引用

农业工程学报 2017年第12期33卷 186-193页

作者：屈莎李振海邱春霞杨贵军宋晓宇陈召霞刘畅西安科技大学测绘科学与技术学院西安710054 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097

籽粒蛋白含量(grain protein content,GPC)是衡量小麦品质的重要指标,及时准确的预测小麦GPC有利于小麦的分类收割和分级存储。为了能够选择一个合适的氮素营养指标作为中间变量来反演小麦GPC,该文研究分别以开花期植株氮素累积量(plant... 详细信息

籽粒蛋白含量(grain protein content,GPC)是衡量小麦品质的重要指标,及时准确的预测小麦GPC有利于小麦的分类收割和分级存储。为了能够选择一个合适的氮素营养指标作为中间变量来反演小麦GPC,该文研究分别以开花期植株氮素累积量(plant nitrogen accumulation,PNA)、植株氮素含量(plant nitrogen content,PNC)、叶片氮素累积量(leaf nitrogen accumulation,LNA)和叶片氮素含量(leaf nitrogen content,LNC)4个氮素营养指标为中间变量,并运用支持向量机(support vector machines,SVM)算法实现4个氮素营养指标的估测,最后构建及评价基于开花期"植被指数(vegetation index,VI)-氮素营养指标(nitrogen nutrition index,NNI)-GPC"模式的冬小麦GPC预测模型。结果表明:1)通过分析植被指数与氮素营养指标的相关性,选择植被指数MSAVI、PSRI、DVI、RDVI和GNDVI作为氮素营养指标模型的构建变量;2)运用SVM方法构建的VI-NNI模型中LNC的建模精度与验证精度相对最优,其建模决定系数(coefficient of determination,R^2)和验证集标准均方根误差(normalized root mean squared error,n RMSE)及验证标准化平均误差(normalized average error,NAE)分别为0.820、9.553%、-1.4%,验证结果稳定性较好;3)构建NNI-GPC模型中PNC的建模精度与验证精度相对最好,其建模R^2和验证n RMSE及NAE分别为0.653、9.843%、-0.3%;4)最终构建的VI-NNI-GPC模型中,以开花期PNC为中间变量的模型建模及反演精度最好,其建模R^2和验证n RMSE及NAE分别为0.631、8.564%、-0.9%。以氮素营养指标为中间变量的GPC遥感反演是可行的,并且比较4个氮素营养指标为中间变量反演GPC,PNC具有较高精度的预测结果,为精确反演GPC提供一个可靠的依据,具有一定的应用前景。

关键词：遥感模型支持向量机籽粒蛋白质含量氮素营养指标冬小麦

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱遥感数据的冬小麦产量估算

引用

农业机械学报 2020年第7期51卷 146-155页

作者：陶惠林徐良骥冯海宽杨贵军杨小冬牛亚超北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 安徽理工大学测绘学院淮南232001 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

为了准确和高效地预测作物产量,以冬小麦为研究对象,利用无人机遥感平台搭载高光谱相机,获取了冬小麦各生育期的无人机影像。根据高光谱具有较多的光谱信息且存在特有的红边区域的特点,选取了9种植被指数和5种红边参数。首先,分析植被... 详细信息

为了准确和高效地预测作物产量,以冬小麦为研究对象,利用无人机遥感平台搭载高光谱相机,获取了冬小麦各生育期的无人机影像。根据高光谱具有较多的光谱信息且存在特有的红边区域的特点,选取了9种植被指数和5种红边参数。首先,分析植被指数和红边参数与产量的相关性,优选5种植被指数和2种红边参数用于构建产量估算模型;然后,构建了不同生育期的3种产量估算模型:单参数线性回归模型、基于植被指数并使用偏最小二乘回归方法模型、基于植被指数结合红边参数并使用偏最小二乘回归方法模型;最后利用3种模型分别估算冬小麦产量。结果表明:4个生育期内,大部分植被指数和红边参数与产量呈现极显著相关性;拔节期、挑旗期、开花期与灌浆期构建的单参数线性回归模型中表现最佳的参数分别为REP、Dr/Drmin、GNDVI与GNDVI;利用偏最小二乘回归方法提高了产量估算精度,以植被指数结合红边参数为因子构建的模型提高了产量估算效果(优于以植被指数为因子构建的产量模型)。本研究可为无人机高光谱估算作物产量提供参考。

关键词：冬小麦产量无人机高光谱遥感估算偏最小二乘

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱遥感的冬小麦株高和叶面积指数估算

引用

农业机械学报 2020年第12期51卷 193-201页

作者：陶惠林徐良骥冯海宽杨贵军代阳牛亚超北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 安徽理工大学测绘学院淮南232001 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

为了快速、准确地估算叶面积指数(LAI),通过无人机搭载成像高光谱相机,获取了冬小麦3个生育期的影像数据,从中提取出株高(Hcsm)。首先,分析了植被指数、Hcsm与LAI的相关性,挑选出最优植被指数;然后,分别构建了单个参数的LAI线性估算模型... 详细信息

为了快速、准确地估算叶面积指数(LAI),通过无人机搭载成像高光谱相机,获取了冬小麦3个生育期的影像数据,从中提取出株高(Hcsm)。首先,分析了植被指数、Hcsm与LAI的相关性,挑选出最优植被指数;然后,分别构建了单个参数的LAI线性估算模型;最后,以植被指数、植被指数结合Hcsm为模型输入因子,采用偏最小二乘回归方法构建LAI估算模型。结果表明:通过无人机高光谱遥感影像提取的Hcsm精度较高(R^2=0.95);在不同生育期,大部分植被指数和Hcsm均与LAI呈0.01显著相关水平;基于最优植被指数结合Hcsm估算LAI的精度优于仅基于最优植被指数或Hcsm的估算精度;以植被指数、植被指数结合Hcsm为输入变量,通过偏最小二乘回归构建的LAI估算模型在开花期估算精度达到最高,并且以植被指数结合Hcsm为自变量估算LAI的能力更佳(建模R^2=0.73,RMSE为0.64)。本研究方法可以提高LAI估算精度,为农业管理者提供参考。

关键词：冬小麦叶面积指数株高高光谱植被指数偏最小二乘

来源：评论

学校读者我要写书评

暂无评论

基于无人机高光谱长势指标的冬小麦长势监测

引用

农业机械学报 2020年第2期51卷 180-191页

作者：陶惠林徐良骥冯海宽杨贵军苗梦珂林博文安徽理工大学测绘学院淮南232001 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitori... 详细信息

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R^2、RMSE和NRMSE分别是0.7164、0.0963、15.90%。

关键词：冬小麦长势监测无人机遥感高光谱多元线性回归偏最小二乘随机森林

来源：评论

学校读者我要写书评

暂无评论

我国信息化发展水平的国际比较研究

引用

科技管理研究 2016年第16期36卷 172-176页

作者：李瑾刘丽红北京农业信息技术研究中心国家农业信息化工程技术研究中心农业部农业信息技术重点实验室北京市农业物联网工程技术研究中心北京100097

对我国信息化发展水平的现状和存在问题进行分析,运用散点图和聚类分析方法对我国信息化发展阶段和发展水平进行评价研究。此外,还构建非线性模型对世界主要国家信息化发展情况进行拟合分析,对我国信息化发展趋势做深入剖析,预测中国信... 详细信息

对我国信息化发展水平的现状和存在问题进行分析,运用散点图和聚类分析方法对我国信息化发展阶段和发展水平进行评价研究。此外,还构建非线性模型对世界主要国家信息化发展情况进行拟合分析,对我国信息化发展趋势做深入剖析,预测中国信息化要达到美国当前水平需要用15年左右时间。

关键词： ICT发展指数国际比较经济发展水平

来源：评论

学校读者我要写书评

暂无评论

最优权重组合模型和高光谱估算苹果叶片全磷含量

引用

农业工程学报 2016年第7期32卷 173-180页

作者：冯海宽杨福芹李振海杨贵军郭建华贺鹏王衍安北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京市农业物联网工程技术研究中心北京100097 河南工程学院土木工程学院郑州451191 山东农业大学生命科学学院泰安271018

为了估算苹果叶片全磷含量,该文使用2012年和2013年在山东省肥城市潮泉镇下寨村的2个苹果示范园获取的整个生育期苹果叶片全磷含量和对应的叶片光谱数据,建立了预测苹果叶片全磷含量的最优权重组合模型。首先分析了苹果叶片全磷含量和... 详细信息

为了估算苹果叶片全磷含量,该文使用2012年和2013年在山东省肥城市潮泉镇下寨村的2个苹果示范园获取的整个生育期苹果叶片全磷含量和对应的叶片光谱数据,建立了预测苹果叶片全磷含量的最优权重组合模型。首先分析了苹果叶片全磷含量和原始光谱的相关关系,确定了以553和722 nm为苹果叶片全磷含量的诊断波段;根据叶片全磷含量与400~2 500 nm范围两两组合的决定系数等值线图,确立了对苹果叶片全磷含量敏感的546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数;最后以553和722 nm的反射率以及546和521 nm、553和518 nm组合的归一化差值指数和543和525 nm、1 394和718 nm组合的比值指数为自变量,构建了基于苹果叶片全磷含量的最优权重组合模型,实现了对苹果叶片全磷含量的高光谱估算。结果表明,最优权重组合模型无论是建模集还是验证集,其预测能力(R2=0.94)要优于该文中的6种统计方法(平均R2=0.82),研究结果为快速无损诊断苹果叶片的磷素状况提供新的技术途径。

关键词：光谱分析磷模型苹果叶片最优权重 RBF神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进分离阈值特征优选的秋季作物遥感分类

引用

农业机械学报 2021年第2期52卷 199-210页

作者：王庚泽靳海亮顾晓鹤杨贵军冯海宽孙乾河南理工大学测绘与国土信息工程学院焦作454000 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 北京市农业物联网工程技术研究中心北京100097

为了提高秋季作物分类精度,以多时相的Sentinel 2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法(Modified ISEaTH based entropy,EMISE)的多评价准则融合特征优选算法——改进分离阈... 详细信息

为了提高秋季作物分类精度,以多时相的Sentinel 2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法(Modified ISEaTH based entropy,EMISE)的多评价准则融合特征优选算法——改进分离阈值组合式特征优选算法(Modified EMISE based Relief F,ReEMISE),并分析了不同特征对秋季作物分类的重要性。首先,利用Relief F算法对特征进行初选,结合EMISE算法对2种评价准则进行融合,再优化初选特征集,进而利用随机森林(Random forest,RF)方法提取农作物种植面积,并与单评价准则的Relief F算法和EMISE算法的随机森林分类精度进行比较。同时,利用多时相光谱特征、传统指数特征、红边指数特征、纹理特征、不同时相波段差值特征、不同时相波段比值特征及优选特征,通过7组不同的特征组合提取秋季作物种植面积,分析不同特征组合对秋季作物分类精度的影响。结果表明:ReEMISE特征优选的随机森林法在特征变量为9个时精度最高,总体精度和Kappa系数分别为95.3918%和0.9397;综合多特征是提高农作物分类精度的关键,在多时相光谱特征基础上分别加入传统指数特征和红边特征,总体精度分别提高1.5021、1.5715个百分点,Kappa系数分别提高0.0198、0.0207。因此综合多特征的ReEMISE特征优选的随机森林法可以有效提高秋作物分类精度和效率。

关键词：秋季作物遥感分类特征优选改进分离阈值组合式特征优选算法随机森林

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：