检索结果-内蒙古大学图书馆

南京农业大学学报 2020年第4期43卷 770-780页

作者：王迎旭孙晔李玉花孙国祥汪小旵南京农业大学工学院/江苏省现代设施农业技术与装备工程实验室江苏南京210031

[目的]针对黄瓜植株极易染病且部分病害症状相似的问题,利用叶绿素荧光成像系统研究黄瓜植株不同病害区分及早期病害监测的可行性。[方法]采用叶绿素荧光成像系统采集全植株冠层图像,以褐斑病和炭疽病胁迫下的黄瓜植株为试验材料,分析... 详细信息

[目的]针对黄瓜植株极易染病且部分病害症状相似的问题,利用叶绿素荧光成像系统研究黄瓜植株不同病害区分及早期病害监测的可行性。[方法]采用叶绿素荧光成像系统采集全植株冠层图像,以褐斑病和炭疽病胁迫下的黄瓜植株为试验材料,分析植株生理状态,建立基于叶绿素荧光参数的病害分类和病情诊断模型。首先通过图像的分割得到病斑区域;然后采集植株氮含量、叶绿素含量与荧光参数,并分析其变化趋势;最后基于叶绿素荧光强度和动力学参数对黄瓜褐斑病和炭疽病进行分类和早期监测,分别采用支持向量机(SVM)算法和极端梯度提升(XGBoost)算法对不同程度病害植株进行分类。[结果]与对照植株相比,染病植株叶绿素含量及氮含量呈逐渐下降趋势,最大光化学量子产量(Fv/Fm)、实际光化学效率(ΦPSⅡ)降低,非光化学淬灭(NPQ)、非光化学淬灭系数(qN)和光化学淬灭系数(qP)上升。对于植株的病害与病情分类,利用XGBoost算法进行分类的结果整体较好。对2种病害单独分类的准确率达到90%以上,对2种病害同时分类准确率达到85%以上,对病情和病害种类同时监测的准确率接近80%。[结论]基于叶绿素荧光成像系统监测黄瓜病情和区分其病害种类是可行的,具有良好的应用前景。

关键词：叶绿素荧光黄瓜病害分类病情监测支持向量机(SVM) 极端梯度提升(XGBoost)

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的牛肉结缔组织特征和嫩度关系研究

引用

南京农业大学学报 2016年第5期39卷 865-871页

作者：陈士进丁冬李泊沈明霞林盛业南京农业大学工学院/江苏省现代设施农业技术与装备工程实验室江苏南京210031

[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间... 详细信息

[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间结缔组织的特征参数,运用统计学方法关联该特征参数和熟肉剪切力值,结合经过专门训练的评级小组的分级,采用Stepwise多元线性回归(Stepwise-MLR)建模,对牛肉嫩度进行预测和分级。[结果]70个样本图像的结缔组织特征数据全部用于训练模型,采用留一法交叉验证(Leave-one-out cross validation)测试模型,验证模型的牛肉嫩度判别系数(R^2)为0.857,剩余标准误差(residual standard error,RSEC)为6.453;将牛肉分为嫩、中等、老3个等级,全部预测集的总体等级预测正确率为88.57%。[结论]肌间结缔组织特征是预测牛肉嫩度的重要指标,本文所用的软硬件方法对牛肉嫩度的快速、无损、客观预测和分级具有一定的实用价值及指导意义。

关键词：牛肉嫩度结缔组织机器视觉图像处理 Stepwise多元线性回归留一法交叉验证

来源：评论

学校读者我要写书评

暂无评论

基于无线传感网络的植物生长图像传输和分割算法研究

引用

南京农业大学学报 2014年第4期37卷 170-176页

作者：刘志强梁琨沈明霞陆明洲孙玉文刘龙申南京农业大学工学院/江苏省现代设施农业技术与装备工程实验室江苏南京210031

为了获取温室中植物生长图像信息,设计了一款能够监测温室内植物生长信息的无线智能图像采集节点,引入了休眠-唤醒机制大幅降低节点能耗。节点采用STM32ZET6芯片作为微控制器,CC1101为射频模块,扩展了OV7670图像传感器。将SimpliciTI射... 详细信息

为了获取温室中植物生长图像信息,设计了一款能够监测温室内植物生长信息的无线智能图像采集节点,引入了休眠-唤醒机制大幅降低节点能耗。节点采用STM32ZET6芯片作为微控制器,CC1101为射频模块,扩展了OV7670图像传感器。将SimpliciTI射频网络协议移植到STM32处理器中,将采集的图像信息经过JPEG2000压缩后,分包多跳无线传输至服务器,服务器接收图像,利用改进型LoG算子实现图像分割,得到图像分割结果。结果表明:在温室环境中最大通信距离110 m,节点丢包率较低。一帧JPEG2000格式的温室内植物生长信息图像大小约18 kB,传输时间较短,节点在3.6 V锂电池供电下能工作20 d,汇聚节点接收一帧JPEG2000压缩后的图像时间为158 s。结论:图像节点在温室环境下,以较低能耗采集和传输植物生长信息图像,节点运行稳定,图像分割方法鲁棒性强,在光线变化较大的情况下分割仍然稳定。

关键词：温室无线传感节点 SimpliciTI 图像分割

来源：评论

学校读者我要写书评

暂无评论

基于扫频振动的禽蛋裂纹检测方法

引用

食品与发酵工业 2015年第6期41卷 181-186页

作者：张超卢伟丁为民罗慧赵贤林南京农业大学工学院江苏省现代设施农业技术与装备工程实验室江苏南京210031

针对禽蛋裂纹流水线在线检测中,声脉冲敲击法检测易受环境大噪声干扰、需要多次敲击、检测效率低等问题,文中拟构建基于磁致伸缩振动器扫频式振动的禽蛋裂纹检测系统,通过扫频振动增强破损蛋壳敏感频段的振动信息来提高信噪比,分别对裂... 详细信息

针对禽蛋裂纹流水线在线检测中,声脉冲敲击法检测易受环境大噪声干扰、需要多次敲击、检测效率低等问题,文中拟构建基于磁致伸缩振动器扫频式振动的禽蛋裂纹检测系统,通过扫频振动增强破损蛋壳敏感频段的振动信息来提高信噪比,分别对裂纹在不同位置的禽蛋(裂纹分别出现在鸡蛋小头、赤道以及大头处)进行研究以提高辨识的普适性,通过对扫频振动音频信号进行功率谱分析,分别构建基于BP神经网络、径向基(RBF)神经网络和支持向量机(SVM)的禽蛋裂纹检测模型,并比较其检测效果。实验中,对290枚鸡蛋进行检测(训练集200枚,测试集90枚),结果表明:支持向量机裂纹检测模型分类效果最佳,测试集中无损蛋与裂纹蛋的判别率分别达到100%和98.3%,且检测每枚禽蛋的时间为57.7 ms,能够满足流水线在线检测要求。

关键词：禽蛋裂纹检测磁致伸缩功率谱神经网络支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于小波变换和动态神经网络的温室黄瓜蒸腾速率预测

引用

南京农业大学学报 2014年第5期37卷 143-152页

作者：孙国祥闫婷婷汪小旵陈满张瑜狄娇施印炎陈景波南京农业大学工学院/江苏省现代设施农业技术与装备工程实验室江苏南京210031

针对作物蒸腾速率与温室环境参数间非线性耦合时延性关系,以温室环境参数:空气温度、空气湿度、太阳辐射度、土壤温度、叶面温度、土壤含水量的时间序列为输入量,温室黄瓜蒸腾速率时间序列为输出量,采用小波分解重构方法,分别建立低频... 详细信息

针对作物蒸腾速率与温室环境参数间非线性耦合时延性关系,以温室环境参数:空气温度、空气湿度、太阳辐射度、土壤温度、叶面温度、土壤含水量的时间序列为输入量,温室黄瓜蒸腾速率时间序列为输出量,采用小波分解重构方法,分别建立低频时间序列和高频时间序列的非线性自回归动态神经网络(NARX)子网络预测模型,以子网络的预测叠加值为蒸腾速率预测值。结果表明:1层小波分解重构的低频时间序列A1和高频时间序列D1的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.949和0.853,平均绝对误差(MAE)分别为5.36和2.00 g·h-1。2层小波分解重构的低频时间序列A2和高频时间序列D2的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.983和0.849,MAE分别为2.88和2.56 g·h-1。1层小波分解重构的时间序列的NARX子网络预测值合成值(A1+D1),2层小波分解重构的时间序列的NARX子网络预测值合成值(A2+D2+D1)和未小波分解重构的原时间序列的NARX预测值与蒸腾速率测量值间相关性决定系数R2分别为0.945、0.974和0.857,MAE分别为5.76、4.42和10.09 g·h-1。小波分解重构的高频和低频时间序列预测合成,能够提高时间序列的预测准确性。同时采用相同网络结构的BP神经网络和NAR动态神经网络预测蒸腾速率时间序列,其预测值与测量值间决定系数R2分别为0.596和0.839,MAE分别为19.55和9.45 g·h-1。NARX预测性能优于NAR和BP神经网络的预测性能,能够应用该方法预测温室黄瓜的蒸腾速率。该方法可推广至多变量非线性强耦合时延性系统中的变量预测。

关键词：温室黄瓜蒸腾小波变换动态神经网络时间序列预测

来源：评论

学校读者我要写书评

暂无评论

冬小麦变量施肥机控制系统的设计与试验

引用

农业工程学报 2015年第S2期31卷 88-92页

作者：汪小旵陈满孙国祥张瑜章永年南京农业大学工学院南京210031 江苏省现代设施农业技术与装备工程实验室南京210031

为了实现冬小麦生长过程中的实时变量精准追肥,使用近地光谱探测技术,结合模糊PID(proportion integration differentiation,比例-积分-微分)控制技术,研究设计了适合中国大田作业的实时变量追肥机控制系统。追肥机采用轴分段式设计,开... 详细信息

为了实现冬小麦生长过程中的实时变量精准追肥,使用近地光谱探测技术,结合模糊PID(proportion integration differentiation,比例-积分-微分)控制技术,研究设计了适合中国大田作业的实时变量追肥机控制系统。追肥机采用轴分段式设计,开度和转速双变量调节,通过光谱传感器获取作物冠层归一化植被指数,结合追肥算法计算出当前的目标施肥量,采用测速和测距法反馈肥料流量信息,并根据追肥机实际行进速度,实时调整追肥量,实现精准变量追肥。试验结果表明,模糊PID控制具有良好的动态稳定性和跟踪性能,大田试验的结果表明,追肥机控制精度均达到90%以上,测速系统的检测绝对误差小于0.25 km/h,可以实现精准施肥的目标。该研究为变量施肥机的在线变量施肥控制提供了参考。

关键词：农业机械控制设计变量追肥机模糊PID控制精准农业

来源：评论

学校读者我要写书评

暂无评论

不同耕作方式下水稻田麦秸降解效果

引用

农业工程学报 2021年第15期37卷 239-247页

作者：王延鹏汪小旵施印炎魏天翔杨四军丁启朔南京农业大学工学院南京210031 江苏省现代设施农业技术与装备工程实验室南京210031 江苏省农业科学院农业资源与环境研究所/农业部长江下游平原农业环境重点实验室南京210014

为研究稻麦轮作区不同耕作方式下水稻田麦秸的降解效果,在淮河中下游砂姜黑土区,试验测试了“耕翻+旋耕+泡田”(PRP)、“旋耕+泡田”(RP)、“泡田+旋耕”(PR)三种耕作方式下麦秸在45和90 d中的降解率、组分、养分残存量等参数变化情况,... 详细信息

为研究稻麦轮作区不同耕作方式下水稻田麦秸的降解效果,在淮河中下游砂姜黑土区,试验测试了“耕翻+旋耕+泡田”(PRP)、“旋耕+泡田”(RP)、“泡田+旋耕”(PR)三种耕作方式下麦秸在45和90 d中的降解率、组分、养分残存量等参数变化情况,并在显微条件下观察了秸秆表面形态特征。结果表明:1)几种还田方式下,麦秸降解率都是先快后慢,到还田45 d时,其降解率达45%~55%,还田90 d时最高降解率也不超过58.27%。2)还田时间对麦秸碳(C)、氮(N)、磷(P)、钾(K),微观凹坑径向长度(L_(x))、微观凹坑轴向长度(L_(y)),力学强度有显著影响(P<0.05),对麦秸组分变化有影响。覆盖还田麦秸C、N、P、木质素、半纤维素随还田时间分别上升至其初始值的1.01~1.33、1.81~3.45、1.15~1.82、1.15~1.39、1.45~2.77倍,而麦秸K、纤维素则下降至其初始值的0.04~0.11、0.77~0.95倍;L_(x)和L_(y)随还田时间变化上升至其初始值的5.65~13.60、2.48~9.18倍;麦秸剪切、弯曲及压缩强度随还田时间下降至其初始值的0.07~0.34、0.26~0.58、0.43~0.76倍。3)耕作方式对覆盖还田麦秸N、P、K残存量影响显著(P<0.05),对组分变化有影响。PRP比RP、PR更能促进麦秸N、P、K、纤维素含量下降,提高木质素含量,而半纤维素随耕作方式变化无明显规律。因此,PRP是覆盖还田麦秸降解的较佳选择,其有助于还田麦秸力学强度下降,易引起秸秆表面崩解并形成微观凹坑,促进秸秆腐解及养分释放。

关键词：降解力学特性耕作麦秸还田微观结构

来源：评论

学校读者我要写书评

暂无评论

基于连续偏振光谱技术与嵌入型灰色神经网络的稻种发芽率检测方法研究

引用

光学学报 2015年第12期35卷 286-294页

作者：程宇琼卢伟罗慧洪德林党晓景南京农业大学工学院江苏省现代设施农业技术与装备工程实验室江苏南京210031 远程测控技术江苏省重点实验室江苏南京210096 南京农业大学农学院/作物遗传与种质创新国家重点实验室江苏南京210095

针对稻种发芽率传统检测方法周期长,近红外光谱检测技术等无损检测方法受稻种自然颜色及含水量影响大的问题,通过连续偏振光谱结合嵌入型灰色神经网络(IGNN)的方法建立稻种发芽率预测模型。对检测连续偏振光谱运用经典模式分解(EMD)和... 详细信息

针对稻种发芽率传统检测方法周期长,近红外光谱检测技术等无损检测方法受稻种自然颜色及含水量影响大的问题,通过连续偏振光谱结合嵌入型灰色神经网络(IGNN)的方法建立稻种发芽率预测模型。对检测连续偏振光谱运用经典模式分解(EMD)和小波包变换进行去噪处理,根据去噪效果选择EMD去噪。利用主成分分析(PCA)提取去噪后的连续偏振光谱特征,结合偏最小二乘法回归(PLSR)、反向传播神经网络(BPNN)、径向基神经网络(RBFNN)和IGNN分别构建稻种发芽率预测模型,建模结果显示10 min检测时间点IGNN预测模型精度最高,预测集相关系数RP=0.985,预测集均方根误差(RMSEP)为0.771。研究结果表明基于连续偏振光谱技术结合嵌入型灰色神经网络的方法实现稻种发芽率快速无损检测是可行的且精度较高。

关键词：光谱学连续偏振光谱技术灰色神经网络稻种发芽率

来源：评论

学校读者我要写书评

暂无评论

基于多尺度小波变换和灰色神经网络的稻种发芽率红外热预测模型的研究

引用

光学学报 2015年第10期35卷 111-119页

作者：方文辉卢伟洪德林党晓景梁琨南京农业大学工学院江苏省现代设施农业技术与装备工程实验室江苏南京210031 远程测控技术江苏省重点实验室江苏南京210096 南京农业大学农学院作物遗传与种质创新国家重点实验室江苏南京210095

基于老化不同时间的稻种的生理学和物理学特性,提出一种基于多尺度小波变换和灰色神经网络的稻种发芽率红外热预测模型,实现稻种发芽率的快速、无损检测,解决传统发芽实验法实验周期长、操作复杂等问题。从不同发芽率稻种的胚芽部位提取... 详细信息

基于老化不同时间的稻种的生理学和物理学特性,提出一种基于多尺度小波变换和灰色神经网络的稻种发芽率红外热预测模型,实现稻种发芽率的快速、无损检测,解决传统发芽实验法实验周期长、操作复杂等问题。从不同发芽率稻种的胚芽部位提取144组数据,通过多尺度小波变换,分析逼近信号和细节信号,得出第3层细节信号(d3)贡献最大。以第3层细节信号作为模型的输入,随机分为校正集和预测集,校正集96组,预测集48组。分析和比较老化不同时间的稻种的红外热差异,通过偏最小二乘算法(PLS)、BP神经网络、径向基神经网络(RBFNN)和灰色神经网络(GNN),建立稻种发芽率红外热预测模型。结果表明,GNN建立的稻种发芽率模型预测效果最优,其中校正集相关系数(RC)和标准偏差(SEC)分别为0.9619、2.5013,预测集相关系数(RP)和标准偏差(SEP)分别为0.9554、2.4172,相关性达到较高水平且误差较小。研究表明采用小波分解和灰色神经网络建立稻种发芽率红外热预测模型的方法是可行的。

关键词：测量红外热灰色神经网络无损检测稻种发芽率多尺度小波变换

来源：评论

学校读者我要写书评

暂无评论

褐菇无损采摘柔性手爪设计与结构优化

引用

农业机械学报 2021年

作者：卢伟王鹏王玲 DENGYiming 南京农业大学工学院江苏省现代设施农业技术与装备工程实验室密歇根州立大学工学院

针对娇嫩易损的褐菇自动化无损采摘，首先分析褐菇的生物学特性和力学特性，分别给出拔断和扭断采摘方式时抓持力的约束方程，并优选出扭断式采摘方法；通过ANSYS对柔性手指夹持褐菇进行静力学分析，给出柔性手指指节数、褐菇直径及气... 详细信息

针对娇嫩易损的褐菇自动化无损采摘，首先分析褐菇的生物学特性和力学特性，分别给出拔断和扭断采摘方式时抓持力的约束方程，并优选出扭断式采摘方法；通过ANSYS对柔性手指夹持褐菇进行静力学分析，给出柔性手指指节数、褐菇直径及气压与抓持力之间的函数关系，建立评价函数并通过遗传算法优选出3指4指节的柔性手爪结构，以及18.65 kPa的最优抓持控制气压；基于此设计3指4指节的柔性手爪并进行褐菇采摘试验，结果表明，与刚性手爪相比抓持力从（5.6±0.7）N降到（2.4±0.3）N，刚性手爪所采摘褐菇的抓握处切面5mm深度内均有损伤且表面抓痕明显，而柔性手爪抓握处表面和内部均完好无损，所设计的3指4指节柔性手爪可适应于褐菇的自动化无损采摘。

关键词：蘑菇采摘无损采摘柔性手爪结构优化

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：