检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2019年第5期31卷 718-725页

作者：肖伯祥秦洪北京市农林科学院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数字植物研究室北京100097 数字植物北京市重点实验室北京100097 Computer Science Department Stony Brook University

基于物理的方法是解决植物动态建模与仿真的有效途径,而模型参数的确定是基于物理方法所面临的重要问题.为实现基于生物物理属性特征的玉米叶片高精度、高真实感动态建模与仿真,提出一种基于运动学分析的玉米叶片物理建模与参数确定方法... 详细信息

基于物理的方法是解决植物动态建模与仿真的有效途径,而模型参数的确定是基于物理方法所面临的重要问题.为实现基于生物物理属性特征的玉米叶片高精度、高真实感动态建模与仿真,提出一种基于运动学分析的玉米叶片物理建模与参数确定方法.首先利用运动捕捉技术获取玉米叶片的运动数据;然后根据运动捕捉特征点构建基于质点-弹簧系统的物理模型;最后基于运动学分析建立物理模型参数解析方程组,利用最小二乘法计算物理模型的参数.以此参数构建物理模型实现玉米叶片的动态模拟,并给出2种模型构造方式的玉米叶片虚拟仿真.结果表明,该方法以一种数据驱动的机制有效估算出对应的物理模型参数,生成的玉米叶片动态虚拟仿真过程具有与实际情况较为接近的真实感效果,为虚拟植物建模与应用提供了一种可行的物理建模及参数确定方法.

关键词：物理建模参数确定运动捕捉运动分析玉米叶片植物仿真

来源：评论

学校读者我要写书评

暂无评论

基于三维数字化的小麦植株表型参数提取方法

引用

智慧农业（中英文） 2022年第2期4卷 150-162页

作者：郑晨曦温维亮卢宪菊郭新宇赵春江北京市农林科学院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数字植物北京市重点实验室北京100097 西北农林科技大学信息工程学院陕西杨凌712100

针对小麦植株分蘖多、器官间交叉遮挡严重,难以用图像或点云准确提取植株和器官表型的问题,本研究提出了基于三维数字化的小麦植株表型参数提取方法。首先提出了小麦植株各器官数字化表达方法,制定了适用于小麦全生育期的三维数字化数... 详细信息

针对小麦植株分蘖多、器官间交叉遮挡严重,难以用图像或点云准确提取植株和器官表型的问题,本研究提出了基于三维数字化的小麦植株表型参数提取方法。首先提出了小麦植株各器官数字化表达方法,制定了适用于小麦全生育期的三维数字化数据获取规范,并依据该规范进行数据获取。根据三维数字化数据的空间位置语义信息和表型参数的定义,提出了小麦植株表型参数计算方法,实现了小麦植株和器官长度、粗度和角度等3类共11个常规可测表型参数的计算。进一步提出了定量描述小麦株型和叶形的表型指标。其中,植株围度通过基于最小二乘法拟合三维离散坐标计算,用于定量化描述小麦植株松散/紧凑程度;小麦叶片卷曲和扭曲程度为定量化叶形的指标,根据叶面向量方向变化计算得到。利用丰抗13号、西农979号和济麦44号三个品种小麦起身期、拔节期、抽穗期三个时期的人工测量值和提取值进行验证。结果表明,在保持植株原始三维形态结构的前提下,提取的茎长、叶长、茎粗、茎叶夹角与实测数据精度相对较高,R^(2)分别为0.93、0.98、0.93、0.85;叶宽和叶倾角与实测数据的R^(2)分别为0.75、0.73。本方法能便捷、精确地提取小麦植株和器官形态结构表型参数,为小麦表型相关研究提供了有效技术支撑。

关键词：起身期三维数字化表型相关小麦植株拔节期叶形数字化数据数据获取

来源：评论

学校读者我要写书评

暂无评论

消光系数估算方法对玉米冠层光能利用模拟的影响

引用

中国农业气象 2022年第10期43卷 773-785页

作者：王俊浩顾生浩徐田军陈博温维亮张立祯郭新宇北京市农林科学院信息技术研究中心数字植物北京市重点实验室/国家农业信息化工程技术研究中心北京100097 中国农业大学资源与环境学院北京100193 北京市农林科学院玉米研究中心北京100097 吉林农业大学资源与环境学院长春130118

以玉米品种大叶矮小型的矮单268(AD268)和小叶高大型的先玉335(XY335)为供试材料,设置低(3株·m^(-2))、中(6株·m^(-2))、高(9株·m^(-2))3个种植密度,综合利用冠层光合有效辐射(PAR)垂直分布数据、冠层三维模型与冠层光... 详细信息

以玉米品种大叶矮小型的矮单268(AD268)和小叶高大型的先玉335(XY335)为供试材料,设置低(3株·m^(-2))、中(6株·m^(-2))、高(9株·m^(-2))3个种植密度,综合利用冠层光合有效辐射(PAR)垂直分布数据、冠层三维模型与冠层光合模型,分析了对数法和回归法估算出的消光系数(k_(log)和k_(nls))对品种和种植密度的响应及其差异,评估消光系数估算方法对冠层光能利用模拟的影响。结果表明:k_(log)和k_(nls)存在差异,这种差异在大叶矮小型品种AD268下表现更加明显,且差异随着种植密度的增加而加剧,基于k_(nls)对冠层光分布的拟合效果(R^(2)=0.86)优于k_(log)(R^(2)=0.77);基于k_(log)和k_(nls)的玉米冠层光能利用特征对种植密度的响应规律在不同品种间存在明显差异,以k_(log)和k_(nls)模拟的AD268的日CO_(2)同化量、地上部干物质日积累量和光能利用效率在低密度下无明显差异,但在中高密度下差异较大,二者差异开始变大的临界密度为0.7~2.5株·m^(-2)。

关键词：作物模型参数估计光能利用效率高光效理想株型

来源：评论

学校读者我要写书评

暂无评论

棉花表型技术研究进展

引用

江苏农业科学 2023年第11期51卷 27-36页

作者：李远鲲郭新宇张颖顾生浩张永江吴升北京市农林科学院信息技术研究中心数字植物北京市重点实验室北京100097 国家农业信息化工程技术研究中心北京100097 河北农业大学农学院/华北作物改良与调控国家重点实验室/河北省作物生长调控重点实验室河北保定071000

棉花是重要的纺织原料,表型技术的应用对棉花智慧栽培管理和数字化育种具有重要意义。随着农业监测传感器及表型平台的发展,棉花表型技术研究进入重要阶段。概述了棉花的表型构成和主要表型指标;从图像类表型平台、点云类表型平台2个方... 详细信息

棉花是重要的纺织原料,表型技术的应用对棉花智慧栽培管理和数字化育种具有重要意义。随着农业监测传感器及表型平台的发展,棉花表型技术研究进入重要阶段。概述了棉花的表型构成和主要表型指标;从图像类表型平台、点云类表型平台2个方面综述了棉花表型获取相关传感器及高通量系统平台的发展现状,总结其适用场景、通量、效率及精度;详细综述了棉花多源表型数据处理技术体系,包括图像、三维建模、机器学习、深度学习以及表型大数据建模等技术方法;总结讨论了当前表型技术在棉花精准栽培管理和数字育种方面的应用进展;展望了棉花表型技术的未来发展趋势。

关键词：棉花表型技术表型平台高通量多尺度表型组学

来源：评论

学校读者我要写书评

暂无评论

基于深度学习网络实现番茄病虫害检测与识别

引用

中国农业大学学报 2023年第11期28卷 165-181页

作者：王铭慧张怀清樊江川陈帮乾云挺南京林业大学信息科学技术学院南京210037 中国林业科学研究院资源信息研究所北京100091 国家农业信息化工程技术研究中心数字植物北京市重点实验室北京100097 中国热带农业科学院橡胶研究所海口571737 南京林业大学林草学院南京210037

为利用计算机或人工智能技术协助番茄病虫害防治,以存在病虫害侵害问题的番茄植株图像为研究对象,针对番茄病虫害目标小而密的特点提出基于Swin Transformer的YOLOX目标检测网络,用于精确定位图像中的病虫害目标,并采用基于经典卷积神... 详细信息

为利用计算机或人工智能技术协助番茄病虫害防治,以存在病虫害侵害问题的番茄植株图像为研究对象,针对番茄病虫害目标小而密的特点提出基于Swin Transformer的YOLOX目标检测网络,用于精确定位图像中的病虫害目标,并采用基于经典卷积神经网络构建的旋转不变Fisher判别CNN分类网络,以此提高病虫害分类的准确率。结果表明:1)将测试结果与传统的目标检测模型和分类模型作对比,基于Swin Transformer的YOLOX网络在番茄病虫害测试集上的精确度比Faster R-CNN和SSD分别高了7.9%和9.5%,旋转不变Fisher判别CNN对病虫害类别的识别准确率与AlexNet、VGGNet相比分别提升了8.7%和5.2%;2)与基于Transformer的目标检测模型DETR和近年来新兴的图像分类模型Vision Transformer(ViT)在番茄病虫害测试集上的结果相比较,本研究的检测和分类方法也存在优势,病虫害检测精度和分类准确率分别提高了3.9%和4.3%。此外消融试验也证明了本研究方法改进的有效性。总之,本研究所构建的网络在番茄病虫害的目标检测和分类识别方面的性能优于其他网络,有助于提升番茄病虫害的防治效果,对计算机视觉在农业领域的应用具有重要意义。

关键词：深度学习病虫害识别 Swin Transformer Fisher判别番茄

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：