检索结果-内蒙古大学图书馆

江苏农业科学 2022年第20期50卷 69-77页

作者：张季琴刘刚张东峰姜碧琼仁重义宁夏大学机械工程学院宁夏银川750021 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

变量施肥技术能够按需精准投入肥料,在降低肥料使用量的同时提高作物产量,是实现现代绿色农业发展的重要手段。固体颗粒肥变量撒施控制技术作为变量施肥技术的重要组成部分,能够为实现化肥“减量增效”提供技术支撑。系统分析固体颗粒... 详细信息

变量施肥技术能够按需精准投入肥料,在降低肥料使用量的同时提高作物产量,是实现现代绿色农业发展的重要手段。固体颗粒肥变量撒施控制技术作为变量施肥技术的重要组成部分,能够为实现化肥“减量增效”提供技术支撑。系统分析固体颗粒肥变量撒施控制技术,重点阐述国内外变量撒施、条施控制、工况监测和颗粒肥排肥流量检测技术的研究现状。目前,国内外变量撒施控制技术已基本成熟,近年来的研究主要集中在撒肥盘结构参数优化方面;对于变量条施控制技术的研究主要集中在排肥轴转速控制算法方面,近年来对于排肥轴转速、排肥口开度双变量控制系统的研究已成为热点;工况信息的监测技术已经相对较成熟,但颗粒肥流量的在线检测仍是难点。我国固体颗粒肥变量撒施控制技术研究主要存在控制技术发展不均衡、系统通用性、智能化水平有待提高、市场化程度低等问题。最后为我国变量撒施控制技术的研究与发展提出建议。

关键词：固体颗粒肥变量施肥控制技术工况监测流量检测

来源：评论

学校读者我要写书评

暂无评论

四端法土壤电导率传感器恒流源设计与试验

引用

农业机械学报 2020年第S02期51卷 415-420页

作者：陶毅孟繁佳盛文溢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

土壤信息对于指导农业生产有着极为重要的作用,土壤电导率反映了土壤含水量、盐分、粘粒含量和类型等土壤信息,准确获取土壤电导率对于实现农业精细化生产意义重大。在各种土壤电导率测量方法中,四端法因其成本低、精度高、测量快速和... 详细信息

土壤信息对于指导农业生产有着极为重要的作用,土壤电导率反映了土壤含水量、盐分、粘粒含量和类型等土壤信息,准确获取土壤电导率对于实现农业精细化生产意义重大。在各种土壤电导率测量方法中,四端法因其成本低、精度高、测量快速和操作简便而大量应用于实际测量;恒流源是四端法测量仪器的重要组成部分,其性能直接决定着测量仪器的精度以及测量范围。本文对比了3种恒流源对测量仪器测量性能的影响,发现采用Howland恒流源的四端法测量仪器高电导率测量能力强而低电导率测量范围较小,测量精度最高;采用改进型Howland恒流源的四端法测量仪器低电导率测量范围有所扩大,测量精度良好;采用基于差动放大器的恒流源的电导率仪低电导率测量范围最大,高电导率测量范围较优,测量精度良好。

关键词：土壤电导率恒流源四端法传感器

来源：评论

学校读者我要写书评

暂无评论

利用无人机多源传感器估算马铃薯植株氮含量

引用

光谱学与光谱分析 2022年第10期42卷 3217-3225页

作者：樊意广冯海宽刘杨边明博赵钰杨贵军钱建国农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097 南京农业大学国家信息农业工程技术中心江苏南京210095 国家农业信息化工程技术研究中心北京100097 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 辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人... 详细信息

快速准确地获取作物的植株氮含量(PNC)信息,是农业精细化管理的关键和数字农业发展的研究热点。近年来,随着无人机和传感器技术的发展,利用多种传感器信息监测作物理化参数逐渐引起国内外学者的关注。以马铃薯为研究对象,首先,基于无人机获取了马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱影像和数码影像,同时采集各生育期的地面数码影像,并实测了株高(H)、PNC和11个地面控制点(GCPs)的三维空间坐标。其次,利用无人机数码影像结合GCPs生成试验区域的数字表面模型(DSM),分别从无人机数码影像和DSM中提取马铃薯的地面覆盖度(VC)和株高(H),并利用地面数码影像计算的覆盖度(VC)和实测H验证提取的VC和H的精度。然后,根据高光谱反射率数据计算绿边参数(GEPs),构造GEPs×H×VC,GEPs/(1+VC),(GEPs+VC)×H和GEPs/(1+H)4种融合特征参数(FFPs),对高光谱影像信息和数码影像信息进行融合。最后,将各生育期提取的GEPs和构造的FFPs分别与PNC作相关性分析,筛选最优绿边参数(OGEP)和最优融合特征参数(OFFP)构建5个生育期的PNC线性估算模型,并根据相关性较高的GEPs和FFPs利用偏最小二乘(PLSR)和人工神经网络(ANN)2种回归方法构建PNC的多参数估算模型,结果表明:(1)基于无人机数码影像提取的H和VC具有较高的精度,可以代替实测H和VC估算作物理化参数。(2)与GEPs相比,前4个生育期,构造的大部分FFPs与PNC的相关性更高,能更好地反映马铃薯的氮营养状况。(3)马铃薯5个生育期,OFFP估算PNC的效果优于OGEP。(4)与单参数模型相比,基于GEPs和FFPs利用PLSR和ANN 2种方法构建的模型精度和稳定性均明显提高,其中,以FFPs为模型因子利用ANN方法构建的模型效果最好。该研究表明融合高光谱绿边参数和高清数码相机传感器提取的株高和覆盖度信息能显著提升PNC的估算精度,可为马铃薯氮营养状况的动态无损监测和多源传感器信息的应用提供参考。

关键词：植株氮含量无人机多源传感器绿边株高覆盖度

来源：评论

学校读者我要写书评

暂无评论

一种对作物Mg2+活体检测的全固态微针型传感器制备及应用

引用

农业工程学报 2025年第09期 29-36页

作者：王志豪樊成孝王焯黄岚王忠义中国农业大学信息与电气工程学院现代精细农业系统集成研究教育部重点实验室农业农村部农业信息获取技术重点实验室

镁元素对作物的生长发育至关重要，通过监测作物体内镁离子的浓度变化，即可监测作物的生长状态。为实现作物茎杆Mg2+快速准确原位活体检测，研制了一款微针型全固态离子选择性电极（all-solid-state ion-selective electrodes,ASS-ISE... 详细信息

镁元素对作物的生长发育至关重要，通过监测作物体内镁离子的浓度变化，即可监测作物的生长状态。为实现作物茎杆Mg2+快速准确原位活体检测，研制了一款微针型全固态离子选择性电极（all-solid-state ion-selective electrodes,ASS-ISEs）。该传感器以不锈钢微针为导电基底材料，在其尖端构建石墨烯-聚（3,4-乙烯二氧噻吩）/聚（苯乙烯磺酸盐）(PEDOT)固态转接层，并在固态转接层表面涂附离子选择性敏感膜（ion selective membrane,ISM）。首先，对传感器进行电位校准；然后，通过扫描电子显微镜（scanning electron microscopy,SEM）测试、水层测试、电化学阻抗谱（electrochemical impedance spectroscopy,EIS）测试等传感器性能表征方法，对针-石墨烯-PEDOT-ISM型和针-ISM型两种传感器进行对比测试；最后，将传感器应用于小麦苗茎秆Mg2+原位活体检测，并设置对照试验。结果表明，传感器响应时间为7.0 s，检测限低至1.0×10-7mol/L、能斯特斜率为27.04 mV/dec，寿命可达30 d以上；两种传感器的水层测试及EIS测试结果表明，石墨烯-PEDOT固态转接层结构，可以显著增加离子选择性薄膜和不锈钢基底之间的低频电容，有效抑制水层的形成，降低传感器表面的电荷转移电阻，减少信号漂移，提高响应电位的稳定性。小麦苗茎杆Mg2+原位活体检测结果及纯琼脂和去离子水对照试验结果表明，该传感器可以有效检测其茎杆中Mg2+浓度变化，变化范围为10-3.42～10-3.03mol/L，检测结果可靠。综上所述，该传感器检测限低、电位响应稳定，可用于作物茎秆Mg2+浓度变化原位活体检测，应用前景广泛。

关键词：传感器作物Mg2+检测石墨烯电位校准

来源：评论

学校读者我要写书评

暂无评论

基于RGB-D图像和改进SOM-K-means算法的番茄果实识别与定位方法

引用

农业机械学报 2021年

作者：李寒陶涵虓崔立昊刘大为孙建桐张漫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中国农业大学农业农村部农业信息获取技术重点实验室

为解决多个番茄重叠黏连时难以识别与定位的问题，提出一种基于RGB-D图像和K-means优化的自组织映射（Self-organizing map，SOM）神经网络相结合的番茄果实识别与定位方法。首先，利用RGB-D相机拍摄番茄图像，对图像进行预处理，获取... 详细信息

为解决多个番茄重叠黏连时难以识别与定位的问题，提出一种基于RGB-D图像和K-means优化的自组织映射（Self-organizing map，SOM）神经网络相结合的番茄果实识别与定位方法。首先，利用RGB-D相机拍摄番茄图像，对图像进行预处理，获取果实的轮廓信息；其次，提取果实轮廓点的平面和深度信息，筛选后进行处理；再次，将处理后的数据输入到采用K-means算法优化的SOM神经网络中，得到点云聚类结果；最后，根据聚类出的点，通过坐标转换还原成真实世界的坐标信息，拟合得到各个番茄的位置和轮廓形状。为验证算法性能，以果实识别的正确率和定位结果的均方根误差（RMSE）为指标对该算法进行验证和分析，采集80幅图像，共366个番茄样本，识别的正确率为87.2%，定位结果均方根误差（RMSE）为1.66mm。通过与在二维图像上利用Hough变换进行果实识别的试验进行对比分析，进一步验证了本文方法具有较高的准确性和较强的鲁棒性。此方法在一定程度上解决了在真实环境下番茄果实遮挡重叠难以识别与定位的问题，为果实分割提供了一种新思路。

关键词：番茄果实深度点云图像分割神经网络识别与定位 SOM-K-means算法

来源：评论

学校读者我要写书评

暂无评论

基于轻量二阶段检测模型的自然环境多类蔬菜幼苗识别

引用

农业机械学报 2021年第10期52卷 282-290页

作者：孟庆宽张漫叶剑华都泽鑫宋名果张志鹏天津职业技术师范大学自动化与电气工程学院天津300222 天津市信息传感与智能控制重点实验室天津300222 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

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网... 详细信息

为实现自然环境下蔬菜幼苗精准快速识别,本文以豆角、花菜、白菜、茄子、辣椒、黄瓜等形态差异大、具有代表性的蔬菜幼苗为研究对象,提出一种基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法。模型采用混合深度分离卷积作为前置基础网络对输入图像进行运算,以提高图像特征提取速度与效率;在此基础上,引入特征金字塔网络(Feature pyramid networks,FPN)单元融合特征提取网络不同层级特征信息,用于增强深度学习检测模型对多尺度目标的检测精度;然后,通过压缩检测头网络通道维数和全连接层数量,降低模型参数规模与计算复杂度;最后,将距离交并比(DistanceIoU,DIoU)损失作为目标边框回归损失函数,使预测框位置回归更加准确。试验结果表明,本文提出的深度学习推理模型对多类蔬菜幼苗的平均精度均值为97.47%,识别速度为19.07 f/s,模型占用存储空间为60 MB,对小目标作物以及叶片遮挡作物的平均精度均值达到88.55%,相比于Faster RCNN、RFCN模型具有良好的泛化性能和鲁棒性,可以为蔬菜田间农业智能装备精准作业所涉及的蔬菜幼苗检测识别问题提供新方案。

关键词：蔬菜幼苗深度学习作物识别轻量卷积二阶段检测模型

来源：评论

学校读者我要写书评

暂无评论

核桃叶片氮元素含量的光谱预测模型

引用

新疆农业科学 2023年第3期60卷 582-589页

作者：马文强刘佳沈晓贺陈中原杨莉玲张漫新疆农业科学院农业机械化研究所乌鲁木齐830091 新疆维吾尔自治区产品质量监督检验研究院乌鲁木齐830011 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

【目的】分析325~1075 nm范围内核桃叶片光谱与叶片氮元素含量的相关性,研究核桃叶片光谱数据预处理和特征波段筛选方法,建立核桃叶片氮元素含量的预测模型,为实现核桃生产中的快速施肥提供参考。【方法】建立多元散射校正、Savitzky-Go... 详细信息

【目的】分析325~1075 nm范围内核桃叶片光谱与叶片氮元素含量的相关性,研究核桃叶片光谱数据预处理和特征波段筛选方法,建立核桃叶片氮元素含量的预测模型,为实现核桃生产中的快速施肥提供参考。【方法】建立多元散射校正、Savitzky-Golay卷积平滑滤波和小波去噪的组合预处理方法;采用连续投影算法筛选出了特征波段;采用特征波段建立核桃叶片氮元素含量的偏最小二乘回归预测模型。【结果】建立的组合预处理方法对核桃叶片光谱去噪效果较好;采用特征波段建立的核桃叶片氮元素含量的预测模型,模型的验证集决定系数R^(2)达到了0.875,均方根误差RMSE达到了0.6973 mg/g。【结论】与全光谱数据相比,筛选出的特征波段降低了冗余数据和噪声的影响,提取出了有效成分相关的光谱信息,提高了建模质量。

关键词：核桃光谱分析氮元素特征波段预测模型

来源：评论

学校读者我要写书评

暂无评论

基于Kinect V3深度传感器的田间植株点云配准方法

引用

农业工程学报 2021年第21期37卷 45-52页

作者：李修华魏鹏何嘉西李民赞张木清温标堂广西大学电气工程学院南宁530004 广西甘蔗生物学重点实验室南宁530004 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 捷佳润科技集团股份有限公司南宁530001

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种... 详细信息

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法(Random Sample Consensus,RANSAC)结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在5.8~17.4 mm之间,平均点位误差在13.1~28.9 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。

关键词：自动化传感器点云植株三维建模点匹配 RANSAC Kinect

来源：评论

学校读者我要写书评

暂无评论

基于BSO-SVR的香蕉遥感时序估产模型研究

引用

农业机械学报 2021年第S01期52卷 98-107页

作者：张海洋张瑶李民赞李修华王俊田泽众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 广西大学电气工程学院南宁530004 河南科技大学电气工程学院洛阳471003

为了提高有限样本下遥感时序估产效果,本文提出一种基于BSO-SVR的香蕉遥感时序估产模型。该模型以广西壮族自治区扶绥县的71块香蕉田块为研究区,利用时间序列Sentinel-2遥感影像数据,结合实测产量数据,对2019—2020年香蕉产量进行预测... 详细信息

为了提高有限样本下遥感时序估产效果,本文提出一种基于BSO-SVR的香蕉遥感时序估产模型。该模型以广西壮族自治区扶绥县的71块香蕉田块为研究区,利用时间序列Sentinel-2遥感影像数据,结合实测产量数据,对2019—2020年香蕉产量进行预测与分析。融合阈值分割和形态学开操作方法,滤除香蕉关键生育期内遥感影像的厚云和云阴影区域;引入头脑风暴优化算法(Brain storming optimization algorithm,BSO)自动搜寻支持向量回归算法(Support vector regression,SVR)的最优惩罚因子和核函数参数,解决SVR模型的参数优化不足导致模型预测精度低的问题;搭建基于BSO-SVR的时间序列遥感估产模型,深入挖掘多时相遥感信息,以提升香蕉估产准确度。结果表明,相较于网格搜索算法(Grid search,GS)和灰狼优化算法(Grey wolf optimizer,GWO)搜寻SVR模型的最优参数,本文提出的头脑风暴优化算法具有更高的预测精度和更快的预测速度,在2019年和2020年BSO-SVR模型测试集的决定系数(Coefficient of determination,R;)分别为0.777和0.793,验证集R;分别为0.765和0.636,运行时间分别为0.320、0.331 s;与传统的岭回归模型(Ridge regression,RR)和偏最小二乘回归模型(Partial least squares regression,PLSR)相比,BSO-SVR模型的预测性能最佳,其次是RR模型,PLSR模型表现最差。本文提出的时序估产模型实现了香蕉田块产量的精准预估。

关键词：香蕉遥感估产时间序列头脑风暴优化算法支持向量回归算法

来源：评论

学校读者我要写书评

暂无评论

基于可见光光谱和YOLOv2的生猪饮食行为识别

引用

光谱学与光谱分析 2020年第5期40卷 1588-1594页

作者：嵇杨培杨颖刘刚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 农业部农业信息获取技术重点实验室北京100083

猪的进食、饮水行为是评价生猪健康程度最直接的依据,利用计算机视觉技术实时监控生猪的进食、饮水等状况对提高生猪养殖福利有重要的意义。提出一种基于可见光光谱和改进YOLOv2神经网络的生猪进食、饮水行为识别方法,该方法在生猪可见... 详细信息

猪的进食、饮水行为是评价生猪健康程度最直接的依据,利用计算机视觉技术实时监控生猪的进食、饮水等状况对提高生猪养殖福利有重要的意义。提出一种基于可见光光谱和改进YOLOv2神经网络的生猪进食、饮水行为识别方法,该方法在生猪可见光图像序列上构建头颈模型,结合改进的YOLOv2神经网络实现真实养殖场景中的生猪目标检测,并利用位置信息对生猪的进食、饮水行为进行预判断,对符合判断的图像使用图像处理方法精准判断生猪进食、饮水行为。首先在生猪图像序列上构建头颈模型,利用未被遮挡的头颈作为检测目标,该模型能有效改善生猪目标检测过程的遮挡问题,且能够精准定位生猪的头部,为后续识别进食饮水行为提供辅助。然后采用国际主流神经网络YOLOv2作为目标检测的基础网络模型,改进其激活函数,实现快速精准地生猪目标检测。在使用网络训练前,对生猪数据集使用K-means算法进行聚类候选边框,其mAP值和Recall值相比于最初YOLOv2提高了3.94%和5.3%。为了增加网络对输入变化或噪声的鲁棒性,对比使用ReLU,Leaky-ReLU和ELU三个激活函数的性能,可以发现使用ELU的性能比前两者有明显提高。将改进后的网络与原YOLOv2,SSD模型以及Faster R-CNN相比,该模型的mAP值达到90.24%,Recall值达到84.56%,均优于后三者。最后利用目标检测得到的生猪头颈位置信息,对生猪的进食、饮水行为进行预判断。当图像中进食、饮水区域出现生猪时,对该图进行背景差分法、形态学运算等处理,并结合饮水区域停留时间等对生猪的进食、饮水行为进行更精准判断。实验表明:利用该方法判断生猪的进食、饮水行为,准确率分别达到94.59%和96.49%,均优于直接使用传统方法判断的结果,可应用于实际养殖过程中辅助养殖人员进行生猪管理。

关键词：可见光光谱生猪目标检测深度学习行为识别

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：