共查询到20条相似文献，搜索用时 187 毫秒
1.
基于Android手机的水稻剑叶角测量系统 总被引：3，自引：0，他引：3
为了快速、无损地测量水稻剑叶角,设计了基于Android智能手机的便携式水稻剑叶角无损测量系统。采用智能手机后置摄像头获取水稻剑叶基部图像,经过图像预处理、直线检测、K-means聚类和向量方法等处理过程,得到水稻剑叶角。基于Android编程技术对系统软件进行设计,实现了在Android平台下利用JNI和Android NDK调用基于Open CV库的剑叶角提取图像处理算法,实现了新建试验、材料信息输入、摄像头获取剑叶基部图像、计算输出剑叶角及保存数据等界面操作流程。利用该测量系统在田间对4个品种的80株水稻进行剑叶角测量试验,以验证系统性能。试验结果表明,和人工用量角器测量结果相比,该系统测量的平均绝对误差为1.34°,相对误差为2.7%,测量值和真实值相关系数为0.997,能有效测量剑叶角。 相似文献
2.
基于无人机遥感的玉米水分利用效率与生物量监测 总被引：1，自引：0，他引：1
玉米生物量及水分利用效率是反映作物长势和作物品质的重要指标。为实现农业精准管理,本文以不同水分处理的青贮玉米为研究对象,探讨无人机多光谱遥感平台结合作物生长模型估测青贮玉米生物量及水分利用效率的可行性。首先,将基于高时空分辨率无人机多光谱图像估测的关键作物参数蒸腾系数kt输入到简单的水分效率模型中,来拟合不同水分胁迫处理下玉米水分利用效率WUE和标准化水分利用效率WP*;然后,采用拟合的WUE、WP*估算相同水分和不同水分状况下的玉米生物量,并进行验证;基于高时空分辨的无人机多光谱遥感图像获取了大田尺度上的WUE、WP*和生物量的空间分布图。结果表明,基于无人机多光谱、气象和土壤水分数据计算的实际蒸腾量∑Tc,adj和∑ktkswkst（ksw、kst为环境胁迫因子）与玉米生物量具有极显著（P<0.001）的相关性,不同水分处理下WUE的决定系数R2均不小于0.92,WP*的R2均不小于0.93。在同一水分胁迫下,使用拟合的WUE和WP*对生物量的估测精度几乎相同,玉米V-R4生育期估测精度较高,WUE的RMSE为126g/m2,WP*的RMSE为91.7g/m2,一致性指数d均为0.98,但在R5-R6生育期内精度不高。在不同水分胁迫下,使用WUE和WP*估测生物量时,WUE容易受到水分胁迫影响,精度较低（RMSE为306g/m2,d=0.93）,而WP*的精度较高（RMSE为195g/m2,d=0.97）。研究表明,将无人机遥感平台与作物生长模型相结合能够很好地估测大田玉米生物量及水分利用效率。 相似文献
3.
基于图像处理技术的水稻株型参数测量算法 总被引：1，自引：0，他引：1
模型模拟法是简便可行的作物生物量无损检测方法之一。其中,作物株高、植株投影面积等株型参数的无损测量对该方法的应用具有重要意义。为此,以水稻为研究对象,以植株图像的株高和投影面积等参数为测定指标,研究了基于图像处理技术的无损测量方法。在自然条件下获取水稻植株图像,利用超绿色法对彩色图像进行灰度转换,采用中值滤波方法对图像进行降噪处理,应用最大类间方差法实现了植株特征像素的提取。该算法为快速、无损测量作物的图像株型参数提供了有效手段,为作物生物量的无损检测奠定了理论基础。 相似文献
4.
北方寒地水稻纹枯病的危害日趋严重,是困扰水稻种植户的一大难题。为监测该病害的发生,提出了一种基于深度信念网络的病害识别新方法。首先,利用高斯滤波对病害图像进行增强预处理,采用Sobel边缘检测算子提取水稻纹枯病病斑特征;其次,设计并训练了包含3个隐含层受限玻尔兹曼机的深度信念网络,并利用文中提出的深度信念网络对1 500幅水稻纹枯病图像进行识别。7重交叉验证测试结果表明:平均识别准确率高达94.05%,优于常见的BP神经网络和支持向量机识别方法,为准确识别水稻纹枯病奠定了基础。 相似文献
5.
针对当前小麦生物量的无损检测技术存在精度低、效率低等问题，采用力学传感技术和多元回归分析构建了小麦地上鲜生物量的预测模型，并探究了模型对不同生育期小麦生物量的预测效果。研究结果显示，在测量高度40 cm时，模型的预测效果最好；对抽穗期小麦生物量的预测效果最好，其测试集R2=0.623，RMSE=0.216 kg；融合测量高度和株高等特征参量并不能显著提高小麦生物量的预测效果。这次研究在小麦育种的快速无损检测研究中具有一定的参考价值。 相似文献
6.
基于LabVIEW的小麦生物量检测系统 总被引：2，自引：0，他引：2
为了快速、无损地测量小麦生物量,根据小麦茎秆的力学特性,设计了一种基于LabVIEW的小麦生物量检测系统。以压力传感器为测量元件,以阿尔泰DAM—3056AH为高速采集模块,获取的小麦受推杆作用产生的回弹力信号由LabVIEW测量系统完成数据的实时采集、显示和保存。利用该检测系统在田间进行小麦生物量检测试验,以验证系统的性能。试验结果表明不同品种的小麦茎秆回弹力具有明显的差异,小麦茎秆回弹力与生物量（鲜质量）具有一定的相关性,采用线性回归法建立两者之间的回归模型,模型的决定系数R2达到0.7127。结果表明基于力学原理进行小麦生物量检测是可行的。 相似文献
7.
地上部生物量(Above-ground biomass, AGB)是判断作物生长发育的重要指标,对作物不同生长阶段地上部生物量进行快速、准确、无损遥感监测对精准农业生产具有重要意义。本文在西北关中地区开展田间试验,以不同水氮处理下冬油菜为研究对象,通过对其生理生长指标以及产量进行分析,确定I2N3(越冬期和蕾薹期补灌,施氮量为280 kg/hm2)处理为该地适宜的水氮管理策略。使用无人机获取冬油菜营养生长期和生殖生长期多光谱图像,采用阈值法对多光谱图像中的阴影和土壤背景进行掩膜处理,提取各波段反射率,构建植被指数。将冬油菜地上部生物量实测数据与21个光谱变量进行相关性分析,筛选出各生长阶段相关系数绝对值排名前8个光谱变量作为输入量,通过随机森林(RF)、支持向量机(SVM)、遗传算法优化支持向量机(GA-SVM)和粒子群优化支持向量机(PSO-SVM)构建不同生长阶段冬油菜地上部生物量估算模型,确定最佳估算模型。结果表明,全生长阶段和生殖生长阶段红光波段反射率显著性最强且稳定,相关系数分别达到0.835和0.754;PSO-SVM模型更适合用于反演关中地区冬油菜不... 相似文献
8.
日光温室基质培生菜鲜质量无损估算方法 总被引：2，自引：0，他引：2
设施栽培中作物鲜质量动态变化作为生长发育的指示性特征,是蔬菜长势无损监测的重要指标之一。水培蔬菜通过离水直接称量实现长势无损监测,但是土培或基质培无法通过直接鲜质量称量实现生长过程的无损测量。本文提出了基于表型特征参数和生长过程环境参数融合的鲜质量估算方法,用于日光温室环境下基质培生菜个体和群体的鲜质量无损估算。首先,监测生菜全生命周期的环境参数,采集第1批次生菜生长过程中的多样本图像和部分样本鲜质量,提取样本图像中不同生长期生菜的形状、颜色、纹理等特征,计算环境信息中的累积辐热积等参数。然后,利用高斯过程回归方法建立表型参数和环境参数与生菜鲜质量的关系模型。最后,采集第2批次生菜群体的样本数据,基于上述模型预测生菜3个生长阶段的个体和群体鲜质量,以验证鲜质量估算模型的泛化能力和可靠性。结果表明,与支持向量机、线性回归、岭回归和神经网络相比,高斯过程模型的决定系数R2为0.9493,相对误差的均值和标准差分别为11.50%和11.21%。模型泛化能力试验中,生菜群体鲜质量比个体鲜质量的预测相对误差的平均值小（3个生长阶段分别相差4.44、5.71、5.89个百分点）,且随着群体数量增加,群体鲜质量预测的相对误差的均值和标准差逐渐减小。本鲜质量估算方法预测的群体鲜质量数据可为基质培绿叶菜类作物的栽培管理决策提供数据支撑。 相似文献
9.
为评估RZWQM2模型在我国北方农牧交错带典型地区裸燕麦作物生长模拟研究中的适用性,优化裸燕麦生长过程研究的完整作物模型参数,通过北方农牧交错带典型区——河北坝上地区2018年和2019年两个完整生育期内裸燕麦田间试验,对该地区裸燕麦生长模拟参数在RZWQM2(Root Zone Water Quality Model2)模型中进行本土化校准.结果表明:优化后的模型参数,可使不同土层深度(0～80 cm)土壤水分的模拟值与实测值的决定系数系数(R2)值在0.70～0.95之间,均方根误差(RMSE)和平均相对误差(MRE)分别为1.73％、1.96％和21.20％、25.00％;叶面积指数模拟的决定系数(R2)值分别为0.98和0.76;生物量、株高的模拟值与实测值的R2值均大于0.80.本研究开发出的裸燕麦作物生长模拟参数在河北坝上这一区域具有较好的普适性,校准后的RZWQM2模型可适用于北方农牧交错带相似区域裸燕麦田间水分管理、作物生长等相关研究. 相似文献
10.
《中国农村水利水电》2017,(3)
通过农田水位的调节,制定了不同排灌方案,模拟了水稻不同生育期旱涝交替胁迫的状况。运用熵权法计算了产量、生长、水资源利用3大方面10项指标的权重,TOPSIS法计算了各个解与理想解的相对贴合度,从而评价了各个排灌方案受到旱涝交替胁迫的影响。根据模型计算结果得出,先旱后涝对水稻生育的影响大于先涝后旱的影响.并且旱涝交替胁迫在拔节孕穗期对水稻生育影响程度最大,在后两个生育期的影响依次减弱。结果符合试验规律,有一定实践价值。 相似文献
11.
为进一步提高农产品供需过程模拟与估算精度,本研究以自1980年以来国家级和省级的大量农业数据作为样本,充分考虑农产品品种、时间、收入、经济发展等因素影响,构建基于深度学习长短时记忆神经网络（Long Short-Term Memory Neural Network,LSTM）的多种农产品供需预测模型。模型在充分考虑机理性约束条件的前提下,利用深度学习算法在非线性模型分析预测中的优势,对稻谷、小麦、玉米、大豆、猪肉、禽肉、牛肉、羊肉、水产品等9种主要农产品供需进行分析预测。将基于本模型的2019—2021年产量预测结果与国家统计局公布数据进行对比验证,三年平均预测准确率96.98%,表明本研究构建的预测模型能够高效地反映隐性指标变化对预测结果的影响。该模型可以通过及时地监测农业运行数据,为多区域、跨期的农业展望工作提供智能化技术支持。 相似文献
12.
农作物新品种区域试验是在多个地点种植,评价品种的特征特性,为品种审定提供重要的科学依据。区域试验过程中存在若干问题,会对试验质量造成影响。水稻是我国最主要的粮食作物,每年的参试品种数量庞大,增加了工作量,区域试验所面临的问题更为明显。为此,以物联网为基础,建立了水稻区域试验的信息采集系统。系统的信息感知层收集气象、环境及水稻生长信息后通过网络传输层发送到信息管理层,分析之后为区域试验的农艺操作和结果判定提供依据。试验结果表明:系统采集的降雨量、土壤含水量和水稻抽穗期数据与实际接近,没有明显的差异;系统对水稻抽穗期的评估最为准确,可以代替人工操作,极大地减少区域试验工作量。 相似文献
13.
对引进的14个水稻新品种进行品比试验,鉴定各品种的丰产性、抗逆性及适应条件。试验表明:适合在沈阳地区示范推广的主要品种为辽星1号、千重浪2号、盐粳68、辽优1052和盐丰47;辽优1052相对比较适宜沈阳市以南的中晚熟稻区,并提出了部分品种在推广中应注意的问题,为水稻品种的选用提供参考。 相似文献
14.
基于计算机视觉的稻谷品种数据库检索技术 总被引：1，自引：1，他引：0
利用计算机视觉技术提取稻谷的主要外形特征,初步建立了稻谷品种数据库。研究了稻谷品种数据库的检索技术,提出了将BP神经网络与相似度检索相结合的检索方法。实验结果表明,该方法可有效提高检索效率。 相似文献
15.
采用主成分分析法筛选出显著的驱动因子,结合灰色关联分析将筛选出的驱动因子进行灰色聚类和优势分析.以用水量驱动因子为基础,利用SPSS建立多层感知器网络,利用矩阵实验室建立GRNN神经网络和BP神经网络.将诱导有序加权平均算子(IOWA)应用到水量预测模型中,构建基于IOWA算子的MLP-GRNN-BP组合用水量预测模型,最后建立由平方和误差(SSE)、均方误差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方百分比误差(MSPE)和Theil系数(μ)组成的预测效果评价体系,评价预测模型的预测效果,最后以重庆市的用水量预测为例,验证以上方法的可行性.结果表明:经过主成分分析及灰色关联分析,可将用水量驱动因子由31个降为12个, 12个驱动因子可综合为4个聚类,可确定4种用水量的各自驱动因子的重要性排序;BP, MLP, GRNN和MLP-GRNN-BP组合模型预测结果的MAPE,MSPE和Theil系数均在5%以内. 相似文献
16.
基于GA-BP神经网络的池塘养殖水温短期预测系统 总被引：1，自引：0，他引：1
为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。 相似文献
17.
针对稻田自然环境下害虫移动,难以近距离拍摄高质量图像,导致在现有识别模型检测时无法达到满意识别精度的问题,提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法。首先,使用增强型超分辨率生成对抗网络（ESRGAN）对低分辨率图像进行数据增强,解决低分辨率水稻害虫有效信息少的问题;其次构建了SCResNeSt网络,使用3个连续的3×3卷积层替换ResNet50中第1个7×7卷积,以减少计算量;使用自校准卷积替代第2层卷积层中的3×3卷积,通过内部通信显式地扩展每个卷积层的视场,获取害虫图像的部分背景信息,从而丰富输出特征;在主干网络中使用ResNeSt block（Split-attention network block）进一步提升图像中害虫信息获取的准确性。最终,将优选模型移植到手机端,开发了轻量化的移动端水稻害虫识别系统。实验结果表明,与现有方法对比,ESRGAN数据增强方法可以恢复真实的作物害虫信息,SCResNeSt模型有效提高了水稻害虫的识别性能,识别精度达到91.20%,比原始ResNet50网络提高3.2个百分点,满足野外实际场景下的应用需求。本研究为水稻害虫智能化识别和防治提供了技术基础。 相似文献
18.
基于BP神经网络的新安江模型初始土壤蓄水量计算研究 总被引：1，自引：0，他引：1
【目的】克服传统经验折减系数法在计算新安江模型初始土壤蓄水量方面的缺点,并提高新安江模型在湿润半湿润地区的应用效果。【方法】结合流域初始土壤蓄水量的影响因素和神经网络模型特点,提出构建基于BP神经网络的新安江模型初始土壤蓄水量计算方法。【结果】在3种输入因子组合方式下,当BP神经网络隐含层节点大于11时,模拟训练期模型应用效果达到项目精度评价指标的甲等水平,预测检验期的9个样本,均有6个以上样本检验合格;当BP神经网络隐含层节点数从4个变化到21个时,模型评价指标纳什效率系数从0.51变到0.97、均方根误差从11.77降到2.74;与采用传统经验折减系数法计算新安江模型初始土壤蓄水量相比,采用BP神经网络模型应用效果明显占优,且能克服经验折减系数法计算土壤初始蓄水量需要选择流域一场暴雨或久旱未雨才能开始计算和计算过程数据不能中断的缺点。【结论】在湿润半湿润地区采用BP神经网络模型计算新安江模型初始土壤蓄水量具有可行性和适用性;当神经网络输入因子和隐含层节点数选择合理时,模型模拟和预测精度较高。 相似文献
19.
20.
为了提高冬小麦单产估测精度,改善估产模型存在的高产低估和低产高估等现象,以陕西省关中平原为研究区域,选取旬尺度条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）为遥感特征参数,结合卷积神经网络（CNN）局部特征提取能力和基于自注意力机制的Transformer网络的全局信息提取能力,构建CNN-Transformer深度学习模型,用于估测关中平原冬小麦产量。与Transformer模型（R2为0.64,RMSE为465.40kg/hm2,MAPE为8.04%）相比,CNN-Transformer模型具有更高的冬小麦单产估测精度（R2为0.70,RMSE为420.39kg/hm2,MAPE为7.65%）,能够从遥感多参数中提取更多与产量相关的信息,且对于Transformer模型存在的高产低估和低产高估现象均有所改善。基于5折交叉验证法和留一法进一步验证了CNN-Transformer模型的鲁棒性和泛化能力。此外,基于CNN-Transformer模型捕获冬小麦生长过程的累积效应,分析逐步累积旬尺度输入参数对产量估测的影响,评估模型对于冬小麦不同生长阶段的累积过程的表征能力。结果表明,模型能有效捕捉冬小麦生长的关键时期,3月下旬至5月上旬是冬小麦生长的关键时期。 相似文献