榆林市绿色GDP核算研究     

张海瑜  占绍文  冯全 《安徽农业科学》2012,40(34):16725-16729,16781

以榆林市2006～2010年的数据为基础,通过对自然资源耗减价值和污染治理成本的估算,核算出了12个区县的绿色GDP值及绿色GDP扣减指数。核算分析显示,自然资源耗减损失是环境代价的主要方面,北六县(区)的环境污染和生态破坏相比较更严重。因此,要加强生态补偿,提升产业结构,找到县域经济发展与资源环境保护的契合点,促进县域经济的可持续发展。  相似文献   

基于无人机高光谱的马铃薯冠层叶片全氮含量反演     

郭发旭  冯全  杨森  杨婉霞 《浙江农业学报》2023,(8):1904-1914

为实现大田马铃薯冠层叶片全氮含量(LNC)的快速反演,利用低空无人机平台搭载成像光谱仪获取马铃薯冠层光谱数据,在综合比较原始反射率(R)、倒数变换反射率(1/R)、一阶微分变换反射率[D(R)]、二阶微分变换反射率[D(2R)]、倒数之对数变换反射率[lg(1/R)]的基础上,选择[D(2R)]用于后续试验。分别使用相关性分析(CA)、竞争性自适应重加权(CARS)、无信息变量消除(UVE)3种算法筛选特征光谱波段,使用偏最小二乘回归(PLSR)、支持向量机(SVM)构建马铃薯冠层LNC估测模型。结果表明：CA、CARS、UVE算法分别筛选出26、12、19个特征波段。在构建的PLSR模型中,用UVE筛选的特征波段建立的预测模型[UVE-D(2R)-PLSR]效果最好,在验证集上的决定系数(R²)和均方根误差(RMSE)分别为0.806 8和0.193 2;在构建的SVM模型中,用CARS筛选的特征波段建立的预测模型[CARS-D(2R)-SVM]效果最好,在验证集上的R²和RMSE分别为0.831 6和0.183 0。两模型对比,CARS-...  相似文献   

免耕播种机播种的工况监测系统设计   总被引：7，自引：3，他引：7  

王祺  栗震霄  冯全 《甘肃农业大学学报》2005,40(2):229-232

免耕播种机播种工况监测系统采用红外对管监测装置,排种管一旦出现堵塞、漏播等现象时,监测报警显示仪即可发出报警信号,及时指示故障的位置和性质,可最大限度地避免漏播现象发生,大大提高了播种机的工作效率和播种质量,具有监测精度高,电路简单,成本低廉,安装方便等优点。  相似文献   

基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪   总被引：1，自引：1，他引：0  

杨森  冯全  王书志  张芮 《农业工程学报》2017,33(6):140-147

为解决酿酒葡萄生长状态自动监测问题,该文提出基于机器视觉和视频处理技术的自动监测系统,开发了多角度可变形部件模型的葡萄叶片检测算法和基于颜色特征的判别模型跟踪算法。在叶片检测方面,该算法对颜色特征图像采用可变形部件模型训练出多角度叶片检测器,通过多模型匹配后产生叶片检测候选集合,选择集合中得分最高的检测结果作为最后的定位信息;在跟踪方面,结合图像中目标的颜色直方图,建立具有区分背景和目标的组合判别模型,并将位置函数的最大值作为相邻帧的目标位置,从而实现对叶片目标的实时跟踪。试验结果表明,该文检测算法对自然条件下的葡萄叶片平均检测率为88.31%,误检率为8.73%;叶片跟踪的准确性也相对较高,其重叠率高达0.83,平均中心误差为17.33像素,其证明了该算法的有效性,研究结果为葡萄生长状态的自动分析提供参考。  相似文献   

四种成像技术在水果表面缺陷检测的应用     

王书志  张建华  冯全 《中国农机化》2009,(6):86-89

介绍了灰度、彩色、多光谱以及高光谱等四种成像技术在水果表面缺陷检测的应用现状及其处理方法,并讨论了水果表面缺陷检测未来的发展.  相似文献   

复杂背景与天气条件下的棉花叶片图像分割方法   总被引：4，自引：0，他引：4  

李凯  张建华  冯全  孔繁涛  韩书庆  吴建寨 《中国农业大学学报》2018,23(2):88-98

为实现自然条件下棉花叶片的精准分割,提出一种粒子群(Particle swarm optimization,PSO)优化算法和K-means聚类算法混合的棉花叶片图像分割方法。本算法将棉花叶片图像在RGB颜色空间模式下采用二维卷积滤波进行去噪预处理,并将预处理后的彩色图像从RGB转换到目标与背景差异性最大的Q分量、超G分量、a*分量;随后在K均值聚类的一维数据空间中,利用PSO算法向全局像素解的子空间搜寻,通过迭代搜寻得到全局最优解,确定最佳聚类中心点,改善K均值聚类的收敛效果;最后,对像素进行聚类划分,从而得到棉花叶片分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:该算法对于晴天、阴天和雨天图像中目标(棉花叶片)分割准确率分别达到92.39%、93.55%、88.09%,总体平均分割精度为91.34%,并与传统K均值算法比较,总体平均分割精度提高了5.41%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像实现准确分割,为棉花叶片的特征提取与病虫害识别等后续处理提供支持。  相似文献   

深度学习在作物及其近缘种抗病性智能鉴定上的研究进展          下载免费PDF全文

潘攀  张建华  郑晓明  周国民  胡林  冯全  柴秀娟 《浙江农业学报》2023,(8):1993-2012

作物及其近缘种抗病性的精准鉴定是筛选和培育作物抗病性品种的关键环节，是安全有效防治作物病害的重要方式，也是野生种质资源异位保存和开发利用的重要基础。传统的抗病性鉴定方法工作量巨大，且严重依赖于调查人员的主观判断，快速、准确的作物及其近缘种抗病性智能化鉴定方式是未来的发展方向。近年来，随着深度学习方法的快速发展与大量应用，基于深度学习的作物及其近缘种抗病性智能鉴定成为可能。本文首先以水稻3大病害(稻瘟病、白叶枯病、纹枯病)为例，从阐述其抗病性鉴定的规范标准和传统抗病性鉴定方法出发，随后从病害检测、病害分割和病害危害程度评估3方面综述了深度学习在作物及其近缘种抗病性智能鉴定中的研究进展，凝练了深度学习在抗病性鉴定上的应用情况和面临的难点与挑战，并对未来进一步研究的方向与发展趋势进行展望，旨在为深度学习在作物及其近缘种抗病性鉴定中的进一步研究应用提供参考。  相似文献