排序方式： 共有154条查询结果，搜索用时 15 毫秒
71.
土壤参数的时空变异是实施精细农业时要考虑的重要因素，在土壤检测的栅格采样中有必要确定最优样本量。本研究的试验田是一块生长中的玉米地块，试验区的面积为4.2 m×4.2 m，该试验区被假定为土壤采样中的一个栅格，该栅格又被细分为49个0.6 m×0.6 m的子栅格。采样时，所分析的土壤参数为土壤硝态氮含量，从播种到收获共进行了7次采样。通过对土壤样本土壤硝态氮时空变异的分析，揭示了样本量和土壤硝态氮含量预测误差之间的相关关系。土壤硝态氮含量呈非正态分布，通过对玉米各个生长期获得的数据分析表明：含量水平的预测误差随深度的增加而增大；当从一个栅格只采集1个土壤样本时(样本量为1)，预测误差基本在50％左右(显著水平：α≈0.10)，而当从一个栅格采集5个土壤样本时(样本量为5)，预测误差将降至25％左右。另一方面，当要求预测误差低于30％时，对于普通生长条件下的土壤需要从1个栅格至少采集3个样本，而对于追肥后的土壤则至少需采集15个样本。 相似文献
72.
CropspecTM是一种基于735 nm 和808 nm的车载式主动作物冠层光谱传感器,能够快速、无损地检测作物氮素营养状态。为了评价其检测精度,针对农大8号和京农科等2种玉米作物品种,使用该检测系统在拔节期采集作物冠层在808nm和735nm波段处的反射率。然后组合计算了DVI735, NDVI735, PVI735和 RDV735 等常规的植被指数,并基于RVI735构造了一种新的植被指数MRVI735。通过分析各植被指数与叶绿素含量指标SPAD值之间的相关关系得出 :对于农大8号,MRVI735、NDVI735和RVI735与叶绿素含量指标的相关性较好,相关系数分别是:-0.7482、-0.6763和-0.6786,达到强相关水平。对于京农科,NDVI735、MRVI735和RVI735与叶绿素含量指标的相关性较好,相关系数分别是:0.7270、0.7252和0.7245,达到强相关水平。对于2个玉米品种,都分别选取了相关系数最好的一个和两个植被指数为参数,分别建立了一元线性回归模型和二元线性回归模型。农大8号的一元模型和二元模型的R2 相似文献
73.
针对谷物测产系统采样频率过高时数据冗余量大、软硬件成本高,而采样频率过低时测产精度和稳定性难以保证的问题,分析了谷物的冲击规律并根据采样定理确定了谷物流量信号的最高采样频率为50 Hz。数据预处理时,对于高频率采样信号,提出了双阈值滤波均值和算数均值2种方法,分析表明双阈值滤波均值法的处理效果优于后者。为考察采样频率对测产精度的影响,进行了不同采样频率的测产试验并提出了频率抽取法,尝试了1、10、25、50 Hz 4种采样频率下的总产量建模,并对比了其预测效果,试验结果表明,在最高采样频率范围内,采样频率越高,测产的精度也越高;采用50 Hz采样频率时,平均误差最低为3.04%;采用10 Hz以上采样频率时,可保证平均误差不高于5%。因此,采用10 Hz以上的测产系统采样频率是必要的。 相似文献
74.
农业信息成像感知与深度学习应用研究进展 总被引：10，自引：0，他引：10
农业信息感知与准确的数据分析是智慧农业定量决策与管理服务的基础。现代农业中彩色、可见光-近红外光谱、3D与热红外等多源和多维度的成像感知手段提供了丰富的数据源,传统研究中围绕颜色、形态、纹理、反射光谱等特征展开分析,由于样本量和特征抽象层级的局限性,对复杂背景变化及未知样本检测时,还存在噪声抑制鲁棒性不足、识别与检测模型精度不高等问题。深度学习(Deep learning,DL)是机器学习的分支之一,结合神经网络通过组合底层特征形成抽象的高层表示属性类别或特征,以发现数据的分布式特征与属性,在图像目标识别与检测中其模型检测精度与泛化能力比传统方法均有所提升。因而,DL技术在农业信息检测中的应用日益增多。为了深入分析应用DL技术驱动智慧农业继续发展的潜力和方向,本文从农业信息成像感知的数据源与DL技术应用相结合的角度出发,分别以植物识别与检测、病虫害诊断与识别、遥感区域分类与监测、果实在体检测与产品分级、动物识别与姿态检测5个研究方向总结概括DL在农业信息检测中最新的应用研究成果,展望需要加强的方面,以提升对应用DL开展农业信息检测过程的理解,促进农业信息感知技术的发展。 相似文献
75.
农作物产量自动监测技术及关键设备 总被引：2，自引：0，他引：2
为实现谷物产量的实时测量,将测产系统搭载在联合收割机上是最好的选择。本文概述了农作物产量监测系统的四个重要组成部分(谷物流量传感器;谷物水分传感器;GPS接收机;田间计算机和用户界面)的工作原理和关键技术。特别是对几种类型的谷物流量传感器的工作原理作了较为详细的介绍。 相似文献
76.
77.
为满足精细农业系统集成实验室的信息化管理需求、最大限度地实现资源共享以及高效地利用学术资源优势进行学术交流,构建并开发了现代精细农业系统集成实验室网站平台。平台基于面向对象方法,采用B/S架构,应用Struts2框架以及JSP编程技术实现。系统由实验室概况、规章制度、开放式基金管理等13个模块构成,同时预留了农业生产模型云服务等接口。系统应用MySQL技术构建了现代精细农业系统集成数据库,并采用持久化框架Hibernate创建了对象与关系映射,实现了面向对象的数据存取管理。网站平台搭建了一个良好的学术交流平台,最大化地实现了管理信息化和资源共享。测试和试运行表明,网站运行稳定,具有良好的可扩展性、可维护性、可移植性以及鲁棒性。 相似文献
78.
冬小麦生育早期冠层叶片光谱的特征与应用 总被引：1，自引：1，他引：0
利用不同测试方法对冬小麦返青期和拔节期的冠层叶片反射光谱进行了测量,分析了反射光谱与叶绿素质量浓度之间的相关关系。分析结果表明:处于返青期的小麦由于生长较为稀疏,冠层叶片反射光谱受到裸露地面等外界因素的影响,反射率和NDVI值与叶绿素的相关性差。拔节期由于地表覆盖率提高,反射率和NDVI值与叶绿素之间的相关性较好。返青期和拔节期冠层叶片反射光谱曲线的"红边"位置与叶绿素之间的相关性,可以较好地反映其叶绿素的质量浓度。通过实验分析两者之间的相关性,分别建立了返青期和拔节期叶绿素质量浓度线性预测模型和二项式模型,结果显示模型可用于冬小麦冠层叶片叶绿素质量浓度的无损检测预测。比较了植被指数NDVI值的不同获取方法,提出了不同生长阶段测试方法的选择方案,为冠层叶片叶绿素检测以及精细追肥提供技术支持。 相似文献
79.
便携式土壤全氮测定仪性能研究 总被引：3，自引：0，他引：3
为研究土壤全氮含量,自主开发了基于近红外光谱技术的便携式土壤全氮测定仪.以中国农业大学上庄实验站采集的60个土壤样本作为实验材料,分别对土壤全氮测定仪的稳定性、准确性和预测模型精度进行了测试.使用模型的测定系数(RC)、验证系数(RV)、校正均方根误差(RMSEC)、预测均方根误差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标.实验结果显示,本测定仪在波长940、1 050、1 100、1 200、1 300、1 450和1 550 nm处的吸光度重复性误差分别为1.57％、1.80％、1.59％、0.94％、0.61％、0.64％和3.13％,平均误差1.80％;测定仪吸光度和傅里叶光谱分析仪吸光度相关系数分别达到0.971、0.948、0.928、0.873、0.920、0.901和0.913,平均值为0.922;使用测定仪平均吸光度数据,通过BP神经网络建立的土壤全氮预测模型Rc、RV、RMSEC、RMSEP和RPD分别达到0.81、0.80、0.029、0.019和3.44.使用该预测模型建立的土壤全氮分布图和实际土壤全氮分布图具有高度的一致性.实验结果表明,便携式土壤全氮测定仪工作稳定,使用平均吸光度数据建立的土壤全氮预测模型具有较好的预测能力和较强的鲁棒性,可以在土壤全氮含量实时检测中应用. 相似文献
80.
构建由Kinect设备、差分GPS设备和陀螺仪组成的信息获取系统,推导RGB图像中苹果果实世界坐标的计算方法。利用Kinect设备获取果园果树RGB图像和深度图像,差分GPS全球定位系统和陀螺仪分别获取Kinect相机位置信息和姿态信息。融合RGB图像和深度图像,利用相对位置定位模型,计算苹果圆心相机空间坐标,融合相机位置信息和姿态信息,利用空间三维坐标转换原理,建立绝对位置定位模型计算苹果世界坐标,对每个果实进行世界空间位置唯一标定。结果表明,果实相对平均定位误差0.035 m,果实绝对定位经度误差0.117 m,纬度误差0.437 m,海拔误差0.145 m。 相似文献