排序方式: 共有35条查询结果,搜索用时 125 毫秒
31.
在经济成本和管理便捷性约束下,为有效监测日光温室内非均匀分布的温度信息,需要对数量有限的传感器进行优化配置,从而降低配置冗余,并增强温度信息丰度。该研究以山东地区冬季日光温室为研究对象,开展了基于希尔伯特-施密特独立性准则(Hilbert-Schmidt Independence Criterion,HSIC)的传感器配置策略设计及验证工作。首先,在温室内均匀布置了22个温度传感器,采集了冬季寒冷时期28 d共7 880×22组数据,明确了温室温度场空间分布的不均匀性及多传感器配置的基本原则和方法。然后,利用HSIC准则分析了传感器之间的相对独立性,依据信息最大化原则提出了传感器配置优先级排序算法,并根据信息增益率及配置冗余度约束提出了传感器数量选择依据,从而建立了日光温室传感器优化配置策略。最后,策略验证结果表明:相比于22个传感器的温度数据,南北垂直方向上选择S6、S9、S3传感器时,平均温度的RMSE、MAPE和信息增益率分别为0.24 ℃、1.21%、6.70%;东西水平方向上选择H6、H5、H2传感器时,平均温度的RMSE、MAPE和信息增益率分别为0.33 ℃、0.70%、9.47%。上述2组传感器能够有效兼顾准确获取温度整体趋势信息和增强温度信息丰度的双重目标,试验结果证实了配置策略的有效性和可行性。所提的传感器优化配置策略可以为日光温室环境监测与调控提供理论参考和数据支持。 相似文献
32.
为准确、高效、自动化的提取大尺度范围冬小麦种植面积,利用Sentinel-2A卫星影像进行试验,提出一种基于中等分辨率影像的面向对象结合深度学习的遥感冬小麦提取方法。利用面向对象分类法和随机森林分类算法对2021年潍坊市冬小麦种植面积及种植区域进行提取和结果对比,证明面向对象分类法在提取冬小麦种植面积时的可行性和有效性。此外,利用面向对象方法得到的二值分类图像作为标签图像,基于TensorFlow框架,利用U-Net构建深度学习神经网络模型,使用训练得到最优模型提取2017—2021年潍坊市冬小麦种植面积。使用实地调查数据对分类结果进行精度验证,并对潍坊市近五年冬小麦种植面积进行年际变化分析。该分类方法的总体分类精度达93.1%,Kappa系数为0.91。本研究方法可为大范围的冬小麦种植指导和农业结构调整提供科学、可靠的依据。 相似文献
33.
为提高温室环境监测的精准性,降低环境感知成本,设计了多点环境监测系统。针对秋冬季温室温度管理难度大导致的番茄病害率增加等现象,对山东省番茄温室内的温度进行持续监测,依据实测数据选用高斯函数对温室温度的日变化曲线进行最小二乘多峰拟合,将离散的数据点转化为连续的高斯函数,通过积分比较得到番茄各生长周期的最佳监测位置。结果表明,以高斯函数为目标对温室温度进行多峰拟合分析,效果较显著,最小决定系数为0.919;番茄苗期与开花坐果期,监测点N15、N10与温室平均温度之间温度曲线积分面积的绝对差最小,因此该生长时期的最佳监测点为N15和N10;番茄结果期,N10和N3监测点所在位置最接近温室整体平均变化水平,为该周期的最佳监测位置。综上,在番茄不同生长周期中,温室中部监测点N10更能代表温室整体水平,该方法为温室环境精准监测奠定了基础。 相似文献
34.
如何获取到高质量的特征是从遥感影像中提取高精度的农作物空间分布的关键,该研究针对如何利用哨兵2A(Sentinel-2A)影像提取高精度的冬小麦空间分布开展研究。针对影像中存在的数据空间尺度不一致的问题,以生成式对抗网络为基础建立了降尺度模型REDS(Red Edge Down Scale),用于将B5、B6、B7、B11 4个通道的空间分辨率从20 m降为10 m;然后利用卷积神经网络构建了逐像素分割模型REVINet(Red Edge and Vegetation Index Feature Network),REVINet以10m分辨率的B2、B3、B4、B5、B6、B7、B8、B11,以及提取出的增强植被指数、归一化植被指数和归一化差值红边指数组合作为输入,进行逐像素分类。选择ERFNet、U-Net和RefineNet作为对比模型同REVINet开展对比试验,试验结果表明,该研究提出的方法在召回率(92.15%)、精确率(93.74%)、准确率(93.09%)和F1分数(92.94%)上均优于对比方法,表明了该研究在从Sentinel-2A中提取冬小麦空间分布方面具有明显的优势。 相似文献
35.
为研究番茄温室风口开关时间,进一步实现温室智能控制,以人工控制为对照结合番茄不同生长时期,利用多元回归方法对温室风口打开/关闭时的基础温度与室内外温度、昼夜温差进行分析,得到不同时期下温室风口打开/关闭的回归模型。研究结果表明:多元回归模型预测效果较为理想,番茄开花坐果期风口打开/关闭时间预测模型的R2分别为0836 6和0.981 4,结果期风口打开/关闭时间预测模型的R2分别为0.911 3和0.951 3,各RMSE值均小于0.95。番茄开花坐果期,与人工控制相对比模型控制下室内温度优化42.86%,同时保证了昼夜温差更加符合番茄根茎叶中相关物质的积累要求。番茄结果期,与人工控制相对比模型控制有效调整了室内温度变化范围、提升昼夜温差的合理性,为番茄果实中营养物质的积累提供条件。综上所述,番茄不同生长时期下回归模型能较好地解决温室风口开关时间的控制问题,解放劳动生产力,提升番茄经济效益,也为番茄温室的综合调控分析提供研究思路。 相似文献