排序方式: 共有68条查询结果,搜索用时 15 毫秒
61.
62.
63.
64.
65.
66.
为深入了解耕地撂荒的原因,保护耕地质量和数量,进而保证国家粮食安全和社会稳定,本文基于Landsat TM/OLI遥感数据与问卷调查数据,通过遥感影像解译和二元logistic回归模型研究了崆峒区耕地撂荒的时空分布和驱动力。结果表明:(1)1995—2015年崆峒区耕地撂荒面积增加5012.06 hm2,其中前十年撂荒地面积增加了3221.13 hm2,后十年撂荒地面积增加了1790.93 hm2;(2)近20年以来,撂荒地主要集中在坡度为5°~20°的山区坡耕地;(3)影响崆峒区耕地撂荒的10个因子中,除家庭规模、耕地数量和耕地产量的回归系数较小外,其余因子都具有较大的回归系数。因此,在崆峒区社会经济因素是耕地撂荒的主要驱动力,务农机会成本上升等原因引起的耕地边际化是撂荒发生的根本原因,而劳动力析出是造成耕地撂荒的直接原因。 相似文献
67.
不同等级茶青的准确分类,对名优茶产业发展至关重要,采用传统感官审评方法进行分选会使结果存在一定的主观性。采集茶青图像建立数据集,结合幽灵注意力瓶颈层与胶囊网络提出一种新型网络模型:GA-CapsNet。通过基于线性衰减比例系数的成长知识蒸馏方法对该模型进行训练,在迁移教师模型参数矩阵的同时,使学生模型随着迭代自适应降低依赖程度。试验结果表明,对比其他同类算法,所提出的方法在小规模数据集上分类性能优异,精确率、召回率及F1-score分别为94.97%、95.51%、95.24%。本研究基于机器视觉与深度学习技术构建了一种GA-CapsNet模型,为解决茶青分类问题提供了一种新思路。 相似文献
68.