排序方式： 共有18条查询结果，搜索用时 125 毫秒
1.
针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。 相似文献
2.
3.
针对智慧农业中叶绿素的精准预测问题,本文提出了基于双分支网络的玉米叶片叶绿素含量高光谱与多光谱协同反演的方法。使用欠完备自编码器进行数据降维,捕捉数据中最为显著的特征,使降维后的数据可以代替原始数据进行训练,从而加快训练效率,使用双分支卷积网络将多光谱数据用于填充高光谱数据信息,充分利用高光谱数据的空间细节信息,再结合1DCNN建立玉米叶片叶绿素含量预测模型。结果表明,与传统降维算法相比较,欠完备自编码器处理后预测结果最佳,决定系数R2为0.988,均方根误差（RMSE）为0.273,表明使用欠完备自编码器进行降维可以有效提高数据反演精度;与单一的高光谱数据反演模型和多光谱数据反演模型相比,双分支卷积网络预测模型均取得较优的预测结果,R2在0.932以上,RMSE均在1.765以下,表明基于双分支卷积网络的高光谱与多光谱图像协同反演模型可以有效地利用数据的特征;对于其他数据结合本文提及的双分支卷积网络模型进行反演,其R2均在0.905以上,RMSE均在2.149以下,表明该预测模型具有一定的普适性。 相似文献
4.
5.
茶园化肥减量增效技术的推广应用——以广东大埔县为例 总被引：1，自引：0，他引：1
【目的】围绕茶叶"化肥零增长"和 "提质增效、绿色发展"的工作主线,集成可推广应用的茶园化肥减量增效施肥技术。【方法】基于测土配方施肥、有机肥替代化肥和水肥一体化等高效施肥技术在大埔县代表性茶园建立定位试验点3个和应用监测点14个,根据试验和监测效果集成茶园化肥减量增效施肥技术,并通过培训和示范观摩进行推广。【结果】对3个试验点调查表明土壤质量明显提升,有机质提高0.3～2.0 g/kg;土壤酸化缓解,pH值提高0.02～0.18;茶青产量增加5.2%～17.1%,品质改善明显,种植效益提高3 960～16 110元/hm~2。对监测点调查表明茶园土壤重金属含量符合国家环境一级标准、茶叶重金属含量100%符合国家安全标准。通过技术示范和观摩培训,改变了农户的施肥观念,提高了施肥技术水平,茶园有机肥用量提高895.5 kg/hm~2,化肥用量减少184.5 kg/hm~2,全县2018年化肥用量较2017年减少1 676 t,减幅8.0%,初步实现了大埔茶园 "化肥零增长"的目标。推动培育茶叶品牌超过20个,新建水肥一体化茶园面积330 hm~2,茶业综合竞争力明显提升。【结论】基于测土配方、有机替代和水肥一体化的化肥减量增效模式能够有效降低化肥用量,实现茶叶增产提质,为推动茶叶绿色高效栽培、茶业产业兴旺和乡村振兴提供重要支撑。 相似文献
6.
7.
小波域马铃薯典型虫害图像特征选择与识别 总被引：3，自引：0，他引：3
为准确、快速地识别马铃薯典型虫害,提出了一种基于小波域的马铃薯典型虫害特征提取与识别方法。该方法以自然环境下的马铃薯虫害分割图像为对象,提取小波域高斯空间模型的高频协方差阵特征值与低频低阶矩(HELM)的12个不变纹理特征、空间域Hu不变矩的4个形状特征,进行支持向量机(SVM)的虫害分类识别。通过对8类典型虫害的识别,试验结果表明:在SVM识别方法下,本文HELM特征提取方法,相比传统纹理特征提取方法,在特征计算量不增加的同时,平均识别率至少提高了17个百分点;在HELM特征与Hu矩特征下,本文SVM的运行时间为0.481 s,比人工神经网络快了近2 s,平均识别率为97.5%,比人工神经网络、贝叶斯分类器识别率提高了至少6个百分点,有明显的识别优势。 相似文献
8.
葛根又叫葛藤、葛麻藤、粉葛。为豆科葛属植物，产量高，具有很高的药用价值，又可作淀粉食品。葛粉更是我国对外贸易出口的紧俏商品，出口量大，日本、欧美等市场售价高出普通淀粉5倍，国内外一直供不应求。葛根资源丰富，应大力开发。主产湖南、河南、广东、浙江、四川等地。 相似文献
9.
利用高光谱技术精确估测植物叶片叶绿素含量,对植物生长趋势和营养状况的监测和管理具有重要意义。本文以紫丁香为研究对象,针对高光谱所含波段数量大、波段间相关性强导致数据中冗余信息增多的现象,通过卷积平滑和二阶微分(SG-SD)处理光谱数据,应用随机蛙跳(RF)算法筛选特征波段,最后结合偏最小二乘(PLSR)和投票回归器(VR)建立了植物叶片叶绿素含量反演模型,并与全波段光谱法和5种经典变量提取方法进行了比较。结果显示,相比于原始光谱数据,SG-SD是一种有效的提高建模精度的光谱预处理方法;相比于全波段光谱和经典变量提取方法,RF算法筛选出的敏感波段建模效果最佳;相比于PLSR模型,VR模型的预测精度和预测稳定性能更优。本文对原始光谱数据进行SG-SD预处理后,对经RF算法筛选出的特征波段建立VR模型,变量数由全波段数204个减少为35个,建模集决定系数0.944 2,验证集决定系数0.951 4,最后利用RF-VR模型结合伪彩图技术得到紫丁香叶片叶绿素分布反演图,为紫丁香叶片养分分布提供更直观的信息表达。结果表明,该方法可为紫丁香叶片营养含量诊断和长势监测提供技术支持。 相似文献
10.
利用高光谱技术对河套灌区土壤铵态氮含量检测过程中,为降低高光谱数据中存在的冗余变量信息对模型预测精度的影响。本文针对河套灌区土壤铵态氮含量提出了一种竞争性自适应重加权算法(CARS)和模拟退火算法(SAA)相结合的特征变量筛选方法,并建立偏最小二乘回归(PLSR)和随机森林回归(RF)相结合的预测模型(PLSR-RF、RF-PLSR)。结果表明,CARS-SAA能有效筛选变量个数和减小计算量,并稳定模型预测精度。其中,CARS-SAA-PLSR-RF模型的预测精度最佳,验证集的决定系数R2为0.902、均方根误差RMSE为1.583mg·kg-1、相对分析误差RPD为3.198。具有很好的预测效果,可知CARS-SAA是一种有效的高光谱特征变量筛选方法,在提高预测精度的同时简化了模型的运算。该模型结合高光谱技术可以对河套灌区土壤铵态氮含量进行快速有效的无损检测。 相似文献