排序方式： 共有6条查询结果，搜索用时 93 毫秒
1
1.
2.
3.
通过比较5种不同光谱预处理方法（MSC、SNV、VN、一阶导数、二阶导数）提取胡杨叶片近红外光谱信息，分别采用遗传算法(GA)和连续投影算法(SPA)筛选特征波段，建立并比较偏最小二乘回归(PLS)模型对水分含量的预测效果，研究了胡杨叶片水分含量与叶片光谱信息的关系。结果表明，基于5种预处理方法使用SPA-PLS回归模型预测的相关系数R分别为0.764 4、0.869 79、0.806 01、0.779 93、0.816 8；预测均方根误差(RMSEP)分别为0.017 87、0.014 491、0.018 547、0.020 228、0.018 089；所选取的特征波段个数分别为11、20、24、18、18，较GA-PLS选取的特征波段数少，且预测效果普遍优于GA-PLS，其中基于SNV的预测结果最好。研究表明，基于近红外光谱数据，SPA算法相比于GA算法具有更好的选择特征波长能力，并且SPA-PLS算法的回归预测结果普遍优于GA-PLS，采用SNV-SPA-PLS方法可实现胡杨叶片水分含量的快速检测。 相似文献
4.
为了了解新疆南疆地区气象因子对骏枣果实品质的影响,分析了2015-2016年南疆地区阿克苏、和田及库尔勒三个地区的温度、日照量、降雨量、相对湿度和风速等气象数据,研究了气候变化情况对骏枣果实品质的作用规律。通过对比两年内12项气象因子对单果重、Vc和可溶性总糖含量等骏枣果实品质的影响,发现南疆气候条件对骏枣果实品质有明显影响,不同品质指标的气象影响因子有所不同。结果表明对骏枣品质的关键指标（单果重、蛋白质、Vc和可溶性总糖含量）影响较大的气象因子分别为平均气温、平均最高温度、日照时数和降水量。其中Vc和可溶性总糖受空气平均最低温度的影响最明显。 相似文献
5.
6.
针对YOLO v5检测模型存在的漏检率和误检率问题,改进目标检测技术,提升苹果叶部病害早期发现及定位的准确性和速度,从而减少经济损失。先采用加权双向特征金字塔网络(BiFPN)特征融合方法,有效改善PANet对多尺度特征融合的不良影响,并引入Transformer机制,有效改进原始网络结构,使其专注于有用的信息,并增强特征融合效果。再使用ATCSP模块和自上而下的特征融合方法,增强模型对多尺度疾病的检测效果,并将强大的语义信息传达至模型底层,进一步提高检测精度。使用数据集由实验室采集的苹果树叶样本构成,包含3 331张标记图像的矩形位置来标记病害。由于图像亮度分布不均匀,采用直方图均衡化和改进的直方图均衡化处理,使图像对比度得到增强,大幅降低后续图像特征提取的计算量。在训练和测试过程中,还对原始病害图像进行旋转、随机亮度增强、随机色度增强、随机对比度增强和锐化等数据增强操作。结果表明,改进的YOLO v5检测算法可以显著提高苹果叶部病害检测的精度,对比原始算法,平均精度mAP@0.5提高20.8%。改进YOLO v5苹果叶部病害检测算法能够及时发现和定位苹果叶部病害,进而为深度学习技术... 相似文献
1