排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
针对树体的光通透性影响果实糖分的积累,不同树形的果实品质存在差异的问题,研究了树形对适收期黄花梨糖度可见/近红外光谱检测模型的影响。采集了适收期前后6个批次、不同树形(开心形和棚架形)的黄花梨果实480个进行实验,两类树形果实糖度差异显著(p0.05),采用同一树形黄花梨建立的模型预测均方根误差(RMSEP)分别为0.69°Brix、0.64°Brix,相对分析误差RPD分别为2.08、1.97;单一树形全部样品建立的模型对不同树形样品的RMSEP分别为1.31°Brix、1.07°Brix,RPD分别为1.14、1.36;2类树形联合模型RMSEP为0.59°Brix,RPD为2.38。结果表明,树形对适收期黄花梨糖度预测模型的精度和稳健性均有较大影响,对进一步研究近红外光谱技术在田间水果采收期品质及最佳采收期检测的应用有一定的参考价值。 相似文献
3.
4.
1 巨峰葡萄落花落果的时间
一般在盛花后的第2天开始落花.盛花后4~8天为落花高峰期.2周左右脱落结束,以后不再发生落花落果,但也有因病虫害影响在花前落蕾的,如灰霉病及穗轴褐枯病引起花蕾腐烂而脱落。 相似文献
5.
由于自然环境下果蔬植株的果实、枝干和叶片等目标尺度不一、边缘不规则,因此造成其准确分割较为困难.针对该问题,提出1种多尺度特征融合和密集连接网络(Multi-scale feature fusion and dense connection net-works,MDNet)以实现黄花梨疏果期植株图像的准确分割.在研究中借鉴了编码-解码网络,其中编码网络采用DenseNet对多层特征进行复用和融合,以改善信息传递方式;解码网络使用转置卷积进行上采样,结合跳层连接融合浅层细节信息与深层语义信息;在编码、解码之间加入空洞空间金字塔池化(Atrous spatial pyramid pooling,AS-PP)用于提取不同感受野的特征图以融合多尺度特征,聚合上下文信息.结果表明,ASPP有效提高了模型的分割精度,MDNet在测试集上的平均局域重合度(MIoU)为77.97%,分别较SegNet、Deeplabv2和DNet提高了8.10个、5.77个和2.17个百分点,果实、枝干和叶片的像素准确率分别为93.57%、90.31%和95.43%,实现了黄花梨植株果实、枝干和叶片等目标的准确分割.在翠冠梨植株图像的独立测试中,MIoU为70.93%,表明该模型具有较强的泛化能力,对自然环境下果蔬植株图像的分割有一定的参考价值. 相似文献
6.
利用近红外光谱技术进行了柑橘货架期的快速鉴别模型的研究.在两个不同的时间采集从市场上购买的黄岩地区的32个柑橘(同一时间采摘)的近红外光谱,并将不同时间采集光谱时的柑橘的货架期分别定为1类和2类(间隔为10天),对不同货架期的柑橘样品光谱进行主成分特征提取,将提取的特征变量作为神经网络的输入,建立了基于主成分和神经网络的近红外光谱柑橘货架期的快速鉴别模型.所建模型对1类中7个样品货架期的鉴别结果中有4个样品的货架期预测准确率在90%以上;对2类中8个样品货架期的鉴别结果准确率均在90%以上.结果表明,近红外光谱技术可以很好地进行柑橘类水果的货架期的快速鉴别. 相似文献
1