排序方式： 共有42条查询结果，搜索用时 31 毫秒
1.
为研究深度学习算法在棉花叶片缺氮水平诊断上的适用性,以智能手机作为图像采集工具,利用图像处理和深度学习技术建立基于棉花叶片图像的缺氮水平分级模型,为智能化诊断棉花叶片缺氮水平的研究提供可行方案。本研究在阴天、晴天2种环境下获取了5种氮素水平的棉花叶片图像,在此基础上选取AlexNet、VGGNet、GoogLeNet、MobileNet、ResNeXt、ResNet-v2以及Inception-v3等卷积网络模型进行比较研究,并提出一种基于恒等映射和深度可分离卷积改进的ResNeXt模型来提升棉花叶片缺氮水平检测的效果。结果表明,与AlexNet、VGGNet、GoogLeNet、MobileNet、ResNeXt、Inception-v3、ResNet-v2等模型相比,本研究提出的Improved-ResNeXt模型在对棉花叶片图像的缺氮水平分级时取得了最佳效果,该模型的识别准确率、平均精确率、Kappa系数分别达到了97%、97%、0.96。使用本研究提出的Improved-ResNeXt模型可以有效地解决棉花叶片的缺氮水平诊断问题,且对阴天、晴天2种光照条件下的棉花叶片数据有良好... 相似文献
2.
基于CNN-BiLSTM的棉花产量预测方法 总被引：1，自引：1，他引：0
针对传统的作物产量估算方法在模型泛化方面的不足及缺少时序特征和空间特征的问题,该研究以机采棉为研究对象,结合无人机遥感平台与深度学习技术对棉花进行多期遥感观测与估产。以棉花苗期、蕾期和花期的影像为时间序列数据集,构建基于卷积神经网络（Convolutional Neural Network,CNN）和双向长短期记忆（Bidirectional Long Short-Term Memory,BiLSTM）的混合模型（CNN-BiLSTM）进行棉花产量预估,提高时间维度和空间维度方面的特征提取能力,并分别验证CNN和BiLSTM的性能以及不同网络深度对估产的影响。研究结果表明,CNN和BiLSTM深度分别为14和1的CNN14-BiLSTM模型准确率最高,对比单一结构的BiLSTM该模型决定系数从0.851提升至0.885,其均方根误差和平均绝对百分比误差也均明显下降,在2.3 m×2.3 m的样方内,结果分别为147.167 g和6.711%。该研究实现了基于时间序列的棉花产量估算,可为类似的作物产量估算提供参考。 相似文献
3.
4.
芦笋茎枯病田间症状、发生特点与防治对策 总被引：1，自引：0，他引：1
芦笋系多年生、单子叶作物,是一种具有独特风味的名贵、高档、食疗兼用的营养保健蔬菜.种植芦笋是出口创汇、振兴经济和农民致富的好门路。芦笋茎枯病是我国目前芦笋产区最重要的病害,危害极为严重,常使大面积笋田干枯,甚至毁于一旦,是造成山东及沿海等老笋区遭毁的重要原因。因此,必须引起足够的重视。 相似文献
5.
以天山北坡典型国营农场棉田为研究对象,探讨基于归一化植被指数(NDVI)的棉田土壤肥力质量评价方法.将棉花不同生育期表征长势的NDVI作为评价指标对棉田土壤肥力质量进行评价,再将NDVI与少量理化测定的土壤样点数据(有机质、有效磷含量等)共同作为评价指标,结合地统计方法与遥感影像聚类算法进行评价;并与完全基于土壤样品理化测定数据的评价结果进行比较、探讨基于NDVI评价方法对土壤肥力质量评价结果的准确性与可靠性.研究证明将NDVI与少量理化测定的土壤样点数据作为评价指标,能显著提高评价结果与棉田实际土壤肥力状况的一致性.基于NDVI的土壤肥力质量评价方法快速、简便,其评价结果可为研究绿洲棉田土壤质量及农业结构调整规划、耕地质量保护等提供科学依据. 相似文献
6.
２工业除锈应用除锈是船舶、车辆、桥梁、工程装备和工业装备生产过程中的重要工序之一,通常称之为表面预处理工艺。常用的钢材表面预处理工艺,有手工或机械工具清理、火焰清理、超声波清理及气体喷砂。由于上述几种各自存在的缺点和局限性,高压水射流技术便跻身于这个... 相似文献
7.
基于无人机遥感可见光影像的北疆主要农作物分类方法 总被引：15，自引：10，他引：5
作物类型准确分类是大田作业和管理的基础。该文通过无人机遥感试验获取的可见光影像,利用色彩空间转换和纹理滤波构建了色调、饱和度和亮度的27项纹理和低通滤波特征;然后采用Relief F-Pearson特征降维方法,剔除分类能力弱且相关性高的冗余特征;最后,基于优选特征训练分类模型,并结合人工分类结果对各模型进行精度比较和效果验证。结果表明:特征选择得到的H-CLP、H-Ent、I-Cor、I-CLP、I-Ent、S-CLP和I-Var是利用可见光影像进行北疆主要农作物分类的最佳特征,可在充分表征影像特征的同时降低数据冗余。支持向量机(support vector machine,SVM)分类方法精度最高,整体分类准确率达83.77%,ANN和KNN分类精度次之。通过在验证区进行像素级别作物分类,发现SVM分类方法效果最好,棉花、玉米、苜蓿和西葫芦作物分类精度均达到了80%以上。该研究可为基于无人机可见光影像的农作物种植信息普查提供参考。 相似文献
8.
基于无人机多光谱影像的棉叶螨识别方法 总被引：3，自引：1，他引：2
【目的】利用无人机遥感在空间分辨率和光谱分辨率上的优势,研究大面积棉田棉叶螨监测方法,为类似的农作物虫害遥感监测研究提供参考。【方法】选20种光谱指数作为螨害监测的特征因子,使用赤池信息准则作为模型优选依据,获取最佳建模特征,建立棉田螨害监测识别的logistic回归模型。【结果】在所分析的全部光谱指数中,TVI、DVI和RDVI为螨害监测的最佳特征因子,基于该3个因子构建的logistic回归模型的分类准确率为95%,F1值为95.1%,能够较好地实现棉田螨害识别。【结论】监测模型可以实现区域范围的棉叶螨快速识别。 相似文献
9.
在新疆地区特殊的气候环境和耕作方式下探索大尺度区域的棉叶螨预测预报方法,分别采用气象数据、遥感数据、气象与遥感数据相结合等3种方法建立螨害预测模型,并对新疆生产建设兵团第八师2017年7月的棉叶螨发生情况进行预测。结果表明,2017年5—6月累积降水量、5月温湿系数、4—6月累积降水量、6月上旬降水量、6月27日绿波段归一化植被指数(green normalised difference vegetation index,简称GNDVI)和改进的简单比值指数(modified simple ratio index,简称MSR)、7月13日比值植被指数(ratio vegetation index,简称RVI)共7种特征是建模的最佳因子。基于气象数据模型预测效果最差,分类准确率为71.4%,F1值为68.8%;气象和遥感数据相结合的模型预测效果最好,分类准确率为82.9%,F1值为83.3%;遥感数据模型预测效果介于两者之间,分类准确率为77.1%,F1值为78.9%。气象数据模型在大尺度区域整体趋势预测上有优势,遥感数据模型对于局部变化比较敏感,气象与遥感数据相结合的模型兼备了二者的优点,预测效果最好。研究成果可为新疆地区棉叶螨的提前预防和统防统治提供理论依据。 相似文献
10.
根据动圈式电磁驱动配气机构的结构特点和工作原理提出了一种温升抑制方案:利用动圈的泵吸效应,以环形切片作为开关阀片,在无需额外动力源驱动的前提下能够提升动圈与永磁体之间气隙内的气体流量与速度,从而有效强化气隙表面的对流传热效果。通过建立流动区域的数值模型,仿真分析了电磁驱动配气机构工作循环中阀片的响应规律以及气体流动状态,据此对方案结构进行了改进,通过更换材质减轻了阀片的质量并优化了阀片行程。最后开展了配气机构长时间工作下的温升测试试验,结果表明,改进后的方案对执行器温升抑制效果明显,在测量工况下各测量点中最高温升下降12.1℃。 相似文献