排序方式: 共有115条查询结果,搜索用时 31 毫秒
31.
采用GA-ELM的寒地水稻缺氮量诊断方法 总被引:5,自引:3,他引:2
为快速、准确、无损实现寒地水稻缺氮量的诊断。该文基于田间试验系统采集的资料,研究东北粳稻氮素含量的亏损或富余与光谱反射率差值之间的关系,并建立东北粳稻氮素含量差值的反演模型。该文采用高光谱反演水稻的缺氮量,并为实施精准施肥提供参考依据,达到减肥不减产的目的,采用产量最高的原则来构建标准氮素含量与标准光谱反射率,并在此基础上,将获取的水稻叶片氮素含量和叶片光谱反射率分别与标准氮素含量和标准光谱反射率做差,得到氮素含量差值和光谱反射率差值,然后对光谱反射率差值分别采用离散小波多尺度分解、连续投影法(successive projections algorithm,SPA)和构建植被指数的方法进行降维处理,将处理后的结果分别作为偏最小二乘(partial least squares regression,PLSR)、极限学习机(extreme learning machine,ELM)和遗传算法优化极限学习机(genetic algorithm-extreme learning machine,GA-ELM)的建模输入,构建东北粳稻氮素含量差值的反演模型。结果分析表明:采用离散小波多尺度分解的结果建立的GA-ELM反演模型预测效果最好,训练集与验证集的R2均在0.7062以上,均方根误差(root mean square error,RMSE)均低于0.51mg/g以下,在预测能力、稳定性和泛化性上比PLSR和ELM的预测模型有明显提高。 相似文献
32.
粳稻多旋翼植保无人机雾滴沉积垂直分布研究 总被引:8,自引:0,他引:8
为研究多旋翼植保无人机低空喷施作业过程中,水稻垂直方向雾滴沉积的分布规律,在水稻冠层叶片、中部叶片、底部叶片分别放置了雾滴测试卡,收集植保无人机喷洒过程中的雾滴信息。使用清水代替农药来模拟喷施过程,利用雾滴沉积分析软件i DAS分析雾滴测试卡,得出植保无人机雾滴在水稻垂直方向的分布结果。试验结果表明:植保无人机低空喷雾在水稻垂直方向的雾滴覆盖率存在显著差异,有效喷幅内旋翼下方区域的雾滴覆盖效果最好,而远离旋翼的位置,雾滴覆盖率较差。从水稻垂直方向的不同位置分析,雾滴总体覆盖率为冠层54.86%,中部32.69%,底部24.7%;水稻垂直各位置的粒径分布中,平均粒径范围处于110~140μm之间,粒径大小适合植物病虫的防治。冠层的点密度最大,而水稻中间部位和水稻底部的点密度分布较为相似;水稻中部雾滴扩散比(0.465)优于冠层(0.38)和底部(0.31),整体喷雾的雾滴扩散比与相对粒谱宽度的数值均低于正常值(0.67)。 相似文献
33.
34.
研究生培养方向的思考与探索 总被引:1,自引:0,他引:1
目前国家为适应全球信息化的发展,在农业领域提出了“数字农业”的建设目标,不断加大农业信息技术研究的投资力度。农业院校以此为契机,积极拓展其学科研究领域,在科研与教学方面均向该领域渗透,特别是在研究生培养方面更应向“数字农业”方向延伸发展。该文结合近年来沈阳农业大学农业电气化与自动化学科研究生培养工作实践,着重分析了该学科研究生培养方向如何与“数字农业”建设这一目标保持协调发展的问题,探讨了目前农业院校农业电气化与自动化学科研究生培养设立的整体框架,并对各个研究方向的具体内容做出了阐述,提出了分层次、一体化的研究生培养思路。 相似文献
35.
为解决文本特征提取不准确和因网络层次加深而导致模型分类性能变差等问题,提出基于深度卷积神经网络的水稻知识文本分类方法。针对水稻知识文本的特点,采用Word2Vec方法进行文本向量化处理,并与OneHot、TF-IDF和Hashing方法进行对比分析,得出Word2Vec方法具有较高的分类精度,正确率为86.44%,能够有效解决文本向量表示稀疏和信息不完整等问题。通过调整残差网络(Residual network,Res Net)结构,分析残差模块结构和网络层次对分类网络的影响,构建了9种分类网络结构,测试结果表明,具有4层残差模块结构的网络具有较好的特征提取精度,Top-1准确率为99.79%。采用优选出的4层残差模块结构作为基本结构,使用胶囊网络(Capsule network,Caps Net)替代其池化层,设计了水稻知识文本分类模型。与Fast Text、Bi LSTM、Atten-Bi GRU、RCNN、DPCNN和Text CNN等6种文本分类模型的对比分析表明,本文设计的文本分类模型能够较好地对不同样本量和不同复杂程度的水稻知识文本进行精准分类,模型的精准率、召回率和F1值分别不小于95.17%、95.83%和95.50%,正确率为98.62%。本文模型能够实现准确、高效的水稻知识文本分类,满足实际应用需求。 相似文献
36.
37.
38.
以东北地区典型地带的粳稻为例,利用植被指数测量仪PlantPen,同时测量了粳稻叶片植被指数NDVI和PRI,并根据粳稻生长发育进程分成了与物候一致的4个生育时期。首先利用二元定距变量相关分析的方法对NDVI和PRI进行相关性分析;然后,分别利用线性回归和Cubic曲线回归建立NDVI拟合PRI的回归模型,并对回归模型进行拟合优度检验和精度验证,同时对线性回归模型与Cubic曲线回归模型的拟合效果和检验结果进行对比分析。结果表明,粳稻叶片植被指数NDVI和PRI在各生育时期均有极显著的相关关系,在粳稻生长发育进程中,相关性越来越高;线性回归模型和Cubic曲线回归模型均能使NDVI较好地拟合PRI,在粳稻生长发育进程中,拟合效果也越来越好;Cubic曲线回归模型在粳稻4个生育期平均相应的指标值判定系数(R2)、均方根误差(RMSE)、绝对百分误差(MAPE)分别为0.8055、0.0358、0.534%,而线性回归模型的相应指标为0.7653、0.0488、1.365%。Cubic曲线回归模型的RMSE和MAPE值较小且R2较大。因此其拟合优度和检验精度均优于单纯的线性回归模型,可作为NDVI反演PRI一种参考模型。 相似文献
39.
40.