首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   1篇
  国内免费   2篇
基础科学   1篇
  2篇
综合类   4篇
  2015年   1篇
  2014年   1篇
  2011年   1篇
  2010年   1篇
  2009年   2篇
  2008年   1篇
排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
基于光谱技术的水稻叶片氮素测定仪的开发   总被引:2,自引:0,他引:2  
在理论分析的基础上设计开发了一套基于光谱技术的水稻叶片SPAD值和氮素测定仪。该测定仪主要包括光路部分、调理电路和控制与数据采集器等。光路部分包括光源、检测点以及光电传感器等元器件,主要作用是:控制光源的亮灭、收集透过叶片光线、将光信号转换为电信号;调理电路主要将所得微弱电信号进行电流电压转换以及放大到合适的幅度;控制与数据采集器包括AD转换电路,液晶显示电路和SD卡存储电路。对该测定仪的性能进行了测试,试验分为两步:先建立AD采样电压信号与SPAD值之间的模型,然后建立SPAD值与氮素之间的模型。经过大量的试验测得:传感器转换的电压信号与SPAD值之间存在很高的相关性(R2 =0.956),SPAD值与氮含量建立的模型的决定系数为R2 =0.802,结合以上两种模型得到该仪器的氮素模型的决定系数为R2 =0.766。该仪器适合用于田间水稻叶片氮素含量的快速测量。  相似文献   
2.
提出了一种利用多模态图像技术,以实现被葡萄水分胁迫水平的测定方法,通过检测获取葡萄植株表面图像的反射率和纹理信息与水分胁迫水平之间的关系,从而实现植物缺水报警。试验将盆栽葡萄人为建立不同的水分胁迫水平,利用3CCD照相机(三通道的R,G和IR)、多光谱相机(在900,970 nm的光谱波段覆盖)和一个数字彩色摄像机(RGB)对叶片定期进行监测。试验采用偏最小二乘(PLS)方法预测水含量的纹理特征和光谱特性,在葡萄生长的前期,RGB相机获得的纹理参量对含水量预测结果的rp,RMSEP和偏差值分别为0.77,1.15和-0.14,而利用3CCD相机获取的反射参量对含水量预测结果的rp,RMSEP和偏差值分别为0.77,1.22和-0.26;在葡萄生长后期,RGB相机获取的纹理参量对含水量预测结果的rp,RMSEP和偏差值分别为0.81,1.34和0.26,而利用3CCD相机获取的反射参量对含水量预测结果的rp,RMSEP和偏差值分别为0.74,1.46和0.15。通过监测植株覆盖率与不同水分灌溉植株的生长周期发现,植株覆盖率能对葡萄植株的水分胁迫检测做辅助参考变量。试验结果表明,所设计的多传感器系统可用于支持葡萄水分胁迫检测的决策,有利于葡萄的田间管理。  相似文献   
3.
应用多光谱数字图像识别苗期作物与杂草   总被引:2,自引:0,他引:2  
通过对多光谱成像仪获得的数字图片,采用一定的目标分割与形态学处理,对豆苗和杂草进行识别判断.为解决识别速度与正确率的矛盾,以豆苗和杂草图像的识别为例,提出一种基于多光谱图像算法的杂草识别新方法.应用3CCD多光谱成像仪获取豆苗与杂草图像,以多光谱图像的近红外IR通道图像为基础,利用图像分割和形态学方法,将所有豆苗叶子影像提取出来.对于剩下的2种杂草(牛筋草,空心莲子草)图像,先利用图像分析工具统计出图像块的长度、宽度、面积等基本特征参数,并根据它们形状的不同,总结出两条简单的判别规则,进行进一步的识别.本试验对147个目标进行判断,其中误判14个,正确率为90.5%,表明该方法算法简单、计算量小、速度快,能够有效识别这2种杂草,为田间杂草的快速识别提供了一种新方法.  相似文献   
4.
番茄叶片早疫病近红外高光谱成像检测技术   总被引:1,自引:0,他引:1  
提出了基于格拉姆斯密特(MGS)模型和贝叶斯罗蒂斯克回归(BlogReg)的近红外高光谱成像技术检测番茄叶片早疫病的方法。利用高光谱图像采集系统获取波长874~1 734 nm范围内70个染病和80个健康番茄叶片的高光谱图像,选取染病和健康叶片30像素×30像素感兴趣区域的光谱反射率。建立了番茄叶片早疫病的最小二乘-支持向量机(LS-SVM)识别模型,再通过MGS和BlogReg提取特征波长(EW),分别得到5个(911、1 409、1 511、1609、1 656 nm)和9个(901、905、908、915、918、1 123、1 305、1 460、1 680 nm)特征波长,并建立EW-LS-SVM和EWLDA模型。在所有模型中,建模集的正确识别率为93%~98%,预测集的正确识别率为96%~100%。结果表明,近红外高光谱成像技术检测番茄叶片早疫病是可行的,MGS和BlogReg都是有效的特征波长提取方法。  相似文献   
5.
为了实现烟草不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立烟草品种鉴别模型.该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度.通过对4个品种的80个烟草样本建立训练模型,并用每个品种5个样本,共20个烟草样本进行预测.结果表明,用该方法对本研究4个品种的烟草鉴别正确率达100%.说明该方法具有很好的分类和鉴别作用,为烟草品种的快速鉴别提供了一种新方法.  相似文献   
6.
稻叶瘟染病程度的可见-近红外光谱检测方法   总被引:6,自引:0,他引:6  
基于可见-近红外光谱技术,并采用偏最小二乘算法对不同水稻稻叶瘟染病程度的叶片进行化学计量学分析.分别建立基于全波段、特征波段和特征波长的稻叶瘟染病程度定量检测模型.结果表明:全波段建模的叶瘟病染病程度检测正确率达到96.7%;通过偏最小二乘算法的回归系数选择5个特征波段.分别为552~558、672~682、719~726、756~768和990~998 nm,基于特征波段的模型正确率也达到了90%,说明该5个特征波段与叶瘟病染病程度有很好的相关性;基于特征波段结果,选择5个特征波长,对叶瘟病染病程度的检测正确率为80%.说明基于可见-近红外光谱技术方法具有较好的预测能力,为稻叶瘟染病程度的快速鉴别提供了一种新方法.  相似文献   
7.
基于近红外光谱技术的大米品种快速鉴别方法   总被引:16,自引:7,他引:9  
为探索大米无损检测技术,提出了一种基于可见-近红外光谱技术快速、无损鉴别大米品种的新方法。首先采用主成分分析法对大米品种进行聚类,然后利用小波变换技术提取光谱特征信息,把光谱特征信息作为人工神经网络的输入建立品种识别模型,对大米品种进行鉴别。从每种大米60个样本共计180个样本中随机抽取150个样本(每种50个样本)用来建立神经网络模型,剩下的30个大米样本用于预测。品种识别准确率达到100%。说明所提出的方法具有很好的分类和鉴别作用,为大米的品种鉴别提供了一种新方法。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号