排序方式: 共有60条查询结果,搜索用时 15 毫秒
51.
52.
为实现利用水稻叶片光谱指数实时预测稻米蛋白质含量,该研究采集了不同年份中氮素、品种差异下寒地水稻主要生育期(T1拔节期、T2齐穗期、T3结实期)顶部3片叶(L1、L2、L3)的叶片光谱反射率,探究其变化规律以及光谱指数与稻米蛋白质含量的关系,并用P-k、均方根误差(Root Mean Square Error,RMSE)和对称平均绝对百分比误差(Symmetric Mean Absolute Percentage Error,SMAPE)对模型精度进行验证。结果显示:施氮量多则稻米蛋白质含量高,蛋白质含量高的稻米食味值评分低。提高氮肥投入量,叶片反射率在可见光区域内呈降低趋势,而在近红外平台叶片反射率上升。随着生育期的推进,可见光区域内的叶片反射率逐渐上升,叶片反射率在近红外平台表现出先增加后降低的趋势,其变化规律与蛋白质营养转运有着密切联系。对光谱指标和稻米蛋白质含量进行相关分析,T2时期的L2的光谱指数与蛋白质含量的相关性优于其他时期的叶片,其中T2时期L1叶ARI1指标((1/R550)-(1/R700))、L2叶CTR1指标((R695/R420))以及T3时期L3 叶Rg指标(绿光范围510~560 nm内的最大波段反射率)显示出与蛋白质含量良好的拟合关系,指标验证的P-k分别为0.01、0.01、0.03,RMSE分别为0.19、0.11、0.14,SMAPE分别为1.56%、1.24%、1.44%,其中以T2时期L2叶CTR1指标表现最优,蛋白质含量拟合方程R2为0.75。综上,借助CTR1指标能够实现快捷、无损和实时预测稻米蛋白质含量的目的,达到按质收获以及品质实时监测的要求,促进优质寒地水稻的可持续发展。 相似文献
53.
基于GIS的县域小麦自然生产潜力评价系统 总被引:4,自引:2,他引:4
为对县域小麦生产管理和潜力挖掘提供技术支撑和辅助决策,该文在小麦自然生产潜力评价流程的基础上,收集和整理了河南省8个县域的属性数据(气象、土壤和小麦资源数据)和空间数据,创建空间-属性一体化数据库,利用UML2.0、SQL Server 2000和SuperMap GIS 2008组件技术设计实现了基于GIS的小麦自然生产潜力评价系统,系统应用基于“经验-统计法”的光、温、水、土逐级衰减机制模型,定量计算了河南省8个县域的小麦自然生产潜力,通过分类统计和分级制图,分析了县域小麦自然生产潜力的空间分布规律。研究结果表明,光合、温度、水分和土壤生产潜力空间分布规律依次为:根据纬度的增加而减少,豫西>豫南>豫东南>豫北>豫中,豫南>豫东南>豫西>豫中>豫北,豫南>豫中>豫北>豫东南>豫西;小麦自然生产潜力的关键因子影响大小为土壤>温度>水分,小麦自然生产潜力相对可挖掘空间大小为水分>温度>土壤。该系统具有普适性强、独立性好等特点,为县域小麦生产管理和潜力挖掘提供技术支撑和辅助决策。 相似文献
54.
针对我国作物品种种类多,资源信息规范性差,模型训练精度低等问题,本文以小麦、水稻、玉米、大豆、棉花、花生、油菜7种作物为对象,以品种、形态、产量和品质等参数为指标,构建了83个品种实体,采用人工标注方法,通过融合对抗训练技术,提出了农作物品种信息抽取4层网络模型(BERT-PGD-BiLSTM-CRF)。模型基于深层双向Transformer构建的BERT(Bidirectional encoder representation from transformers)模型作为预训练模型获取字词语义表示,使用PGD(Projected gradient descent)对抗训练方法为样本增加扰动,提高模型鲁棒性和泛化性,利用双向长短期记忆网络(Bidirectional long short-term memory, BiLSTM)学习长距离文本信息,结合条件随机场(Conditional random field, CRF)学习标签约束信息。对比18个不同信息抽取模型的训练效果,结果表明,本研究提出的BERT-PGD-BiLSTM-CRF模型精确率为95.4%、召回率为97.0%、F1值... 相似文献
55.
56.
57.
59.
从4月6日起,你在江苏大丰的街头巷尾、闹市要道都不难看到,尽靠路边的大小杆塔上,全部“穿着”了斩新而又醒目的警示“装”,这是大丰市供电公司总结历年外力破坏电力线路,积极保护电力设施,新近推出的春季安全举措。选用红白相间的粗杠来作为杆塔警示,非常醒目,能给驾驶人员及早提示,这是配网班长许峰的想法。经过调查和论证,以及20多天的安装,一共安装杆塔警示1260块。杆塔着警示 外破难找寻$江苏大丰市供电公司@许鑫!224100 相似文献
60.
为研究智慧农业发展模式与实现途径,本研究设计了小麦产前、产中和产后各生产阶段信息技术与农机农艺融合的基本框架,即产前利用精准导航和激光平地技术实现对土地精准规范化作业,利用空间插值技术和变量施肥技术实现精准化播种与施肥;产中利用物联网和图像处理技术开展营养诊断服务;产后运用传感器技术开展产量实时预测服务。完成并实现了普通农机装备的智能化改造和与农业生产相适应的播种收获装备的研发;研究了具有高效利用光热资源、提高产量和绿色发展的小麦生产优化种植模式;研发了与小麦产前品种播期播量选择和施肥推荐、产中苗情营养诊断、产后产量实时测报等相关系统,并在河南省进行了试验。试验结果表明,采用信息技术与农机农艺融合方案可使小麦增产18.4%,增加产投比16.7%和8.1%,表明信息技术与农机农艺融合的小麦智慧化生产模式是有效的、可行的。 相似文献