基于计算机视觉的玉米叶片表型检测方法研究

针对玉米叶片表型检测传统方式存在耗费大量人力物力且存在人工主观性误差等问题，提出了一种基于计算机视觉技术和深度学习方法的玉米叶片表型检测方法，建立了玉米叶片表型回归检测模型。首先采集玉米叶片图像及对应的表型数据，然后搭建浅层卷积神经网络，通过调整浅层卷积神经网络模型结构，添加注意力机制以及RGB三通道分离结构对搭建的网络进行优化，最后将图像和表型数据输入到模型进行训练，并对不同任务组合分别进行模型训练，分析不同任务组合对模型预测精度的影响。结果表明，三通道分离结构和通道注意力机制的添加提高了模型在所有任务组合上的性能，且不同任务组合试验的结果表明，玉米叶片各个表型的检测在不同任务搭配后检测效果有较大波动，基于三通道分离结构和通道注意力机制的模型检测叶片叶面积的结果最高决定系数r²达到0.997,鲜质量r²达到0.988,叶宽r²达到0.982,SPAD值r²达到0.901。研究结果表明，三通道分离可以降低R、G、B三通道带来的影响，添加通道注意力机制，可以提高玉米叶片表型检测的模型性能。     

南昌市区土地利用/覆盖变化及其人文因素驱动力分析

以南昌市区作为研究区域,采用1995、2005年的遥感影像数据及社会经济数据,以数理统计和定性结合的方式,分析了南昌市区的土地利用变化及其驱动力进行。结果表明,1995～2005年,南昌市区土地各类型间的转换程度很高,其中以耕地面积减少、城镇用地面积增大最为显著;相关分析揭示了驱动力机制,当南昌市区人文因素综合得分上升1分,南昌市区的耕地面积就减少0.0540km2。