检索结果-南通市图书馆

Detection of cotton waterlogging stress based on hyperspectral images and convolutional neural network

International Journal of Agricultural and Biological Engineering 2021年第2期14卷 167-174页

作者： Jing Zhao fangjiang pan Zhiming Li Yubin Lan Liqun Lu Dongjian Yang Yuting Wen School of Agricultural Engineering and Food Science Shandong University of TechnologyZibo 255000ShandongChina Sub-center of National Center for International Collaboration Research on Precision Agricultural Aviation Pesticides Spraying Technology Shandong University of TechnologyZibo 255000ShandongChina School of Traffic and vehicle engineering Shandong University of TechnologyZibo 255000ShandongChina

Waterlogging in the early stage of cotton will reduce the number of bolls and do harm to *** detection of waterlogging will help farmers to adjust cotton management and save the *** evaluate the application of deep learning for the detection of early waterlogging,this study applied a convolutional neural network(CNN)to classify different durations of waterlogging stress(0,2,4,6,8,10 d)based on hyperspectral images(HSIs)of cotton *** experiment was designed to simulate the situation of cotton under waterlogging stress and collect HSIs of visible and near-infrared(VNIR 450-950 nm)spectra with 126 bands 66 d after cotton sowing(66 DAS).It was found the spectral curve reflectance of waterlogging cotton was higher than that of non-waterlogging *** near 550 nm and 750 nm,and the spectral curve increased with durations of waterlogging stress and there were‘blue shift’phenomena for the position of the red edge of the *** first principal components of HSIs after band randomly discarding and principal component analysis(PCA)were used to build a *** Inception-v3(GLNI-v3)and VGG-16 models were selected to detect cotton waterlogging stress with the *** results showed that the average time for a round training for GLNI-v3 was 13.337 s,with a classification accuracy of 96.95%and a loss value of *** average time for a round training for VGG-16 was 21.470 s,with a classification accuracy of 97.00%and a loss value of *** these two models had similar classification accuracy and loss value,GLNI-v3 achieved a high accuracy with fewer training *** durations of waterlogging stress of cotton in a short-term can be detected by HSIs of cotton leaves and CNN models are suitable for the classification of HSIs,and this method can provide support for cotton yield estimation and loss assessment after waterlogging.

关键词： cotton waterlogging hyperspectral image convolutional neural network

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Summer maize LAI retrieval based on multi-source remote sensing data

引用

International Journal of Agricultural and Biological Engineering 2023年第2期16卷 179-186页

作者： fangjiang pan Jinkai Guo Jianchi Miao Haiyu Xu Bingquan Tian Daocai Gong Jing Zhao Yubin Lan School of Agricultural Engineering and Food Science Shandong University of TechnologyZibo 255000ShandongChina National Sub-center for International Collaboration Research on Precision Agricultural Aviation Pesticide Spraying Technology Shandong University of TechnologyZibo 255000ShandongChina Research of Institute of Ecological Unmanned Farm Shandong University of TechnologyZibo 255000ShandongChina

Leaf Area of Index(LAI)refers to half of the total leaf area of all crops per unit *** is an important index to represent the photosynthetic capacity and biomass of *** obtain LAI conditions of summer maize in different growth stages quickly and accurately,further guiding field fertilization and *** Unmanned aerial vehicles(UAV)multispectral data,growing degree days,and canopy height model of 2020-2021 summer maize were used to carry out LAI *** vegetation index was constructed by the ground hyperspectral data and multispectral data of the same range of *** correlation analysis was conducted to verify the accuracy of the multispectral *** include many bands as possible,four vegetation indices which included R,G,B,and NIR bands were selected in this study to test the spectral *** were nine vegetation indices calculated with UAV multispectral data which were based on the red band and the near-infrared *** correlation analysis of LAI and the vegetation index,vegetation indices with a higher correlation to LAI were selected to construct the LAI inversion *** addition,the Canopy Height Model(CHM)and Growing degree days(GDD)of summer maize were also calculated to build the LAI inversion *** LAI inversion of summer maize was carried out based on multi-growth stages by using the general linear regression model(GLR),Multivariate nonlinear regression model(MNR),and the partial least squares regression(PLSR)models.R²and RMSE were used to assess the accuracy of the *** results show that the correlation between UAV multispectral data and hyperspectral data was greater than 0.64,which was *** Wide Dynamic Range Vegetation Index(WDRVI),Normalized Difference Vegetation Index(NDVI),Ratio Vegetation Index(RVI),Plant Biochemical Index(PBI),Optimized Soil-Adjusted Vegetation Index(OSAVI),CHM and GDD have a higher correlation with *** comparing the models constructed by the three methods,it was f

关键词： maize UAV multispectral leaf area of index growing degree day canopy height model vegetation index

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

无人机可见光遥感和特征融合的小麦倒伏面积提取

引用

农业工程学报 2021年第3期37卷 73-80页

作者：赵静潘方江兰玉彬鲁力群曹佃龙杨东建温昱婷山东理工大学农业工程与食品科学学院淄博255000 山东理工大学交通与车辆工程学院淄博255000 山东理工大学国际精准农业航空应用技术研究中心淄博255000

倒伏是造成小麦减产和品质下降的主要原因之一。为快速准确地提取小麦倒伏面积,给农业保险理赔及灾后应急处置提供数据支持,该研究采用无人机遥感平台获取小麦倒伏后的冠层红绿蓝(Red-Green-Blue,RGB)可见光图像,并进行数字表面模型(Dig... 详细信息

倒伏是造成小麦减产和品质下降的主要原因之一。为快速准确地提取小麦倒伏面积,给农业保险理赔及灾后应急处置提供数据支持,该研究采用无人机遥感平台获取小麦倒伏后的冠层红绿蓝(Red-Green-Blue,RGB)可见光图像,并进行数字表面模型(Digital Surface Model,DSM)图像提取,计算了过绿植被(Excess Green,EXG)指数,利用Arc GIS中的镶嵌工具将不同图像特征进行融合,得到DSM+RGB融合图像和DSM+EXG融合图像,利用最大似然法和随机森林法对2种特征融合图像进行监督分类提取小麦倒伏面积,并与仅基于RGB可见光图像和DSM图像提取倒伏面积结果对比。结果表明,2种方法对4种图像进行小麦倒伏面积提取的整体趋势一致,且最大似然法提取效果整体优于随机森林法,基于最大似然法对RGB图像、DSM图像、DSM+RGB特征融合图像、DSM+EXG特征融合图像提取倒伏小麦面积的整体精度分别为77.21%、93.37%、93.75%和81.78%,Kappa系数分别为0.54、0.86、0.87和0.64,对比分析发现DSM+RGB特征融合图像提取小麦倒伏面积精度最高。该研究表明通过图像特征融合的方法能够有效提取倒伏小麦信息,为快速提取小麦倒伏面积提供参考。

关键词：无人机遥感图像处理特征融合 DSM 小麦倒伏

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于FCN的无人机玉米遥感图像垄中心线提取

引用

农业工程学报 2021年第9期37卷 72-80页

作者：赵静曹佃龙兰玉彬潘方江温昱婷杨东建鲁力群山东理工大学农业工程与食品科学学院淄博255000 山东理工大学交通与车辆工程学院淄博255000 山东理工大学国家精准农业航空施药技术国际联合研究中心淄博255000

为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提... 详细信息

为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提取的数据集标注方法,采用滑动窗口法进行图像分块,利用深度学习语义分割网络FCN对垄中心线附近7~17像素宽度范围的垄线区域进行提取,模型在测试田块上精确率达66.1%~83.4%,召回率达51.1%~73.9%,调和平均值为57.6%~78.4%;对拼接后的图像使用影像分割投影法提取中心线,探究了垄线区域宽度对垄中心线提取精度的影响,训练采用9像素的垄区域宽度,可得到垄中心线在77 mm左右偏差范围准确率为91.2%,在31.5 mm左右偏差范围内为61.5%。结果表明,基于FCN对无人机玉米遥感图像进行处理,可得到整片田地的垄中心线栅格地图,方便农业机器人进行全局路径规划。

关键词：无人机遥感提取玉米垄线全卷积神经网络语义分割

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于不对行倒伏玉米收获的拨禾装置设计及试验研究

引用

农机化研究 2021年第11期43卷 151-156页

作者：潘方江赵静徐文腾曹佃龙金诚谦鲁力群山东理工大学农业工程与食品科学学院山东淄博255000 山东理工大学交通与车辆工程学院山东淄博255000

针对收获不对行倒伏玉米存在的收获效率低的问题,对现有拨禾装置喂入部分进行了改进,改进后的拨禾装置拨禾链采用"八"字形结构,拨禾链指采用工作截面为光滑圆弧面的水稻收获拨禾链指。采用控制变量法对拨禾机构收获不对行、倒伏玉米时... 详细信息

针对收获不对行倒伏玉米存在的收获效率低的问题,对现有拨禾装置喂入部分进行了改进,改进后的拨禾装置拨禾链采用"八"字形结构,拨禾链指采用工作截面为光滑圆弧面的水稻收获拨禾链指。采用控制变量法对拨禾机构收获不对行、倒伏玉米时的喂入率进行性能测试,结果表明:改进后的拨禾装置对位置偏离中心小于150mm、前后倒伏角及左右倒伏角均在60°范围内的玉米植株具有很好的扶持喂入效果,可在一定程度上解决不对行、倒伏玉米收获率低的问题,为后续设计不对行、倒伏玉米收获机拨禾装置提供了参考。

关键词：拨禾装置不对行倒伏喂入率玉米收获机

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

中医药科研机构发展现状及对策

引用

西部中医药 2016年第11期29卷 55-57页

作者：王振华潘文郑访江甘肃省中医药研究院甘肃兰州730050 甘肃省中医院

从当前中医药科研机构发展现状入手,分析目前存在的问题,并提出解决对策,希望在一定程度上有益于中医药科研事业稳定有序的发展。

关键词：科研机构中医药发展现状问题分析科技成果发展对策

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：