检索结果-南通市图书馆

检索条件"主题词=土壤湿度胁迫"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于电生理信号和深度学习的君子兰土壤湿度胁迫辨识

基于电生理信号和深度学习的君子兰土壤湿度胁迫辨识

引用

作者：刘宸瑞东北电力大学

学位级别：硕士

植物生长环境的监测在智慧农业领域中扮演着关键角色。传统的监测方法主要依赖于环境传感器,如温湿度和光照传感器等。但这些方法无法直接反映植物对环境变化的生理响应。生物感知技术通过分析植物自身的生理参数变化来感知外界环境的变... 详细信息

植物生长环境的监测在智慧农业领域中扮演着关键角色。传统的监测方法主要依赖于环境传感器,如温湿度和光照传感器等。但这些方法无法直接反映植物对环境变化的生理响应。生物感知技术通过分析植物自身的生理参数变化来感知外界环境的变化,能够更直接地反映植物的生理状态,为科学家提供了一种新的研究视角。土壤湿度胁迫作为影响植物生长的关键环境因素之一,其对植物的影响机制及时空动态监测一直是植物生理学和环境监测领域的热点问题。本研究以君子兰为研究对象,探索了一种基于君子兰电生理信号和深度学习、领域自适应(Domain Adaptation-DA)方法的土壤湿度胁迫辨识方法,旨在通过便携式植物电生理信号采集系统获取植物响应环境变化的电生理信息,并利用算法实现对植物状态的准确识别。首先,本研究设计并实现了一套便携式植物电生理信号采集系统,该系统能够稳定、连续地采集君子兰的电生理信号,这些信号能够反映君子兰植物对外界环境变化的生理响应,为后续的数据分析和模型训练提供了基础。其次,针对采集到君子兰电生理信号特点,本研究采用深度学习中的卷积神经网络(CNN)模型和迁移学习中的DA研究方法,针对不同的君子兰电生理信号数据集进行特征提取和分类识别。通过大量实验,筛选出对湿度胁迫响应敏感的电生理特征,并基于这些特征训练模型,实现了对不同土壤湿度条件下君子兰状态的高精度分类。实验结果表明,基于电生理信号和深度学习的君子兰土壤湿度胁迫辨识方法能够准确区分君子兰在不同土壤湿度条件下的状态,Plant Net模型得到了99.26%的正确率、99.31%的精确率、92.26%的召回率、0.9916的Kappa系数;DA方法有效解决了源域与目标域特征不匹配,模型泛化能力差的问题,DA-Plant Net模型在众多评价指标中脱颖而出,得到了最优的性能,其中正确率为75.29%,精确率为76.18%,召回率为75.31%,Kappa系数为0.7661,远超其余网络模型。此外,该方法具有操作简便、响应快速的特点,为植物生理状态的实时监测和精准农业提供了一种新的技术手段。综上所述,本研究提出的基于电生理信号和深度学习的植物湿度胁迫辨识方法,在植物生理学研究和环境监测领域具有重要的理论意义和应用价值。未来,这项技术可以扩展应用于更多植物种类,通过收集和分析更多类型的电生理信号,进一步提高模型的泛化能力和识别精度。此外,结合无线传输技术和云计算平台,可以实现对大规模农田植物生理状态的远程实时监测,为实现精准农业和智能农业提供强有力的技术支持。

关键词：深度学习 DA 植物电生理信号生物传感器土壤湿度胁迫

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：