公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

偏振-高光谱多维光信息的番茄叶片营养诊断被引量：4: 2014年; 以Venlo型温室中无土栽培模式下自行培育的25%,50%,75%,100%,150%五个梯度水平的氮、磷、钾营养胁迫样本为研究对象,利用高光谱成像系统以及课题组自行研发的偏振反射光谱测量分析系统分别采集不同氮磷钾营养水平番茄叶片的偏振光谱和高光谱数据。通过扫描电镜分析阐明营养胁迫叶片非光滑表面的凹凸和质地发生的一系列变化与偏振反射辐射之间具有一定的联系。由斯托克斯公式将偏振光谱换算成偏振度后,提取偏振度与氮磷钾实测值之间的各4个偏振度特征;同时将高光谱数据经过主成分分析降维并确定氮磷钾各4个特征波长,再通过相关分析法提取这4个特征波长下的各8个高光谱图像纹理特征。偏振度特征与高光谱纹理特征相加累计氮磷钾各12个特征作为支持向量回归(SVR)的输入变量。对这12个特征变量进行最大-最小值归一化后,采用SVR建立番茄氮磷钾营养水平的定量诊断模型,求得氮的相关系数r=0.961 8,均方根误差RMSE=0.451;磷的相关系数r=0.916 3,均方根误差RMSE=0.620;钾的相关系数r=0.940 6,均方根误差RMSE=0.494。研究结果表明采用偏振反射光谱结合高光谱的多维光信息融合技术能够建立精度较高的番茄营养水平预测模型,具有较好的诊断作用,对于提高模型的精度和专用仪器的开发具有一定的指导意义,为番茄养分含量的快速检测提供了新的思路。; 朱文静朱文静毛罕平李青林刘红玉孙俊左志宇; 关键词：番茄叶片氮磷钾支持向量回归

机载非接触式近红外土壤墒情检测系统研制被引量：1: 2022年; 针对探针式土壤水分传感器插入土壤后因反馈点固定而需大量布点、成本高、破坏耕层等问题,该研究提出一种基于法布里-珀罗干涉近红外传感器的非接触式土壤墒情在线检测系统。系统硬件部分由机载自动检测装置、电气控制箱和北斗双天线实时差分定位系统(Real Time Kinematic,RTK)组成。整套系统样机的试制包括:传感器的选型和模块设计封装、升降检测装置设计、传感器避障与采样点北斗定位、土壤含水量预测建模、软件中的二次开发和系统与润禾2ZBA-2型移栽机的集成等。田间试验结果表明:当移栽机以0.3m/s速度行进时,土壤水分传感器参比校准后进行土壤水分的测定,5 s内工控机上实时显示水分含量值,水分含量预测值与实测值的相对误差范围为0.18%~14.46%,平均相对误差7.77%,所测水分值结合北斗RTK系统测得的定位坐标生成土壤表层含水率分布图,为后续喷灌、滴灌等变量灌溉提供参考依据。; 朱文静冯展康吴抒航梅红镇崔冰波魏新华骆骏良; 关键词：近红外土壤含水量

基于红外热成像边缘检测算法的小麦叶锈病分级研究被引量：10: 2019年; 小麦叶锈病对我国小麦生产危害巨大,实现小麦叶锈病的监测和快速分级是进行科学生产管理的基础。针对常规图像检测技术的不足,提出一种基于红外热成像技术的快速检测和分级方法。首先,采集整株小麦样本的红外热成像图像,分别计算健康植株、潜伏期植株和显症植株的平均叶温,探明真菌入侵过程中的温度变化规律;然后,将经过直方图均衡化和中值滤波预处理的红外热成像中低于显症植株温度阈值的区域提取出来;通过温度区域划分、低温区域提取和阈值分割,计算病斑面积在整体植株热成像总面积中的百分比;最后,对病情指数进行相关分析,获得相关系数为0. 975 5,预测均方根误差为9. 79%,总识别正确率为90%。结果表明,基于红外热成像边缘检测算法的小麦叶锈病分级方法是可行的。; 朱文静陈华李林魏新华毛罕平SPANER D; 关键词：小麦叶锈病红外热成像边缘检测

基于垄间背景剔除优化小麦赤霉病遥感监测精度: 2024年; 为探究麦田垄间背景对无人机多光谱小麦赤霉病监测精度的影响,该研究以江苏省镇江市农科院灌浆期小麦为研究对象,利用大疆M600 Pro无人机搭载RedEdge-MX多光谱相机获取小麦冠层多光谱影像。通过筛选与小麦赤霉病相关性最高的植被指数(vegetation indexes,VIs):MSR和CRI2植被指数,并采用大津法(Nobuyuki Otsu method,OTSU)、阈值分割法和支持向量机(support vector machine,SVM)等方法对小麦赤霉病遥感图像进行精细化语义分割,降低田块边缘阴影背景和染病麦穗之间的误判率。试验结果表明:目视解译阈值分割法剔除背景的效果最好(总体精度:92.06%,Kappa系数:0.84),OTSU阈值分割法(总体精度:90.52%,Kappa系数:0.81)效果次之。采用偏最小二乘回归分别建立小麦病情指数(disease index,DI)与VIs、纹理特征(texture features,TFs)和VIs&TFs小麦赤霉病监测模型,其中VIs&TFs模型监测精度最高,剔除垄间背景前预测模型训练集的决定系数(coefficient of determination,R^(2))为0.73,均方根误差(root mean square error,RMSE)为5.52,相对分析误差(relative percent deviation,RPD)为2.01,验证集的R^(2)为0.68,RMSE为6.21,RPD为1.96;剔除垄间背景后VIs&TFs模型监测精度依然最高,训练集的R^(2)为0.75,RMSE为5.58,RPD为2.13,验证集的R^(2)为0.77,RMSE为7.13,RPD为2.11。综上所述,基于垄间背景特征的精细化语义分割有效地提高了小麦赤霉病的监测精度,可以直观地了解小麦病情分布情况,可对后续变量施药提供参考依据。; 朱文静戴世元冯展康邵长峰段凯文张慧月魏新华; 关键词：无人机遥感小麦病害特征提取

一种作物动态红外热成像信息采集箱的设计: 2020年; 红外热成像技术在作物病虫害检测方面具有图像直观、动态响应快、检测范围广等优势。但静态红外热成像技术易受环境温湿度影响,存在人为因素造成的经验性误差。基于此,设计了一种作物动态红外热成像信息采集箱,以弥补静态热成像技术的不足,获取最利于诊断作物病害的信息。; 周莹田小建朱文静; 关键词：信息采集控制系统

基于高光谱的番茄氮磷钾营养水平快速诊断被引量：33: 2015年; 为了精确、快速和稳定的对番茄氮、磷、钾3种元素的营养水平进行诊断,该文提出利用反射光谱技术诊断方法,选用遗传算法优选波段;采用主成分分析方法提取敏感波长下的纹理特征;通过逐步回归、主成分回归、偏最小二乘法回归分别建立基于光谱和图像特征的番茄叶片氮、磷、钾素模型。针对单一技术不能全面反映叶片营养信息的问题,采用人工神经网络对光谱和图像技术进行特征层的信息融合,建立了多信息融合的诊断模型,求得氮、磷、钾的相关系数R分别为0.9651、0.9216、0.9353;均方根误差RMSE分别为0.19、0.33、0.29。结果表明采用光谱与图像的融合技术模型比单一光谱模型提高的精度分别为6.25%、3.97%、7.92%,比单一图像模型提高的精度为3.80%、5.43%、3.26%,有更好的诊断作用,能够实现对番茄作物氮、磷、钾素营养水平的高精度快速检测。; 刘红玉毛罕平朱文静朱文静张晓东; 关键词：光谱分析信息融合人工神经网络番茄叶片

红外热成像与近红外光谱结合快速检测潜育期番茄花叶病被引量：5: 2018年; 现有的番茄花叶病无损检测方法无法在潜育期内,即显症之前进行早期识别导致施药不及时或者盲目过度施药。设计与试制了红外热成像信息采集系统,主要包括:光箱、红外热成像仪、温度及升降控制器、加热板和升降载物台。该系统能够根据温度起止节点的要求,人为调节拍摄温度。在江苏大学现代农业装备与技术省部共建重点实验室Venlo型温室中进行非抗病性番茄品种辽宁农科院L-402的培育。采用叶面摩擦接种花叶病毒(Tobacccco mosaic virus,ToMV),分为轻度感染组(LI),重度感染组(SI);LI组为磷酸缓冲液稀释500倍后的病毒液接种,SI组为病毒原液接种。对照组(CG)喷施等量磷酸缓冲液。接种10d后叶片开始出现病斑,证明接种后9d为番茄花叶病的潜育期。使用红外热成像系统采集了三个组共计144个样本的红外热成像图,计算叶表最大温差(MTD)以表征潜育期内连续9d内的叶面温度变化情况。CG组叶片的MTD值差异极小,而接种后叶片MTD值随着病毒侵染时间的推进发生了显著的变化。接种6d后MTD值差异最大可达1.63℃,第7d开始差异逐步缩小,表明病毒的扩散范围增大导致病叶越来越多的区域被侵染使得整体叶温上升。光谱采集采用两种方法进行,一种是根据热像图的MTD值计算判别出温度突变区域后采集光谱,记为热像采集法(TCM);另一种是不考虑病灶位置,在叶尖、叶中、叶基三个区域分别随机选择一个点采集光谱后求平均值,记为随机采集法(RCM)。TCM确定三个光谱采集点的选择原则是:LI组接种后3,6和9d的温度突变区域平均MTD值比CG组温度分别高出0.3,0.7和0.5℃。SI组接种后3,6和9d的温度突变区域平均MTD值比CG组温度分别高出0.5,1.2,0.8℃。差值达到此标准的病灶位置才定为TCM的可选区域。对所有样本采用支持向量机(SVM)算法建立识别模型。采用主成分分析对2 151个波长点的光; 朱文静李林李美清刘继展魏新华; 关键词：红外热成像近红外光谱潜育期番茄花叶病支持向量机

全选清除导出

共1页<1>

朱文静

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

朱文静

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈