公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

利用光谱数据快速检测土壤含水量的方法研究被引量：41: 2009年; 应用美国ASD公司的FieldSpec HandHeld型可见/近红外光谱仪获得了52份不同含水量土壤的可见/近红外漫反射光谱数据,并通过实验测定了各土壤样本的含水量值,运用相关系数法寻找出了光谱对于土壤水分的敏感波段,然后利用单一敏感波段处的光谱数据建立了一元回归模型,并检测了土壤含水量。实验结果表明,该模型对土壤水分的检测效果比较好,模型的预测相关系数r为0.966 5,预测均方根误差RMSEP为0.012 1,为快速、准确检测土壤含水量提供了一条新的途径。; 宋韬鲍一丹何勇; 关键词：土壤含水量

基于可见/近红外光谱的土壤有机质含量预测被引量：14: 2010年; 应用可见/近红外光谱技术对土壤有机质含量进行了定量分析和预测,为土壤肥力快速测定和评价提供依据.利用ASD FieldSpec 3 Hi-Res光谱仪对116份不同有机质含量的土壤样本进行光谱测量,系统分析了土壤有机质含量与350～2500 nm波段范围光谱反射率之间的关系.利用PLS和小波-BP神经网络对350～2500 nm整个波段范围和剔除水波段的光谱数据进行分析.两种建模方法的结果均表明剔除水波段的预测效果较好,其中,PLS模型预测的相关系数R为0.8416,均方根误差RMSEP为0.2848,相对分析误差RPD为1.7768,WT-BP神经网络模型预测的R为0.9167,RMSEP为0.2196,RPD为2.3043.预测结果表明,PLS模型可以对土壤有机质含量进行粗略估测,而BP神经网络可实现较精确的预测.; 韩瑞珍宋韬何勇; 关键词：土壤有机质含量小波变换 BP神经网络

激光测振仪的振动信号解算方法及系统: 本申请涉及一种激光测振仪的振动信号解算方法及系统，其中所述激光测振仪的振动信号解算方法通过高速比较器将模拟信号转换为数字信号，输入至FPGA芯片；FPGA芯片对各个数字信号的每一个时间节点对应的电平数据进行采集；FPGA...; 何闻沈博翰宋韬周杰

土壤中总氮与总磷含量的近红外光谱实时检测方法: 本文以浙江省潮化盐土为研究对象,用近红外光谱分析技术探测土壤氮(N)和磷(P)的含量。从试验田采集6组土样,每组取20个样品,共计120个样品.利用均值法、卷积滤波确定最终光谱数据,然后采用偏最小二乘回归法(PLS)及最...; 袁石林马天云宋韬何勇鲍一丹; 关键词：氮磷含量土壤分析红外光谱; 文献传递

一种可调距电泳沉积教具: 本实用新型公开了一种可调距电泳沉积教具，包括实验容器，所述实验容器的顶部放置环形支座，环形支座上表面具有一体形成的竖向支架，竖向支架上固定刻度横梁，刻度横梁上悬挂带有与其相配合的方孔的立式可调支座；立式可调支座为中空结构...; 王云江胡玘瑞宋韬梅德庆; 文献传递

基于可见/近红外漫反射光谱的土壤有机质含量估算方法研究被引量：17: 2011年; 为研究不同土壤颗粒粒径对可见/近红外光谱分析技术在土壤有机质含量快速检测应用中的影响,获取粒径为0.169-2 mm和〈0.169 mm的2种土壤样本（各53个）的可见/近红外光谱（325-1 075 nm）,分别建立各自的主成分-反向传播神经网络（PCA-BPNN）、最小二乘-支持向量机（LS-SVM）和偏最小二乘法（PLS）土壤有机质含量检测模型.结果表明：当土壤粒径为0.169-2 mm时,所建立模型的土壤有机质含量预测相关系数r均在0.84以上,且预测均方根误差（RMSEP）都在0.20以下;而当土壤粒径〈0.169 mm时,所建立模型的预测相关系数r均不超过0.71,而RMSEP都在0.23以上;对于相同粒径的土壤,PLS模型对土壤有机质含量的预测效果优于LS-SVM和PCA-BPNN模型.说明不同土壤颗粒粒径会显著影响可见/近红外光谱对于土壤有机质含量的预测结果.; 岑益郎宋韬何勇鲍一丹; 关键词：土壤有机质含量土壤粒径反向传播神经网络偏最小二乘法

六自由度无源隔振器: 本申请涉及一种六自由度无源隔振器。空间六自由度干扰包括沿X轴、Y轴、Z轴平动以及绕X轴、Y轴、Z轴转动六个方向。来自基座的振动干扰经过主平台与调整平台之间的4个竖直弹簧和主平台与壳体之间的4个水平调整机构组成的压缩弹簧准...; 何闻沈博翰宋韬周杰

基于光谱分析和数字图像处理技术的土壤信息检测研究: 精细农业是当代信息技术与传统农业技术相结合的产物,能够减少农业生产污染和浪费,降低耕作成本,提高产量和品质,是未来农业发展的主要方向。土壤信息的采集与监测是精细农业一个重要的环节,如何快速、准确地检测土壤信息是是精细农业...; 宋韬; 关键词：精细农业土壤有机质含量含水量光谱分析数字图像处理技术; 文献传递

土壤中总氮与总磷含量的近红外光谱实时检测方法被引量：29: 2009年; 以浙江省潮化盐土为研究对象,用近红外光谱分析技术探测土壤氮(N)和磷(P)的含量。从试验田采集6组土样,每组取20个样品,共计120个样品。利用均值法、卷积滤波确定最终光谱数据,然后采用偏最小二乘回归法(PLS)及最小二乘支持向量机(LS-SVM)分别建立了土壤总氮和总磷的近红外光谱模型,其中采用PLS所建模型的相关系数分别为0.9454(N)、0.9327(P),预测标准误差分别为0.0321(N)、0.0089(P)。采用LS-SVM所建模型的预测相关系数分别为0.9503(N)、0.9547(P),预测标准误差为0.0378(N)、0.0101(P)。分析结果表明采用近红外分析技术可以预测土壤总氮(N)和总磷(P)的含量。; 袁石林马天云宋韬何勇鲍一丹; 关键词：近红外光谱偏最小二乘法最小二乘支持向量机

全选清除导出

共1页<1>

宋韬