杨林楠
- 作品数：91 被引量：505H指数：11
- 供职机构：云南农业大学更多>>
- 发文基金：云南省自然科学基金云南省教育厅科学研究基金“十一五”国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术农业科学经济管理理学更多>>
- 一种基于区块链的农作物数据处理方法
- 本申请提供了一种基于区块链的农作物数据处理方法，包括：在目标农作物的生长周期中，每当达到预设上传时间时，将目标农作物的环境参数上传至区块链中；其中，不同生长周期的环境参数不同；在经过所述生长周期的目标农作物收获后，将所述...
- 张丽莲杨林楠郜鲁涛彭琳
- 基于WebGIS的农田土壤信息管理平台的设计与实现被引量：5
- 2009年
- 在分析农田土地时空变化的基础上,以WebGIS为空间信息平台,采用B/S分布式网络体系结构,构建了网络化的农田土壤信息管理平台,该平台为农作物栽培种植提供了科学指导。
- 庞永青杨林楠张丽莲
- 关键词：WEBGIS网络化
- 一种基于云模型和TOPSIS法的植物鉴别方法
- 本发明涉及一种基于云模型和TOPSIS法的植物鉴别方法。本发明方法首先构建了植物的外形特征标本数据库；然后利用梯形云模型将被测植物的外观特征与植物的外观特征标本数据库进行比对，得到被测植物与外形特征标本数据库相比的隶属度...
- 彭琳刘宗田杨林楠钟飞
- 文献传递
- 基于BFGS-NARX神经网络的农产品价格预测方法被引量：9
- 2013年
- 文章提出了基于BFGS前馈方式的NARX神经网络农产品价格时间序列预测方法。方法有效利用BFGS拟牛顿法的全局收敛性和NARX神经网络良好的非线性性能,并通过构造历史数据间的映射关系,来建立神经网络训练模型,进而对农产品价格进行预测。
- 林明杨林楠彭琳武尔维
- 关键词：农产品价格小样本
- 云南省农业农村信息化的调研与分析
- 2014年
- 农业农村信息化已经逐渐成为支撑云南省农业现代化和新农村建设的重要力量,本研究从基础设施、信息资源、服务平台、服务模式以及服务水平等方面,对云南省进行了较为系统的调研,分析了云南省在农业农村信息化建设方面存在的困难和问题。研究认为云南省下一步应开展以下五方面工作:基础设施建设、信息资源整合开发、农民信息素质提升、信息服务体系完善、以及全面推进农业农村信息服务。
- 李文峰杨林楠
- 关键词：农业农村信息化
- 三化螟和斑潜蝇发生预测模型研究与应用
- 在农业生产中，农作物害虫的常年发生给农作物生产带来严重影响，是造成农作物减产的重要原因。为了有效地对农作物害虫进行防治，人们对农作物害虫发生预测方法进行了长期研究，目前主要的预测方法有经验预测、实验预测、统计预测和信息预...
- 杨林楠
- 关键词：农作物害虫三化螟斑潜蝇时态GIS
- 文献传递
- 基于BP人工神经网络的农作物害虫发生量的预测方法
- 本发明公开了一种基于BP人工神经网络的农作物害虫发生量的预测方法，其步骤如下：（1）采集待预测农作物害虫发生量的原始数据和影响农作物害虫发生影响因子的原始数据；（2）计算原始数据之间关联度，剔除差异大的数据；（3）计算影...
- 彭琳刘宗田杨林楠钟飞朱平
- 文献传递
- 无公害蔬菜生产信息咨询远程网络系统研究
- 杨林楠彭琳张丽莲李正跃吴文斗张超杨仕生李跃标
- 该项目来源于云南省自然基金项目--《无公害蔬菜生产信息咨询远程网络系统研究》。项目在对传统专家系统进行系统研究的基础上，针对云南省无公害蔬菜生产的实际情况，结合已有的研究成果，研制开发了基于WEB的跨操作系统的无公害蔬菜...
- 关键词：
- 关键词：无公害蔬菜信息咨询
- 基于Web挖掘的园林植物信息搜索引擎的设计与实现被引量：1
- 2007年
- 随着万维网信息的爆炸性增长,迫切需要适宜的检索工具,特别是对专业信息进行检索时,需要一个能体现专业词汇特点的搜索引擎。为此,通过在对搜索引擎核心技术进行研究的基础上,提出了一个基于Web挖掘的园林植物信息搜索引擎的设计方案,并详细地描述了其设计情况。
- 钱双艳杨林楠张丽莲
- 关键词：农业基础科学搜索引擎园林植物WEB挖掘信息检索
- 基于注意力机制的农资标签文本检测被引量：2
- 2022年
- 农资包装上的文本含有登记证号、有效成分含量、生产许可证号、产品标准号等产品相关信息,这些不仅为农民购买农资提供重要的依据,还有助于农资监督机构发现影响农资安全的问题,同时也对出口农资的识别有极大的帮助。基于农资包装图像构建数据集,提出一种基于注意力机制的农资标签文本检测模型,该模型使用Swin-Transformer作为骨干网络,采用FPN提取文本特征,设计双特征融合模块(Twin Feature Fusion Module,TFFM)来统合局部特征和全局特征,预测阶段采用缩放式扩展算法来生成文本边框。该模型在自建农资包装图像数据集上的试验结果表明:其准确率、召回率和F值分别为91.4%、87.3%和89.3%,均优于主流方法,对农资包装图像文本检测任务具有一定的优越性。
- 殷昌山杨林楠胡海洋
- 关键词：计算机视觉文本检测文本识别
