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：

小麦条锈病菌夏孢子显微图像远程采集系统设计与试验被引量：11: 2018年; 利用孢子捕捉器捕捉小麦田间空气中的条锈病菌夏孢子已成为当前小麦条锈病预测预报的重要手段。针对现有的孢子捕捉设备效率低、费时费力、需人工定时换取载玻片或捕捉带等问题,基于ARK-1123C型嵌入式工控机和显微镜CCD数字摄像头,提出了一种高放大倍数、高分辨率的小麦条锈病菌夏孢子显微图像远程采集系统的设计方案。设计了系统的硬、软件结构,实现了自动取载玻片、涂脂、空中孢子捕捉、孢子显微图像采集、载玻片回收等一系列功能,且可根据用户需求远程设置孢子捕捉和显微图像采集参数,采集的图像通过无线网络传输到远程服务器中。为了验证系统的性能,在小麦田间进行了40 d的系统综合试验测试。测试结果表明,系统可长时间稳定工作,能够远程实时采集放大400倍的4 096像素×3 288像素的夏孢子显微图像。该系统能够实时采集和远程传输小麦条锈病菌夏孢子显微图像,可满足野外小麦田间空气中夏孢子监测的需求,为农田空气中小麦条锈病菌夏孢子的自动计数及条锈病的预测预报提供重要技术支持。; 雷雨姚志凤姚志凤; 关键词：小麦条锈病夏孢子显微图像

基于高光谱成像技术的小麦条锈病病害程度分级方法被引量：33: 2018年; 为了快速、准确地对小麦条锈病病害程度进行分级评估,提出了一种基于高光谱成像技术的小麦条锈病病害程度分级方法。首先利用Hyper SIS高光谱成像系统采集受条锈菌侵染后不同发病程度的小麦叶片高光谱图像,通过分析叶片区域与背景的光谱特征,对555 nm波长的特征图像进行阈值分割获得掩膜图像,并用掩膜图像对高光谱图像进行掩膜处理,提取仅含叶片的高光谱图像;然后用主成分分析法(Principal component analysis,PCA)得到利于条锈病病斑和健康区域分割的第2主成分(The second principal component,PC2)图像,采用最大类间方差法(Otsu)分割出条锈病病斑区域;最后根据条锈病病斑区域面积占叶片面积的比例对小麦条锈病病害程度进行分级。试验结果表明:测试的270个不同小麦条锈病病害等级的叶片样本中,265个样本可被正确分级,分级正确率为98.15%。该研究为田间小麦条锈病害程度评估提供了基础,也为小麦条锈病抗性鉴定方法提供了新思路。; 雷雨雷雨韩德俊何东健; 关键词：小麦条锈病高光谱成像主成分分析最大类间方差法

苹果霉心病可见/近红外透射能量光谱识别方法被引量：14: 2016年; 针对苹果霉心病从外表无法识别的难题,提出基于可见/近红外透射能量光谱进行快速无损识别的模型和方法。在200-1 100 nm波段内采集了200个苹果的透射能量光谱数据,随机选取140个样品作为训练集,剩余60个样品作为测试集。用平滑法和多元散射校正对光谱数据进行预处理。基于全光谱、连续投影算法（SPA）提取的12个特征波长、主成分分析（PCA）提取的9个主成分,分别建立了偏最小二乘判别法、误差反向传播人工神经网络和支持向量机（SVM）识别模型。实验结果说明,应用PCA-SVM建立的模型识别性能最优,该模型对测试集和训练集中霉心病果和健康果的识别正确率分别为99.3%和96.7%。基于SPA和PCA所建模型的输入变量数仅相当于基于全光谱所建模型输入变量数的0.99%和0.74%,极大降低了模型的复杂度。研究结果表明,该方法是可行的且具有较高识别准确度,为苹果在线内部品质分级和便携式苹果霉心病检测仪的研究提供了技术依据。; 雷雨何东健周兆永张海辉苏东; 关键词：苹果霉心病能量光谱连续投影算法主成分分析

基于透射光谱的苹果霉心病多因子无损检测被引量：10: 2016年; 针对目前苹果霉心病难以检测的问题,提出一种基于透射光谱的苹果霉心病多因子无损检测方法,通过融合多波段透射光谱与苹果直径,构建苹果霉心病判别模型,实现了苹果霉心病无损检测。搭建光谱测试范围在200~1？025？nm的透射光谱采集平台,实验获取232个苹果样本的透射光谱数据,采用游标卡尺获得苹果直径数据。采用杂散光校正,非线性校正对苹果透射原始光谱进行预处理,选取与霉心病发病相关的12个波段透射光强值,结合苹果的直径进行主成分分析,将分析的结果作为自变量,建立苹果霉心病Fisher判别模型。经过异校验验证,模型总体识别率为93.1%,而仅采用透射光谱构建的模型识别率为91.37%。结果表明,基于透射光谱与直径结合的多因子检测方法可实现苹果霉心病的准确判定,为苹果霉心病的快速、无损检测提供可行思路。; 苏东张海辉陈克涛胡瑾张佐经雷雨; 关键词：苹果霉心病透射光谱无损检测主成分分析 FISHER判别

基于高光谱成像的小麦白粉病与条锈病识别（英文）被引量：13: 2019年; 小麦白粉病和条锈病是我国两种最普遍、最具破坏性的小麦病害,且田间常常混合发生。由于病源和发病机理不同,有必要对这两种病害进行准确区分和识别,以采取不同的防治措施。基于ImSpector V10E高光谱成像系统采集的条锈菌侵染叶片、白粉菌侵染叶片和健康叶片(共计320个)在375～1 017nm范围内的高光谱图像,利用高斯平滑等预处理方法得到三种小麦叶片的平均光谱曲线,发现小麦白粉病和条锈病的敏感波段均集中在550～680nm的色素强吸收位置,且趋势基本一致。针对两种病害的响应波段交叉重叠的问题,通过主成分分析-载荷法(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对小麦叶片的光谱信息进行有效降维,分别优选出3、6、30个敏感波段和特征波长;在此基础上,采用最小二乘-支持向量机和极限学习机两种分类算法分别基于全波段、PCA、SPA和CARS的优选波段,建立白粉病、条锈病和健康叶片的判别模型。结果表明,8种模型的准确识别率均在94.58%以上。其中,主成分分析-载荷法结合极限学习机模型最优,训练集与校正集的正确识别率分别为99.18%和100%,且结构简单,仅含有三个变量(占全波段的1.1%)。最后,通过对小麦白粉病、条锈病以及健康叶片的显微结构分析,发现病菌入侵叶片,破环细胞结构,导致叶绿素含量减少,光合作用效能降低,进而使得小麦在可见光波段光吸收程度减弱,反射率增大。可见,利用作物的高光谱图像信息能够准确地识别不同类型的小麦病害,为研发作物病害在线识别的多光谱系统提供重要的理论依据。; 姚志凤雷雨雷雨; 关键词：白粉病条锈病高光谱成像

基于热红外成像的小麦条锈病早期检测（英文）被引量：2: 2018年; 由条形柄锈菌引起的小麦条锈病是一种世界性范围内普遍流行的重大病害,实现其早期检测对病害的有效防控与小麦的安全生产具有重要意义。旨在实验室环境下分析小麦接种条锈病菌后16天的热红外图像与叶片温度变化,研究热红外成像技术用于小麦条锈病早期检测的可行性。实验发现,随着接种天数的增加,接种病害的小麦植株较健康小麦,叶片的平均温度会逐渐降低,叶片间的最大温差会不断加大。接种后第6天,热红外成像技术可观测到小麦条锈病病斑,较肉眼观察提前了4天。接种后第16天,接种叶片的平均温度比健康叶片低2.5℃,最大温差比健康叶片高2.28℃。同时,通过对健康、发病以及潜伏期的小麦叶片的显微结构分析,发现条锈病孢子入侵叶片,使细胞结构破环,气孔导度增大,蒸腾作用加剧,从而导致叶片表面温度降低。可见,热红外成像技术可以对小麦条锈病进行早期检测。; 姚志凤何东健何东健; 关键词：小麦条锈病潜伏期显微成像

基于无人机遥感的灌区土地利用与覆被分类方法被引量：39: 2016年; 为研究无人机可见光遥感技术在灌区土地利用和覆被分类中的有效性,以河套灌区五原县塔尔湖镇为试验区域,用TEZ固定翼无人机搭载索尼A5100型相机进行航拍试验。应用Agisoft Photo Scan软件对无人机遥感系统获取的可见光高分辨率原始单张影像数据进行拼接处理。除目视提取的特殊用地与水域及水利设施用地外,通过试误法确定分割尺度300、形状权重0.4、紧致度权重0.5为无人机遥感影像数据的最佳分割参数。通过对剩余各地物在光谱、形状、纹理特征参量中表现的特异性,分别建立决策树、支持向量机、K-最近邻分类规则集提取土地利用类型试验。结果表明,支持向量机能较准确地提取各地物的特征,总体精度为82.20%,Kappa系数为0.765 9;决策树分类方法的总体精度为74.00%,Kappa系数为0.667 5;K-最近邻分类方法的总体精度为71.40%,Kappa系数为0.610 7。采用支持向量机结合决策树分类法创建的决策树模型,可以将总体精度提高到84.20%,Kappa系数达到0.790 0。因此无人机可见光遥感技术可以用于提取灌区土地利用类型,但存在农、毛渠错分为交通运输用地的情况,渠系的提取还需进一步研究。; 韩文霆郭聪聪张立元杨江涛雷雨王紫军; 关键词：无人机遥感支持向量机

基于骨架特征的奶牛肢体分解方法研究被引量：2: 2017年; 通过奶牛各个肢体部位可获取更加精准的奶牛运动细节信息,是奶牛姿态检测、行为分析和理解的基础。为实现奶牛头部、脖子、躯干、前肢、后肢和尾巴的精确分解,研究并提出一种基于骨架特征的奶牛肢体分解方法。该方法在依据深度信息阈值提取深度图像中奶牛目标的基础上,用基于距离场的骨架提取算法生成奶牛骨架,对冗余骨架枝进行剪枝后,提取骨架分叉点并用其生成候选分割线,再用形状视觉显著度和分割线优先级对候选分割线进行优化处理。试验结果表明,奶牛各个肢体分解平均正确率为95.09%,且对较难分割的尾部正确率达95.51%;对仰头、正常行走、微低头和低头体态下的肢体分解平均正确率分别为95.18%、95.00%、94.85%和96.23%,可实现不同体态奶牛的高精度分解。; 李国强何东健赵凯旋雷雨; 关键词：奶牛深度图像

基于深度信念网络的苹果霉心病病害程度无损检测被引量：16: 2017年; 针对现有霉心病无损检测只能检测出有无病害,无法对病害程度进行判断的问题,研究并提出一种基于深度信念网络(deep belief net,DBN)的无监督检测模型。该模型由多层限制玻尔兹曼机(restricted Boltzmann machine,RBM)网络和1层反向传播(back propagation,BP)神经网络组成,RBM网络实现最优特征向量映射,输出的特征向量由BP神经网络对霉心病病害程度分类。对225个苹果样本在波长200~1 025 nm获取其透射光谱后,根据腐烂面积占横截面比例将霉心病害程度分为健康、轻度、中度和重度4种,分别用150个和75个样本作为训练集和测试集,以全光谱数据和基于连续投影算法提取的特征波长数据为输入构建病害程度判别模型,并比较DBN模型与偏最小二乘判别分析、BP神经网络和支持向量机模型的识别效果,实验结果表明,DBN模型病害判别准确率达到88.00%,具有较好的识别效果。; 周兆永何东健张海辉雷雨苏东陈克涛; 关键词：苹果霉心病透射光谱

全选清除导出

共1页<1>

雷雨

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

雷雨

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