您的位置： 专家智库 > >

郑玲

作品数：5 被引量：23H指数：2
供职机构：安徽大学电子信息工程学院更多>>
发文基金：北京市自然科学基金国家自然科学基金公益性行业(农业)科研专项更多>>
相关领域：农业科学自动化与计算机技术更多>>

合作作者

文献类型

  • 4篇期刊文章
  • 1篇专利

领域

  • 2篇自动化与计算...
  • 2篇农业科学

主题

  • 3篇小麦
  • 2篇生物量
  • 2篇物量
  • 2篇感器
  • 2篇传感
  • 2篇传感器
  • 1篇单粒
  • 1篇单粒种
  • 1篇单粒种子
  • 1篇地上鲜生物量
  • 1篇冬小麦
  • 1篇信息融合
  • 1篇压力传感器
  • 1篇育种
  • 1篇育种过程
  • 1篇偏最小二乘
  • 1篇偏最小二乘回...
  • 1篇评分算法
  • 1篇种子
  • 1篇最近邻

机构

  • 3篇国家农业信息...
  • 2篇安徽大学
  • 1篇北京市农林科...
  • 1篇西北农林科技...
  • 1篇湘潭大学

作者

  • 5篇郑玲
  • 4篇王成
  • 3篇朱大洲
  • 2篇赵春江
  • 2篇潘大宇
  • 1篇张保华
  • 1篇罗斌
  • 1篇陈泉
  • 1篇陈立平
  • 1篇陈子龙
  • 1篇郭建
  • 1篇董大明
  • 1篇董高
  • 1篇高权

传媒

  • 2篇光谱学与光谱...
  • 1篇农业机械学报
  • 1篇贵阳学院学报...

年份

  • 1篇2021
  • 2篇2016
  • 1篇2015
  • 1篇2013
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
一种群体种植的作物茎秆强度测量装置及其应用
本发明涉及一种群体种植的作物茎秆强度测量装置，其包括与群体作物接触的触杆、二个以上传感器、空心管、处理系统；所述触杆上均匀设置有所述传感器，且传感器固定在空心管上；所述处理系统包括采集模块、修正处理模块、显示模块和电源，...
朱大洲陈立平郑玲潘大宇高权陈泉王成
文献传递
基于LabVIEW的小麦生物量检测系统被引量：10
2013年
为了快速、无损地测量小麦生物量,根据小麦茎秆的力学特性,设计了一种基于LabVIEW的小麦生物量检测系统。以压力传感器为测量元件,以阿尔泰DAM-3056AH为高速采集模块,获取的小麦受推杆作用产生的回弹力信号由LabVIEW测量系统完成数据的实时采集、显示和保存。利用该检测系统在田间进行小麦生物量检测试验,以验证系统的性能。试验结果表明不同品种的小麦茎秆回弹力具有明显的差异,小麦茎秆回弹力与生物量(鲜质量)具有一定的相关性,采用线性回归法建立两者之间的回归模型,模型的决定系数R2达到0.712 7。结果表明基于力学原理进行小麦生物量检测是可行的。
郑玲朱大洲王成潘大宇罗斌赵春江
关键词：小麦生物量LABVIEW压力传感器
多信息融合的冬小麦地上鲜生物量检测研究被引量：2
2016年
将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合,对冬小麦地上鲜生物量进行预测,提高了冬小麦地上鲜生物量无损检测精度,试验获取苗期93个样本的冠层光谱和冠层图像,中后期(拔节期、抽穗期、开花期、灌浆期)200个样本的冠层光谱和侧面图像。将光谱反射率作为光谱特征参数,并通过图像处理提取小麦覆盖度作为图像特征参数,建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型,将冠层光谱反射率和小麦覆盖度作为多信息融合的输入,利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。结果表明,在苗期和中后期,将光谱信息和图像信息融合,采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。苗期基于信息融合所建立的PLS模型验证集R^2为0.881,其RMSE为0.015kg;中后期基于信息融合所建立的PLS模型验证集R^2为0.791,RMSE为0.059kg。由此可见,相比单一的光谱模型和图像模型,图像信息和光谱信息融合之后,充分提高了光谱信息和图像信息的利用率,使模型的精度得以提高。
郑玲朱大洲董大明张保华王成赵春江
关键词：偏最小二乘回归冠层光谱机器视觉冬小麦生物量
教学及考试中的C语言程序题智能评分算法
2021年
为有效提高C语言中间表达式解读程序信息的能力,在结合C语言自身语言特点的基础上,引入流程控制图(Flow Control Graph,FCG)匹配自动评分方法,该方法能够根据C语言的特点,计算学生答案与参考答案之间的相似度,给出评分。引入最近邻(Flow Control-KNN,FC-KNN)算法来对FCG算法进行模板脱敏,在FCG的基础上,运用k临近算法根据提取的特征对程序进行评分。实验结果证明,FCG和FC-KNN算法在独立运行时分别具有91.5%和92.3%的平均准确率,而经过融合后,算法之间实现了优势互补,准确率提升到94.0%,在独立运行的情况下,FC-KNN算法的评分效果较FCG好,准确性更高,对两种算法进行数据融合、优势互补,验证了集成后的分类模型在评分的整个过程中,均能够达到良好的分类效果,具有较高的准确率。
郑玲
关键词：最近邻算法
基于近红外高光谱成像及信息融合的小麦品种分类研究被引量：11
2015年
高光谱成像技术因具有图谱合一的特点在作物品种鉴别方面具有较大潜力,但目前研究大多只提取利用了光谱信息,对图像信息没有进行有效利用。本文利用近红外高光谱成像仪采集了强筋、中筋、弱筋3个类型共计6个品种的单粒小麦种子高光谱图像,提取了长、宽、矩形度、圆形度、离心率等12个形态特征,并对图像中的胚乳和胚区域进行分割建立掩膜,提取了胚乳和胚区域的平均光谱信息。采用PLSDA和LSSVM方法建立基于图像信息的判别模型,结果表明强筋、弱筋两者二分类的识别率能达到98%以上,强筋、中筋两者二分类的识别率只能达到74.22%,说明近红外高光谱图像的形态信息能够反映品种间差异,但单独利用图像信息进行分类时准确度可能欠佳。采用SIMCA,PLSDA和LSSVM方法建立了胚乳和胚区域光谱信息的多分类模型,胚乳区域的分类效果较胚区域略好,说明籽粒不同部位的形状差异会影响分类效果。进一步融合光谱信息和图像信息,采用SIMCA,PLSDA和LSSVM方法建立融合模型,识别率较单独的图像或光谱信息模型均略有提升,PLSDA方法从原来的96.67%提升到98.89%,表明充分挖掘高光谱图像所包含的形态特征和光谱特征可有效提高分类效果。
董高郭建王成陈子龙郑玲朱大洲
关键词：高光谱成像小麦单粒种子信息融合
全选 清除 导出
共1页<1>
聚类工具0