-
题名基于图像特征的水稻叶片全氮含量估测模型研究
被引量：6
- 1
-
-
作者
杨红云
罗建军
孙爱珍
万颖
易文龙
-
机构
江西农业大学软件学院/江西省高等学校农业信息技术重点实验室
江西农业大学计算机与信息工程学院
-
出处
《浙江农业学报》
CSCD
北大核心
2020年第12期2232-2243,共12页
-
基金
国家自然科学基金(61562039,61762048,61862032)。
-
文摘
探究水稻叶片生长外部颜色、几何形态特征与其全含氮量之间的定量描述关系,可以快速且准确地诊断水稻氮素营养状况。研究筛选了全氮含量估测敏感叶位,并比较了基于多元线性回归和机器学习方法的水稻敏感叶位全氮含量估测模型,为构建高性能的氮素营养定量诊断模型提供思路和方法。水稻田间试验于2017—2018年在江西省南昌市成新农场进行,供试水稻品种为两优培九,设置4个施氮水平(施氮水平从低到高为0、210、300和390 kg·hm^-2)。在水稻幼穗分化期和齐穗期,分别扫描获取水稻顶部第一完全展开叶叶片(顶1叶)、顶部第二完全展开叶叶片(顶2叶)以及顶部第三完全展开叶叶片(顶3叶)图像,共4800张图像。通过图像处理技术获取25项水稻扫描叶颜色和几何形态特征,采用多元线性回归进行全氮含量估测,筛选出两个时期的敏感叶位,并应用机器学习方法建立水稻敏感叶位的全氮含量估测模型。与人工测量相比,通过图像处理方法获取的水稻叶片长宽平均相对误差分别为0.328%、3.404%;幼穗分化期顶3叶和齐穗期顶2叶较其他同期叶位更为敏感,且以幼穗分化期顶3叶最为敏感;应用机器学习建立的水稻敏感叶位全氮含量估测模型略优于多元线性回归模型,且采用BP神经网络建模最佳,幼穗分化期顶3叶模型验证集的RMSEv=0.089、MREv=0.034、R^2v=0.887,齐穗期顶2叶模型验证集的RMSEv=0.132、MREv=0.046、R^2v=0.820。幼穗分化期顶3叶和齐穗期顶2叶的叶片图像特征最具有代表性,进行全氮含量估测更具可行性,可作为水稻氮素营养诊断的有效叶位。
-
关键词
水稻
叶片全氮含量
多元线性回归
机器学习
支持向量机
BP神经网络
-
Keywords
rice
leaf total nitrogen content
multiple linear regression
machine learning
support vector machine
BP neural network
-
分类号
S126
[农业科学—农业基础科学]
-
-
题名医学生职业道德培养的探讨
被引量：4
- 2
-
-
作者
易文龙
-
机构
武汉科技大学临床学院
-
出处
《中国卫生产业》
2011年第2期119-120,共2页
-
文摘
在当前高校医学教育的全过程中,职业道德的教育,尤其是在医学教育的后期应始终做到医德教育与专业教育并重,培养具有良好医德的学生,以适应社会需求的变化。随着社会医疗卫生服务需求的日趋多元化,职业道德素质已成为医疗机构核心竞争力的构成要素之一。
-
关键词
医学生
医德教育
职业道德
-
分类号
R4
[医药卫生—临床医学]
-
-
题名基于压缩感知的农作物病虫害图像重构
- 3
-
-
作者
华晶
易文龙
何火娇
-
机构
江西农业大学软件学院
南昌大学机电工程学院
江西省高等学校农业信息技术重点实验室
-
出处
《农机化研究》
北大核心
2015年第10期72-75,共4页
-
基金
国家自然科学基金项目(61363041)
江西省教育厅青年基金项目(GJJ11090)
-
文摘
针对农业病虫害远程诊断系统中对农作物病虫害图像重构精度要求高的问题,提出基于压缩感知的病虫害图像重构方法。利用压缩感知方法,在传感器数据采集端使用测量矩阵对病虫害图像信号进行观测,测量值通过网络被传输至远程监控端后,再使用正交匹配追踪算法对图像进行重构。为了验证提出的重构方法的有效性,在不同的采样数量下,对病虫害图像的重构进行了仿真。结果表明,该方法能高质量地重构病虫害图像。
-
关键词
病虫害图像
重构
压缩感知
正交匹配追踪
-
Keywords
diseases and insect pests image
reconstruction
compressive sensing
orthogonal matching pursuit
-
分类号
S43
[农业科学—农业昆虫与害虫防治]
TP919
[自动化与计算机技术]
-
