期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
无人机观测时间对玉米冠层叶绿素密度估算的影响
1
作者
周丽丽
冯海宽
+8 位作者
聂臣巍
许晓斌
刘媛
孟麟
薛贝贝
明博
梁齐云
苏涛
金秀良
《浙江农业学报》
CSCD
北大核心
2024年第1期18-31,共14页
为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00—13:59和14:00—14:59进...
为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00—13:59和14:00—14:59进行无人机多光谱观测试验,并结合PROSAIL模型模拟结果与实测CCD数据,分析一天中不同时刻典型植被指数的变化规律及CCD估算结果的差异。结果表明:在同一天中,无人机玉米冠层反射率和与实测CCD相关性较好的植被指数值均随时间变化,近红外波段的反射率变化最明显,越接近12:00,实测的植被指数值越低,而在一天的不同时间PROSAIL模型模拟的植被指数值几乎没有差异。在同一天,基于不同观测时间获取的同一植被指数与实测CCD的相关性存在较大差异,且不同生育时期和不同指数间的差异不一致;而模拟得到的同一植被指数与CCD的相关性在同一天不同时间的差异不明显。在不同生育时期,基于不同观测时间无人机数据构建的CCD估算模型均可以取得较好的精度,但不同观测时间的估算结果存在差异,决定系数最低的为0.53,最高的为0.80。这些结果表明,在传统的光谱数据获取时间范围内(10:00—14:00),无人机影像获取时间仍对玉米CCD估算有影响,越接近12:00,估算精度越高。研究结果可为后续作物的CCD精准估算提供基础支撑。
展开更多
关键词
冠层叶绿素密度
观测时间
机器学习
PROSAIL模型
玉米
在线阅读
下载PDF
职称材料
基于贝叶斯网络的小麦条锈病预测研究
被引量：
3
2
作者
聂臣巍
《安徽农业科学》
CAS
2014年第16期5027-5030,共4页
[目的]在地理信息系统GIS的平台上,将不确定性推理方法——贝叶斯网络引入病害预测,基于关键气象因子（温度、降水、湿度、日照）构建一个用于预测小麦条锈病发生概率的贝叶斯网络模型.[方法]采用预测日前7d的气象数据预测自预测日起7d...
[目的]在地理信息系统GIS的平台上,将不确定性推理方法——贝叶斯网络引入病害预测,基于关键气象因子（温度、降水、湿度、日照）构建一个用于预测小麦条锈病发生概率的贝叶斯网络模型.[方法]采用预测日前7d的气象数据预测自预测日起7d内的条锈病发病概率,并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010 ～ 2012年病害发生情况进行预测.[结果]模型在返青期至乳熟期输出的病害发生概率与实际调查结果吻合度分别为62.92％、63.18％、79.48％、94.75％,能够较客观地反映病害发生的时间规律和空间分布特点.[结论]该研究表明将贝叶斯网络和GIS分析结合在较大的空间范围内利用关键气象因子进行小麦条锈病短期预测是一种可行的途径.
展开更多
关键词
小麦条锈病
气象因子
贝叶斯网络
预测模型
在线阅读
下载PDF
职称材料
基于深度学习方法和RGB影像的玉米雄穗分割
被引量：
1
3
作者
余汛
王哲
+4 位作者
景海涛
金秀良
聂臣巍
白怡
王铮
《浙江大学学报（农业与生命科学版）》
CAS
CSCD
北大核心
2021年第4期451-463,共13页
为检验深度学习方法对不同品种玉米雄穗在不同生育时期的分割精度和稳定性,利用2019年7月—9月于河南省新乡市中国农业科学院试验基地内采集的RGB影像,通过构建以轻量级网络为特征提取层的PspNet、DeepLab V3+、SegNet和U-Net 4种模型,...
为检验深度学习方法对不同品种玉米雄穗在不同生育时期的分割精度和稳定性,利用2019年7月—9月于河南省新乡市中国农业科学院试验基地内采集的RGB影像,通过构建以轻量级网络为特征提取层的PspNet、DeepLab V3+、SegNet和U-Net 4种模型,比较不同模型对玉米雄穗分割精度的差异。结果显示:U-Net模型对不同生育时期玉米品种的雄穗分割精度最高(m IoU=0.780)。该模型在玉米雄穗不同生长阶段的分割精度总体上较好(mIoU=0.703~0.798),其中在完全抽雄期的分割精度最高(mIoU=0.798);U-Net模型对不同玉米品种的雄穗分割精度差异明显,但对所有玉米品种雄穗的平均分割精度较高(mIoU=0.749),其中对郑单958(ZD958)的分割精度最高(m IoU=0.814)。表明U-Net模型对玉米雄穗分割具有较好的普适性与鲁棒性,为今后玉米表型试验中对雄穗的监测提供了一种有效的方法。
展开更多
关键词
RGB影像
深度学习
特征提取层
玉米雄穗
分割
在线阅读
下载PDF
职称材料
题名
无人机观测时间对玉米冠层叶绿素密度估算的影响
1
作者
周丽丽
冯海宽
聂臣巍
许晓斌
刘媛
孟麟
薛贝贝
明博
梁齐云
苏涛
金秀良
机构
安徽理工大学空间信息与测绘工程学院
中国农业科学院作物科学研究所
中国农业科学院国家南繁研究院
国家农业信息化工程技术研究中心
武汉大学测绘与遥感信息工程国家重点实验室
出处
《浙江农业学报》
CSCD
北大核心
2024年第1期18-31,共14页
基金
国家自然科学基金(42071426,51922072,51779161,51009101)
“十四五”国家重点研发计划(2021YFD1201602)
+5 种基金
中国农业科学院中央公益事业单位基础研究基金(Y2020YJ07,Y2022XK22)
中国农业科学院科技创新工程—海南省崖州湾种子实验室(JBGS+B21HJ0221)
中国农业科学院南繁研究院南繁专项(YJTC01,YBXM01)
水资源与水电工程科学国家重点实验室开放研究基金(2021NSG01)
新疆农业科学院科技创新重点培育专项(xjkcpy-2020003)
江苏省农业科技自主创新资金[CX(21)3065]。
文摘
为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00—13:59和14:00—14:59进行无人机多光谱观测试验,并结合PROSAIL模型模拟结果与实测CCD数据,分析一天中不同时刻典型植被指数的变化规律及CCD估算结果的差异。结果表明:在同一天中,无人机玉米冠层反射率和与实测CCD相关性较好的植被指数值均随时间变化,近红外波段的反射率变化最明显,越接近12:00,实测的植被指数值越低,而在一天的不同时间PROSAIL模型模拟的植被指数值几乎没有差异。在同一天,基于不同观测时间获取的同一植被指数与实测CCD的相关性存在较大差异,且不同生育时期和不同指数间的差异不一致;而模拟得到的同一植被指数与CCD的相关性在同一天不同时间的差异不明显。在不同生育时期,基于不同观测时间无人机数据构建的CCD估算模型均可以取得较好的精度,但不同观测时间的估算结果存在差异,决定系数最低的为0.53,最高的为0.80。这些结果表明,在传统的光谱数据获取时间范围内(10:00—14:00),无人机影像获取时间仍对玉米CCD估算有影响,越接近12:00,估算精度越高。研究结果可为后续作物的CCD精准估算提供基础支撑。
关键词
冠层叶绿素密度
观测时间
机器学习
PROSAIL模型
玉米
Keywords
canopy chlorophyll density
observation time
machine learning
PROSAIL model
maize
分类号
S127 [农业科学—农业基础科学]
TP72 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于贝叶斯网络的小麦条锈病预测研究
被引量：
3
2
作者
聂臣巍
机构
三峡大学计算机与信息学院
国家农业信息化工程技术研究中心与农业部农业信息技术重点实验室
出处
《安徽农业科学》
CAS
2014年第16期5027-5030,共4页
文摘
[目的]在地理信息系统GIS的平台上,将不确定性推理方法——贝叶斯网络引入病害预测,基于关键气象因子（温度、降水、湿度、日照）构建一个用于预测小麦条锈病发生概率的贝叶斯网络模型.[方法]采用预测日前7d的气象数据预测自预测日起7d内的条锈病发病概率,并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010 ～ 2012年病害发生情况进行预测.[结果]模型在返青期至乳熟期输出的病害发生概率与实际调查结果吻合度分别为62.92％、63.18％、79.48％、94.75％,能够较客观地反映病害发生的时间规律和空间分布特点.[结论]该研究表明将贝叶斯网络和GIS分析结合在较大的空间范围内利用关键气象因子进行小麦条锈病短期预测是一种可行的途径.
关键词
小麦条锈病
气象因子
贝叶斯网络
预测模型
Keywords
Wheat stripe rust
Meteorological factor
Bayesian network
Prediction model
分类号
S126 [农业科学—农业基础科学]
在线阅读
下载PDF
职称材料
题名
基于深度学习方法和RGB影像的玉米雄穗分割
被引量：
1
3
作者
余汛
王哲
景海涛
金秀良
聂臣巍
白怡
王铮
机构
河南理工大学测绘与国土信息工程学院
中国农业科学院作物科学研究所
成都理工大学能源学院
出处
《浙江大学学报（农业与生命科学版）》
CAS
CSCD
北大核心
2021年第4期451-463,共13页
基金
国家自然科学基金面上项目(42071426)
中国农业科学院基本科研业务费专项院级统筹项目(Y2020YJ07)
中国农业科学院科技创新工程和基本科研业务费专项(ICS2020YJ01BX)。
文摘
为检验深度学习方法对不同品种玉米雄穗在不同生育时期的分割精度和稳定性,利用2019年7月—9月于河南省新乡市中国农业科学院试验基地内采集的RGB影像,通过构建以轻量级网络为特征提取层的PspNet、DeepLab V3+、SegNet和U-Net 4种模型,比较不同模型对玉米雄穗分割精度的差异。结果显示:U-Net模型对不同生育时期玉米品种的雄穗分割精度最高(m IoU=0.780)。该模型在玉米雄穗不同生长阶段的分割精度总体上较好(mIoU=0.703~0.798),其中在完全抽雄期的分割精度最高(mIoU=0.798);U-Net模型对不同玉米品种的雄穗分割精度差异明显,但对所有玉米品种雄穗的平均分割精度较高(mIoU=0.749),其中对郑单958(ZD958)的分割精度最高(m IoU=0.814)。表明U-Net模型对玉米雄穗分割具有较好的普适性与鲁棒性,为今后玉米表型试验中对雄穗的监测提供了一种有效的方法。
关键词
RGB影像
深度学习
特征提取层
玉米雄穗
分割
Keywords
RGB image
deep learning
feature extraction layer
maize tassel
segmentation
分类号
TP75 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
无人机观测时间对玉米冠层叶绿素密度估算的影响
周丽丽
冯海宽
聂臣巍
许晓斌
刘媛
孟麟
薛贝贝
明博
梁齐云
苏涛
金秀良
《浙江农业学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于贝叶斯网络的小麦条锈病预测研究
聂臣巍
《安徽农业科学》
CAS
2014
3
在线阅读
下载PDF
职称材料
3
基于深度学习方法和RGB影像的玉米雄穗分割
余汛
王哲
景海涛
金秀良
聂臣巍
白怡
王铮
《浙江大学学报（农业与生命科学版）》
CAS
CSCD
北大核心
2021
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
