检索结果-维普期刊中文期刊服务平台

基于叶绿素荧光图像的辣椒叶片氮含量的预测被引量：6: 1; 作者杨一璐汪小旵 +2 位作者李成光赵博白如月《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2017年第1期108-111,共4页; 提取辣椒叶片的25个叶绿素荧光图像的特征参数,其中18个特征参数与氮含量呈极显著相关(P<0.01)。用主成分分析法(PCA)提取主要特征参数,将其结果作为遗传算法优化的反向传播人工神经网络(BPNN)、广义回归神经网络(GRNN)和多元线性回... 展开更多; 关键词辣椒叶片氮含量叶绿素荧光图像数字图像处理技术; 在线阅读下载PDF 职称材料

氮素胁迫对生菜叶片叶绿素荧光图像参数的影响被引量：1: 2; 作者孙俊宋彩惠 +2 位作者毛罕平金夏明朱燕《湖北农业科学》北大核心 2014年第2期366-368,共3页; 为验证合理施氮对蔬菜生长的重要性,探讨了不同氮素胁迫对生菜叶片叶绿素荧光动力学参数的影响。本试验利用无土栽培法培植意大利全年耐抽抗热生菜(Lactuca sativa),在出苗后25 d时,分别对生菜施加4种氮素水平的营养液:①重度氮胁迫(N1... 展开更多; 关键词氮素胁迫生菜(Lactuca sativa)叶片叶绿素荧光图像参数; 在线阅读下载PDF 职称材料

基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶片患病等级检测方法: 3; 作者李洁高尚兵 +7 位作者余骥远张浩淼陈新李士丛蒋东山袁星星刘金洋梁文香《江苏农业科学》北大核心 2025年第5期184-195,共12页; 叶绿素能够准确反映作物疾病进程和等级,通过监测叶绿素能够帮助人们快速评估作物病情;构建精准高效的绿豆叶斑病检测模型对于准确筛选抗病品种和定位抗病基因具有重要意义。针对不同患病等级叶片的病斑大小不一、特征不明显的病斑容易... 展开更多; 关键词绿豆叶斑病检测阶梯式空间金字塔池化坐标注意力机制 EIoU 叶绿素荧光图像; 在线阅读下载PDF 职称材料

基于高光谱图像的叶绿素荧光Fv/Fm图像预测方法被引量：6: 4; 作者王东沈楷程 +1 位作者范叶满龙博伟《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期192-198,共7页; 叶绿素荧光参数Fv/Fm在植物逆境胁迫研究中具有重要意义,当前获取方法需要对植物进行暗适应处理,难以实现实时测量。为实现Fv/Fm的实时获取,本文以4种水分胁迫水平下的辣椒为研究对象,基于高光谱成像及特征波段筛选方法对Fv/Fm进行预测... 展开更多; 关键词叶绿素荧光图像高光谱图像特征波长神经网络辣椒; 在线阅读下载PDF 职称材料

基于PMMS-Net和叶绿素荧光成像的绿豆叶斑病抗性鉴定方法: 5; 作者李洁高尚兵 +3 位作者余骥远陈新李士丛袁星星《中国农机化学报》北大核心 2024年第8期210-216,共7页; 考虑到相近发病指数的绿豆叶片病斑区域特征区分不明显,在检测类似大小的病斑时,使用固定尺度的卷积核检测效果不是很好,故设计一种并行多分支多尺度卷积神经网络(PMMS-Net)模型。该模型先使用并行多分支多尺度特征融合模块获取丰富的... 展开更多; 关键词绿豆叶斑病抗性鉴定叶绿素荧光图像坐标注意力机制深度可分离卷积; 在线阅读下载PDF 职称材料

基于CNN和Transformer的绿豆干旱胁迫识别模型: 6; 作者蒋东山刘金洋 +7 位作者张浩淼李士丛罗仔秋余骥远李洁陈新袁星星高尚兵《江苏农业学报》北大核心 2025年第1期87-100,共14页; 为了解决传统绿豆干旱胁迫识别方法存在识别率低、时效性差的问题,本研究建立了基于卷积神经网络(CNN)和转换器(Transformer)的绿豆干旱胁迫识别模型Mungbean-droughtNet。该模型采用双分支结构,利用全局特征提取模块(GFEM)分支和局部... 展开更多; 关键词绿豆干旱胁迫卷积神经网络转换器图像识别叶绿素荧光图像; 在线阅读下载PDF 职称材料

题名基于叶绿素荧光图像的辣椒叶片氮含量的预测被引量：6: 1; 作者杨一璐汪小旵李成光赵博白如月; 机构南京农业大学工学院; 出处《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2017年第1期108-111,共4页; 基金国家自然科学基金项目(61273227) 江苏省青年基金项目(BK20150686) 江苏省科学技术厅项目(BN2013051); 文摘提取辣椒叶片的25个叶绿素荧光图像的特征参数,其中18个特征参数与氮含量呈极显著相关(P<0.01)。用主成分分析法(PCA)提取主要特征参数,将其结果作为遗传算法优化的反向传播人工神经网络(BPNN)、广义回归神经网络(GRNN)和多元线性回归(MLR)模型的输入变量,分别建立辣椒叶片氮含量的预测模型,建模集的相关系数分别为0.959 2、0.963 3、0.943 5,预测集的相关系数分别为0.914 5、0.821 3、0.774 1。; 关键词辣椒叶片氮含量叶绿素荧光图像数字图像处理技术; Keywords pepper leaf nitrogen content chlorophyll fluorescence image digital image processing technology; 分类号 TP274.5 [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

题名氮素胁迫对生菜叶片叶绿素荧光图像参数的影响被引量：1: 2; 作者孙俊宋彩惠毛罕平金夏明朱燕; 机构江苏大学电气信息工程学院江苏大学现代农业装备与技术重点实验室; 出处《湖北农业科学》北大核心 2014年第2期366-368,共3页; 基金国家自然科学基金资助项目(31101082 61075036) 江苏高校优势学科建设工程资助项目(苏政办发2011 6号); 文摘为验证合理施氮对蔬菜生长的重要性,探讨了不同氮素胁迫对生菜叶片叶绿素荧光动力学参数的影响。本试验利用无土栽培法培植意大利全年耐抽抗热生菜(Lactuca sativa),在出苗后25 d时,分别对生菜施加4种氮素水平的营养液:①重度氮胁迫(N1)纯氮14 mg/L;②轻度氮胁迫(N2)纯氮42 mg/L;③推荐供氮(N3)纯氮56 mg/L;④过量供氮(N4)纯氮84 mg/L。每5 d测量一次各组生菜叶片的叶绿素荧光图像,绘制相应的荧光参数变化曲线,研究各氮素浓度下生菜的叶绿素动态荧光参数变化规律。结果表明,氮素对最大光量子产量(Fv/Fm)影响较小,随着生育期的推移,各氮素水平下Fv/Fm参数均表现不同程度上升;过高或过低供氮时叶片实际光合效率[Y(Ⅱ)]呈现M形的波动变化,适量供氮时Y(Ⅱ)保持较高的稳定水平;氮素过高或过低时都将影响生菜的光能利用率,适量供氮下,叶片非光化学淬灭系数(qN)在整个生育期都处于稳定的较低水平。; 关键词氮素胁迫生菜(Lactuca sativa)叶片叶绿素荧光图像参数; Keywords nitrogen stress Lactuca sativa leaf Chlorophyll Fluorescence image parameters; 分类号 S513 [农业科学—作物学]; 在线阅读下载PDF 职称材料

题名基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶片患病等级检测方法: 3; 作者李洁高尚兵余骥远张浩淼陈新李士丛蒋东山袁星星刘金洋梁文香; 机构淮阴工学院江苏省农业科学院经济作物研究所; 出处《江苏农业科学》北大核心 2025年第5期184-195,共12页; 基金国家食用豆产业技术体系岗位科学家项目(编号:CARS-09-G13) 江苏省种业“揭榜挂帅”项目(编号:JBGS〔2021〕004) 江苏省研究生科研与实践创新计划(编号:SJCX23_1859)。; 文摘叶绿素能够准确反映作物疾病进程和等级,通过监测叶绿素能够帮助人们快速评估作物病情;构建精准高效的绿豆叶斑病检测模型对于准确筛选抗病品种和定位抗病基因具有重要意义。针对不同患病等级叶片的病斑大小不一、特征不明显的病斑容易被忽略等问题,本研究提出一种基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶斑病检测方法。首先设计了阶梯式空间金字塔池化模块,通过多层次特征提取和融合提高了网络学习能力,可以解决特征不明显的病斑易被忽略的问题;其次引入了坐标注意力机制模块,通过分析全局特征图来识别病变区域的关键特征,并据此调整局部特征响应的权重,实现对病变区域的聚焦和对关键特征的选择性增强;最后引入边界框定位损失函数Focal-EIoU Loss,更有效地指导模型学习更准确的边界框位置,提高检测精度。试验数据集由绿豆叶斑病的叶绿素荧光图像构成,其中包含5种抗性类型的绿豆叶斑病图像。本研究提出的YOLO v7-DLM模型在自建数据集上的识别精度和全类平均正确率分别达到65.3%、73.2%,比原YOLO v7模型分别提高了4.5、6.0百分点。该方法可以有效地检测和识别叶片的患病等级,提高检测的鲁棒性,提升模型对特征不明显病斑的提取能力,具有良好的应用前景,对进一步开展绿豆抗病育种工作具有重要意义。; 关键词绿豆叶斑病检测阶梯式空间金字塔池化坐标注意力机制 EIoU 叶绿素荧光图像; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于高光谱图像的叶绿素荧光Fv/Fm图像预测方法被引量：6: 4; 作者王东沈楷程范叶满龙博伟; 机构西北农林科技大学机械与电子工程学院农业农村部农业物联网重点实验室; 出处《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期192-198,共7页; 基金国家自然科学基金项目(31701326) 陕西省重点研发计划项目(2020NY117) 西安市科技计划项目(20NYYF0052)。; 文摘叶绿素荧光参数Fv/Fm在植物逆境胁迫研究中具有重要意义,当前获取方法需要对植物进行暗适应处理,难以实现实时测量。为实现Fv/Fm的实时获取,本文以4种水分胁迫水平下的辣椒为研究对象,基于高光谱成像及特征波段筛选方法对Fv/Fm进行预测。采用中值滤波对Fv/Fm图像去噪,并基于二维坐标变换实现高光谱图像与叶绿素荧光图像的匹配。对比标准正态变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积平滑(SG)3种光谱预处理算法,并基于连续投影(SPA)算法筛选特征波长。基于效果最优的SG预处理算法,分别以偏最小二乘回归(PLSR)、分析误差反向传播(BP)神经网络、径向基函数(RBF)神经网络对比建模精度,其中BP算法建立的模型精度相对较高,其测试集决定系数为0.918、均方根误差为0.011。研究表明,SG-SPA-BP的建模方法在实现预测精度的同时降低了模型复杂度,为基于高光谱图像对Fv/Fm图像的实时准确预测提供了方法。; 关键词叶绿素荧光图像高光谱图像特征波长神经网络辣椒; Keywords chlorophyll fluorescence image hyperspectral image characteristic wavelength neural network pepper; 分类号 S24 [农业科学—农业电气化与自动化]; 在线阅读下载PDF 职称材料

题名基于PMMS-Net和叶绿素荧光成像的绿豆叶斑病抗性鉴定方法: 5; 作者李洁高尚兵余骥远陈新李士丛袁星星; 机构淮阴工学院计算机与软件工程学院江苏省农业科学院经济作物研究所; 出处《中国农机化学报》北大核心 2024年第8期210-216,共7页; 基金科技部重点研发政府间国际合作项目(2019YFE0109100) 江苏省一带一路国际合作项目(BZ2022005) +3 种基金江苏省研究生科研与实践创新计划项目(SJCX_231859)。; 文摘考虑到相近发病指数的绿豆叶片病斑区域特征区分不明显,在检测类似大小的病斑时,使用固定尺度的卷积核检测效果不是很好,故设计一种并行多分支多尺度卷积神经网络(PMMS-Net)模型。该模型先使用并行多分支多尺度特征融合模块获取丰富的病斑特征;然后采用坐标注意力机制,使模型能更好地定位到病变区域,实现对感兴趣区域的选择性强调;最后使用特征充分提取模块,将深度可分离卷积与普通卷积结合,实现对特征的充分提取,进一步优化特征提取效果。试验数据集由绿豆叶斑病的叶绿素荧光图像构成,其中包含五种抗性类型的绿豆叶斑病图像。结果表明,本文提出的方法在试验数据集上训练迭代1000次,所耗费时间仅比AlexNet多0.8倍,验证准确率却比AlexNet高出18.9%,本模型在该数据集上的验证准确率为87.8%,平均特异度为96.92%,参数内存仅为0.54 MB。本文提出的方法有利于将该模型部署在移动终端等资源受限的嵌入式设备上,为绿豆叶斑病的抗性鉴定提供一种新方法。; 关键词绿豆叶斑病抗性鉴定叶绿素荧光图像坐标注意力机制深度可分离卷积; Keywords mung bean leaf spot disease resistance identification chlorophyll fluorescence image coordinate attention mechanism depth separable convolution; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] S435.22 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于CNN和Transformer的绿豆干旱胁迫识别模型: 6; 作者蒋东山刘金洋张浩淼李士丛罗仔秋余骥远李洁陈新袁星星高尚兵; 机构淮阴工学院计算机与软件工程学院江苏省农业科学院经济作物研究所; 出处《江苏农业学报》北大核心 2025年第1期87-100,共14页; 基金国家食用豆产业技术体系岗位科学家项目(CARS-09-G13) 江苏省种业揭榜挂帅项目[JBGS(2021)004] 江苏省研究生实践创新计划项目(SJCX24_2146)。; 文摘为了解决传统绿豆干旱胁迫识别方法存在识别率低、时效性差的问题,本研究建立了基于卷积神经网络(CNN)和转换器(Transformer)的绿豆干旱胁迫识别模型Mungbean-droughtNet。该模型采用双分支结构,利用全局特征提取模块(GFEM)分支和局部特征提取模块(LFEM)分支分别从输入图像提取局部特征和全局特征。最后利用多层感知器(MLP)模块将局部特征和全局特征进行融合,实现分类。在实际数据分析中,共采集14536张干旱胁迫下的绿豆叶绿素荧光图像,分为HR、R、MR、S、HS和对照6类。利用Mungbean-droughtNet模型对叶绿素荧光图像数据集进行分析,结果表明,Mungbean-droughtNet模型对测试集中叶绿素荧光图像的平均识别准确率为95.57%,平均精度为98.18%,平均召回率为98.40%,平均F1分数为98.28%。和目前先进模型EfficientNetV2和Swin Transformer相比,Mungbean-droughtNet模型准确率分别提高了3.56个百分点和2.62个百分点,表现出更强的鲁棒性和更好的识别效果。本研究结果为绿豆干旱胁迫研究和耐旱基因挖掘提供了基础。; 关键词绿豆干旱胁迫卷积神经网络转换器图像识别叶绿素荧光图像; Keywords mung bean drought stress convolutional neural network transformer image recognition chlorophyll fluorescence image; 分类号 S522 [农业科学—作物学]; 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	基于叶绿素荧光图像的辣椒叶片氮含量的预测	杨一璐汪小旵李成光赵博白如月	《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心	2017	6	在线阅读下载PDF 职称材料
2	氮素胁迫对生菜叶片叶绿素荧光图像参数的影响	孙俊宋彩惠毛罕平金夏明朱燕	《湖北农业科学》北大核心	2014	1	在线阅读下载PDF 职称材料
3	基于叶绿素荧光成像及YOLO v7-DLM的绿豆叶片患病等级检测方法	李洁高尚兵余骥远张浩淼陈新李士丛蒋东山袁星星刘金洋梁文香	《江苏农业科学》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于高光谱图像的叶绿素荧光Fv/Fm图像预测方法	王东沈楷程范叶满龙博伟	《农业机械学报》 EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
5	基于PMMS-Net和叶绿素荧光成像的绿豆叶斑病抗性鉴定方法	李洁高尚兵余骥远陈新李士丛袁星星	《中国农机化学报》北大核心	2024	0	在线阅读下载PDF 职称材料
6	基于CNN和Transformer的绿豆干旱胁迫识别模型	蒋东山刘金洋张浩淼李士丛罗仔秋余骥远李洁陈新袁星星高尚兵	《江苏农业学报》北大核心	2025	0	在线阅读下载PDF 职称材料