检索结果-维普期刊中文期刊服务平台

基于可见/近红外反射光谱的稻米品种与真伪鉴别被引量：27: 1; 作者梁亮刘志霄 +2 位作者杨敏华张佑祥汪承华《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2009年第5期353-356,391,共5页; 利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec3地物光谱仪采集了5种稻米的光谱数据,各获取35个样本,随机分成训练集(150份)和检验集(25份),并分别采取全波段与特征波段(400～500nm、910～1400nm与1940～2300nm)... 展开更多; 关键词可见/近红外光谱稻米主成分分析 BP-人工神经网络鉴别; 在线阅读下载PDF 职称材料

基于BP神经网络的稻瘟病预测技术研究被引量：6: 2; 作者李晓菲刘振华 +2 位作者陈涛王园媛王云月《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2013年第4期551-560,共10页; 利用BP神经网络技术,以云南省的勐海和石屏作为试验点,选取稻瘟病发生相关气象因子及田间叶瘟病情指数开展稻瘟病的预测预报研究。采用Trainlm与Traingdx训练函数讨论了隐节点数及学习率取值并建立了相应的预测模型。勐海两个预测模型1... 展开更多; 关键词稻瘟病预测模型 BP神经网络; 在线阅读下载PDF 职称材料

基于对流参数的雷暴潜势预报方法对比分析被引量：6: 3; 作者柴瑞王振会 +1 位作者张其林冯民学《安徽农业科学》 CAS 北大核心 2009年第8期3638-3640,3701,共4页; 以南京站为中心、50km半径范围内的闪电定位资料为依据区分南京的雷暴与非雷暴，将2006～2008年6～8月的552个对流参数样本分别利用逐步选择法、逐步回归法和相关分析法进行因子筛选，将筛选出的与雷暴有密切关系的对流参数作为预报因... 展开更多; 关键词对流参数 bayes判别分析 Logistic回归判别神经网络; 在线阅读下载PDF 职称材料

基于概率神经网络的水稻穗颈瘟高光谱遥感识别初步研究被引量：7: 4; 作者李波刘占宇 +3 位作者武洪峰徐新刚孙安利黄敬峰《科技通报》北大核心 2009年第6期811-815,共5页; 穗颈瘟的发生会导致稻米产量降低和品质下降,对穗颈部发生侵染但并未引起倒伏的水稻(D)、穗颈部侵染严重已发生倒伏的水稻(L)和正常水稻(H)进行准确地识别和区分是采取病虫害防治措施和灾害评估的基础。本研究选用水稻黄熟期田间冠层测... 展开更多; 关键词水稻穗颈瘟高光谱遥感概率神经网络; 在线阅读下载PDF 职称材料

四川省稻瘟病发病率及其等级预报初探被引量：5: 5; 作者胡毅向卫国 +4 位作者赵纯波梁岱云毛建辉何明何忠全《成都气象学院学报》 1994年第4期60-67,共8页; 利用四川省稻瘟病发病率和气象资料，通过统计分析找出了影响稻瘟病的主要气象因子，并建立了稻瘟病发病牢及其等级预报模式。; 关键词稻瘟病贝叶期断别法神经网络预报发病率; 在线阅读下载PDF 职称材料

自制电子鼻检测霉变大米被引量：7: 6; 作者李超周博《食品工业科技》 CAS 北大核心 2021年第12期218-224,共7页; 为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统。通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析(PCA)、... 展开更多; 关键词电子鼻霉变大米主成分分析线性判别分析 BP神经网络; 在线阅读下载PDF 职称材料

基于大米特征矿物元素产地鉴别建模方法比较研究被引量：1: 7; 作者陈明明符丽雪 +2 位作者李殿威左锋钱丽丽《中国粮油学报》 CAS CSCD 北大核心 2022年第11期253-260,共8页; 基于前期实验筛选到的与产地和母质土壤直接相关的23种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3年随机采集的五常、查哈阳和建三江地理保护区274份样本作为建模对象,以模型的判别... 展开更多; 关键词大米产地鉴别矿物元素神经网络判别模型; 在线阅读下载PDF 职称材料

题名基于可见/近红外反射光谱的稻米品种与真伪鉴别被引量：27: 1; 作者梁亮刘志霄杨敏华张佑祥汪承华; 机构中南大学信息物理工程学院吉首大学生物资源与环境科学学院中南林业科技大学林业遥感信息工程研究中心; 出处《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2009年第5期353-356,391,共5页; 基金国家自然科学基金项目(30570279) 中南林业科技大学林业遥感信息工程研究中心开放性研究基金项目(RS2008k03) +2 种基金优秀博士论文扶持项目资助(2008yb024); 文摘利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec3地物光谱仪采集了5种稻米的光谱数据,各获取35个样本,随机分成训练集(150份)和检验集(25份),并分别采取全波段与特征波段(400～500nm、910～1400nm与1940～2300nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,稻米品种作为输出变量,建立3层BP-ANN鉴别模型.利用25个未知样对模型进行检验,结果表明两类模型预测准确率均高达100%,其中特征波段模型比全波段模型具有更高的预测精度,说明利用可见/近红外技术结合PCA-BP神经网络分析法进行稻米品种与真伪的快速、无损鉴别是可行的,且提取特征波段是优化模型的有效方法之一.; 关键词可见/近红外光谱稻米主成分分析 BP-人工神经网络鉴别; Keywords visual/near infrared spectra rice principal component analysis （PCA） BP-artificial neural network discrimination; 分类号 S123 [农业科学—农业基础科学] S511 [农业科学—作物学]; 在线阅读下载PDF 职称材料

题名基于BP神经网络的稻瘟病预测技术研究被引量：6: 2; 作者李晓菲刘振华陈涛王园媛王云月; 机构云南农业大学; 出处《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2013年第4期551-560,共10页; 基金云南省现代农业水稻产业技术体系项目(A3006517); 文摘利用BP神经网络技术,以云南省的勐海和石屏作为试验点,选取稻瘟病发生相关气象因子及田间叶瘟病情指数开展稻瘟病的预测预报研究。采用Trainlm与Traingdx训练函数讨论了隐节点数及学习率取值并建立了相应的预测模型。勐海两个预测模型10年历史数据拟合精度分别为87.65%,92.93%,石屏两个预测模型9年数据平均拟合精度分别为93.48%,87.8%。2011年,勐海模型预测精度分别为95.96%,97.6%,石屏模型预测精度分别为94.74%,83.35%,优于逐步回归模型的72.33%,34.02%。BP神经网络预测模型的拟合精度和预测精度都达到80%的预期目标,预测效果较为理想,在稻瘟病预测中具有优势,对稻瘟病防治工作的开展及云南省稻瘟病预测技术的更新具有一定指导意义。; 关键词稻瘟病预测模型 BP神经网络; Keywords BP neural network rice blast forecasting model; 分类号 S431.9 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于对流参数的雷暴潜势预报方法对比分析被引量：6: 3; 作者柴瑞王振会张其林冯民学; 机构南京信息工程大学大气物理学院南京信息工程大学江苏省气象灾害重点实验室江苏省防雷中心; 出处《安徽农业科学》 CAS 北大核心 2009年第8期3638-3640,3701,共4页; 基金公益性行业科研专项(GYHY200806014)资助; 文摘以南京站为中心、50km半径范围内的闪电定位资料为依据区分南京的雷暴与非雷暴，将2006～2008年6～8月的552个对流参数样本分别利用逐步选择法、逐步回归法和相关分析法进行因子筛选，将筛选出的与雷暴有密切关系的对流参数作为预报因子分别应用Bayes判别分析、Logistic回归判别和神经网络的雷暴潜势预报方法进行预报。结果表明，Logistic回归判别法对雷暴的预报准确率为最高的78％，Baye判别分析法的误报率为最低的7．6％，综合预报准确率和误报率来看，Logistic回归判别法最适合于南京地区的雷暴潜势预报；最后将筛选出的预报因子做主成分分析，给出预报因子与雷暴的关系的相应解释。; 关键词对流参数 bayes判别分析 Logistic回归判别神经网络; Keywords Convective parameters bayes discriminant analysis Logistic regression discriminant neural network; 分类号 S165.2 [农业科学—农业气象学]; 在线阅读下载PDF 职称材料

题名基于概率神经网络的水稻穗颈瘟高光谱遥感识别初步研究被引量：7: 4; 作者李波刘占宇武洪峰徐新刚孙安利黄敬峰; 机构浙江大学农业遥感与信息技术应用研究所浙江大学公共管理学院黑龙江省农垦科学院科技情报研究所国家农业信息化工程技术研究中心; 出处《科技通报》北大核心 2009年第6期811-815,共5页; 基金国家863计划资助项目(2006AA10Z203) 国家科技支撑项目(2006BAD10A01); 文摘穗颈瘟的发生会导致稻米产量降低和品质下降,对穗颈部发生侵染但并未引起倒伏的水稻(D)、穗颈部侵染严重已发生倒伏的水稻(L)和正常水稻(H)进行准确地识别和区分是采取病虫害防治措施和灾害评估的基础。本研究选用水稻黄熟期田间冠层测定的27个H的冠层样本、9个D的冠层样本和10个L的冠层样本数据,并以这些样本数据的红边斜率、红边面积、绿波峰值和绿峰面积等4个高光谱变量作为分析数据,分别运用概率神经网络和系统聚类法进行分类识别,识别精度可以分别高达到93.5%和91.3%,显然,在进行分类识别时概率神经网络这种新方法优于传统的系统聚类法。研究表明,概率神经网络具有更为强大的分类功能,应用于穗颈瘟的高光谱识别,可以实现对D、L和H精确分类,能够补充和完善传统的肉眼观测。; 关键词水稻穗颈瘟高光谱遥感概率神经网络; Keywords rice neck blast hyperspectral remote sensing probabilistic neural network; 分类号 TP79 [自动化与计算机技术—检测技术与自动化装置] S43 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名四川省稻瘟病发病率及其等级预报初探被引量：5: 5; 作者胡毅向卫国赵纯波梁岱云毛建辉何明何忠全; 机构成都气象学院气象系; 出处《成都气象学院学报》 1994年第4期60-67,共8页; 文摘利用四川省稻瘟病发病率和气象资料，通过统计分析找出了影响稻瘟病的主要气象因子，并建立了稻瘟病发病牢及其等级预报模式。; 关键词稻瘟病贝叶期断别法神经网络预报发病率; Keywords ：rice blast ；bayes discriminant；neural network.; 分类号 S435.111.4 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名自制电子鼻检测霉变大米被引量：7: 6; 作者李超周博; 机构江苏大学机械工程学院盐城工学院机械工程学院; 出处《食品工业科技》 CAS 北大核心 2021年第12期218-224,共7页; 基金国家自然科学基金(31671583)。; 文摘为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统。通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析(PCA)、线性判别分析(LDA),最后使用反向传播(back propagation,BP)神经网络建立预测模型。结果表明,得分图显示正常大米和霉变大米挥发物差异性显著,LDA分类效果优于PCA;所建立的模型预测值和实际值相关性达0.953以上,训练集和测试集平均相对误差分别为3.56%、4.18%,训练集和测试集对于正常大米样本识别率为100%。综上,电子鼻系统可以作为霉变大米无损检测的有效手段,在大米品质鉴别方面具有实际应用意义。; 关键词电子鼻霉变大米主成分分析线性判别分析 BP神经网络; Keywords electronic nose moldy rice principal component analysis(PCA) linear discriminant analysis(LDA) BP neural network; 分类号 TP212 [自动化与计算机技术—检测技术与自动化装置] TS213 [轻工技术与工程—粮食、油脂及植物蛋白工程]; 在线阅读下载PDF 职称材料

题名基于大米特征矿物元素产地鉴别建模方法比较研究被引量：1: 7; 作者陈明明符丽雪李殿威左锋钱丽丽; 机构黑龙江八一农垦大学食品学院国家杂粮工程技术研究中心黑龙江省农产品加工与质量安全重点实验室; 出处《中国粮油学报》 CAS CSCD 北大核心 2022年第11期253-260,共8页; 基金黑龙江省自然科学基金联合引导项目(LH2019C075)。; 文摘基于前期实验筛选到的与产地和母质土壤直接相关的23种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3年随机采集的五常、查哈阳和建三江地理保护区274份样本作为建模对象,以模型的判别率为指标,采用电感耦合等离子体质谱仪(ICP-MS)和X射线荧光光谱仪测定样本中特征矿物元素含量(Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Sb、Te、Ba、La、Nd、Sm、Gd、Dy、Ho、Er、Yb、Pb、U),结合线性(一般线性判别分析)和非线性(前馈神经网络训练方法)模型构建方法用于产地鉴别。结果表明,Fisher判别分析模型对训练集判别率为81.5%,交叉检验判别率为78.8%,测试集总体判别率为87.5%。前馈神经网络预测模型对大米产地识别结果平均相对误差值为17.14%,产地的整体识别准确率为100%。筛选到的特征矿物元素携带了足够多的产地信息,通过前馈神经网络法建立的判别模型具有更优的判别能力,能解决小距离相似自然环境产地样本难以识别的问题。; 关键词大米产地鉴别矿物元素神经网络判别模型; Keywords rice origin identification mineral elements neural network discriminant model; 分类号 TS21 [轻工技术与工程—粮食、油脂及植物蛋白工程]; 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	基于可见/近红外反射光谱的稻米品种与真伪鉴别	梁亮刘志霄杨敏华张佑祥汪承华	《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心	2009	27	在线阅读下载PDF 职称材料
2	基于BP神经网络的稻瘟病预测技术研究	李晓菲刘振华陈涛王园媛王云月	《云南农业大学学报（自然科学版）》 CAS CSCD 北大核心	2013	6	在线阅读下载PDF 职称材料
3	基于对流参数的雷暴潜势预报方法对比分析	柴瑞王振会张其林冯民学	《安徽农业科学》 CAS 北大核心	2009	6	在线阅读下载PDF 职称材料
4	基于概率神经网络的水稻穗颈瘟高光谱遥感识别初步研究	李波刘占宇武洪峰徐新刚孙安利黄敬峰	《科技通报》北大核心	2009	7	在线阅读下载PDF 职称材料
5	四川省稻瘟病发病率及其等级预报初探	胡毅向卫国赵纯波梁岱云毛建辉何明何忠全	《成都气象学院学报》	1994	5	在线阅读下载PDF 职称材料
6	自制电子鼻检测霉变大米	李超周博	《食品工业科技》 CAS 北大核心	2021	7	在线阅读下载PDF 职称材料
7	基于大米特征矿物元素产地鉴别建模方法比较研究	陈明明符丽雪李殿威左锋钱丽丽	《中国粮油学报》 CAS CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料