期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
顾及光谱位置及秸秆还田活动影响的土壤有机质高光谱估算
1
作者 谭超 林镇宏 +4 位作者 贺秋华 栾海军 余姝辰 郑雅玲 邹娟 《测绘通报》 北大核心 2025年第2期89-95,共7页
土壤有机质(SOM)是衡量土壤健康和肥力的重要指标,准确估算SOM对农业可持续发展至关重要。高光谱技术结合机器学习为SOM的大范围且无损监测提供了可能。然而,现有研究尚未充分探讨土壤活性物质作用的敏感光谱范围内光谱位置的物理意义... 土壤有机质(SOM)是衡量土壤健康和肥力的重要指标,准确估算SOM对农业可持续发展至关重要。高光谱技术结合机器学习为SOM的大范围且无损监测提供了可能。然而,现有研究尚未充分探讨土壤活性物质作用的敏感光谱范围内光谱位置的物理意义及农业秸秆还田活动的光谱效应。因此,本文提出了创新的Pearson相关系数与光谱位置联合优化算法(PAS),以解决这个问题。试验结果表明:PAS算法中,光谱位置与相关系数的比例为3∶7时,可有效提升模型预测性能;1260 nm特征波长是秸秆有机成分的光谱效应典型位点;1300 nm特征波长为1260 nm与SOM的相互作用典型位点;1320 nm特征波长受1260 nm、SOM及1340 nm的综合影响。本文论证了秸秆还田活动的光谱效应对SOM估算的重要影响,以及文中方法量化秸秆还田活动固碳效应的潜力。 展开更多
关键词 土壤有机质 高光谱 土壤活性物质 秸秆还田 地理加权回归 土壤固碳
在线阅读 下载PDF
基于深度学习的镜下岩石、矿物薄片识别 被引量:9
2
作者 张利军 鲁文豪 +6 位作者 张建东 彭光雄 卜建财 唐凯 谢渐成 徐质彬 杨海燕 《地学前缘》 EI CAS CSCD 北大核心 2024年第3期498-510,共13页
岩石、矿物显微图像的识别是岩矿鉴定的基础手段之一,对地质资源勘探有着重要意义。薄片显微图像一般情况下是在实验室中进行的,这项工作繁琐费时,需要大量的人力资源,并且准确性受限于鉴定者的经验。深度学习智能图像识别算法可以通过... 岩石、矿物显微图像的识别是岩矿鉴定的基础手段之一,对地质资源勘探有着重要意义。薄片显微图像一般情况下是在实验室中进行的,这项工作繁琐费时,需要大量的人力资源,并且准确性受限于鉴定者的经验。深度学习智能图像识别算法可以通过卷积神经网络提取显微图像的深层特征,从而达到对显微图像进行快速、准确分类识别的目的。本研究以PyCharm平台为深度学习框架,以中国科学数据网上的南京大学教学岩石薄片数据集、南华北石炭纪灰岩显微图像数据集等6个数据集为基础制作了可以应用于岩石矿物显微图像分类识别训练的数据集,搭建具有针对性的VGG卷积神经网络模型,该模型具有对整个岩石薄片图像与单个矿物图像分别提取其深层中的特征信息的能力,从而达到识别岩石薄片的目的。实验结果显示,随着模型训练迭代的进行,预测值与真实值之间的损失函数在不断减小,识别准确率在不断增加,在分别经过50个和30个循环训练之后,模型的损失函数与识别准确率已经基本收敛。模型对显微图像测试集的识别成功率均高于90%,说明搭建的模型对于图像有很好的特征提取效果,可以完成岩石矿物显微图像识别的任务。通过本文的研究,可以认识到,深度学习对于处理岩矿鉴定这样的任务有着高超的效率与准确度,开发相关的模型并运用到前端软件上,可以加快矿产资源勘探工作的速度,对于生产实践有着重要的应用意义。 展开更多
关键词 岩矿鉴定 深度学习 卷积神经网络 机器学习 图像识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部