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
2
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
基于信号序列优化的蜂群状态精准识别机器听觉模型
1
作者
叶大鹏
陈林杰
+4 位作者
张林通
张雯清
魏增辉
黄少康
瞿芳芳
《福建农林大学学报(自然科学版)》
北大核心
2025年第2期268-278,共11页
【目的】通过基于信号序列优化机器听觉模型的研究,为蜂群健康与活动状态的监测提供依据。【方法】在蜂箱内设置音频传感器,以非侵入性和无干扰性的方式持续记录6类蜂群音频,针对传统的音频分类方法中未考虑时序信息和分类准确度不高等...
【目的】通过基于信号序列优化机器听觉模型的研究,为蜂群健康与活动状态的监测提供依据。【方法】在蜂箱内设置音频传感器,以非侵入性和无干扰性的方式持续记录6类蜂群音频,针对传统的音频分类方法中未考虑时序信息和分类准确度不高等问题,提出一种基于双向长短期记忆(bidirectional long short-term memory, BiLSTM)网络优化的多分类模型。基于梅尔频率倒谱系数提取音频特征,并构建以BiLSTM为基准的蜂群状态分类模型;引入卷积神经网络(convolutional neural network, CNN)和自注意力机制(self-attention mechanism, SA)对BiLSTM的输入和输出进行优化;构建优化的CNN-BiLSTM-SA模型用于6类蜂群状态的精准识别。【结果】与CNN和BiLSTM模型相比,CNN-BiLSTM-SA模型的分类准确率最高,训练集和验证集准确率均大于0.990 0,测试集准确率为0.988 6,交叉验证平均准确率为0.981 5。【结论】CNN-BiLSTM-SA模型为蜂箱内蜂群状态精准识别提供了有效技术支持,有助于未来智能养蜂和音频传感监控的发展。
展开更多
关键词
蜂群状态
机器听觉
双向长短期记忆
卷积神经网络
自注意力机制
在线阅读
下载PDF
职称材料
基于可见/近红外光谱的菌草耐寒性快速评价方法构建
2
作者
李慧琳
许金钗
+4 位作者
张圣杰
张博昱
谢夏仪
叶大鹏
翁海勇
《江苏农业科学》
北大核心
2025年第7期172-180,共9页
利用可见/近红外光谱(Vis/NIR),为菌草耐寒性的非破坏性快速评估提供有效的办法。以6种不同品种的菌草为试材,在低温胁迫5 d时,采集叶片的可见/近红外光谱和8个生理指标数据,分析低温胁迫后叶片反射率、光谱指数及生理指标的变化趋势,...
利用可见/近红外光谱(Vis/NIR),为菌草耐寒性的非破坏性快速评估提供有效的办法。以6种不同品种的菌草为试材,在低温胁迫5 d时,采集叶片的可见/近红外光谱和8个生理指标数据,分析低温胁迫后叶片反射率、光谱指数及生理指标的变化趋势,并应用主成分分析、隶属函数、聚类分析方法对菌草苗期的耐寒性进行综合评价。低温胁迫使叶片含水率及叶绿素a、叶绿素b、类胡萝卜素、总叶绿素含量下降,丙二醛含量增加,过氧化氢酶、超氧化物歧化酶活性升高,个别品种的酶活性受到抑制。低温胁迫导致菌草叶片红边(REP)蓝移,蓝边(BEP)、黄边(YEP)红移,整体反射率上升。光谱指数TCARI、MCARI上升,RARSb、CRI550、NDVI、RNDVI、VOG1则呈现相反的模式。将14个光谱指数与生理指标进行相关性分析,筛选出9个光谱指数进行菌草耐寒性综合评价,发现绿洲七号、绿洲二号、紫象草为耐寒性较好的一类,皇竹草、巨菌草、象草为耐寒性较差的一类,与用传统评价方法得出的结论相同。结果表明,可见/近红外光谱可以为菌草耐寒性的快速、无损鉴定提供潜在的解决方案。
展开更多
关键词
菌草
耐寒性
可见/近红外光谱
主成分分析
隶属函数
聚类分析
在线阅读
下载PDF
职称材料
题名
基于信号序列优化的蜂群状态精准识别机器听觉模型
1
作者
叶大鹏
陈林杰
张林通
张雯清
魏增辉
黄少康
瞿芳芳
机构
福建农林大学
机电工程学院
福建农林大学
未来技术学院
福建农林大学农业人工智能研究中心
福建农林大学
蜂学与生物医药学院
出处
《福建农林大学学报(自然科学版)》
北大核心
2025年第2期268-278,共11页
基金
福建省农业信息感知技术重点实验室建设补助项目(KJG22052A)。
文摘
【目的】通过基于信号序列优化机器听觉模型的研究,为蜂群健康与活动状态的监测提供依据。【方法】在蜂箱内设置音频传感器,以非侵入性和无干扰性的方式持续记录6类蜂群音频,针对传统的音频分类方法中未考虑时序信息和分类准确度不高等问题,提出一种基于双向长短期记忆(bidirectional long short-term memory, BiLSTM)网络优化的多分类模型。基于梅尔频率倒谱系数提取音频特征,并构建以BiLSTM为基准的蜂群状态分类模型;引入卷积神经网络(convolutional neural network, CNN)和自注意力机制(self-attention mechanism, SA)对BiLSTM的输入和输出进行优化;构建优化的CNN-BiLSTM-SA模型用于6类蜂群状态的精准识别。【结果】与CNN和BiLSTM模型相比,CNN-BiLSTM-SA模型的分类准确率最高,训练集和验证集准确率均大于0.990 0,测试集准确率为0.988 6,交叉验证平均准确率为0.981 5。【结论】CNN-BiLSTM-SA模型为蜂箱内蜂群状态精准识别提供了有效技术支持,有助于未来智能养蜂和音频传感监控的发展。
关键词
蜂群状态
机器听觉
双向长短期记忆
卷积神经网络
自注意力机制
Keywords
bee colony status
machine hearing
bidirectional long short⁃term memory
convolutional neural network
self⁃attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于可见/近红外光谱的菌草耐寒性快速评价方法构建
2
作者
李慧琳
许金钗
张圣杰
张博昱
谢夏仪
叶大鹏
翁海勇
机构
福建农林大学
机电工程学院
福建
省
农业
信息感知技术重点实验室
福建农林大学农业人工智能研究中心
新丰县现代
农业
产业园发展
中心
出处
《江苏农业科学》
北大核心
2025年第7期172-180,共9页
基金
福建省自然科学基金(编号:2023J01473)。
文摘
利用可见/近红外光谱(Vis/NIR),为菌草耐寒性的非破坏性快速评估提供有效的办法。以6种不同品种的菌草为试材,在低温胁迫5 d时,采集叶片的可见/近红外光谱和8个生理指标数据,分析低温胁迫后叶片反射率、光谱指数及生理指标的变化趋势,并应用主成分分析、隶属函数、聚类分析方法对菌草苗期的耐寒性进行综合评价。低温胁迫使叶片含水率及叶绿素a、叶绿素b、类胡萝卜素、总叶绿素含量下降,丙二醛含量增加,过氧化氢酶、超氧化物歧化酶活性升高,个别品种的酶活性受到抑制。低温胁迫导致菌草叶片红边(REP)蓝移,蓝边(BEP)、黄边(YEP)红移,整体反射率上升。光谱指数TCARI、MCARI上升,RARSb、CRI550、NDVI、RNDVI、VOG1则呈现相反的模式。将14个光谱指数与生理指标进行相关性分析,筛选出9个光谱指数进行菌草耐寒性综合评价,发现绿洲七号、绿洲二号、紫象草为耐寒性较好的一类,皇竹草、巨菌草、象草为耐寒性较差的一类,与用传统评价方法得出的结论相同。结果表明,可见/近红外光谱可以为菌草耐寒性的快速、无损鉴定提供潜在的解决方案。
关键词
菌草
耐寒性
可见/近红外光谱
主成分分析
隶属函数
聚类分析
分类号
S127 [农业科学—农业基础科学]
S184 [农业科学—农业基础科学]
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
基于信号序列优化的蜂群状态精准识别机器听觉模型
叶大鹏
陈林杰
张林通
张雯清
魏增辉
黄少康
瞿芳芳
《福建农林大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于可见/近红外光谱的菌草耐寒性快速评价方法构建
李慧琳
许金钗
张圣杰
张博昱
谢夏仪
叶大鹏
翁海勇
《江苏农业科学》
北大核心
2025
0
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
