杨冬风
- 作品数：42 被引量：87H指数：6
- 供职机构：黑龙江八一农垦大学更多>>
- 发文基金：黑龙江省教育厅科学技术研究项目引进国际先进农业科技计划中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域：自动化与计算机技术农业科学文化科学理学更多>>
- 三次样条在图像多阈值分割中的应用被引量：1
- 2010年
- 阈值选择是图像分割的基础,提出了基于三次样条函数的多阈值选取算法,能够应用于图像的多阈值分割。首先对图像的直方图进行三次样条函数拟合,再求出三次样条函数的多个极小值,即图像的阈值。实验结果显示,使用提出提出的方法能较准确地识别出直方图的多个波谷,从而实现对图像的多阈值分割。
- 陈争光杨冬风冯晓娟
- 关键词：三次样条阈值选择直方图
- 优质、高产、多抗大豆种质资源创新及新品种选育
- 朱洪德费志宏李佐同孙强杨冬风于立河郑雯刘敏李文滨
- 通过有性远缘杂交加微波辐射处理等技术，系谱选择法，创新出了优质、高产、多抗大豆种质资源，并育成了“垦字号”优质高产抗病大豆新品种。创新出的高油品系有农大95024(25.75%)、农大95838(25.72%)、农大06...
- 关键词：
- 关键词：大豆种质资源创新品种选育
- SMCC特征提取融合BP神经网络实现玉米种子活力快速分级
- 2021年
- 为了实现玉米种子活力多等级快速、精确、无损检测,建立一种基于类间相关系数和最小法(SMCC)特征提取融合BP神经网络的检测模型。首先用人工加速老化的方法将玉米种子老化为5个等级,用近红外漫反射光谱仪采集样本光谱;然后采用主成分分析(PCA)和SMCC方法分别提取光谱特征作为BP神经网络的输入,以对应的老化等级作为输出建立模型并训练;以模型预测精度、交叉熵和迭代次数作为评价指标。结果表明,SMCC特征提取结合BP神经网络建立的模型最佳。
- 杨冬风时闯陈争光李爱传关海欧尹淑欣马铁民高树仁
- 关键词：近红外光谱特征提取种子活力BP神经网络
- 使用BP神经网络预测大豆生长发育阶段被引量：1
- 2011年
- 为了使大豆种植者能够较准确地预测大豆各生育阶段的具体日期,使用BP神经网络构建了简单而有效的预测模型。以播种日期作为模型的主要预测因子,排除病虫害以及突发自然灾害等干扰因素影响,对大豆营养期和生殖生长期分别建模。以垦农18号大豆作为研究对象,以黑龙江九三垦区作为试验基地,历时5年,对大豆的生长阶段数据进行统计。对数据进行归一化处理后,用BP神经网络进行训练和预测,预测的结果表明模型的平均预测精度较高,具有较好的推广应用价值。
- 杨冬风朱洪德
- 关键词：大豆生长期BP神经网络播种日期
- 基于软X-射线造影和机器智能的玉米种子活力检测方法研究被引量：6
- 2013年
- 为了提高玉米单产,在播种之前对种子活力进行检测十分必要。提出一种将传统的软X-射线检测方法与计算机智能识别相结合的新方法。首先建立corn_pixel结构,然后通过确定种子尖端位置和形心建立种胚区域的椭圆不等式对种胚区域进行标识。以椭圆短半轴b及种胚区域渗钡像素比率M1/M和非种胚区域渗钡像素比率K1/K为输入特征,以标准发芽试验结果为输出,建立BP神经网络单粒种子活力识别模型。结果表明,当b=2CD/5时,识别的准确率最高,以该b值为依据进行分组试验的平均准确率可达95%以上。
- 杨冬风
- 关键词：种子活力玉米BP神经网络
- 随机可控递归分形树木模拟及实现被引量：1
- 2009年
- 对树木的初始角度、有无后继树枝、树枝生长长度变化、树枝粗细等影响树枝最终形态的因素进行分析,形成控制参数。然后根据分形思想,使用递归算法,将控制参数加入到算法中。对不同参数单独变化得到的图像进行分析和验证,并生成了包含若干树木的树林,通过把树木设置成多种颜色,让树林显示出层次分明的形态。
- 杨冬风张娟陈争光
- 关键词：分形递归算法随机控制
- 上孵前无精蛋筛选器
- 本实用新型公开一种孵化前未受精鸡蛋检测设备，属于鸡蛋检测类制造技术领域。本实用新型构建了无精蛋识别的嵌入式系统，系统的硬件为ARM S3C2410嵌入式系统开发板、CMOS图像传感器OV7620、LED和蜂鸣器。本实用新...
- 马秀莲关海鸥衣淑娟刘胜军杨冬风张楠
- 文献传递
- 任务驱动式教学模式在C语言程序设计课程中的应用被引量：4
- 2015年
- C程序设计是高校非计算机专业的一门重要基础课程,针对该课程旧有教学模式存在的问题,提出了任务驱动式的新型教学模式,并改革了传统的考核方式,增加了对学生上机操作能力的过程化考核。教学实践表明,新型教学模式极大地提高了教学效果。
- 杨冬风陈争光
- 关键词：C程序设计教学模式
- 基于近红外光谱技术的大豆种子老化级别快速鉴别方法研究
- 2023年
- 大豆种子容易发生老化并丧失活力,大豆种子活力检测对目前农业生产具有重要意义。以2020年收获的大豆种子为样本进行人工老化试验,老化时间设置为1、2、3、4、5、6 d,以未老化的种子作为对照组,每个老化等级30个样本。扫描获取全部210条近红外光谱数据,以4∶1的比例划分样本集。对原始光谱数据建立BP网络模型1,再分别采取多元散射校正和标准正态变量对原始光谱进行预处理,建立模型2、模型3。比较3种模型可以发现,预处理技术能缩短模型训练时间,同时可以消除部分噪声,提高模型预测能力,且经过标准正态变量处理后的模型结果较优,由于预处理后的数据维度并未发生变化,模型的训练时间较长,不利于实际应用。因此,采取主成分分析、连续投影法、竞争自适应重加权法对经过标准正态变量处理后的数据进行特征波长变量提取,将光谱数据由原来的1845维降到10维、23维和150维。对经过特征波长变量提取后的数据分别建立BP网络模型,得到模型4、模型5、模型6。综合鉴别上述6种模型,其中模型6的分类准确率达到93.43%,训练时间2.25 s,说明该模型可以较好地实现对7类不同老化级别的大豆种子快速、无损鉴别。
- 时闯杨冬风吕晨曦
- 关键词：大豆种子近红外光谱BP神经网络
- 基于深度学习的玉米种子图像分类识别研究
- 2023年
- 种子分类识别技术的应用潜力巨大,可以在种子生产、农业科研、种植管理等领域发挥重要作用。通过采集不同品种的玉米种子图像,并利用预处理和数据增强技术对数据集进行处理,构建了一个包含4种深度学习网络模型的试验框架(MobileNetV3、VGG16、GoogLeNet及ShuffleNet),对比4种模型在训练和测试阶段的表现,评估其准确率、损失值、训练时间,然后分析各个模型之间的差异。试验结果显示:MobileNetV3深度学习网络模型在玉米种子分类识别任务中表现出色,对玉米种子的识别精准度达到了93.4%。相比其他3种模型,MobileNetV3深度学习网络模型在准确率和损失值方面展现出最佳性能,并且具有较快的收敛速度和稳定的训练过程。
- 张宇航杨冬风
- 关键词：玉米
