公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于无人机和地面数字影像的水稻氮素营养诊断研究被引量：26: 2010年; 选用扫描仪和无人机平台获取水稻叶片和冠层的数字图像,运用数字图像处理技术研究不同氮素营养水平水稻叶片和冠层的综合特征信息,从而应用于水稻的氮素营养诊断。结果表明:1)通过叶片叶绿素a含量和扫描叶片颜色参量之间的相关性分析,得到可用于诊断水稻氮素营养水平的叶片颜色特征参量B、b、b/(r+g)、b/r、b/g。通过叶片的颜色、形状综合特征信息与YIQ电视信号彩色坐标系统的参量建立氮素营养的识别模型,4个不同氮素水平的正确识别率分别为:N0(0 kg N.hm-2)74.9%,N1(60 kgN.hm-2)52%,N2(90 kg N.hm-2)84.7%,N3(120 kg N.hm-2)75%;2)无人机获取的田间冠层图像识别水稻氮素营养水平的综合特征参量是G、B、b、g、b/(r+g)、b/r、b/g、H、S、DGCI,选择相同的CB参量建立冠层氮素营养的识别模型,4个不同氮素水平的正确识别率为:N0(0 kg N.hm-2)91.6%,N1(60 kgN.hm-2)70.83%,N2(90 kg N.hm-2)86.7%,N3(120 kg N.hm-2)95%。初步研究表明基于综合特征的氮素诊断模型区分效果比较好,利用叶片扫描图像和无人机识别与诊断田间水稻氮素是可行的。; 祝锦霞陈祝炉石媛媛王珂邓劲松; 关键词：氮素诊断数字影像水稻

基于数字图像的水稻氮磷钾营养诊断与建模研究: 数字诊断技术是近年来水稻营养诊断的主要发展方向，建立高效、快速、实用的水稻数字诊断技术体系具有十分重要的意义。本研究以扫描仪和低空无人机机载数码相机两种数字图像获取方式，分别获取水稻叶片扫描图像和田间冠层图像，分析叶片和...; 石媛媛; 关键词：水稻种植田间管理营养诊断数字图像; 文献传递

基于近红外传感器和面向对象光谱分割技术的田间棉株识别与提取被引量：10: 2009年; 实时、高效、可靠的田间目标作物识别是精确农业中作物科学管理的基础,也是精确农业的关键技术之一。而传统的基于象元的信息提取方法已难以胜任复杂图像处理和高精度目标识别的需要。文章利用高分辨率的传感器获取可见-近红外影像,运用面向对象光谱分割技术和最邻近分类器,根据高分辨影像丰富的空间和光谱特征,利用对象的光谱、形状、拓扑等信息准确地进行田间棉株的识别。最后随机选取了300个样点,利用误差分析矩阵方法对识别结果进行了精度评价。结果表明田间棉株识别的总体精度高达96.33%,而KAPPA系数也达到0.926 7。尽管识别类型中棉株与背景(土壤,杂草等)有少量的混淆,而研究的识别精度完全可以满足精确农业自动化管理和决策的要求。; 邓劲松石媛媛陈利苏王珂祝锦霞; 关键词：近红外面向对象棉株

基于扫描图像光谱特征和模式识别的水稻叶片磷素诊断研究被引量：1: 2011年; 磷的缺乏对水稻产量有很大影响,磷的无损快速营养诊断对缺磷水稻生产有十分重要的意义。该文以水稻不同磷营养水平的顶部三张完全展开叶图像为研究对象,综合提取图像光谱信息表现出的颜色、纹理和形状三类共26个叶片特征指数并进行单因子特征分析,结合CfsSubset Eval+Scattersearch方法对26个特征属性进行优化组合、评价和选择,根据不同叶位的特征指数选择结果,利用粗糙集理论将不同磷营养水平叶片图像样本分为三类:极缺、微缺、正常。由识别精度可知,严重缺磷样本识别率最高,第三叶为水稻磷营养诊断的最佳叶位。; 丁晓东石媛媛路雪邓劲松沈掌泉王珂; 关键词：扫描图像缺磷

利用计算机视觉和光谱分割技术进行水稻叶片钾胁迫特征提取与诊断研究被引量：8: 2010年; 实时、便捷、可靠的作物营养诊断和监测方法是科学施肥的基础。传统手段在取样、测定、数据分析方面需耗费大量的人力、物力,且时效性差。通过静态扫描技术采集不同钾营养水平的水稻叶片图像,利用面向对象的光谱分割技术和最近邻分类器,根据扫描图像中目标对象的光谱、空间、形状等特征对钾胁迫叶片特征进行了准确的提取和识别,并从分类结果里初步判断出斑点区域面积比例随钾浓度的增大而减小,用叶片图像进行缺钾叶片量化诊断时,第三完全展开叶优于第一完全展开叶。随机选取250个点利用误差分析矩阵方法进行精度评价,总体识别精度为96.00%,KAPPA系数为0.945 3。这一叶片特征提取方法为水稻钾胁迫量化诊断提供了新的方法。; 石媛媛邓劲松陈利苏张东彦丁晓东王珂; 关键词：光谱分割钾胁迫信息提取

基于水稻扫描叶片图像特征的氮素营养诊断研究被引量：34: 2009年; 选用扫描仪获取水稻叶片的数字图像,运用数字图像处理技术研究不同氮素水平水稻的叶色、纹理和形态特征,尝试建立基于叶色、纹理和形态特征的综合水稻氮素营养诊断模型。研究表明:(1)通过水稻叶绿素a含量和叶片颜色特征之间的相关性分析,得到有效颜色特征参量B,b,b/(r+g),b/r,b/g,同时分析叶绿素a含量随叶位的空间分布特征,选择较为稳定的第三完全展开叶作为指示叶或诊断叶;(2)通过与高光谱遥感数据的相关性分析,从机理上说明基于机器视觉的水稻氮素营养诊断是有理论依据的,是可行的;(3)提取水稻叶片颜色、形态综合特征信息,与YIQ电视信号彩色坐标系统的CB值建立水稻氮营养水平的识别模型,得到4个氮素水平的正确识别率为:N0:74.9%;N1:52%;N2:84.7%;N3:75%。初步研究结果表明基于扫描图像特征的田间水稻氮素水平诊断方法是有优势和前景的,有可能建立一种新的实时、快速、准确的田间水稻氮素营养诊断的方法。; 祝锦霞邓劲松石媛媛陈祝炉韩凝王珂; 关键词：主成分分析

全选清除导出

共1页<1>

石媛媛