期刊导航
期刊开放获取
cqvip
退出
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
基于高光谱图像和遗传优化神经网络的茶叶病斑识别
被引量：
22
1
作者
张帅
堂
王紫烟
+2 位作者
邹修国
钱燕
余磊
《农业工程学报》
EI
CAS
CSCD
北大核心
2017年第22期200-207,共8页
为实现茶叶病害的快速高效识别,提出了基于高光谱成像技术和图像处理技术融合的茶叶病斑识别方法。利用高光谱成像技术采集了炭疽病、赤叶斑病、茶白星病、健康叶片等4类样本的高光谱图像。提取感兴趣区域敏感波段的相对光谱反射率作为...
为实现茶叶病害的快速高效识别,提出了基于高光谱成像技术和图像处理技术融合的茶叶病斑识别方法。利用高光谱成像技术采集了炭疽病、赤叶斑病、茶白星病、健康叶片等4类样本的高光谱图像。提取感兴趣区域敏感波段的相对光谱反射率作为光谱特征。通过2次主成分分析,确定第二次主成分分析后的第二主成分图像为特征图像,基于颜色矩和灰度共生矩阵提取特征图像的颜色特征和纹理特征。利用BP神经网络对颜色、纹理和光谱特征向量融合数据进行检验,识别率为89.59%;为提高识别率,提出遗传算法优化BP神经网络的方法,使病斑识别率提高到94.17%,建模时间也缩短至1.7 s。试验结果表明:高光谱成像技术和遗传优化神经网络可以快速准确的实现对茶叶病斑的识别,可为植保无人机超低空遥感病害监测提供参考。
展开更多
关键词
算法
优化
神经网络
高光谱成像技术
主成分分析
光谱特征
下载PDF
职称材料
基于复小波及动态神经网络的植物电信号研究
被引量：
3
2
作者
高子淋
王佳平
+1 位作者
张帅
堂
邹修国
《南京农业大学学报》
CAS
CSCD
北大核心
2017年第3期556-563,共8页
[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良...
[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv^2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv^2和4.459×10^(-2)mv^2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。
展开更多
关键词
双变量收缩
双树复小波变换
NAR动态神经网络
植物电信号
下载PDF
职称材料
题名
基于高光谱图像和遗传优化神经网络的茶叶病斑识别
被引量：
22
1
作者
张帅
堂
王紫烟
邹修国
钱燕
余磊
机构
南京农业大学工学院/江苏省智能化农业装备重点实验室
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2017年第22期200-207,共8页
基金
国家博士后科学基金资助项目(2015M571782)
中央高校科研业务基本业务费资助项目(KYTZ201661)
江苏省农机基金资助项目(GXZ14002)
文摘
为实现茶叶病害的快速高效识别,提出了基于高光谱成像技术和图像处理技术融合的茶叶病斑识别方法。利用高光谱成像技术采集了炭疽病、赤叶斑病、茶白星病、健康叶片等4类样本的高光谱图像。提取感兴趣区域敏感波段的相对光谱反射率作为光谱特征。通过2次主成分分析,确定第二次主成分分析后的第二主成分图像为特征图像,基于颜色矩和灰度共生矩阵提取特征图像的颜色特征和纹理特征。利用BP神经网络对颜色、纹理和光谱特征向量融合数据进行检验,识别率为89.59%;为提高识别率,提出遗传算法优化BP神经网络的方法,使病斑识别率提高到94.17%,建模时间也缩短至1.7 s。试验结果表明:高光谱成像技术和遗传优化神经网络可以快速准确的实现对茶叶病斑的识别,可为植保无人机超低空遥感病害监测提供参考。
关键词
算法
优化
神经网络
高光谱成像技术
主成分分析
光谱特征
Keywords
algorithms
optimization
neural networks
hyperspectral imaging technology
principal component analysis
spectral characteristics
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
S435.711 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于复小波及动态神经网络的植物电信号研究
被引量：
3
2
作者
高子淋
王佳平
张帅
堂
邹修国
机构
南京农业大学工学院/江苏省智能化农业装备重点实验室
出处
《南京农业大学学报》
CAS
CSCD
北大核心
2017年第3期556-563,共8页
基金
中国博士后科学基金资助项目(2015M571782)
中央高校基本科研业务费资助项目(KYTZ201605)
江苏省农机基金资助项目(GXZ14002)
文摘
[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv^2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv^2和4.459×10^(-2)mv^2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。
关键词
双变量收缩
双树复小波变换
NAR动态神经网络
植物电信号
Keywords
bivariate shrinkage
dual-tree complex wavelet transform （DT-CWT）
nonlinear autoregressive model （ NAR ）
electronicsignals in plants
分类号
S126 [农业科学—农业基础科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高光谱图像和遗传优化神经网络的茶叶病斑识别
张帅
堂
王紫烟
邹修国
钱燕
余磊
《农业工程学报》
EI
CAS
CSCD
北大核心
2017
22
下载PDF
职称材料
2
基于复小波及动态神经网络的植物电信号研究
高子淋
王佳平
张帅
堂
邹修国
《南京农业大学学报》
CAS
CSCD
北大核心
2017
3
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
