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
3
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
基于校正光谱序列融合的小麦腥黑穗病籽粒分类方法
被引量：
1
1
作者
梁琨
宋金鹏
+3 位作者
张驰
梅秀明
陈赵越
张靖笛
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第5期263-272,共10页
针对小麦腥黑穗病轻度患病籽粒易与健康籽粒混淆,人工识别难度大的问题,将校正光谱序列融合技术与深度学习模型相结合,实现小麦腥黑穗病籽粒快速、精准分类。以健康、轻度患病、重度患病各300粒小麦籽粒的高光谱数据为样本,通过多元散...
针对小麦腥黑穗病轻度患病籽粒易与健康籽粒混淆,人工识别难度大的问题,将校正光谱序列融合技术与深度学习模型相结合,实现小麦腥黑穗病籽粒快速、精准分类。以健康、轻度患病、重度患病各300粒小麦籽粒的高光谱数据为样本,通过多元散射校正算法(MSC)和标准正态变换算法(SNV)对原始光谱进行预处理,并利用二维相关光谱法(2D-COS)分析SNV与MSC算法处理后的光谱之间的互补性。使用校正光谱序列融合技术将原始光谱、SNV预处理光谱与MSC预处理光谱三者进行融合得到序列融合光谱,以充分利用不同光谱预处理数据间的互补信息。最终,利用序列融合光谱数据建立基于ResNet 50算法的小麦腥黑病分类模型。试验结果表明,序列融合光谱ResNet 50模型总体准确率最高为93.89%,F1值为93.87%,分类性能优于单一预处理光谱建立的ResNet 50模型。为进一步评估模型分类效果,使用序列融合光谱分别建立偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)以及集成学习算法模型随机森林(RF)与极端梯度提升树(XGBoost)模型,并进行对比,结果显示:SVM、PLS-DA、RF与XGBoost总体准确率分别为81.67%、84.44%、89.44%与90.55%,F1值分别为81.59%、84.04%、89.49%与90.59%,ResNet 50总体准确率与F1值优于传统光谱分析模型。因此,本研究表明校正光谱序列融合技术结合深度学习模型,能够实现对不同患病程度腥黑穗病籽粒的有效分类。
展开更多
关键词
小麦腥黑穗病
籽粒分类
校正光谱序列融合
二维相关光谱法
深度学习
下载PDF
职称材料
基于深度学习与可见-近红外光谱的患腥黑穗病小麦籽粒分类研究
被引量：
3
2
作者
宋金鹏
梁琨
+3 位作者
张驰
梅秀明
蒋鹏飞
袁锐
《分析测试学报》
CAS
CSCD
北大核心
2023年第7期784-793,共10页
针对小麦腥黑穗病快速无损的检测需求,该文将可见-近红外光谱与深度学习算法结合建立了小麦腥黑穗病籽粒的分类模型。采用多元散射校正算法(MSC)和标准正态变换算法(SNV)对光谱进行预处理,消除光谱噪音的影响,分别使用竞争性自适应重加...
针对小麦腥黑穗病快速无损的检测需求,该文将可见-近红外光谱与深度学习算法结合建立了小麦腥黑穗病籽粒的分类模型。采用多元散射校正算法(MSC)和标准正态变换算法(SNV)对光谱进行预处理,消除光谱噪音的影响,分别使用竞争性自适应重加权算法(CARS)和随机蛙跳算法(RF)对预处理后的光谱进行特征波长提取。结果显示,特征提取算法可去除大量冗余信息,波段减少比率为93.7%~94.2%,有效降低了模型运行成本,并可防止模型过拟合。结果显示:MSC+CARS+VGG16模型训练集的准确率为96.39%,测试集准确率为91.67%,取得了较好的分类结果。最终建立的VGG16深度学习模型实现了健康、轻度患病和重度患病3类小麦籽粒的分类。对比传统机器学习模型,VGG16模型能够充分提取光谱特征信息,更好地区分健康与轻度患病籽粒。该研究表明深度学习结合可见-近红外光谱方法,能够实现对不同患病程度腥黑穗病小麦籽粒的有效分类,为腥黑穗病小麦籽粒的快速无损检测提供了一种新方法。
展开更多
关键词
可见-近红外光谱
深度学习
腥黑穗病
小麦
下载PDF
职称材料
郭予元院士在宁夏植保防控事业中的学术贡献——纪念郭予元院士诞辰90周年
3
作者
魏纪珍
陈豪
梁革梅
《植物保护》
CAS
CSCD
北大核心
2023年第1期2-5,共4页
五六十年代的宁夏,农业发展落后,农业科学发展刚刚起步,引黄灌区的水稻和南部西海固地区的冬小麦分别是当地的主要粮食作物,其产量直接关乎当地群众温饱。但是由于特殊的地理位置和气候特点,这些地区病虫害发生严重,制约了当地的粮食生...
五六十年代的宁夏,农业发展落后,农业科学发展刚刚起步,引黄灌区的水稻和南部西海固地区的冬小麦分别是当地的主要粮食作物,其产量直接关乎当地群众温饱。但是由于特殊的地理位置和气候特点,这些地区病虫害发生严重,制约了当地的粮食生产。本文回顾了郭予元院士在宁夏进行病虫害科学研究,为水稻稻瘟病、小麦麦种蝇和小麦腥黑穗病的监测预警,防治示范做出的突出贡献。郭予元院士建立的预测预报体系及防治技术示范一直指导当地的农业生产,并给全国的病虫害防治做了示范。
展开更多
关键词
郭予元
稻瘟病
麦种蝇
麦腥黑穗病
技术规范
下载PDF
职称材料
题名
基于校正光谱序列融合的小麦腥黑穗病籽粒分类方法
被引量：
1
1
作者
梁琨
宋金鹏
张驰
梅秀明
陈赵越
张靖笛
机构
南京农业大学人工智能学院
南京农业大学江苏省智能化农业装备重点实验室
南京农业大学工学院
南京市产品质量监督检验院国家市场监管重点实验室(生物毒素分析与评价)
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第5期263-272,共10页
基金
江苏省自然科学基金面上项目(BK20221518)
江苏省农业科技自主创新资金项目(CX(23)1002)。
文摘
针对小麦腥黑穗病轻度患病籽粒易与健康籽粒混淆,人工识别难度大的问题,将校正光谱序列融合技术与深度学习模型相结合,实现小麦腥黑穗病籽粒快速、精准分类。以健康、轻度患病、重度患病各300粒小麦籽粒的高光谱数据为样本,通过多元散射校正算法(MSC)和标准正态变换算法(SNV)对原始光谱进行预处理,并利用二维相关光谱法(2D-COS)分析SNV与MSC算法处理后的光谱之间的互补性。使用校正光谱序列融合技术将原始光谱、SNV预处理光谱与MSC预处理光谱三者进行融合得到序列融合光谱,以充分利用不同光谱预处理数据间的互补信息。最终,利用序列融合光谱数据建立基于ResNet 50算法的小麦腥黑病分类模型。试验结果表明,序列融合光谱ResNet 50模型总体准确率最高为93.89%,F1值为93.87%,分类性能优于单一预处理光谱建立的ResNet 50模型。为进一步评估模型分类效果,使用序列融合光谱分别建立偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)以及集成学习算法模型随机森林(RF)与极端梯度提升树(XGBoost)模型,并进行对比,结果显示:SVM、PLS-DA、RF与XGBoost总体准确率分别为81.67%、84.44%、89.44%与90.55%,F1值分别为81.59%、84.04%、89.49%与90.59%,ResNet 50总体准确率与F1值优于传统光谱分析模型。因此,本研究表明校正光谱序列融合技术结合深度学习模型,能够实现对不同患病程度腥黑穗病籽粒的有效分类。
关键词
小麦腥黑穗病
籽粒分类
校正光谱序列融合
二维相关光谱法
深度学习
Keywords
common
bunt
wheat
kernel
classification
series
fusion
of
scatter
correction
two-dimensional
correlation
spectroscopy
deep
learning
分类号
S512.1 [农业科学—作物学]
S41-30
下载PDF
职称材料
题名
基于深度学习与可见-近红外光谱的患腥黑穗病小麦籽粒分类研究
被引量：
3
2
作者
宋金鹏
梁琨
张驰
梅秀明
蒋鹏飞
袁锐
机构
南京农业大学工学院
南京农业大学人工智能学院
南京市产品质量监督检验院国家市场监管重点实验室(生物毒素分析与评价)
南京农业大学江苏省智能化农业装备重点实验室
出处
《分析测试学报》
CAS
CSCD
北大核心
2023年第7期784-793,共10页
文摘
针对小麦腥黑穗病快速无损的检测需求,该文将可见-近红外光谱与深度学习算法结合建立了小麦腥黑穗病籽粒的分类模型。采用多元散射校正算法(MSC)和标准正态变换算法(SNV)对光谱进行预处理,消除光谱噪音的影响,分别使用竞争性自适应重加权算法(CARS)和随机蛙跳算法(RF)对预处理后的光谱进行特征波长提取。结果显示,特征提取算法可去除大量冗余信息,波段减少比率为93.7%~94.2%,有效降低了模型运行成本,并可防止模型过拟合。结果显示:MSC+CARS+VGG16模型训练集的准确率为96.39%,测试集准确率为91.67%,取得了较好的分类结果。最终建立的VGG16深度学习模型实现了健康、轻度患病和重度患病3类小麦籽粒的分类。对比传统机器学习模型,VGG16模型能够充分提取光谱特征信息,更好地区分健康与轻度患病籽粒。该研究表明深度学习结合可见-近红外光谱方法,能够实现对不同患病程度腥黑穗病小麦籽粒的有效分类,为腥黑穗病小麦籽粒的快速无损检测提供了一种新方法。
关键词
可见-近红外光谱
深度学习
腥黑穗病
小麦
Keywords
visible-near
infrared
spectroscopy
deep
learning
common
bunt
wheat
分类号
O657.3 [理学—分析化学]
S512.1 [理学—化学]
下载PDF
职称材料
题名
郭予元院士在宁夏植保防控事业中的学术贡献——纪念郭予元院士诞辰90周年
3
作者
魏纪珍
陈豪
梁革梅
机构
河南省害虫绿色防控国际联合实验室
中国农业科学院植物保护研究所
出处
《植物保护》
CAS
CSCD
北大核心
2023年第1期2-5,共4页
基金
国家自然科学基金(32172401)
河南省农业领域科技攻关项目(212102110137)。
文摘
五六十年代的宁夏,农业发展落后,农业科学发展刚刚起步,引黄灌区的水稻和南部西海固地区的冬小麦分别是当地的主要粮食作物,其产量直接关乎当地群众温饱。但是由于特殊的地理位置和气候特点,这些地区病虫害发生严重,制约了当地的粮食生产。本文回顾了郭予元院士在宁夏进行病虫害科学研究,为水稻稻瘟病、小麦麦种蝇和小麦腥黑穗病的监测预警,防治示范做出的突出贡献。郭予元院士建立的预测预报体系及防治技术示范一直指导当地的农业生产,并给全国的病虫害防治做了示范。
关键词
郭予元
稻瘟病
麦种蝇
麦腥黑穗病
技术规范
Keywords
Guo
Yuyuan
rice
blast
Delia
coarctata
common
bunt
of
wheat
technical
standard
分类号
S435.122 [农业科学—农业昆虫与害虫防治]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于校正光谱序列融合的小麦腥黑穗病籽粒分类方法
梁琨
宋金鹏
张驰
梅秀明
陈赵越
张靖笛
《农业机械学报》
EI
CAS
CSCD
北大核心
2024
1
下载PDF
职称材料
2
基于深度学习与可见-近红外光谱的患腥黑穗病小麦籽粒分类研究
宋金鹏
梁琨
张驰
梅秀明
蒋鹏飞
袁锐
《分析测试学报》
CAS
CSCD
北大核心
2023
3
下载PDF
职称材料
3
郭予元院士在宁夏植保防控事业中的学术贡献——纪念郭予元院士诞辰90周年
魏纪珍
陈豪
梁革梅
《植物保护》
CAS
CSCD
北大核心
2023
0
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
