科研产出
高光谱成像的柑橘病虫害叶片识别方法
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：为监测柑橘生长状况,实现病虫害无损识别,利用高光谱成像技术和机器学习方法进行柑橘病叶分类研究。使用高光谱成像仪采集46片柑橘正常叶、 46片溃疡病叶、 80片除草剂危害叶、 51片红蜘蛛叶和98片煤烟病叶的高光谱图像,在478～900 nm光谱范围内对每个叶片一个或多个发病区提取5×5的感兴趣区域（ROI）,将ROI内每个像素的反射率值作为光谱信息,则一个ROI得到25个光谱信息样本,最终五类叶片共得到13250个光谱样本。利用随机法将全部样本划分为9 938个训练集和3 312个测试集。分别采用一阶求导(1stDer)、多元散射校正（MSC）和标准正态变换（SNV）三种方法对原始光谱信息进行预处理,对不同预处理方法后的数据采用主成分分析法（PCA）提取特征波长。1st Der预处理后得到7个特征波长,分别是520.2, 689.0, 704.8, 715.4, 731.2, 741.8和757.6 nm; MSC和SNV预处理后得到7个相同的特征波长,分别是551.9, 678.5, 704.8, 710.1, 725.9, 731.2和757.6 nm;原始光谱得到7个特征波长,分别是525.5, 678.5, 710.1, 720.7, 725.9, 757.6和762.9 nm。分析PCA后的样本分布散点图可知,正常叶片、溃疡病叶片和红蜘蛛叶片样本有一定程度聚类,除草剂叶片和煤烟病叶片样本有大量重叠,仅依据PCA不能完成病虫害叶片的识别。对全波段（FS）和PCA特征波长数据在不同预处理方法下进行支持向量机（SVM）和随机森林（RF）建模,结果表明:数据在1stDer预处理方法下识别效果最佳,1st Der-FS-SVM模型总分类精度（OA）为95.98%, Kappa系数为0.948 2, 1st Der-FS-RF模型OA为91.42%, Kappa系数为0.889 2, 1stDer-PCA-SVM模型OA为90.82%, Kappa系数为0.881 6, 1stDer-PCA-RF模型的OA为91.79%, Kappa系数为0.894;对PCA选择的特征波长数据建模,SVM和RF模型下识别率均达到84%,全波段下模型识别率在88%以上,FS数据建模效果优于PCA特征波长。研究结果表明,高光谱成像技术结合机器学习方法进行柑橘叶片分类是可行且有效的,为柑橘病虫害的无损准确识别提供理论根据。
全文链接
请求原文
缓释肥侧位深施及用量对油菜产量和肥料利用率的影响
《农业工程学报 》 2020 EI 北大核心 CSCD
摘要：为明确红壤稻田直播油菜缓释肥(N-P2O5-K2O:25-7-8)侧位深施效果及适宜用量,该研究连续2 a在两熟制和三熟制2种种植模式下开展缓释肥侧位深施效果对比试验(设置不施肥、土表撒施和侧位深施3个施肥方式)和施用量试验(设置0、300、450、600、750和900 kg/hm2共6个施肥水平),研究缓释肥侧位深施及不同用量对油菜产量形成和肥料利用率的影响.结果表明,施肥方式对红壤稻田油菜产量形成和肥料利用率均有显著影响(P<0.05),且对两熟制油菜影响更为显著.相比传统土表撒施,侧位深施显著促进了油菜产量和肥料利用率的提高(P<0.05).缓释肥侧位深施明显提高了各时期油菜干物质量,尤其是显著增加了初花期至成熟期的干物质积累量(P<0.05),促进了花后根部与地上部干物质同步增长;促进了根系对N、P、K的吸收,提高了油菜产量和肥料利用率.菜籽产量与缓释肥用量呈线性加平台关系,适宜施肥量可保证较大的收获密度,并协同产生较多的每株角果数和每角粒数,从而提高籽粒产量、肥料利用率和经济效益.两熟制和三熟制油菜缓释肥侧位深施的适宜用量分别为715.39和586.39 kg/hm2,产量潜力可分别达2438.94和1708.22 kg/hm2.研究表明,侧位深施适量缓释肥可显著提高红壤稻田直播油菜生产力,建议结合机械化种植因地制宜推广应用.
关键词： 机械化 作物 产量 缓释肥 侧深施肥 直播油菜 肥料利用效率
全文链接
请求原文
基于高光谱的双季稻分蘖数监测模型
《农业工程学报 》 2020 EI 北大核心 CSCD
摘要：旨在阐明双季稻分蘖数与冠层反射高光谱间的定量关系,构建基于高光谱的双季稻分蘖数监测模型。基于不同早、晚稻品种和施氮水平的田间试验,于关键生育期(分蘖期、拔节期和孕穗期)测定早、晚稻分蘖数,同步使用FieldSpec HandHeld 2型高光谱仪采集早、晚稻冠层反射高光谱数据,分别利用光谱指数法和连续小波变换构建新型光谱指数和敏感小波特征对双季稻分蘖数进行监测,建立双季稻分蘖数光谱监测模型,并用独立试验数据进行检验。结果表明,新型光谱指数和敏感小波特征对双季稻分蘖数的监测效果优于其他类型光谱参数(植被指数和"三边"参数),其中位于红边区域的小波特征db7(s9,w735)监测早稻分蘖数时表现最优,监测模型R~2为0.754,模型检验相对均方根误差RRMSE为0.128;位于红边区域的小波特征mexh(s6,w714)监测晚稻分蘖数时表现最优,监测模型R~2为0.837,模型检验RRMSE为0.112。研究结果可为双季稻分蘖数快速无损监测和群体质量精确调控提供理论基础与技术支持。
全文链接
请求原文
基于深度学习的作物病虫害可视化知识图谱构建
《农业工程学报 》 2020 EI 北大核心 CSCD
摘要：针对作物病虫害领域存在实体关系交叉关联、多源异构数据聚合能力差、知识共享困难等问题,利用知识图谱以结构化的形式描述实体间复杂关系的优势,该研究提出了一种基于深度学习的作物病虫害知识图谱构建方法.该方法在领域本体的基础上,以一种与领域语料相适应的新标注模式实现实体和关系的联合抽取.将实体和关系抽取任务转化为序列标注问题,对实体和关系进行同步标注,有效提高标注效率;为了解决重叠关系抽取问题,直接对三元组建模而不是分别对实体和关系建模,通过标签匹配和映射即可获得三元组数据.利用来自转换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)-双向长短期记忆网络(Bi-directional Long-Short Term Memory,BiLSTM)+条件随机场(Conditional Random Field,CRF)端到端模型进行试验,结果表明效果优于基于普通标注方式的流水线方法和联合学习方法中的卷积神经网络(Convolutional Neural Networks,CNN)+BiLSTM+CRF、BiLSTM+CRF等经典模型,F1得分为91.34%.最后,将抽取到的知识存储到Neo4j图数据库中,直观地反映知识图谱的内部结构,实现知识可视化和知识推理.该研究构建的知识图谱可为作物病虫害智能问答系统、推荐系统、智能搜索等下游应用提供高质量的知识库基础.
关键词： 作物 病虫害 模型 知识图谱 深度学习 实体关系联合抽取
全文链接
请求原文
荧光光谱法研究苯乙醇胺A与CdTe纳米材料的相互作用
《光谱学与光谱分析 》 2020 EI 北大核心 CSCD
摘要：苯乙醇胺A属于β-受体激动剂类药物,被不法分子应用到动物的饲料中,可使动物体内的营养成分由脂肪向肌肉转移,显著提高胴体瘦肉率,但是人食用后,可引起头痛,心律失常,甚至威胁生命.目前主要的检测方法是液相色谱串联质谱法,但有关它与CdTe纳米材料的相互作用少见报道.研究直接提出应用荧光光谱法实现对兽药残留苯乙醇胺A的检测.首先利用巯基丙酸作为稳定剂,采用微波辐射加热10 min即可合成CdTe纳米材料.该CdTe纳米材料具有良好的荧光性能,以365 nm为激发波长时,在650 nm处有明显的荧光发射峰,荧光强度达3 000,量子产率约52.341%,半峰宽为45 nm.其次将苯乙醇胺A加入到CdTe纳米材料的体系里,发现随着苯乙醇胺A浓度的增大,该体系的荧光强度得到增强.随后对二者之间的影响因素如体系的缓冲溶液、反应时间、反应体系的pH、试剂加入顺序、共存离子、温度等进行考察.建立了一种检测猪尿中的苯乙醇胺A的荧光增敏方法,并对反应机理进行了初步探讨.当苯乙醇胺A溶液的浓度为8~120μg·L-1时,与CdTe纳米材料体系的荧光增强强度具有一定的线性关系.其线性回归方程F/F0=0.001 9C+1.032 1,线性相关系数为0.996,检出限为3.5μg·L-1.同时,将该方法与传统的液相色谱-串联质谱联用法相比较,研究结果表明,采用荧光增敏方法对猪尿中的苯乙醇胺A进行检测分析是快速和可行的.
关键词： CdTe纳米材料 微波加热合成 苯乙醇胺A 荧光光谱法
全文链接
请求原文
波段宽度对利用植被指数估算小麦LAI的影响
《农业工程学报 》 2020 EI 北大核心 CSCD
摘要：为了能够根据遥感数据类型实现指数的优化选择进而提高叶面积指数的反演精度,该研究分析了不同波段宽度(5～80 nm)对植被指数反演叶面积指数精度的影响。通过比较反演模型的决定系数均值,筛选出14个模型精度较高的植被指数,并探讨了不同波段宽度的选取对各指数叶面积指数反演精度的影响。结果表明,波段宽度对不同植被指数的影响可分为3类:1)OSAVI2等指数波宽越窄,反演精度越高,更适合应用于高光谱遥感数据;2)SR_([800,680])等指数随着波段宽度的增加,反演精度先升后降,最适波宽为35 nm,适用于中等光谱分辨率的遥感数据;3)SR_([675,700])等指数随着波段宽度的增大,反演精度不断提高,在多光谱数据中有更好的应用潜力。
关键词： 波段宽度 植被指数 叶面积指数 PROSAIL模型
全文链接
请求原文
基于植被指数选择算法和决策树的生态系统识别
《农业机械学报 》 2019 EI 北大核心 CSCD
摘要：植被指数是对绿色植被的特定表达,在不同环境下的效果不同。植被指数的选择需要结合研究区域的环境特征。本研究将植被指数间的相关系数集成到基于马氏距离的植被指数选择算法中,根据所选样本确定最适宜的植被指数,构建决策树模型,以江西省永丰县为例,开展区域生态系统类型的识别研究。该方法首先确定提取对象,明确对象类别与对象间的隶属关系,然后逐层逐项地提取湿地、森林、草地、农田等生态系统信息。结果表明,所提出的植被指数选择算法具有较好的适用性;生态系统识别的总体精度达89. 11%,构建的决策树模型的分类精度高于传统方法,可为区域生态系统信息提取和生态系统管理提供研究方法。
关键词： 生态系统 自动识别 植被指数 马氏距离 相关系数 决策树模型
全文链接
请求原文
农业废弃物中重金属含量特征及农用风险评估
《农业工程学报 》 2019 EI 北大核心 CSCD
摘要：为了解江西省主要农业废弃物中重金属污染状况和评估其再利用产物农用的安全性,在江西省内采集了水稻秸秆、蔬菜废弃物、猪粪和牛粪等样品,对样品中铬、镍、铜、锌、砷、镉、汞和铅重金属含量进行了测定与风险评估。结果表明,动物性废弃物中重金属含量和超标率明显高于植物性废弃物,其中猪粪属于重度污染,牛粪为轻度污染,植物性废弃物尚处于安全水平。若以江西省农业废弃物为原料制成有机肥,并长期施用于设施菜地,猪粪有机肥施用8.4、15.3和23.9 a后土壤中Cu、Cd和Zn将陆续超标,牛粪有机肥施用23.3 a后土壤中Cu将超标,水稻秸秆、蔬菜废弃物有机肥施用约29a后土壤中Cd将超标,故农业废弃物有机肥须严格控制原料中重金属含量,其农用的长期安全性有待加强监测。
全文链接
请求原文
基于植被指数选择算法和决策树的生态系统识别
《农业机械学报 》 2019 EI 北大核心 CSCD
摘要：植被指数是对绿色植被的特定表达,在不同环境下的效果不同.植被指数的选择需要结合研究区域的环境特征.本研究将植被指数间的相关系数集成到基于马氏距离的植被指数选择算法中,根据所选样本确定最适宜的植被指数,构建决策树模型,以江西省永丰县为例,开展区域生态系统类型的识别研究.该方法首先确定提取对象,明确对象类别与对象间的隶属关系,然后逐层逐项地提取湿地、森林、草地、农田等生态系统信息.结果 表明,所提出的植被指数选择算法具有较好的适用性;生态系统识别的总体精度达89.11%,构建的决策树模型的分类精度高于传统方法,可为区域生态系统信息提取和生态系统管理提供研究方法.
关键词： 生态系统 自动识别 植被指数 马氏距离 相关系数 决策树模型
全文链接
请求原文
基于便携式作物生长监测诊断仪的江西双季稻氮肥调控研究
《农业工程学报 》 2019 EI 北大核心 CSCD
摘要：建立基于便携式作物生长监测诊断仪的江西双季稻氮肥调控模型,利用模型推荐穗肥追氮量,实现江西双季稻氮肥追施的精确管理。基于不同株型品种和氮肥处理的田间试验资料,构建了双季稻叶面积指数光谱监测模型,利用拔节期的差值植被指数实时估测叶面积指数,进而结合江西双季稻高产栽培经验和建立的氮肥调控模型,对双季稻穗肥追氮量进行实时推荐,并和当地农户施肥方案和产量进行比较。双季稻关键生育期(分蘖期、拔节期、孕穗期、抽穗期和灌浆期)的冠层差值植被指数DVI(810,720)与叶面积指数均呈显著正相关,线性函数拟合效果优于其他函数。利用独立试验资料对所建模型进行了检验,单生育期的模型预测效果优于全生育期模型;其中,拔节期的光谱监测模型表现最佳,早稻和晚稻叶面积指数的光谱监测模型的R2分别为0.880 6和0.878 8,模型预测早稻和晚稻叶面积指数的均方根误差、相对均方根误差、相关系数分别为0.30和0.25、7.28%和6.18%、0.923 2和0.926 9。氮肥调控模型推荐施肥应用表明,紧凑型品种的穗肥用量高于松散型品种;与农户方案相比,氮肥调控模型推荐施肥的调控方案在产量不降低的情况下减少氮肥用量6.58kg/hm2,提高氮肥农学利用率0.82个百分点、净收益103元/hm2和产投比0.9,而产量比农户方案略高或持平。与传统非定量农户施肥法相比,基于便携式作物生长监测诊断仪的双季稻氮肥调控方法可在保证产量的情况下,减少施氮量,提高氮肥农学利用率,获得更高经济效益,在江西双季稻生产中具有推广应用价值。
关键词： 氮 肥料 作物 便携式作物生长监测诊断仪 双季稻 差值植被指数 氮肥调控 叶面积指数 产量
全文链接
请求原文
