版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)作為現(xiàn)代農(nóng)業(yè)最前沿的發(fā)展領(lǐng)域之一,是當(dāng)今世界發(fā)展農(nóng)業(yè)信息化,實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵和核心技術(shù)。數(shù)字農(nóng)業(yè)和農(nóng)業(yè)物聯(lián)網(wǎng)要求快速、實(shí)時(shí)、準(zhǔn)確和定位化的獲取植物生長(zhǎng)信息,而傳統(tǒng)的實(shí)驗(yàn)室測(cè)量分析和信息獲取方法已經(jīng)不能滿足現(xiàn)代農(nóng)業(yè)的發(fā)展要求。因此,研究和開發(fā)植物生命信息快速無損檢測(cè)技術(shù)和傳感儀器等軟硬件平臺(tái)已經(jīng)成為現(xiàn)代農(nóng)業(yè)亟待解決的關(guān)鍵問題。本研究以種植廣泛、經(jīng)濟(jì)價(jià)值高和作為可再生能源的油菜為研究對(duì)象,通過連續(xù)4年(200
2、7-2010年)的試驗(yàn)研究,建立了油菜苗期、花期、角果期等全生長(zhǎng)期的葉片和冠層養(yǎng)分信息快速檢測(cè)模型,首次實(shí)現(xiàn)了非生物脅迫(除草劑丙酯草醚)下油菜葉片乙酰乳酸合成酶活力、蛋白質(zhì)含量、氨基酸含量等生理信息的快速檢測(cè),并研發(fā)了油菜生物脅迫(菌核?。┰缙谠\斷識(shí)別方法和系統(tǒng),對(duì)油菜種植的精細(xì)化管理和作業(yè),提高油菜籽的產(chǎn)量和品質(zhì)具有重要意義。主要?jiǎng)?chuàng)新性成果有:
(1)提出了光譜數(shù)據(jù)預(yù)處理-特征波長(zhǎng)提取-線性和非線性建模預(yù)測(cè)的光譜分析技
3、術(shù)路徑,建立了油菜苗期、花期、角果期,以及苗-花-角果生命期葉片和冠層養(yǎng)分的快速檢測(cè)模型,實(shí)現(xiàn)了油菜養(yǎng)分信息的精確、高效無損檢測(cè)。系統(tǒng)地研究了原始光譜(Raw)和7種光譜預(yù)處理方法,并應(yīng)用連續(xù)投影算法提取特征波長(zhǎng),建立了線性(多元線性回歸MLR和偏最小二乘法PLS)和非線性(最小二乘.支持向量機(jī)LS-SVM)預(yù)測(cè)模型。對(duì)油菜苗期、花期、角果期,以及苗-花-角果生命期SPAD值的預(yù)測(cè)相關(guān)系數(shù)分別為0.7149、0.9431、0.9215和
4、0.8557?;贑ropscan多光譜輻射信息(15通道)的油菜冠層SPAD值檢測(cè)最優(yōu)模型LS-SVM的預(yù)測(cè)相關(guān)系數(shù)為0.7122。
(2)應(yīng)用可見/近紅外光譜技術(shù),建立了油菜葉片光譜信息與生理信息的定量關(guān)系模型,首次實(shí)現(xiàn)了非生物脅迫(除草劑丙酯草醚)下油菜葉片乙酰乳酸合成酶活力(AIS)的快速檢測(cè)。在可見光譜(400-780 nm)、近紅外光譜(781-2500 nm)和可見/近紅外光譜(400-2500 nm)范圍的
5、最優(yōu)預(yù)測(cè)相關(guān)系數(shù)分別為0.9026、0.9179和0.9379。在近紅外光譜(1100-2500 nm)范圍,應(yīng)用回歸系數(shù)(RC)提取的10個(gè)特征波長(zhǎng)所建最優(yōu)模型對(duì)ALS的預(yù)測(cè)相關(guān)系數(shù)為0.9395。
(3)提出了連續(xù)投影算法(SPA)、回歸系數(shù)法(RC)、載荷系數(shù)法(x-Loading Weights)和獨(dú)立組分分析法(ICA)提取特征波長(zhǎng)的準(zhǔn)則,建立了除草劑丙酯草醚脅迫下油菜葉片蛋白質(zhì)含量的快速檢測(cè)方法和模型。在可見/
6、近紅外光譜(400-2500 nm)范圍,油菜鮮葉可溶性蛋白含量、非可溶性蛋白含量和總蛋白含量最優(yōu)預(yù)測(cè)相關(guān)系數(shù)分別為0.9351、0.9067和0.9338。在近紅外光譜(1100-2500 nm)范圍,油菜干葉可溶性蛋白含量最優(yōu)模SPA-LS-SVM(Raw)的預(yù)測(cè)相關(guān)系數(shù)為0.9887。
(4)提出了直接正交信號(hào)校正(DOSC)和連續(xù)投影算法(SPA)的優(yōu)化組合次序?yàn)镈OSC-SPA,建立了除草劑脅迫下油菜葉片17種氨
7、基酸和總氨基酸含量的預(yù)測(cè)模型,闡明了除草劑丙酯草醚對(duì)總氨基酸含量的作用機(jī)理和響應(yīng)規(guī)律。所建模型對(duì)氨基酸含量的預(yù)測(cè)相關(guān)系數(shù)均大于0.95,應(yīng)用DOSC-SPA提取特征波長(zhǎng)所建直接方程模型(冪函數(shù)方程)對(duì)總氨基酸含量的預(yù)測(cè)相關(guān)系數(shù)為0.9968。
(5)應(yīng)用光譜和多光譜成像技術(shù),建立了油菜生物脅迫(菌核?。┰缙谧R(shí)別的光譜診斷模型、多光譜圖像反射特性診斷模型和多光譜圖像紋理特征診斷模型,并開發(fā)了油菜菌核病早期診斷識(shí)別系統(tǒng)。應(yīng)用D
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于光譜和多光譜成像技術(shù)的葡萄內(nèi)部品質(zhì)快速無損檢測(cè)和儀器研究.pdf
- 基于高光譜成像技術(shù)的番茄灰霉病早期快速無損檢測(cè)機(jī)理和方法研究.pdf
- 基于高光譜成像技術(shù)的油菜養(yǎng)分及產(chǎn)量信息快速獲取技術(shù)和方法研究.pdf
- 基于高光譜成像技術(shù)的對(duì)蝦品質(zhì)信息快速檢測(cè)方法研究.pdf
- 基于多光譜成像技術(shù)的香腸多元品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的肉品品質(zhì)無損檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的油菜信息獲取研究.pdf
- 基于多光譜成像技術(shù)的生物標(biāo)志物快速檢測(cè)方法研究.pdf
- 基于多光譜成像技術(shù)的茶葉和龍蝦無損檢測(cè)應(yīng)用研究.pdf
- 基于光譜和多源波譜成像技術(shù)的植物灰霉病快速識(shí)別的方法研究.pdf
- 基于高光譜成像技術(shù)的蘋果品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的蔬菜新鮮度快速檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的冷鮮豬肉品質(zhì)無損檢測(cè)方法研究.pdf
- 基于高光譜成像技術(shù)的花生仁質(zhì)量無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的靈武長(zhǎng)棗品質(zhì)無損檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的雞種蛋孵前受精信息無損檢測(cè)研究.pdf
- 基于多光譜成像技術(shù)的光譜圖像重構(gòu)與顯示研究.pdf
- 基于壓縮感知的多光譜成像和多聚焦圖像融合方法研究.pdf
- 基于高光譜成像技術(shù)的干貝水分含量快速檢測(cè)研究.pdf
- 基于高光譜成像技術(shù)的作物葉綠素信息診斷機(jī)理及方法研究.pdf
評(píng)論
0/150
提交評(píng)論