2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩73頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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、植物病害不僅導(dǎo)致農(nóng)作物減產(chǎn)和品質(zhì)下降,甚至絕產(chǎn),而且還會(huì)導(dǎo)致殺菌劑等農(nóng)藥不必要地增加,從而增加了農(nóng)業(yè)生產(chǎn)成本并且造成嚴(yán)重的環(huán)境問題,植物病害是制約高產(chǎn)、優(yōu)質(zhì)、高效益農(nóng)業(yè)持續(xù)發(fā)展的重要因素之一,因此對(duì)植物病害監(jiān)測(cè)顯得尤為重要,它為及時(shí)掌握病害的發(fā)生情況、制定防治策略和指導(dǎo)防治提供了依據(jù)。本文以茄子和番茄等茄科蔬菜為研究對(duì)象,應(yīng)用高光譜成像檢測(cè)技術(shù)將茄科蔬菜葉片的外觀信息和內(nèi)部化學(xué)信息數(shù)字化,結(jié)合圖像處理技術(shù)、數(shù)據(jù)挖掘技術(shù)和植物病理學(xué)知識(shí)等

2、建立相關(guān)的數(shù)學(xué)模型。主要研究結(jié)論如下:
   (1)應(yīng)用高光譜成像技術(shù)對(duì)茄子葉片的灰霉病進(jìn)行早期檢測(cè)研究。介紹了茄子葉片樣本制備過程以及高光譜圖像信息采集方法,研究利用主成分分析(PCA)對(duì)高光譜圖像進(jìn)行降維,選取3個(gè)特征波長(zhǎng)分別為554.05nm、684.49nm和763.63nm,并分別提取3個(gè)特征波長(zhǎng)下的8個(gè)基于灰度共生矩陣的紋理特征參數(shù),再應(yīng)用連續(xù)投影算法(SPA)優(yōu)選13個(gè)特征變量從而分別建立偏最小二乘法(PLS)、反

3、向傳播人工神經(jīng)網(wǎng)絡(luò)(BPANN)和最小二乘支持向量機(jī)(LS-SVM)模型。結(jié)果表明,LS-SVM模型的預(yù)測(cè)效果最佳,無論閾值設(shè)定為±0.5、±0.2或±0.1,預(yù)測(cè)的準(zhǔn)確率都達(dá)到97.5%。
   (2)應(yīng)用高光譜成像技術(shù)對(duì)番茄葉片的灰霉病進(jìn)行早期檢測(cè)研究。研究了原始光譜(Raw)和5種光譜預(yù)處理方法,并應(yīng)用連續(xù)投影算法(SPA)分別提取番茄葉片高光譜圖像中的光譜特征和圖像特征,進(jìn)而分別建立基于光譜信息、圖像信息以及基于光譜信息

4、和圖像信息的PLS、BPANN和LS-SVM模型。結(jié)果表明,當(dāng)閾值設(shè)定為±0.5時(shí),PLS、BPANN和LS-SVM三種建模方法對(duì)番茄葉片灰霉病的早期預(yù)測(cè)都取得了滿意結(jié)果,但隨著精度要求的提高即閾值絕對(duì)值逐漸減小,只有基于光譜信息和圖像信息的三種建模方法對(duì)番茄葉片灰霉病的早期預(yù)測(cè)都取得了較為理想的效果,這充分反映了高光譜圖像能夠全面地檢測(cè)番茄葉片的內(nèi)外部信息。無論閾值設(shè)定為±0.5、±0.2或±0.1,LS-SVM模型的預(yù)測(cè)效果都是最佳

5、的,預(yù)測(cè)的準(zhǔn)確率都達(dá)到100%。
   (3)應(yīng)用高光譜成像技術(shù)實(shí)現(xiàn)茄子葉片化學(xué)防御酶指標(biāo)的測(cè)定。為了充分利用高光譜的信息建立更加可靠準(zhǔn)確的模型,系統(tǒng)應(yīng)用SPA分別提取了茄子葉片高光譜圖像中的光譜特征和圖像特征,從而建立PLS、BPANN和LS-SVM模型。結(jié)果表明,BPANN能夠很好地預(yù)測(cè)茄子葉片中的超氧化物歧化酶(SOD)活性,預(yù)測(cè)相關(guān)系數(shù)Rp=0.8468;LS-SVM能夠很好地預(yù)測(cè)過氧化物酶(POD)活性,預(yù)測(cè)相關(guān)系數(shù)R

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(yè)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(kù)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

評(píng)論

0/150

提交評(píng)論