公共文化服务平台

高洪燕: 作品数：30 被引量：235H指数：10; 供职机构：江苏大学更多>>; 发文基金：国家自然科学基金江苏高校优势学科建设工程资助项目中国博士后科学基金更多>>; 相关领域：农业科学理学自动化与计算机技术轻工技术与工程更多>>

合作作者

基于高光谱图像及ELM的生菜叶片氮素水平定性分析被引量：21: 2014年; 基于高光谱图像技术与极限学习机(Extreme learning machine,ELM)模式识别方法构建一套生菜叶片氮素水平鉴别模型。利用3种不同氮浓度的营养液无土栽培各氮素水平生菜,在莲座期采集每类氮素水平生菜叶片各84片,利用高光谱图像采集系统采集生菜叶片高光谱图像,并在每个高光谱图像上选取叶片4个不同位置的60×60像素的感兴趣区域(ROI),求取感兴趣区域光谱数据平均值作为叶片样本的原始光谱,利用标准正态变量校正对原始光谱进行预处理,采用主成分分析法对光谱进行降维。采用ELM对训练样本进行建模,并与传统的BP及SVM算法模型进行对比。从实验结果可以看出,ELM模型训练时间和分类正确率分别为0.623 04 s和100%,在训练时间相当的情况下,ELM分类正确率高于SVM模型,在分类正确率相当的情况下,ELM模型的训练时间比BP模型要短。研究结果表明,基于高光谱图像技术及ELM可以构建生菜叶片氮素水平分类模型。; 孙俊卫爱国毛罕平武小红张晓东高洪燕; 关键词：高光谱图像极限学习机氮素

番茄叶片氮素反射光谱及高光谱图像的研究: 以坐果-膨大期的番茄叶片为研究对象,采用便携式光谱分析仪和高光谱成像系统分别采集番茄叶片的反射光谱和高光谱图像。通过对反射光谱进行对数变换后,采用逐步回归法提取番茄叶片氮素的特征波长。采用主成分分析法得到番茄叶片氮素高光...; 高洪燕毛罕平张晓东周莹; 关键词：番茄反射光谱高光谱图像; 文献传递

温室生长信息和环境信息多传感检测系统设计被引量：1: 2021年; 我国设施农业发展迅速,目前对作物长势信息检测主要依靠传统判别方法,但是传统长势信息判断存在主观性强、费时费力等弊端,因此设计了适用于温室高架栽培作物的轨道式移动检测平台,该平台通过搭载作物生长和环境信息多传感检测装置,可实现对高架植物的茎、果、叶长势和冠层-空气温差等生长信息,以及环境温湿度、光照强度等气象环境因子进行监测。为了适应温室行走环境,提高行走的稳定性,移动检测平台采用轨道式移动机构设计,即利用温室加热管道作为轨道,以确保机构的稳定行走,对平台的运动功能进行验证,绝对误差最大值为7.2 mm,相对误差为0.72%。移动检测平台采用高举升升降机构,结合5自由度机械臂系统将传感器放到所需位置,将实际测量高度值与标准高度位置值进行数据对比分析,绝对误差最大值为0.83 mm,相对误差为0.78%,因此能精准地将所要使用到的传感设备放到所需的高度和预定位姿。; 张晓东李鹏飞毛罕平高洪燕; 关键词：温室作物信息采集设施农业

生菜叶中磷含量的光谱定量分析被引量：5: 2014年; 为快速、准确检测生菜叶内的磷含量,提出了应用光谱技术结合化学计量法无损检测生菜叶内磷含量的方法。通过获取不同施磷量下生菜叶片于波长350~2 500 nm处的反射光谱,对光谱数据进行5点平滑和一阶导数变换后,利用联合区间偏最小二乘算法(si PLS)提取了与生菜叶磷元素相关的4个特征波段,即950~1 070 nm,1 430~1 549 nm,1 906~2 025 nm和2 144~2 263 nm。进一步利用连续投影算法(SPA)对全光谱波段和4个特征波段进行特征波长提取,分别筛选出变量63个和25个。分别对4个特征波段、63个和25个特征波长进行主成分降维,当主成分数分别为7、5和4时,隐含层神经元数分别为7、5和3时,建立了si PLS+BPANN,SPA+BPANN,si PLS+SPA+BPANN生菜叶磷含量检测模型。研究结果表明:si PLS+SPA+BPANN模型的预测结果优于其他模型,验证集相关系数为0.911,验证均方根误差为479 mg/kg。; 高洪燕毛罕平张晓东; 关键词：光谱分析连续投影算法 BP神经网络

光谱技术结合BiPLS-GA-SPA和ELM算法的生菜冠层氮素含量检测研究被引量：3: 2016年; 氮素是影响生菜产量和品质的重要因素,光谱技术是检测作物氮素含量最有效的手段之一。通过获取不同氮素水平下生菜冠层的反射光谱,对其进行FDSGF(first-order derivative based savitzky-golay filt)滤波后,利用后向区间偏最小二乘算法(BiPLS)、遗传算法(GA)及连续投影算法(SPA)对特征波长进行梯度提取,最终从2 151个波长点中提取了8个与生菜氮素最为相关的特征波长。分别利用多元线性回归(MLR)、径向基函数神经网络(RBFNN)及极限学习机(ELM)三种算法建立了基于特征波段或特征波长的8个生菜冠层氮素含量检测模型。结果表明:BiPLS-GA-SPA-ELM模型(RMSEC=0.241 6%,Rc=0.934 6,RMSEP=0.284 2%,Rp=0.921 8)的预测结果优于其他模型,为指导合理施肥和开发便携式仪器提供了理论基础。; 高洪燕毛罕平张晓东; 关键词：反射光谱连续投影算法径向基函数神经网络

生菜叶片含水率光谱特征模型研究被引量：17: 2011年; 利用便携式光谱分析仪测量生菜叶片的光谱反射率,并对其进行对数变换。通过变量筛选得到725、1 075、1 272、1 450、1 640和1 958 nm波长处的光谱反射率与生菜干基含水率呈极显著相关。为克服多重共线性影响,分别采用多元线性回归分析、主成分回归分析、偏最小二乘回归分析及偏最小二乘-人工神经网络回归分析4种方法建立了叶片干基含水率的定量分析模型。结果表明4种算法预测值与实测值相关系数分别为0.485 0、0.899 2、0.917 4和0.947 0,偏最小二乘-人工神经网络模型的预测能力优于其他模型。; 毛罕平高洪燕张晓东; 关键词：水分胁迫生菜叶片含水率光谱特征数学模型

水分传感器位置和基质含水量对一品红生长和品质的影响被引量：2: 2021年; 水分管理是温室花卉生产中重要的管理措施之一。针对目前花卉研究中未考虑栽培基质内水分空间异质性的问题,以一品红“喜庆红”品种为试验材料,于2019年10月至2020年1月在江苏大学Venlo型温室中开展不同水分传感器位置和基质含水量的试验,并对一品红生长指标和品质指标进行了测定。采用主成分分析法确定了影响一品红生长和品质的主要组分。结果表明,基质含水量显著影响一品红的新增叶长和新增叶展,水分传感器位置显著影响一品红的生长和品质指标。通过主成分分析和综合评分,水分传感位置为H2(距根基8 cm),基质含水量为W3处理(传感器测定含水量为30%≤w≤40%)结果最优。该研究结果可以为温室花卉的自动化管理提供理论依据。; 倪纪恒王媛媛李龙兴朱恺豪高洪燕; 关键词：一品红水分传感器基质含水量主成分分析

基于介电特性的鸡蛋品种无损鉴别被引量：7: 2017年; 为更合理有效实现鸡蛋品种分类,研究一种介电特性无损鉴别鸡蛋品种方法。本实验以4组不同品种鸡蛋(江苏镇江洋鸡蛋、江苏镇江草鸡蛋、安徽老南沟草鸡蛋、江苏东台草鸡蛋)为研究对象,采用平行极板法测量4组鸡蛋在10~200 k Hz条件下的介电特性参数,并利用支持向量机(support vector machine,SVM)算法建立鸡蛋品种鉴别分类检测模型。研究不同核函数(线性核函数、多项式核函数、RBF核函数和Sigmoid核函数)、不同参数寻优算法(网格搜索法、遗传算法和粒子群算法)选择对分类模型准确率的影响。结果表明,以线性核函数为SVM核函数、粒子群算法为SVM参数寻优算法时,建立的鸡蛋品种SVM分类模型的性能最优,其训练集正确率为95.83%,测试集正确率为95.83%。利用介电特性无损检测技术结合SVM算法,取得了很好的分类效果,为鸡蛋品种鉴别提供了一种新的快速有效的方法。; 孙俊刘彬毛罕平武小红高洪燕杨宁; 关键词：介电特性鸡蛋无损检测支持向量机

基于介电特性与蛋黄指数回归模型的鸡蛋新鲜度无损检测被引量：13: 2016年; 为了更准确、快速的实现鸡蛋新鲜度品质指标蛋黄指数的无损检测,基于介电特性建立了鸡蛋新鲜度无损检测模型,获取鸡蛋的蛋黄指数信息。试验以不同新鲜度鸡蛋为研究对象,采用平行极板法测量不同新鲜度鸡蛋在温度为20℃,相对湿度为72%～89%,频率为1～200 k Hz下的介电特性参数,分析鸡蛋介电特性的变化规律,并建立鸡蛋介电特性与蛋黄指数之间的数学模型。分析了鸡蛋介电特性随测量信号频率及新鲜度指标蛋黄指数的变化曲线,发现其介电参数随频率及蛋黄指数的增大而减小。构建了蛋黄指数与相对介电常数的拟合方程,鸡蛋样品的实际蛋黄指数与模型预测的蛋黄指数间的决定系数R2为0.9115,蛋黄指数的误差为±4.2%,试验结果表明：利用拟合方程预测检验鸡蛋蛋黄指数取得了较好的预测效果,为无损检测鸡蛋新鲜度提供了一种新的可行方法。; 孙俊刘彬毛罕平武小红高洪燕杨宁; 关键词：介电特性无损检测鸡蛋

基于高光谱图像光谱与纹理信息的生菜氮素含量检测被引量：48: 2014年; 高光谱图像包含丰富的光谱与图像信息,该文基于此试图构建生菜氮素检测模型。利用高光谱图像采集系统获取可见-近红外（390-1 050 nm）范围内的生菜叶片高光谱图像,同时利用凯氏定氮法获取对应叶片的氮素值。将光谱反射值较大波长图像与反射值较小波长图像相除并用阈值化法构建掩膜图像,获取感兴趣区域（ROI,region of interest）。由于高光谱数据量大、且数据间冗余性强,因此如何有效的提取一些特征波长十分重要。该文采用主成分分析（PCA,principal component analysis）对原始高光谱图像进行处理,根据前3个主成分图像（PC1、PC2、PC3）在全波长下的权重系数分布图选出662.9、711.7、735.0、934.6 nm 4个特征波长及对应的光谱特征,并且分别提取4个特征波长图像、主成分图像PC1、PC2、PC3在ROI下的基于灰度共生矩阵的纹理特征,最后利用支持向量机回归（SVR,support vector machine regression）分别建立生菜叶片基于特征波长光谱特征、特征波长图像与主成分图像的纹理特征及光谱纹理融合特征与对应氮素值之间的关系模型。结果表明,在校正性能指标决定系数R2C上,基于光谱特征＋特征波长图像纹理特征的模型较好,R2C=0.996,校正集均方根误差RMSEC为0.034;在预测性能指标决定系数R2P上,基于光谱特征的模型较好,R2P=0.86,预测集均方根误差RMSEP为0.22。该研究结果可为农作物氮素的快速、无损检测提供一定的参考价值。; 孙俊金夏明毛罕平武小红朱文静张晓东高洪燕; 关键词：氮素主成分分析支持向量机高光谱图像生菜纹理特征

高洪燕

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

高洪燕

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈