基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种用高光谱技术快速识别不同水稻株型的新方法.首先在试验田内选择33个不同的水稻品种,测定了每个品种的14个株型特征参数,并采用荷兰Avantes公司的AvaSpec-2048便携式光谱仪采集不同株型水稻的高光谱数据.通过聚类分析,将所有水稻品种分为差异较大的3个株型类别.再采用平均平滑法和标准归一化方法对光谱数据进行预处理,对光谱数据主成分分析并获得各主成分数据.最后将主成分数据作为BP神经网络的输入变量,株型类别作为输出变量,建立了三层人工神经网络识别模型,并用模型对预测样本进行预测.结果表明,预测准确率为100%.该方法实现了对不同水稻株型的快速、无损识别.
推荐文章
水稻株型的研究进展
水稻
茎蘖
叶片
根系
水稻株型的研究进展(综述)
水稻
株型
叶片松散度
势粒比
机械化种植方式对不同品种水稻株型及抗倒伏能力的影响
农业机械
种植
农艺
水稻
机械化种植方式
株型
抗倒伏
茎秆物理性状
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 识别不同水稻株型的高光谱模式方法的建立
来源期刊 核农学报 学科 农学
关键词 光谱特征 水稻 主成分分析 人工神经网络
年,卷(期) 2010,(6) 所属期刊栏目
研究方向 页码范围 1274-1279
页数 分类号 S5
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郑可锋 浙江省农业科学院数字农业研究所 47 291 10.0 14.0
2 金千瑜 浙江省农业科学院数字农业研究所 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (167)
参考文献  (16)
节点文献
引证文献  (9)
同被引文献  (48)
二级引证文献  (17)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(2)
  • 参考文献(1)
  • 二级参考文献(1)
1985(2)
  • 参考文献(1)
  • 二级参考文献(1)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(3)
  • 参考文献(2)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(6)
  • 参考文献(1)
  • 二级参考文献(5)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(6)
  • 参考文献(3)
  • 二级参考文献(3)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
光谱特征
水稻
主成分分析
人工神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
核农学报
月刊
1000-8551
11-2265/S
16开
北京市海淀区圆明园西路2号农产品加工研究所
1987
chi
出版文献量(篇)
4988
总下载数(次)
6
总被引数(次)
55367
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导