最好看的小说排行,我吃西红柿,梦入神机

EN

網(wǎng)站首頁(yè) > 行業(yè)應(yīng)用 > 客戶文章

基于近紅外高光譜成像和機(jī)器學(xué)習(xí)的番茄幼苗葉片光合色素預(yù)測(cè)研究

番茄是一種受歡迎且營(yíng)養(yǎng)豐富的水果，在全球市場(chǎng)上占據(jù)了重要地位。近幾十年來(lái)，大量的研究致力于培育出品質(zhì)更高、抗逆性更強(qiáng)的番茄品種。果實(shí)的品質(zhì)與幼苗的生長(zhǎng)密切相關(guān)，因此，有效監(jiān)控幼苗的生長(zhǎng)對(duì)于培育優(yōu)質(zhì)番茄至關(guān)重要。傳統(tǒng)的化學(xué)方法在監(jiān)測(cè)植物中大量色素的濃度方面可能會(huì)受到限制。為了克服這些限制，研究人員經(jīng)常求助于非侵入性、高通量和實(shí)時(shí)監(jiān)測(cè)技術(shù)，例如光譜學(xué)和高光譜成像，這些技術(shù)可以在不需要破壞性采樣的情況下評(píng)估植物中的色素濃度，并提供有效監(jiān)測(cè)大量植物的能力。閱讀全文 ∨
高光譜技術(shù)與文物研究：新視角下的應(yīng)用成果分享

高光譜文物應(yīng)用研究閱讀全文 ∨
利用高光譜成像和變壓器對(duì)腎小球疾病進(jìn)行準(zhǔn)確分類

背景：在腎臟疾病研究中，利用尿樣進(jìn)行精確的腎小球疾病診斷對(duì)于治療和預(yù)后至關(guān)重要。傳統(tǒng)方法依賴于有創(chuàng)性活檢，這存在風(fēng)險(xiǎn)并由于病理學(xué)家的差異而不一致。因此，迫切需要?jiǎng)?chuàng)新的診斷工具，以提高傳統(tǒng)方法的效率，確保疾病檢測(cè)的準(zhǔn)確性和一致性。本研究提出了一種創(chuàng)新的卷積神經(jīng)網(wǎng)絡(luò)-視覺變壓器（CVT）模型，通過(guò)融合光譜和空間數(shù)據(jù)，改進(jìn)腎小球疾病的診斷。通過(guò)間隔采樣預(yù)處理和波長(zhǎng)優(yōu)化，該研究還引入了Gramian Angular Field (GAF)方法來(lái)統(tǒng)一表示光譜和空間特征。閱讀全文 ∨
利用高光譜成像技術(shù)早期檢測(cè)茶葉白葉枯病及快速篩選抗性品種

背景:GB是茶葉的一種重要病害，嚴(yán)重威脅茶葉的產(chǎn)量和品質(zhì)。本研究模擬了GB病病原菌DDZ-6侵染葉片的過(guò)程。采集正常葉片、無(wú)癥狀的侵染葉片、輕度和中度癥狀的侵染葉片的高光譜圖像。結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(CNN)、長(zhǎng)短期記憶(LSTM) 和支持向量機(jī)(SVM)算法，建立GB病早期檢測(cè)模型和抗性品種快速篩選模型。通過(guò)采集野外條件下的數(shù)據(jù)集，驗(yàn)證了該方法的通用性。結(jié)果:可見紅光波段對(duì)GB疾病表現(xiàn)出明顯的響應(yīng)性，通過(guò)使用無(wú)信息變量消除(UVE)、競(jìng)爭(zhēng)自適應(yīng)重加權(quán)抽樣(CARS)和連續(xù)投影算法(SPA)的嚴(yán)格篩選過(guò)程確定了三個(gè)敏感波段。693、727和766 nm波段是GB的高敏感指標(biāo)。在理想條件下， CARS-LSTM模型在GB的早期檢測(cè)中表現(xiàn)出色，準(zhǔn)確率達(dá)到92.6%。然而，在現(xiàn)場(chǎng)條件下，693和727 nm波段結(jié)合CNN提供了最有效的早期檢測(cè)模型，準(zhǔn)確率為87.8%。SPA-LSTM模型在篩選抗GB品種方面表現(xiàn)優(yōu)異，準(zhǔn)確率達(dá)82.9%。閱讀全文 ∨
基于光譜信息與圖割模型求解的高光譜圖像拼接方法

圖像拼接任務(wù)目標(biāo)導(dǎo)出一個(gè)大用于獲取廣泛信息的全景圖像。但是，重影或幾何錯(cuò)位等偽影是不可避免地產(chǎn)生。作為一項(xiàng)實(shí)用措施，最佳接縫線檢測(cè)策略使用空間信息來(lái)獲取 RGB圖像拼接中的最佳接縫，但不能直接接縫用于高光譜圖像（HSI）拼接。由于空間 HSI的眾多連續(xù)波段的信息是不同的，在每個(gè)中檢測(cè)到的傳統(tǒng)基于RGB的方法的接縫 HSI的波段是發(fā)散的，這會(huì)導(dǎo)致視覺差異和頻譜失真。為了解決這個(gè)問(wèn)題，我們提出了一個(gè)基于圖形切割的HSI優(yōu)化接縫線檢測(cè)新穎策略這部作品中的縫合。首先，我們使用魯棒的特征匹配和 Elastic Warp 將多個(gè)相鄰圖像對(duì)齊成一個(gè)公共圖像幾何變換閱讀全文 ∨
基于高光譜成像技術(shù)的茶苗生長(zhǎng)深度學(xué)習(xí)模型的建立

首先，利用Mask R-CNN網(wǎng)絡(luò)提取新梢和母葉的光譜反射率，其次，利用多元散射校正（MSC）、一階導(dǎo)數(shù)（1-D）和平滑濾波（S-G）算法對(duì)采集的原始高光譜數(shù)據(jù)進(jìn)行預(yù)處理，并利用無(wú)信息變量消除（UVE）和競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)（SPA）算法篩選預(yù)處理后高光譜數(shù)據(jù)的特征波段。最后，提出一種卷積神經(jīng)網(wǎng)絡(luò)-門控循環(huán)網(wǎng)絡(luò)（CNN-GRU）網(wǎng)絡(luò)用于估計(jì)扦插苗新梢和根系的生物量，并且與支持向量機(jī)（SVM）、隨機(jī)森林（RF）、偏最小二乘法（PLS）三種機(jī)器學(xué)習(xí)方法和卷積神經(jīng)網(wǎng)絡(luò)（CNN）、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LSTM）兩種深度學(xué)習(xí)方法進(jìn)行比較。閱讀全文 ∨

快速導(dǎo)航

新聞

服務(wù)網(wǎng)絡(luò)

江蘇雙利合譜科技有限公司

地址：無(wú)錫市梁溪區(qū)南湖大道飛宏路58-1-108

電話：13810664973

郵箱：info@dualix.com.cn
北京辦事處

地址：北京市海淀區(qū)中關(guān)村大街19號(hào)

電話：13810664973

郵箱：info@dualix.com.cn
西安辦事處

地址：陜西省西安市高新區(qū)科技一路40號(hào)盛方科技園B座三層?xùn)|區(qū)

電話：13810664973

郵箱：info@dualix.com.cn
成都

地址：成都市青羊區(qū)順城大街206號(hào)四川國(guó)際大廈七樓G座

電話：13810664973

郵箱：info@dualix.com.cn
深圳辦事處

地址：深圳市龍華區(qū)民治梅龍路

電話：13810664973

郵箱：info@dualix.com.cn

高光譜成像儀/高光譜相機(jī)/高光譜解決方案-江蘇雙利合譜科技有限公司無(wú)錫市梁溪區(qū)南湖大道飛宏路58-1-108 13810664973 ICP備案號(hào)：蘇ICP備2021046114號(hào)-1

基于近紅外高光譜成像和機(jī)器學(xué)習(xí)的番茄幼苗葉片光合色素預(yù)測(cè)研究

高光譜技術(shù)與文物研究：新視角下的應(yīng)用成果分享

利用高光譜成像和變壓器對(duì)腎小球疾病進(jìn)行準(zhǔn)確分類

利用高光譜成像技術(shù)早期檢測(cè)茶葉白葉枯病及快速篩選抗性品種

基于光譜信息與圖割模型求解的高光譜圖像拼接方法

基于高光譜成像技術(shù)的茶苗生長(zhǎng)深度學(xué)習(xí)模型的建立

快速導(dǎo)航

新聞

服務(wù)網(wǎng)絡(luò)

江蘇雙利合譜科技有限公司

北京辦事處

西安辦事處

成都

深圳辦事處