番茄是一種受歡迎且營養(yǎng)豐富的水果，在全球市場上占據(jù)了重要地位。近幾十年來，大量的研究致力于培育出品質(zhì)更高、抗逆性更強的番茄品種。果實的品質(zhì)與幼苗的生長密切相關(guān)，因此，有效監(jiān)控幼苗的生長對于培育優(yōu)質(zhì)番茄至關(guān)重要。傳統(tǒng)的化學方法在監(jiān)測植物中大量色素的濃度方面可能會受到限制。為了克服這些限制，研究人員經(jīng)常求助于非侵入性、高通量和實時監(jiān)測技術(shù)，例如光譜學和高光譜成像，這些技術(shù)可以在不需要破壞性采樣的情況下評估植物中的色素濃度，并提供有效監(jiān)測大量植物的能力。閱讀全文 ∨
高光譜文物應用研究閱讀全文 ∨
背景：在腎臟疾病研究中，利用尿樣進行精確的腎小球疾病診斷對于治療和預后至關(guān)重要。傳統(tǒng)方法依賴于有創(chuàng)性活檢，這存在風險并由于病理學家的差異而不一致。因此，迫切需要創(chuàng)新的診斷工具，以提高傳統(tǒng)方法的效率，確保疾病檢測的準確性和一致性。本研究提出了一種創(chuàng)新的卷積神經(jīng)網(wǎng)絡-視覺變壓器（CVT）模型，通過融合光譜和空間數(shù)據(jù)，改進腎小球疾病的診斷。通過間隔采樣預處理和波長優(yōu)化，該研究還引入了Gramian Angular Field (GAF)方法來統(tǒng)一表示光譜和空間特征。閱讀全文 ∨
背景:GB是茶葉的一種重要病害，嚴重威脅茶葉的產(chǎn)量和品質(zhì)。本研究模擬了GB病病原菌DDZ-6侵染葉片的過程。采集正 常葉片、無癥狀的侵染葉片、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(CNN)、長短期記憶(LSTM) 和支持向量機(SVM)算法，建立GB病早期檢測模型和抗性品種快速篩選模型。通過采集野外條件下的數(shù)據(jù)集，驗證了該 方法的通用性。 結(jié)果:可見紅光波段對GB疾病表現(xiàn)出明顯的響應性，通過使用無信息變量消除(UVE)、競爭自適應重加權(quán)抽樣(CARS)和連 續(xù)投影算法(SPA)的嚴格篩選過程確定了三個敏感波段。693、727和766 nm波段是GB的高敏感指標。在理想條件下， CARS-LSTM模型在GB的早期檢測中表現(xiàn)出色，準確率達到92.6%。然而，在現(xiàn)場條件下，693和727 nm波段結(jié)合CNN提 供了最有效的早期檢測模型，準確率為87.8%。SPA-LSTM模型在篩選抗GB品種方面表現(xiàn)優(yōu)異，準確率達82.9%。閱讀全文 ∨
圖像拼接任務目標導出一個大 用于獲取廣泛信息的全景圖像。但是，重影或幾何錯位等偽影是 不可避免地產(chǎn)生。作為一項實用措施，最佳接縫線 檢測策略使用空間信息來獲取 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， 在每個中檢測到的傳統(tǒng)基于RGB的方法的接縫 HSI的波段是發(fā)散的，這會導致視覺差異 和頻譜失真。為了解決這個問題，我們提出了一個基于圖形切割的HSI優(yōu)化接縫線檢測新穎策略 這部作品中的縫合。首先，我們使用魯棒的特征匹配和 Elastic Warp 將多個相鄰圖像對齊成一個公共圖像幾何變換閱讀全文 ∨
首先，利用Mask R-CNN網(wǎng)絡提取新梢和母葉的光譜反射率，其次，利用多元散射校正（MSC）、一階導數(shù)（1-D）和平滑濾波（S-G）算法對采集的原始高光譜數(shù)據(jù)進行預處理，并利用無信息變量消除（UVE）和競爭性自適應重加權(quán)（SPA）算法篩選預處理后高光譜數(shù)據(jù)的特征波段。最后，提出一種卷積神經(jīng)網(wǎng)絡-門控循環(huán)網(wǎng)絡（CNN-GRU）網(wǎng)絡用于估計扦插苗新梢和根系的生物量，并且與支持向量機（SVM）、隨機森林（RF）、偏最小二乘法（PLS）三種機器學習方法和卷積神經(jīng)網(wǎng)絡（CNN）、長短時記憶網(wǎng)絡（LSTM）兩種深度學習方法進行比較。閱讀全文 ∨
地址：無錫市梁溪區(qū)南湖大道飛宏路58-1-108
.png)
電話：13810664973
.png)
郵箱：info@dualix.com.cn
地址：北京市海淀區(qū)中關(guān)村大街19號
電話：13810664973
郵箱：info@dualix.com.cn
地址：陜西省西安市高新區(qū)科技一路40號盛方科技園B座三層東區(qū)
電話：13810664973
郵箱：info@dualix.com.cn
地址：成都市青羊區(qū)順城大街206號四川國際大廈七樓G座
電話：13810664973
郵箱：info@dualix.com.cn
地址：深圳市龍華區(qū)民治梅龍路電話：13810664973郵箱：info@dualix.com.cn
在線咨詢