M.K. Maid1*, R.R. Deshmukh21*Department of CS and IT, Dr. B. A. M. U, Aurangabad, India2Department of CS and IT, Dr. B. A. M. U, Aurangabad, India*Corresponding Author: mm915monali@gmail.com Available online at: www.ijcseonline.org Abstract— Remote Sensing has wide range of applications in many different fields. Remote Sensing has been found to be a valuable tool in evaluation, monitoring, and management of land, water and crop resources. The applications of remote sensing techniques in the field of agriculture are wide and varied ranging from crop identification, detection of diseas...
發(fā)布時間:
2019
-
03
-
19
瀏覽次數(shù)：268
本文旨在利用高光譜數(shù)據(jù)建立一個準確、可解釋的植物病害識別模型。由真菌引起的大豆炭腐病是一種嚴重影響大豆產(chǎn)量的世界性病害。在383-1032 nm范圍內(nèi)，Resonon高光譜成像儀在240個不同的波長處捕獲高光譜圖像。針對大豆炭腐病，科學家建立了3D卷積分網(wǎng)絡模型，模型分類精度為95.73%，并利用可視化顯著圖檢驗訓練模型、敏感像素位置以及分類的特征敏感波段，發(fā)現(xiàn)：敏感特征波段為733 nm，這和常用的鑒別植物健康程度的特征波段范圍（700-1000nm）是一致的。 實驗：感染炭腐病的大豆：分別在第3、6、9、12和15天采集健康的和受感染的大豆莖稈樣品，在測量病害程度之前，實時采集健康的和收到感染的莖稈的高光譜圖像。測量儀器：美國Resonon高光譜成像儀，型號：Pika XC（包含安裝支架、移動平臺、操作軟件和2個70w鹵素燈）Pika XC性能：光譜通道數(shù)：240，波段范圍，400-1000 nm，分辨率：2.5 nm。 平臺系統(tǒng)如下圖（a）所示：（a） 室內(nèi)高光譜成像系統(tǒng)（b） 不同光譜波段的大豆莖稈樣品高光譜圖像（c） 大豆莖稈的內(nèi)部和外部RGB圖像的病害程度比較3D-CNN模型由兩個連接的卷積分模型組成，其中，一個小的構架用于防止訓練...
發(fā)布時間:
2018
-
10
-
09
瀏覽次數(shù)：687
DOI： 10.5846/stxb201803300694韓東，王浩舟，鄭邦友，王鋒. 基于無人機和決策樹算法的榆樹疏林草原植被類型劃分和覆蓋度生長季動態(tài)估計. 生態(tài)學報， 2018， 38（18）：6655-6663 基于無人機和決策樹算法的榆樹疏林草原植被類型劃分和覆蓋度生長季動態(tài)估計 韓東1，王浩舟1,2，鄭邦友3，王鋒1，*1 中國林業(yè)科學院荒漠化研究所，北京 1000912 The Faculty of Forestry & Environmental Management, University of New Brunswick, Fredericton, NB E3B 5A3, Canada3 CSIRO Agriculture and Food, Queensland Biosciences Precinct 306 Carmody Road, St Lucia, 4067, QLD, Australia摘要：植被覆蓋度是評估生態(tài)環(huán)境質(zhì)量與植被生長的重要指標，也是全球眾多陸面過程模型和生態(tài)系統(tǒng)模型中表達植被動態(tài)的重要參數(shù)。衛(wèi)星遙感和地面測量是估算植被覆蓋度的常見方法。然而，如何精確...
發(fā)布時間:
2018
-
09
-
29
瀏覽次數(shù)：181