- 年份
- 2024(8479)
- 2023(12418)
- 2022(10404)
- 2021(9565)
- 2020(8145)
- 2019(18527)
- 2018(17883)
- 2017(34032)
- 2016(17935)
- 2015(19885)
- 2014(19161)
- 2013(18680)
- 2012(16905)
- 2011(14962)
- 2010(14629)
- 2009(13494)
- 2008(11828)
- 2007(9947)
- 2006(8478)
- 2005(7354)
- 学科
- 济(66207)
- 经济(66136)
- 管理(47954)
- 业(47726)
- 企(40466)
- 企业(40466)
- 方法(33044)
- 数学(29546)
- 数学方法(29089)
- 融(26244)
- 金融(26240)
- 银(23877)
- 银行(23814)
- 中国(23043)
- 行(23042)
- 财(19290)
- 农(17072)
- 学(16030)
- 业经(15672)
- 制(15155)
- 地方(14321)
- 务(13366)
- 财务(13321)
- 财务管理(13296)
- 企业财务(12749)
- 贸(12545)
- 贸易(12534)
- 易(12231)
- 农业(11949)
- 理论(11776)
- 机构
- 大学(239873)
- 学院(238840)
- 济(94232)
- 经济(92294)
- 管理(91530)
- 研究(80890)
- 理学(79766)
- 理学院(78907)
- 管理学(77144)
- 管理学院(76753)
- 中国(66520)
- 科学(52975)
- 京(49817)
- 农(45561)
- 财(43568)
- 中心(40527)
- 所(40409)
- 业大(40314)
- 研究所(37498)
- 农业(36131)
- 财经(35535)
- 江(34666)
- 经(32611)
- 北京(30536)
- 院(30354)
- 经济学(29823)
- 范(29351)
- 师范(28872)
- 州(27941)
- 经济学院(27153)
- 基金
- 项目(176449)
- 科学(139104)
- 基金(130462)
- 研究(121068)
- 家(117313)
- 国家(116444)
- 科学基金(99720)
- 社会(77223)
- 社会科(73405)
- 社会科学(73385)
- 基金项目(69188)
- 省(69007)
- 自然(68029)
- 自然科(66509)
- 自然科学(66486)
- 自然科学基金(65280)
- 划(58999)
- 教育(55683)
- 资助(53224)
- 编号(46403)
- 重点(41011)
- 部(38251)
- 发(37844)
- 创(37755)
- 成果(35635)
- 科研(35461)
- 创新(35448)
- 计划(34954)
- 国家社会(33055)
- 大学(32598)
共检索到343165条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 北京林业大学学报
[作者]
刘念 阚江明
基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Ｇａｂｏｒ滤波和灰度共生矩阵方法得到。而形状特征向量由Ｈｕ氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用＂ｄｒｏｐｏｕｔ＂方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法，在Ｆｌａｖｉａ数据库中，对３２种叶片的识别率为９９．３７％；在ｉＣｌ数据库中，对２２０种叶片的识别率为９３．９３９％。这表明相比一般的叶．．．
[期刊] 北京林业大学学报
[作者]
王丽君 淮永建 彭月橙
叶片图像特征提取对于植物自动分类识别有着重要的研究意义。本文以观叶植物叶片为研究对象,综合提取叶片图像的颜色、形状和纹理特征,基于支持向量机(SVM)原理提出了基于图像分析的观叶植物自动识别分类方法。通过对50种观叶植物样本图像进行训练和识别,与BP神经网络和KNN识别方法进行比较,本文所采用的SVM分类器的识别率能够达到91.41%,取得了较好的识别效果。
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
黄林 贺鹏 王经民
【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统...
[期刊] 北京林业大学学报
[作者]
于慧伶 麻峻玮 张怡卓
【目的】针对卷积神经网络识别植物叶片过程中,叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题,提出了一种双路卷积神经网络的植物叶片识别模型。【方法】模型考虑了叶片信息的边缘形状与内部纹理特征,构建了双路卷积神经网路结构,其中形状特征路径运用7层卷积层的网络结构,前3层采用大尺寸11×11及5×5的卷积核提取大视野特征,完成叶片形状特征提取,另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征;纹理特征路径采用6个3×3卷积核的卷积层,提取叶片纹理图像细节特征;然后通过特征融合层将两类特征相加为融合特征,并利用全连接层对植物叶片种类进行识别。【结果】实验结果表明,双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比,在Flavia叶片数据集与扩充植物叶片数据集上,Top-1识别准确率分别提高到了99. 28%、97. 31%,Top-3识别准确率分别提高到了99. 97%、99. 74%,标准差较其他识别与分类模型下降到0. 18、0. 20。【结论】本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题,可以提高植物叶片的识别准确率。
[期刊] 浙江林学院学报
[作者]
祁亨年 寿韬 金水虎
植物的数量分类的主要依据是植物的外观特征,通过提取大量特征数据进行聚类分析获得结果。传统做法都是手工测量采集原始数据,效率较低。由于外观特征都可以以数字图片方式获得,通过计算机图像处理分析等技术采集数据并做聚类分析将大大提高效率。关键问题在于特征自动分析和获取,以植物叶片为例,阐述了如何提取大小、叶形及叶缘特征的方法,改进了圆形度参数的定义。提出了计算机辅助植物识别(CAPI)的概念,并对其前景做了讨论和展望。图3参8
[期刊] 北京林业大学学报
[作者]
张帅 淮永建
深度学习已成为图像识别领域的研究热点。本文以植物叶片图像识别为研究对象，对单一背景和复杂背景图像分别给出了优化预处理方案；设计了一个８层卷积神经网络深度学习系统分别对Ｐｌ＠ａｎｔ ｎｅｔ叶片库和自扩展的叶片图库中３３ ２９３张简单背景和复杂背景叶片图像进行训练和识别，并与传统基于植物叶片多特征的识别方法进行了比较分析。实验证明：本文提供的Ｃｎｎ＋ＳＶＭ和Ｃｎｎ＋ＳｏｆｔＭａｘ分类器识别方法对单一背景叶片图像识别率高达９１．１１％和９０．９０％，识别复杂背景叶片图像的识别率也能高达３４．３８％，取得了较好的识别效果。利用本文实现的分层卷积深度学习识别系统在数据量大而无法做出更多优化的情况下，叶片．．．
[期刊] 北京林业大学学报
[作者]
胡静 陈志泊 杨猛 张荣国 崔亚稷
【目的】植物叶片分割旨在从背景中分割出叶片区域,去除背景对象干扰。这对植物病害识别和物种鉴定具有重大意义。【方法】本文设计了基于全卷积神经网络的植物叶片分割算法。首先,目标函数用对数逻辑函数代替复杂的Softmax多类预测函数,从而将分割任务转化为适合于植物叶片分割的二分类问题;其次,把批归一化技术引入全卷积神经网络,从而改善网络整体的收敛性。最后,针对当前植物叶片分割研究中缺乏评估指标的状况,设计了新的评估协议——受试者工作特征曲线,该曲线反映了不同阈值情况下植物叶片图像分割的召回率与误报率之间的变化情况。【结果】本文提出的算法降低了全卷积神经网络的参数复杂度,改善了网络的收敛性。实验结果表明,该方法比Leafsnap提到的基于颜色的分割方法更完整地分割了植物叶片区域;提出的ROC曲线能够充分评估植物叶片的分割性能。【结论】与传统方法相比,基于深度学习的植物叶片分割方法实现了输入图像的端对端处理,无需图像转换、噪声滤波和形态运算等预处理技术,因此在植物叶片分割上具有可行性。
关键词：
深度学习 全卷积神经网络 植物叶片分割
[期刊] 沈阳农业大学学报
[作者]
张静 王双喜 董晓志 程鹏飞
为了实现温室病害的智能化防治,深入研究了植物病害图像处理中基于叶片纹理的特征值提取方法。通过对温室黄瓜斑疹病和角斑病的处理研究发现,利用灰度共生矩阵方法提取出来的惯性值是识别这两种病害较好的特征参量之一。
关键词：
图像处理 植物病害 温室 纹理特征
[期刊] 沈阳农业大学学报
[作者]
许童羽 袁炜楠 周云成 于丰华 杜文
针对传统叶绿素分析方法具有破坏性且耗费人力、时间长、成本高的弊端,依据LOPEX’93数据集中双子叶植物的高光谱数据和叶绿素值,构建了双子叶植物基于高光谱的叶绿素含量最佳估算模型,利用Pearson相关性分析一阶微分光谱、高光谱特征参数与叶绿素的相关关系,发现724nm波段处一阶导数与双子叶植物叶绿素值的相关性最大,其相关性为0.509;高光谱特征参数RVI、NDVI、TCAR与叶绿素的相关性达到0.7以上,构建基于一阶微分光谱、高光谱特征参数和BP神经网络的叶绿素估算模型,并对模型进行验证;再结合一元线性模型、指数模型、对数模型和幂函数模型与BP神经网络模型进行比较。结果表明:叶绿素值与一阶微分光谱在724nm处的光谱数据作为自变量建立的传统回归模型可用于双子叶植物叶绿素的估算,最优建模样本R~2和最优验证样本R_V~2分别为0.541和0.745,RMSE为6.16;基于高光谱特征参数RVI、NDVI、TCAR建立的叶绿素估算回归模型,最优建模样本R~2和最优验证样本R_V~2分别为0.618,0.708;0.632,0.866;0.594,0.654,RMSE分别为6.65,5.61,7.07,将基于高光谱特征参数变量构建传统回归模型时筛选到的光谱参数作为输入,实测叶绿素值作为输出,构建BP神经网络模型,其最优建模R2与最优验模R_V~2分别为0.692和0.874,最优验证样本RMSE为5.23,与其他回归模型相比,BP神经网络模型预测精度最高。研究表明基于高光谱数据的模型具有较好的预测能力,是估算双子叶植物叶绿素值的一种高效的方法。
[期刊] 林业科学
[作者]
张善文 张传雷 王旭启 周争光 张雅丽
无论对于农业信息化还是对于生态保护,研究植物识别都是非常必要的。基于植物叶片的植物识别方法一直是植物学中的一个重要研究方向。植物叶片的颜色、形状、纹理等特征都可以用来作为识别依据(杜吉祥,2005;纪寿文等,2002;王晓峰等,
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
李娟霞 田青
[目的]探究6种园林植物的叶片形态及光合生理,为兰州市园林植物的筛选和配置提供重要参考。[方法]以兰州市常见的6种园林植物旱柳(Salix matsudana)、紫丁香(Syringa oblata)、木槿(Hibiscus syriacus)、金叶女贞(Ligustrum×vicaryi)、红瑞木(Cornus alba)、月季(Rosa chinensis)为研究对象,采用光合仪测定植物净光合速率、气孔导度、蒸腾速率、瞬时水分利用效率、胞间CO_2浓度的日变化,室内测定植物叶片形态和生理指标,对叶片形态指标与光合指标进行相关性和冗余分析,筛选影响植物光合生理的主要影响因子。[结果](1)兰州市6种园林植物叶片形态和光合生理均有差异,其中金叶女贞比叶面积最小,叶干物质含量和比叶重均最大,有较强的抗旱和耐阴性;6种植物的净光合速率、气孔导度、蒸腾速率、瞬时水分利用效率日变化均呈“双峰型”曲线,而胞间CO_2浓度随光照的增强呈下降趋势。(2)6种植物叶绿素总含量与净光合速率呈极显著负相关(P0.05),净光合速率与气孔导度、蒸腾速率间呈极显著正相关(P比叶面积>叶面积>比叶重>叶片相对含水量,叶干物质含量是植物生态适应性和获取资源的主导因子。[结论]在兰州市实际园林生产应用中,光照充足的环境可考虑种植旱柳和红瑞木,干旱或潮湿的背阴处可优先考虑种植金叶女贞,光照一般的环境可考虑种植紫丁香和月季,光照较弱的环境可优先考虑种植木槿。
关键词：
园林植物 叶片形态 光合生理 兰州市
[期刊] 沈阳农业大学学报
[作者]
孙俊 李锦隆 吴雅静 顾洪亮 金宝石
林下植物是森林生态系统的重要组成部分，了解其冬季的叶片性状和光合特征间的关系可为研究林下植物的生理生态功能提供重要理论依据。利用LI-6800型光合荧光测量系统测定了安徽省大龙山国家森林公园内6种优势林下植物(木樨Osmanthus fragrans、木莓Rubus swinhoei、野蔷薇Rosa multiflora、樟Cinnamomum camphora、忍冬Lonicera japonica和南天竹Nandina domestica)冬季叶片的最大净光合速率(P_(max))、暗呼吸速率(R_d)、瞬时碳利用效率(ICUE)、蒸腾速率(T_r)、气孔导度(G_s)、胞间CO_2浓度(C_i)、水分利用效率(WUE)，气孔限制值(L_s)及比叶面积(SLA)特征。结果表明：6种林下植物的P_(max)为0.82～7.10μmol·m~(-2)·s~(-1),R_d为0.40～0.65μmol·m~(-2)·s~(-1)，物种间存在显著差异；木莓叶片的ICUE最高为0.94；其次忍冬为0.90；野蔷薇和南天竹分别为0.88和0.84；木樨和樟树幼苗则较低，分别为0.71和0.67;6种林下植物的SLA变化范围为79.56～196.20 cm~2·g~(-1)，且SLA与P_(max)、ICUE、T_r、G_s间均呈显著的正相关关系，与WUE呈显著负相关关系，但与R_d间的相关关系并不显著。总之，木莓和忍冬的ICUE较高，表明其在冬季具有较高的碳利用效率，对本地区环境的适应力较强，而木樨和樟树幼苗ICUE较低，表明其适应能力较差。另外，SLA与林下植物P_(max)及ICUE间存在极显著的正相关关系，这为预测冬季林下植物光合特征的变化提供重要途径。
[期刊] 林业科学
[作者]
管东生 罗琳
分析了海南 80种植物 (青梅、坡垒、黄杞、荷木、海南蒲桃、琼南柿、油丹、琼楠、陆均松、海南油杉、橡胶、木麻黄等 )叶片 1 5个元素的含量 ,探讨这些元素在不同植被和植物生活型的变化及元素间的相互关系。结果表明 :植物叶片的元素含量在种间和元素间的变化范围都较大 ,植被类型和植物生活型对叶片元素含量有显著影响。海南大多数植被的N P比率较小 ,属于N含量制约的植被类型。元素比值和元素相关分析结果说明植物体内必需的营养元素具有一定的比例组成和协调关系
关键词：
热带植物 叶片 化学元素 海南
[期刊] 林业科学
[作者]
林志玮 丁启禄 刘金福
【目的】基于鸟类影像数据,探讨全域与局域特征融合手段,结合深度卷积神经网络理论,建构鸟类种群识别模型,以期为森林与湿地的监控与治理提供新的手段。【方法】首先,依据人类识别物体从整体到局部的生理过程,采用跳跃结构实现物体整体信息与局部信息的交互,该模型主要采用2个模型框架提取鸟类的全域和局域部件特征,并采用跳跃结构,提出融合模块(Fusion block)结构进行特征融合,将全局特征信息传递至局部特征抽取模块。该模型训练阶段需提供鸟类局部的部位标注信息,而测试阶段采用Faster R-CNN模型自动提取其鸟类局部标注信息。其次,探讨不同鸟类局部影像信息对模型的影响,最后,通过对比不同网络分类模型和鸟类数据集,验证模型的有效性和适用性。【结果】该鸟类种群分类模型具有较高的分类精度,总体分类精度达90%以上;对于不同的鸟类局部影像信息,其分类精度表现出一定的差异性,其中基于鸟类头部局部影像的网络分类模型总体分类精度最高; Faster R-CNN模型对鸟类局部影像定位精度较高,测试阶段采用人工标注的局部影像标签和Faster R-CNN模型预测的局部影像标签对模型的总体分类精度差异小;对比Inception-V1、Res Net-101、Dense Net-121以及Bilinear CNN等网络分类模型总体分类精度,该模型总体分类精相对较高,具有一定的有效性;对比使用NABirds鸟类数据集的分类效果,该模型总体分类表现较好,具有一定的适用性。【结论】该鸟类种群分类模型具有较好的识别效果以及有效性,可为森林与湿地的监控和治理提供合理有效的依据。
[期刊] 西南农业学报
[作者]
刘锡辉 秦新生 梁同军 林森
对石灰岩特有植物圆叶乌桕与同属的乌桕、山乌桕叶片及其生长地土壤化学元素进行测定,比较三者化学成分特征,分析了圆叶乌桕在广东石灰岩地区的环境适应特点。结果表明:圆叶乌桕生长地的有机质、全N及全P含量均高于乌桕、山乌桕生长地,N素和P素有效率较低,速效N仅占全N含量的6.88%,速效P仅占全P的4.77%,全K含量偏低,但圆叶乌桕生长地速效K含量(151.8 mg.kg-1)达到土壤速效K含量对应的适量K(125～155 mg.kg-1)水平等级,属适量K型土壤,交换性Ca及交换性Mg含量均高于乌桕、山乌桕生长地,微量元素含量排序为Mn>Pb>Cr>Zn>Ni>Fe>Cd>Cu,全Pb、全Zn及全...
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
