使用高光谱成像技术对田间杂草进行表征和识别

进行杂草表征和分类对于智慧农业杂草清除与田间管理而言至关重要,然而杂草识别精度较低的问题尚未得到深入探究。本研究以田间杂草为研究对象,建立了农业地区7种杂草物种的高光谱数据库。首先,使用地面高光谱相机采集了高光谱图像,提取并分析了每个物种的代表性光谱曲线、光谱剖面特征,并对各物种进行主成分分析,揭示了不同杂草物种的差异性。采用多元散射校正、归一化、一阶和二阶差分求导对原始光谱数据进行预处理。最后通过建立支持向量机与一维卷积神经网络分类模型,用于高光谱图像中识别杂草。结果表明,MSC-1DCNN模型的分类效果最佳,不同物种的用户准确性为95.71%~100%。该研究不仅为了解杂草物种的高光谱特征以及杂草管理提供了有力的保障,而且也有助于自动化除草机器人的研制与无人农场的实施。

农产品微波干燥技术的应用与展望

该文介绍了微波干燥技术的原理及其在农产品干燥领域的应用,总结了微波干燥具有传热速度快、均匀性好和节能环保等特点,并梳理了国内外微波干燥技术的研究现状。在分析目前农产品微波干燥技术存在问题的基础上,对其今后的发展进行了展望。

基于LDA主题模型的用户兴趣发现方法

用户兴趣是对微博用户研究的重要内容,本文使用聚类方法提取用户兴趣。由于微博短文本的特征稀疏和上下文依赖性,传统方法不能取得良好的效果。本文对微博短文本进行基于LDA主题模型的特征拓展处理。LDA主题模型引入隐含主题,通过主题相似性,在一定程度上拓展文本特征,弥补原文本特征稀疏的缺点。并且,在处理多义词时,主题相似性能明显区分不同词义,以解决上下文依赖问题。在此基础上,通过文本聚类方法提取用户兴趣。通过实验表明,在引入LDA模型下,聚类效果和用户兴趣抽取的到明显提升,有效解决的微博用户兴趣发现中文博短文本特征稀疏和上下文依赖问题。

水果品质的无损检测技术研究进展

水果的品质分为外部品质和内部品质两个方面。其中外部品质主要取决于大小、果形、颜色、表面光滑度等,内部品质主要取决于可溶性固形物(SSC)、硬度和含水率等。常用的两种检测方式为传统检测方法和无损检测法。传统检测方法一般不能真实和全面反应香梨的品质,且破坏了水果原有的状态。