高光谱成像的水稻冠层穗颈瘟早期识别

为实现田间水稻冠层穗颈瘟的早期识别,利用室外高光谱成像系统采集早期自然发病大田的水稻冠层穗颈瘟图像,提取、分析反射率光谱特征.对预处理后的高光谱数据,采用主成分分析(Principal Component Analysis,PCA)、植被指数(Vegetation Index,VI)和竞争性自适应重加权法(Competitive Adaptive Reweighted Sampling,CARS)3种方法提取特征变量,结合支持向量机(Support Vector Machine,SVM)和线性判别分析(Linear Discriminant Analysis,LDA)分类算法构建识别模型.结果显示:以CARS特征波长和植被指数构建的模型,从分类结果看都取得了不错的效果,但是特征波长数量较多,可能存在过拟合的风险;单独使用PCA获得的主成分构建水稻冠层识别模型,没有明显效果.为此,研究尝试对选取的植被指数和提取的CARS特征使用PCA进一步降维,得到4个VI-PCs特征和5个CARS-PCs特征用于建模,取得了很好的效果.基于VI-PCs特征的SVM模型和LDA模型的总体分类精度分别为94%和95%;基于CARS-PCs特征的SVM模型和LDA模型总体分类精度分别为95%和97%,实现用较少变量获得较好的区分效果.从模型构建算法来看,LDA算法模型均优于SVM算法模型,说明LDA方法更适合于水稻冠层穗颈瘟识别模型的构建.研究可为航空、航天大面积的作物病虫害遥感监测提供理论依据.

基于改进SVM算法的典型作物分类方法研究

以黑龙江省哈尔滨市阿城区为研究区域,多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(Wide field of view,WFV)影像为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、归一化水指数(Normalized difference water index,NDWI)、比值植被指数(Ratio Vegetation Index,RVI)4种植被指数,构建植被指数时间序列,分析作物特征曲线,结合实地样本数据,采用支持向量机(Support vector machine,SVM)分类器对研究区内主要农作物玉米、水稻和大蒜/白菜实施分类。针对SVM分类器分类精度较低问题,引入自适应变异粒子群算法(Adaptive mutation particle swarm optimization,AMPSO)优化SVM,克服传统SVM参数选择主观性,进而提升分类器分类精度。结果表明,玉米和水稻生育期与大蒜/白菜差异较大,易区分;玉米与水稻生育期接近,光谱信息相似,区分难度较大,但光谱指数增长与回落趋势不同,借助NDVI、RVI和EVI可实现有效区分。改进后的AMPSO-SVM分类器,分类效果相比于SVM明显提升,确定核参数为0.135,惩罚因子为221.67时,分类效果最佳,总体分类精度达到94.39%,Kappa系数为0.9287,比SVM分类器,分类精度提升3.48%,Kappa系数提高0.0436。研究可为大区域农作物种植结构提取提供参考与借鉴。

基于优化SIFT算法的无人机遥感作物影像拼接

针对作物遥感影像因对比度低所导致的使用尺度不变特征变换算法(scale-invariant feature transform,SIFT)提取特征点数目少,拼接效果不理想的情况,提出了一种基于图像锐化的自适应修改采样步长的非极小值抑制拼接算法,该算法在图像预处理中引入锐化滤波器对平滑后的图像进行卷积,增强图像细节,增加特征点提取数目,同时通过基于尺度的自适应修改采样步长,使图像特征点分布更加均匀,根据低对比度作物遥感影像的成像特性,采用非极小值抑制,提高图像匹配效率。在查找匹配点的过程中,引入最优节点优先算法(best-bin-first,BBF)查找最近邻与次近邻,采用随机抽样一致算法(random sample consensus,RANSAC)优选特征点。通过试验验证,该文改进后的算法相比于标准SIFT算法,在处理低空作物遥感影像时,特征点提取数目平均增加77.5%,特征点匹配对数平均增加15对,对于标准SIFT算法无法匹配的低对比度作物遥感影像,提取到了8对以上的匹配点对,满足了拼接条件。该改进算法相对于标准SIFT算法更适于低对比度遥感影像的拼接。

数据结构实验的分层次教学

针对数据结构实验教学过程中学生积极性不高、实践动手能力不强的教学实际,分析传统实验教学存在的主要问题,提出分层次教学的基本思想,从目标分层、分层评价和分层次教学应注意的问题等方面阐述分层次教学的实施方案。

基于L系统的大豆根系模型构建及可视化

深入分析了大豆根系形态特征与生长特性,根据大豆根系生长呈S形曲线的特点,基于逻辑斯蒂方程对采集的根系数据进行了回归分析,获取大豆根系的生长方程。根据大豆根系形态结构具有自相似性特点,设计了大豆根系L系统,并在VC++环境下利用OpenGL技术实现了大豆根系拓扑结构模型的构建及可视化模拟。

基于L系统的大豆根系模拟研究

随着虚拟植物研究的不断深入,对于虚拟植物研究的重点也从地上部分转入地下部分。根系是植物最重要的器官之一,在植物整个生长发育、生理功能和物质代谢中发挥着重要作用,因此对植物根系进行虚拟研究具有重要意义。为此,以大豆为例,通过对大豆根系形态及生长特点的分析,探讨了使用L系统进行大豆根系虚拟建模的方法,并在VisualC++环境下进行了算法实现。

肉牛养殖信息可追溯系统设计

深入研究了EAN/UCC和EPC编码体系,对比了一维条码、二维条码和RFID编码的特点及适用环境,针对畜产品质量安全生产链起点的养殖环节,以肉牛为研究对象,采用RFID电子耳标作为个体标识载体,基于PDA进行肉牛个体识别、数据信息采集与管理,开发了基于B/S结构的肉牛养殖信息可追溯系统,在源头上为保证肉牛产品质量安全提供了依据。

高校计算机实验室管理的实践与探讨

高校计算机实验室是学生进行计算机实践的重要场所,实验室的运行状况直接影响着计算机教学的质量,实验室管理与维护是教学活动的重要环节,为计算机实践教学提供了强有力保障,因此,应给予高度重视,切实做好实验室管理与维护工作。

高校计算机专业实验教学改革与探索

本文分析了目前计算机专业实验教学存在的主要问题,提出了实验教学改革的具体措施,并将分层次教学模式引入实验教学中,极大限度地发挥了学生潜能,激发了学生的学习兴趣和积极性,有效地提高了实验教学的质量。

高等农业院校计算机基础课程教学改革实践——以东北农业大学为例

文章针对高等农业院校大学计算机基础教学的现状,分析了高等农业院校计算机基础教学中存在的问题,从教学体系、教学方法、教学内容和考核方法四个方面介绍了东北农业大学计算机基础改革实践情况,并提出了下一步改革的要点与思路。

农业院校专家库与成果库的建立

随着知识经济的迅猛发展,农业技术领域内的成果不断涌现。为了更好地将农业科技成果应用于实际生产,也为了便于广大农业科技工作者进行技术和经验的交流,阐述了建立农业院校专家库与成果库的总体设计方案。

基于高光谱成像的寒地水稻叶瘟病与缺氮识别

为进行水稻叶瘟病与养分缺失的区分、实现叶瘟病及时、准确的诊断,以大田试验为基础,利用高光谱成像仪获取2个品种的健康、缺氮、轻度感病和重度感病共4类水稻叶片的反射率光谱,对其光谱特性进行分析,并采用多种预处理方法、分别结合偏最小二乘判别分析(partial least squares-discriminate analysis,PLS-DA)和主成分加支持向量机(principle component analysis-support vector machine,PCA-SVM)方法构建水稻叶瘟病识别模型。试验结果显示6个判别模型都获得了较高的识别准确率,经标准正态变量(standard normal variate,SNV)变换预处理的PLS-DA模型获得了最佳的识别结果,预测准确率达100%,经多元散射校正(multiplicative scatter correction,MSC)预处理的PCA-SVM模型的预测准确率也达到97.5%。本研究为水稻叶瘟病的判别和分级提供了新方法,也为稻瘟病大范围遥感监测提供了基础。

高等学校试题库建设实践与思考

目前,许多高等学校都在尝试教考分离。教考分离是改革教学方法,提高教学质量的有效手段,而试题库建设则是实行教考分离的前提与基础。试题库的建立与应用,可以减轻教师负担,公正客观地评价教师的教学效果,也便于试题的管理与维护。通过对试题库的建设必要性的分析,讨论了试题库建设要求与方法。

高等学校教育资源共享系统总体设计

随着信息技术的发展,现代教育技术在高校的应用也越来越广泛。针对随之出现的教育资源的管理、共享等问题,提出了教育资源共享系统的设计原则及软硬件需求,在此基础上进行了教育资源共享系统的功能设计,提出了高等学校教育资源共享系统的总体设计方案。

基于网络技术的在线答疑系统的设计与实现

随着计算机的发展,教育模式也随之发生了转变,基于互联网的学习系统也得到了越来越广泛的应用。为此,介绍了基于网络技术的在线答疑系统的设计与实现。它充分发挥了互联网的优势,使学生在获取知识时更具有主动性。

基于MOOC的软件工程课程双语教学的研究与实践

大规模在线开放课程(MOOC)的蓬勃发展,为高等教育带来了新的机遇和挑战。本文主要研究了高校计算机类专业软件工程课程双语教学的必要性、目前存在的问题、如何将传统教学与MOOC教学相结合应用于双语教学、MOOC环境下软件工程课程双语教学的可行性,及教学质量评价体系。并在理论分析基础上,以高校计算机系本科生为对象,阐述教学实践过程和效果。

计算机专业学生编程创新能力的培养研究

针对计算机专业学生编程教学现状与不足,从课程体系、课程实习和毕业设计等方面探讨了计算机专业学生编程创新能力的培养途径并进行了实证研究.旨在切实有效地提高学生编程创新能力并为计算机专业人才培养提供一些有益的借鉴.

粮库资材管理子系统的开发

随着企业信息化进程的加快,粮食企业也必须从原有粗放型的管理模式向信息化的企业经营方式和管理模式转变。粮库的资材管理在粮库生产运营过程中起着后勤保障的作用,它决定着企业能否正常运行及企业的盈亏,其地位举足轻重。为此,从资材管理系统开发的特点、难点及系统设计的要点出发,阐述了粮库资材管理子系统的开发过程及功能,为从事粮食企业管理软件开发的人员提供参考。

基于混合聚类的层次教学模式分组实践

在高校计算机基础课中,由于学生的计算机学习能力及兴趣取向不同,为了提高教学质量和效果,有必要有针对性地实施分层次教学。本文通过采用K-prototypes混合聚类分析的方法,把学生的兴趣与能力分别用分类属性和数值属性加以标识,对学生进行教学分组,为有效实施分层次教学模式提供保障。

高光谱成像的水稻稻瘟病早期分级检测

稻瘟病是世界公认的水稻重大病害之一。实现稻瘟病害的早期分级检测,对水稻病害早期防治及精准用药具有重要意义。以大田自然发病水稻为研究对象,采集稻瘟病发病早期染病叶片和健康叶片,获取所有叶片样本在400~1000 nm波段内的高光谱图像并提取光谱数据。水稻在染病之初不会立刻出现病斑,无法识别采集到的无斑叶片是否染病。为实现对自然染病叶片早期无病斑状态的识别,提出取染病叶片贴近病斑的非病斑区域高光谱数据作为染病等级中的1级样本进行检测分析。按照病斑面积将样本划分为4个等级:健康叶片为0级(109片)、染病无病斑为1级(116片)、病斑面积小于10%为2级(107片)、病斑面积小于25%为3级(101片)。运用主成分分析(PCA)和竞争性自适应重加权(CARS)算法进行特征变量选取,CARS提取的特征波段较多,利用PCA算法对其进一步降维。分别以全谱数据、PCA提取的4个、8个、CARS选择的21个、CARS-PCA提取的6个特征变量为输入,建立水稻稻瘟病早期高光谱支持向量机(SVM)、PCA4-SVM、PCA8-SVM、CARS-SVM和CARS-PCA-SVM检测模型。结果显示,所有模型对各级样本的检测准确率均较高,其中,对1级样本的检测准确率与其他级别相当,识别效果较好;所有模型的样本总体准确率均大于94.6%,CARS-SVM模型的总体准确率最高为97.29%,CARS-PCA-S VM模型为96.61%略低于CARS-SVM模型,但其输入变量仅为6个,较CARS-SVM的21个减少71.43%,模型更为简洁、更利于提高检测速度。因此,综合评价CARS-PCA-SVM模型最优,各级准确率分别为97.30%,94.87%,94.29%和100.00%。结果表明,所建模型检测准确度较高,可以实现对大田自然发病的稻瘟病早期分级检测,为稻瘟病染病之初无病斑叶片的检测提供新思路,为水稻稻瘟病早期防治、精准施药及检测仪器开发提供理论依据。