基于THz成像和集成学习的番茄根长表型提取及预测

为检测番茄根系表型,该研究基于THz(Terahertz)成像和集成学习提出一种根系检测技术。首先,对20天生长过程中番茄根系进行多次THz成像。其次,对最优重构后的根系THz伪彩色图去除根系重叠和主根区域的噪声数据。再次,采用Rosenfeld细化算法和滑动窗口遍历法计算根系长度。最后,提取根系有效区域中THz时域光谱和折射率光谱,由Stacking集成模型对番茄根长进行预测。由THz成像计算的番茄根长结果误差小,平均相对误差仅为4.16%;由THz时域数据预测的根长与计算得到的根长之间最大决定系数为0.999,最小均方根误差为0.743 cm;由折射率光谱数据预测根长的最大决定系数为0.998,最小均方根误差为0.976 cm。该方法不仅能根据THz图像准确地计算出番茄根系的长度,还能由番茄根系的THz光谱有效地预测番茄根长表型,该研究为根系表型检测方法提供了理论依据。

一种4G/5G自适应过覆盖评估分析方法与工具

移动通信网络的能力和质量是赋能行业数字化转型的基础。随着移动通信业务的高速发展和频段需求的增加,现网需要大范围开展天线整合工作。由于天线整合,原已优化的天线方位角、下倾角被归一化,带来较大比例的过覆盖问题,并导致网络性能出现较大程度的劣化。基于理论和实践验证,总结了过覆盖评估的新方法与基于脚本语言(Python)的自动化评估工具。