當前位置:江蘇雙利合譜科技有限公司>>技術文章展示
當前位置:江蘇雙利合譜科技有限公司>>技術文章展示
2023
09-182023
09-132023
09-122023
09-112023
09-112023
09-09基于深度卷積生成對抗網絡和近紅外高光譜成像技術的不健康小麥籽粒識別
背景:實際生產過程中,經常發現健康小麥籽粒中混雜著損壞的、發芽的、霉變的和感染萎蔫病的籽粒。受損的麥粒失去了生存能力,發芽和霉變的麥粒沒有育種價值。因此,區分健康與不健康麥粒對于育種具有重要意義。近年來,將高光譜成像技術與機器學習、深度學習相結合的方法在種子識別領域得到了廣泛的應用。但在實際應用中,處于不健康狀態的麥粒數量有限,導致數據量少或數據分布不平衡。此外,數據量較小的類別很容易被數據量較大的類別所忽略。因此,基于數據驅動的機器學習或深度學習算法的準確率較低。這些問題應該從根本上通過增加訓2023
09-072023
09-042023
09-042023
08-282023
08-232023
08-192023
08-172023
08-152023
08-14基于局域-全局特征增強網絡和無人機高光譜遙感的荒漠草地物種分類
題目基于局域-全局特征增強網絡和無人機高光譜遙感的荒漠草地物種分類應用關鍵詞荒漠草地、高光譜圖像、卷積神經網絡、無人機、物種分類背景草地退化導致水土流失、沙塵暴、草地生產力下降、生物多樣性減少等生態問題,并影響當地畜牧業的發展。因此,對植被進行有效監測可以緩解退化持續加劇的問題。低空無人機遙感平臺結合了空間分辨率和監測距離的優勢,適合草地退化監測。將傳統機器學習應用于草地退化的研究需要人工提取大量的特征信息,耗時且費力。隨后,學者們將深度學習引入到草地退化指標物種的分類任務中,將特征提取到分類的2023
08-112023
08-102023
08-042023
08-032023
08-03以上信息由企業自行提供,信息內容的真實性、準確性和合法性由相關企業負責,化工儀器網對此不承擔任何保證責任。
溫馨提示:為規避購買風險,建議您在購買產品前務必確認供應商資質及產品質量。