搜索结果: 1-15 共查到“农业工程 学习”相关记录15条 . 查询时间(0.156 秒)
机器学习可模拟优化秸秆生物炭制备调控(图)
机器学习 秸秆 生物炭 化学工程杂志
2024/6/4
江苏省农机示范中心前往2023中国国际农业机械展览会参观学习(图)
江苏省 农业机械 展览会
2023/12/8
机器学习模型直接预测农药等农业污染物在植物根系的累积(图)
机器学习模型 农药 农业污染物 植物根系
2022/1/20
近日,中国农业科学院植物保护研究所农药应用风险控制创新团队首次利用机器学习模型直接预测植物根部从土壤中吸收累积农药等有机污染物的量,解决了传统线性模型无法模拟农药被植物吸收的非线性关系,并揭示了影响植物累积农药的关键化学分子结构,为农产品在产地环境化学污染的预测提供了新的工具和手段。相关研究在线发表在《危险材料杂志(Journal of Hazardous Materials)》等期刊上。
湖北省水土保持学会举办技术服务专家库专家学习交流研讨会(图)
湖北省水土保持学会 技术服务 专家库 研讨会
2022/6/30
为解决样本的手工获取和常规的目视解译难以适应目前农业土地资源信息自动化提取的需求问题,引入时空数据挖掘技术,运用关联知识迁移学习机制,提出了一种基于知识迁移学习的高分辨遥感影像土地利用信息分类制图方法(KTLC)。首先,运用改进的均值漂移算法对新的待分类制图影像进行分割获得影像对象,然后,将分割后对象的矢量边界与前时相土地利用矢量专题图进行配准、嵌套,通过叠加分析获取当前影像中的不变对象,并通过光...
针对X射线检测中铸件微弱缺陷误检率和漏检率高的问题,提出一种基于选择性注意机制和深度学习特征匹配的缺陷动态跟踪检测方法。基于射线图像序列,采取帧内注意区域检测消除漏检、帧间深度学习特征匹配跟踪排除误检的策略。在帧内检测阶段,提出通过中央-周边梯度搜索方法模拟生物视觉的中央-周边差运算,根据梯度阈值直接检测各可疑缺陷区域,无需分割出缺陷本身。在帧间跟踪阶段,借鉴人类大脑视觉感知系统的深度学习层次结构...
基于极限学习机的土壤硝态氮预测模型研究
土壤硝态氮 离子选择电极 能斯特模型 极限学习机
2016/12/21
利用极限学习机模型解译高氯离子干扰下盐碱土中硝酸根离子选择电极响应信号,系统分析了漂移校正算法、能斯特及极限学习机模型对电极法硝态氮(NO-3-N)预测结果准确性的影响差异。结果表明,漂移校正算法可明显提高传感器标定方程的重复性和一致性,响应斜率及截距电位的波动范围分别缩小了3.67%和7.25%;极限学习机模型的最优隐含层节点数为14;基于极限学习机的电极法NO-3-N质量浓度预测模型可较好抑制...
针对复杂多目标优化问题,提出一种基于分解机制和反向学习模型的多目标进化算法。该算法在基于分解机制的多目标进行算法的框架下,引入反向学习模型,该模型具有较好的局部寻优能力。在种群进化的过程中,反向学习模型和差分进化机制自适应的相互配合,能够较好地平衡算法的全局搜索与局部寻优能力。采用国际公认的具有复杂Pareto Set的LZ09系列测试问题进行实验验证,并与MOEA/D—DE、GDE3、NSGA—...
猪肉颜色分级是肉品品质无损检测的重要内容。该文通过对猪肉彩色数字图像颜色规律的分析,结合猪肉红(R)、绿(G)、蓝(B)颜色分量及其亮度和饱和度值,构建了一个新的颜色维度。将采集的1070份猪肉图像样本进行专家分级和标记后,给出了猪肉颜色的特征表示,并利用支持向量机(SVM)进行了颜色分级。试验结果表明,随着训练集样本数的增加,分级准确率有所提高。当将所有样本作为训练集时,分级准确率高达96.5%...
惯性导航自动引导车磁钉校正路径迭代学习方法(Path Iterative Learning of Inertial Guided AGV with Magnets Correction)
自动引导车 路径跟踪 惯性导引
2009/8/11
针对编码器和陀螺仪组成的AGV导航系统的积累误差,在路径上每隔一段距离设置一对磁钉,由磁栅尺检测进行绝对位姿校正。车间环境障碍使得磁钉的绝对位置难以精确测量,给AGV的实际应用调试带来不便。先采用示教方法由AGV测量并记录磁钉的位置,并在以后的重复运动中采用迭代学习方法不断更新局部路径段的目标值,使AGV更能精确地通过磁钉,从而保证AGV跟踪路径的精度。这种方法安装磁钉快捷,AGV系统规划调试方便...