-
公开(公告)号：CN110309481B
公开(公告)日：2023-05-02
申请号：CN201910334893.6
申请日：2019-04-24
Applicant: 武汉大学
Abstract: 本发明公开了一种农田土壤反应动力学过程模型建模方法，采用水动力学模型和化学反应动力学模型的耦合模型描述农田土壤反应动力学过程，预测溶质浓度分布，通过迭代集合卡尔曼滤波技术修正耦合模型参数，将基于高斯过程回归的机器学习算法顺序性集成到数据同化框架中，用以估计耦合模型结构误差，为数据同化提供更为合理的先验值，从而减轻参数补偿效应，提高耦合模型的预测能力。本方法解决了农田土壤反应动力学数据同化计算中难以解决且不容忽视的模型结构误差，不需要对模型误差的先验分布做出任何实质性假设，避免了同化过程中参数过度拟合。
-
Patent Agency Ranking
公开(公告)号：CN109977802A
公开(公告)日：2019-07-05
申请号：CN201910175557.1
申请日：2019-03-08
Applicant: 武汉大学
Abstract: 本发明公开了一种强噪音背景下作物分类识别方法，用多光谱相机拍摄各类别作物的图片各若干张形成图片集；得各像素点NDVI值并分割出植物区域；将非植物区域替换为纯色背景来突出植物区域，进行图片预处理后形成多光谱数据集并分为训练、测试、验证3个数据集；通过迁移学习的方法，将训练数据集输入预设的卷积神经网络模型进行训练，得到卷积预测神经网络模型，将测试数据集输入卷积预测神经网络模型进行准确率测试得到合格的卷积预测神经网络模型；将验证数据集输入卷积预测神经网络模型，对其中的作物进行分类识别并获取分类结果。该方法减少了强噪音背景对作物分类识别产生的影响，提高了模型的识别效率和预测能力。
-
公开(公告)号：CN110321917A
公开(公告)日：2019-10-11
申请号：CN201910335809.2
申请日：2019-04-24
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种无参数的农田数据同化方法，先预测，利用高斯过程替代物理模型，对已有的观测数据进行训练学习，预测下一时刻的状态向量，观测数据包括土壤含水量；再更新，基于集合卡尔曼滤波思想同化当前时刻的观测，对当前时刻的观测值和高斯过程预测值进行加权且权重根据二者的误差确定，得到当前时刻状态最优估计值并将其作为下一时刻的先验状态向量；最后重复预测和更新，直到所有可用的观测全部被同化。该方法利用高斯过程对时序土壤水观测数据进行顺序性训练并预测，摆脱了物理模型，可以对多种观测信息进行训练学习，可以根据需要预测得到任意分辨率的信息，应用简单，具有普适性。
-
公开(公告)号：CN110309481A
公开(公告)日：2019-10-08
申请号：CN201910334893.6
申请日：2019-04-24
Applicant: 武汉大学
Abstract: 本发明公开了一种农田土壤反应动力学过程模型建模方法，采用水动力学模型和化学反应动力学模型的耦合模型描述农田土壤反应动力学过程，预测溶质浓度分布，通过迭代集合卡尔曼滤波技术修正耦合模型参数，将基于高斯过程回归的机器学习算法顺序性集成到数据同化框架中，用以估计耦合模型结构误差，为数据同化提供更为合理的先验值，从而减轻参数补偿效应，提高耦合模型的预测能力。本方法解决了农田土壤反应动力学数据同化计算中难以解决且不容忽视的模型结构误差，不需要对模型误差的先验分布做出任何实质性假设，避免了同化过程中参数过度拟合。
-
公开(公告)号：CN109961024A
公开(公告)日：2019-07-02
申请号：CN201910175260.5
申请日：2019-03-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的小麦田间杂草检测方法，采集大量不同生长阶段的小麦和小麦田间主要杂草的图片，建立数据集并将数据集分为训练集与测试集；通过迁移学习的方法，将训练集输入预设的卷积神经网络模型中进行训练得到作物杂草分类识别器，利用测试集对作物杂草分类识别器进行测试得到分类识别结果从而进行微调；采用滑动窗口法在待检测图片上生成大量不同尺寸的兴趣域，将每个兴趣域输入作物杂草分类识别器进行分类识别得到对应的预测类别与正确概率；应用非极大值抑制算法从所有兴趣域中筛选出对应每个种类局部极大正确概率的兴趣域，输出分类与定位的预测结果。本方法能快速准确的对作物与杂草进行识别和定位，对所数据要求较低。
-
公开(公告)号：CN109883524A
公开(公告)日：2019-06-14
申请号：CN201910175558.6
申请日：2019-03-08
Applicant: 武汉大学
Abstract: 本发明公开了一种作物器官重量估计模型的建模方法，采集目标作物在相同生育期的多株样本且编号，先得到目标器官鲜重，再对舒展的目标器官和参照物拍照，最后得到目标器官干重，从而建立鲜重集、照片集和干重集；对照片集进行图像处理，得到面积集，将面积集替换数据集中的照片集；将作物器官面积作为解释变量，目标器官鲜重和目标器官干重作为预报变量，利用一部分数据集分别进行一元线性回归分析，得到目标器官鲜重和目标器官干重与目标器官面积的关系式，从而得到目标器官重量估计模型，利用剩余的数据集对目标器官重量估计模型的拟合结果进行检验。该方法可快速准确的对作物器官鲜重、干重进行估计，增强了测量作物器官面积的效率和便捷性。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
