-
公开(公告)号：CN106198420A
公开(公告)日：2016-12-07
申请号：CN201610648485.4
申请日：2016-08-09
Applicant: 西北农林科技大学
IPC: G01N21/31
CPC classification number: G01N21/3103 , G01N21/314
Abstract: 本发明公开了一种基于高光谱特征参数的叶片氮含量估算方法，基于光谱吸收特征参数的叶片氮含量估算模型为550～750nm波段的吸收峰总面积建立的叶片氮含量指数估算模型，估算模型为LNC＝0.0025e0.0404TA，R2＝0.803。本发明利用550～750nm波段的吸收峰总面积建立叶片氮含量的指数估算模型，精度和稳定性较高。
-
公开(公告)号：CN104155138B
公开(公告)日：2017-04-05
申请号：CN201410360530.7
申请日：2014-07-24
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种自动化土壤检测系统，包括工作台、土壤处理单元、水分测量单元、取样单元和实验单元。本发明中土壤处理单元使得土壤粉碎效果好，提高了后续的实验精确度，土壤传感器的探头可进行替换，从而可针对不同作物、不同土层进行测量，无需更换整个传感器，结构简单，成本低廉，使用方便；取样单元采用多级液压缸驱动，液压缸的行程大，便于深层土壤的取样，并且本发明的液压缸直接驱动取样杆伸入地下进行采样，不需要采用深度挖掘的方式，对地表植被破坏小，取样方便，省时省力；实验单元可以根据需要设置不同的试剂，以便于检验不同成分的含量，具有多种功能，自动化程度高，同时方便移动。
-
Patent Agency Ranking
公开(公告)号：CN107271372A
公开(公告)日：2017-10-20
申请号：CN201710408574.6
申请日：2017-06-02
Applicant: 西北农林科技大学
CPC classification number: G01N21/25 , G01J3/2823 , G01J2003/2826
Abstract: 本发明公开了一种苹果叶片叶绿素遥感估测方法，利用SVC HR-1024i型高光谱仪和SPAD-502叶绿素计同步获取苹果叶片高光谱反射率和对应的叶绿素相对含量，对原始光谱反射率和一阶导数光谱进行相关分析，提取苹果叶片光谱的红边参数，使用传统单变量回归算法、BP神经网络和径向基函数网络，并对人工神经网络进行优化处理，建立叶绿素含量反演模型。工网络模型相比传统单变量模型反演精度明显提高，而径向基函数网络学习速度快、精度高，拟合结果更加可靠，是一种值得推广的叶绿素含量反演模型。
-
公开(公告)号：CN107064069A
公开(公告)日：2017-08-18
申请号：CN201710177335.4
申请日：2017-03-23
Applicant: 西北农林科技大学
IPC: G01N21/55
CPC classification number: G01N21/55
Abstract: 本发明公开了一种猕猴桃树叶片叶绿素含量高光谱估算方法，属于农业技术领域，利用高光谱技术实现猕猴桃叶片SPAD值的估测。在研究区利用SVC HR‑1024I型便携式野外光谱辐射仪和SPAD‑502型叶绿素仪测定了猕猴桃不同生育期的叶片光谱反射率及其相对应的叶绿素相对含量值。通过分析其光谱反射率、一阶微分光谱和SPAD的相关关系，构建了不同生育期基于红边位置、红边幅值、红边偏度和红边峰度的SPAD单因素回归模型和多元逐步回归分析模型。为给西北地区猕猴桃长势监测提供科学依据。
-
公开(公告)号：CN104155138A
公开(公告)日：2014-11-19
申请号：CN201410360530.7
申请日：2014-07-24
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种自动化土壤检测系统，包括工作台、土壤处理单元、水分测量单元、取样单元和实验单元。本发明中土壤处理单元使得土壤粉碎效果好，提高了后续的实验精确度，土壤传感器的探头可进行替换，从而可针对不同作物、不同土层进行测量，无需更换整个传感器，结构简单，成本低廉，使用方便；取样单元采用多级液压缸驱动，液压缸的行程大，便于深层土壤的取样，并且本发明的液压缸直接驱动取样杆伸入地下进行采样，不需要采用深度挖掘的方式，对地表植被破坏小，取样方便，省时省力；实验单元可以根据需要设置不同的试剂，以便于检验不同成分的含量，具有多种功能，自动化程度高，同时方便移动。
-
公开(公告)号：CN106442338A
公开(公告)日：2017-02-22
申请号：CN201610804917.6
申请日：2016-09-06
Applicant: 西北农林科技大学
IPC: G01N21/25
CPC classification number: G01N21/25
Abstract: 本发明公开了一种基于SVR算法的苹果叶片叶绿素含量高光谱反演方法，为实现苹果叶片叶绿素含量的高光谱反演，分析了多种光谱参数与实测SPAD值的相关性，并将归一化光谱参数值及SPAD值进行多项式回归及支持向量回归。其中以归一化植被指数为变量的SVR反演模型在建模及模型检验中决定系数分别为0.7410、0.8914，均方根误差分别为0.1332、0.1256，具有较高的精度及良好的预测能力。与多项式回归相比，SVR具有更好的反演效果，可以作为叶绿素高光谱反演的优选算法。
-
公开(公告)号：CN106323466A
公开(公告)日：2017-01-11
申请号：CN201610648166.3
申请日：2016-08-09
Applicant: 西北农林科技大学
IPC: G01J3/28
CPC classification number: G01J3/2823 , G01J2003/2826
Abstract: 本发明公开了一种连续小波变换分析的叶片氮含量高光谱估算方法，基于PLS和RF的叶片氮含量估算模型F值分别为294.94和8009.23，均通过了0.01水平的显著性检验，PLS预测模型的决定系数为0.78，所有的小波特征参数与叶片氮含量的关系更适合用非线性的指数模型来拟合，当采用偏最小二乘法进行叶片氮含量的线性回归时，对LNC
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
