×
暂无评论
图文详情
  • ISBN:9787511668370
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:232
  • 出版时间:2024-11-01
  • 条形码:9787511668370 ; 978-7-5116-6837-0

内容简介

本书针对作物智慧生产中存在表型数据获取低效、解析精度低的关键技术问题,创建了作物表型信息精准获取技术,解析了作物表型信息,研发了作物表型数据采集与管理系统,提高了作物表型监测精度与效率。该书共八章内容,包括基于物联网技术的作物环境信息监测与诊断系统研究、农田玉米土壤墒情远程监测云平台的设计与应用、基于物联网技术的作物虫情采集监测预警系统构建等内容。本书可为从事作物表型研究的科研人员、农业技术人员和农业院校师生提供重要的参考价值,有助于推动作物表型研究的深入发展。

目录

第1章 总论 1.1 研究背景 1.2 田间作物表型参数测量现状 1.3 田间作物表型技术研究现状 1.4 人工智能技术在作物表型中的应用 1.5 作物表型存在的问题与建议 第2章 基于物联网技术的作物环境信息监测与诊断系统 2.1 研究背景 2.2 系统构建 2.3 PC系统设计与实现 2.4 Android系统设计与实现 2.5 结论与讨论 第3章 农田玉米土壤墒情远程监测云平台的设计与应用 3.1 系统设计 3.2 系统应用 3.3 结论与讨论 第4章 基于物联网技术的作物虫情采集监测预警系统构建 4.1 系统设计 4.2 系统实现 4.3 实例应用 4.4 结论与讨论 第5章 不同生态条件下小麦新品种产量的基因型与环境互作分析 5.1 研究背景 5.2 材料和方法 5.3 结果与分析 5.4 讨论与结论 第6章 基于无人机数码影像的小麦品种植株密度和株高估算 6.1 材料与方法 6.2 结果与分析 6.3 讨论与结论 第7章 增强局部上下文监督信息的麦苗计数方法 7.1 研究背景 7.2 研究区概况与数据 7.3 研究方法 7.4 实验与结果分析 7.5 结论 第8章 基于改进注意力机制YOLOv5s的小麦穗数检测方法 8.1 材料与方法 8.2 网络模型构建 8.3 实验结果和分析 8.4 讨论 8.5 结论 第9章 基于改进DM-Count的麦穗自动检测方法 9.1 引言 9.2 材料与方法 9.3 实验与结果分析 9.4 讨论 9.5 结论 第10章 基于深度学习的无人机遥感小麦倒伏面积提取 10.1 研究区概况与数据 10.2 研究方法 10.3 结果与分析 10.4 结论 第11章 基于改进Shift MLP的小麦倒伏自动分级检测方法 11.1 引言 11.2 方法 11.3 数据集构建 11.4 结果与分析 11.5 讨论 11.6 结论 第12章 基于改进Swin-Unet的小麦条锈病分割方法 12.1 数据与方法 12.2 结果与分析 12.3 讨论与结论 第13章 基于改进SE-Swin Unet的玉米叶部主要病害图像分割方法 13.1 引言 13.2 数据与方法 13.3 结果与分析 13.4 讨论 13.5 结论 第14章 基于改进YOLOv4的玉米虫害检测方法 14.1 材料与方法 14.2 网络模型 14.3 结果与分析 14.4 结论与讨论 第15章 基于Lab颜色空间的小麦成熟度监测模型 15.1 材料与方法 15.2 结果与分析 15.3 讨论与结论 第16章 玉米表型性状数据采集与管理系统的设计与实现 16.1 系统设计 16.2 系统实现 16.3 系统的测试与应用 16.4 试验验证 16.5 讨论 16.6 建议 16.7 结论 参考文献
展开全部

作者简介

臧贺藏,女,1983年6月出生,河南驻马店人,博士,副研究员,硕士生导师。主要从事作物表型精准获取与解析研究。先后主持和参与国家重点研发计划课题、河南省重大科技专项、河南省科技攻关等10余项,获得科技成果奖5项,授权国家发明专利5件、登记计算机软件著作权15件,发表论文60余篇。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航