科研产出
木薯块根灰分和水分近红外光谱预测模型的构建与优化
《热带生物学报 》 2024
摘要：为快速检测木薯的灰分和水分含量，以同地块同一时期木薯种质资源为材料进行建模，采用GB 5009.3—2016和GB/T5009.4—2016法对木薯灰分和水分含量进行测定，同时使用近红外光谱分析仪对137份样品进行光谱采集，利用TQ Analyst 9.0分析软件，采用偏最小二乘法（PLS）构建木薯灰分和水分近红外定标模型。实验结果显示，木薯灰分、水分模型相关系数（R）分别为0.94、0.93，校正均方根误差（RMSEC）分别为0.22、0.48，预测均方根误差（RMSEP）分别为0.21、1.46，交叉验证均方差（RMSECV）分别为0.40、1.54；选用未参与建模的20份木薯种质资源对该模型进行外部验证，预测值与真实值进行差异性分析（P＞0.05）,P值分别为0.464、0.459说明差异无显著性，表明该模型可适用于木薯灰分和水分检测。
全文链接
请求原文
温室无土栽培切花月季生长发育预测模型及其验证
《西南农业学报 》 2024 北大核心 CSCD
摘要：【目的】建立一个可以预测温室无土栽培切花月季生长发育时期及收获期的模型，为切花月季生产过程中的环境因子调控提供理论支持。【方法】以生长周期差异明显的3个主栽切花月季品种‘洛神’‘欢乐颂’和‘粉红雪山’为试验材料，无土栽培种植于曲靖市马龙区的塑料温室大棚中，于2021—2022年收集5期的生长发育数据和同期的光照辐射及温度数据。通过分析切花月季的生长周期特征，构建基于生理辐热积（Physiological product of thermal effectiveness and PAR,PTEP）的切花月季生长发育时期预测模型，并使用独立数据对构建的生长模型进行验证。【结果】切花月季在修剪到萌芽、萌芽到现蕾以及现蕾到收获这3个生长发育阶段所需的生理辐热积分别为22.08、29.41和38.89 MJ/m~2;本研究所构建的切花月季生长发育时期预测模型基于生理辐热积，在切花月季的各个生长发育阶段，模型的模拟预测值与实测值表现出良好的一致性。1∶1线性回归标准误差（RMSE）分别为0.7、6.5和9.4 d,显示出模型预测的准确性。【结论】通过考虑光照辐射与温度的综合影响，构建的模型能够预测切花月季在不同生长发育阶段的时间点，以及切花产品的收获期。基于该模型，种植者可以更精准地调节温室内的光照与温度，从而在一定程度上调控切花月季产品的生产周期。研究结果将为温室无土栽培切花月季的生产提供科学依据，同时也将为种植者制定切实可行的生产和技术支持。
全文链接
请求原文
基于机器视觉的茶叶微波杀青中品质变化与预测研究
《茶叶科学 》 2021 北大核心 CSCD
摘要：茶多酚、氨基酸、含水率是茶叶品质的重要指标,传统检测方法周期长且过程复杂。本研究利用机器视觉对微波杀青过程中茶叶的色泽和纹理特征实时监测,在线检测含水率,同时检测茶多酚和氨基酸含量。结果表明,色泽、纹理特征与含水率、茶多酚、氨基酸含量均呈规律性变化且显著相关。对色泽和纹理特征进行主成分分析,以前3个主成分为输入建立极限学习机（ELM）、遗传神经网络（GA-BP）、卷积神经网络（CNN）模型对品质成分含量进行预测。结果表明,ELM、GA-BP、CNN模型分别适用于含水率、茶多酚含量和氨基酸含量的预测,精度均在0.99以上。研究表明,通过实时监测茶叶的色泽和纹理特征来预测其在杀青过程中含水率、茶多酚和氨基酸含量是可行的。
关键词： 机器视觉 微波杀青 茶多酚 氨基酸 含水率 预测模型
全文链接
请求原文
不同深度基质含水率变化规律与预测模型研究
《农业机械学报 》 2020 EI 北大核心 CSCD
摘要：为探明不同深度的基质含水率变化规律,使用干燥法分别对多个EC-5型传感器进行校准,并将4个传感器分别放置垂向距滴头5、10、15、20 cm 4个不同深度处,测量不同滴头流量及滴灌量条件下垂向基质含水率的变化,建立了不同深度基质含水率预测模型。试验结果表明,在滴灌开始后第1层（距滴头5 cm处）基质含水率最先上升并迅速达到较高水平,滴灌停止后水分将快速扩散至更深基质层,其含水率可提升至根系易利用水平（25.3%及以上）,水分快速运移时间持续1 h左右,随着初始基质含水率的降低,在相同滴头流量及灌溉量条件下,水分在垂直方向的运移程度更深,将第1层基质初始含水率、滴灌时间、预测时间、预测层高度差、滴头流量作为输入,利用遗传算法优化的BP神经网络算法与随机森林回归算法（RFR）,建立滴灌下基质不同深度含水率预测模型。将试验所预测的滴灌后基质含水率与实际测量的不同深度基质含水率进行对比分析,并对不同预测深度的预测结果进行误差分析,结果表明GA-BP预测模型及RFR预测模型的R2分别为0.866 4、0.946 5,即RFR算法建立的预测模型更加精确,并且预测深度越接近于第1层基质预测结果越准确。
全文链接
请求原文
首页上一页1下一页尾页
