搜索结果: 1-10 共查到“农田测量 检测”相关记录10条 . 查询时间(0.365 秒)
鹤壁市农业科学院专利：一种便携式田间整穗玉米籽粒含水量检测装置。
三农科普|探地雷达助力耕地深度检测（图）
三农科普 探地雷达 耕地 深度检测
2024/2/26
新增耕地已成为北京市耕地重要组成部分，为加强新增耕地的有序利用，亟需摸清新增耕地质量现状。然而，传统的土壤质量检测方法，需要实地挖剖面、采样和室内测试分析，既费时又费力。为此，北京市耕地建设保护中心、北京市粮食作物创新团队土壤评价与质量提升岗位专家团队，开展利用探地雷达快速、无损、高效检测新增耕地有效土层厚度和剖面结构的方法研究。
由中国农业科学院农业质量标准与检测技术研究所刘霁欣主持的“十三五”国家重点研发计划项目“农业面源和重金属污染检测技术设备研发及标准研制北京地区成果现场展示与应用示范会，于2021年6月26-27日在北京昌平召开。项目责任专家农业农村部农业生态与资源保护总站王衍亮研究员、北京市农林科学院刘宝存研究员、清华大学张新荣教授、北京农业质量标准与检测技术研究中心王纪华研究员、农业农村部环境保护科研监测所刘潇...
二噁英检测实验室建设取得重要进展（图）
二噁英 检测实验室 重要进展
2012/12/24
2012年12月11日，由中国农业科学院农业质量标准与检测技术研究所国家饲料质量监督检验中心（北京）承担的农业部二噁英检测实验室建设项目中关键仪器设备和实验室改造招标工作顺利完成，标志着农业部二噁英检测实验室项目建设取得重要进展。
基于EMD的土壤有机质含量近红外光谱检测（Near-infrared Spectrum Detection of Soil Organic Matter Content Based on Empirical Mode Decomposition）
土壤有机质 检测 经验模态分解 近红外光谱
2010/12/29
以检测土壤有机质含量为例，探讨经验模态分解在土壤近红外光谱检测中的应用，提出了应用的原理和步骤。用处理后的光谱计算了土壤中的有机质含量，并与九点平滑和小波变换方法的处理结果进行了对比分析。结果表明：与传统的九点平滑处理结果相比，SNR从3 dB左右提高到10 dB左右，原始信号与消噪信号之间的标准差由2.972降到0.901；预测集的决定系数r2由0.9410提高到0.9803, 预测均方根...
基于相位检测原理的TDR土壤电导率测量研究（Research of Soil Conductivity Measuring Technique with TDR Based on Phase Detecting Principle）
土壤 电导率 盐分 时域反射
2010/12/29
介绍了基于相位检测的时域反射（P-TDR）技术的工作原理。对8种不同盐分含量的砂壤土土样在5个含水量水平下进行实验，结果显示，信号的反射系数随电导率增加单调减小。分别采用线性和二次多项式对测量结果进行建模实验，并选择二次多项式为P-TDR电导率测量模型，模型的决定系数达0.812以上。土壤含水量对电导率测量有较大影响，在分析了土壤含水量与多项式系数关系的基础上，最终建立了以土壤含水量和反射系数为变...
微量有机磷农药残留近红外光谱快速检测方法（Determination of Organophosphorus Pesticide Residue by Using Near-infrared Spectroscopy）
有机磷农药 近红外光谱 偏最小二乘回归法
2010/12/28
以滤纸作为农药载体，在波数4000～10000cm-1范围内获取其近红外光谱曲线。分别采取偏最小二乘回归法和最佳波段差值回归法建立农药质量比的预测模型。偏最小二乘回归法在经过多元散射校正和变量标准化预处理后得到的预测结果较好，预测相关系数为0.954，通过最佳波段差值回归法得到的预测相关系数为0.904。两种建模方法都得到了较好的预测结果。
洋梨硬度的便携式可见/近红外漫透射检测技术（Evaluation of European Pear (Pyrus communis L.) Firmness Based on Portable Vis/NIR Transmittance Technique）
洋梨 硬度 近红外光谱
2010/12/28
采用便携式可见/近红外检测仪快速检测阿巴特、康佛伦斯和五九香梨硬度。采集洋梨漫透射光谱(500～1010nm)，经二阶导数和卷积平滑处理后，分别建立偏最小二乘法和多元线性回归模型。相关系数法和遗传算法用于选择偏最小二乘法建模变量，预测均方差分别为7.780N和8.080N，相对预测误差分别为26.24%和29.71%。多元线性回归模型使用7个变量，预测均方差和相对预测误差分别为7.740...
根据农田图像的特点，采用K-means模式识别算法，实现农作物与背景的分离。通过对二值图像进行水平扫描，检测定位区域和定位点，利用定位点的坐标信息确定聚类判别函数，实现农田目标定位线的检测。多幅农田图像实验表明，定位线能够正确提取出来。该算法处理640×480像素的彩色图像需要0.12s，在自动导航系统中是一种有效、快速的图像处理算法。