杨红云
- 作品数：68 被引量：300H指数：11
- 供职机构：江西农业大学更多>>
- 发文基金：国家自然科学基金江西省教育厅科学技术研究项目江西省科技厅农业攻关项目更多>>
- 相关领域：自动化与计算机技术农业科学文化科学天文地球更多>>
- 基于Web3D的交互式虚拟水稻主茎可视化研究被引量：2
- 2009年
- 在已建立的水稻主茎结构器官数学模型的基础上,采用Java3D和Web开发技术实现了水稻主茎的三维Web显示和交互控制,构建了基于Web的水稻主茎器官模型三维可视化研究平台,使得虚拟水稻作物的研究得以在IE浏览器上进行,也为其他作物的虚拟研究提出了一个新的研究思路。
- 杨红云孙爱珍何火娇安峰册
- 关键词：JAVA3D交互控制
- 水稻叶片三维建模与叶色渲染被引量：6
- 2017年
- 提出一种简单的水稻叶片三维建模与可视化方法。通过输入一张二维水稻叶片图像,提取叶片的基本轮廓,创建样条曲线并计算这些样条曲线的交点,然后将这些样条曲线相互连接构建水稻叶片分支脉络,从而建立叶片三维网格模型。利用纹理映射技术,将真实水稻叶片灰度纹理图像作为模型材质贴图,得到富含材质信息的叶片模型,结合前期建立的水稻叶色R、G、B三通道与SPAD的关系模型,实现了水稻叶色的实时渲染,得到的结果真实感强。
- 汪丽萍汪丽萍何火娇
- 关键词：水稻叶片植物建模渲染可视化
- 基于SVM的酒店客户评论情感分析被引量：7
- 2017年
- 通过增加情感词典种类提高系统对网络词汇、表情符号进行分词和情感分析的准确性;以某酒店的客户评论为原始数据,提取正负向情感词的数量、否定词、程度副词以及特殊符号数量等文本特征后进行不同的特征组合,通过K重交叉验证和网格搜索算法找到SVM(支持向量机)算法的最优参数组合C和g。采用SVM对不同的特征组合进行训练测试并对每个组合的正确率进行分析,然后找出最适合用户评论情感分析的文本特征及特征组合。结果表明:在每个特征组合获取其最优的C和g参数组合的前提下,选用正负向情感词、否定词、情感分值、程度副词的特征组合测试正确率最高,达到93.4%。
- 石强强赵应丁杨红云
- 关键词：情感分析支持向量机网格搜索
- 软件工程专业校外实训基地建设与实践被引量：1
- 2010年
- 为适应科技进步和社会经济发展,特别是适应IT业对软件高素质人才的需求,大学软件学院应以实施创新实践教育为主线,以加强实用型人才培养为目标,以校企合作"3+1"办学人才培养模式改革为抓手,通过建立软件工程专业校外实训基地等措施,努力培养与提高学生的软件项目开发实践能力,为培养实用型软件人才打下了坚实的基础。
- 杨红云孙爱珍何火娇熊焕亮
- 关键词：软件工程实训基地专业实训
- 校企合作办学是高校创新人才培养模式的有效途径被引量：12
- 2008年
- 以江西农业大学软件学院人才培养为例,分析了校企合作办学培养软件人才的时代背景,介绍了合作办学培养软件人才的过程和做法,总结出创新的校企合作办学模式。
- 何火娇罗威杨红云艾施荣
- 关键词：校企合作办学专业实训
- 水稻氮素营养诊断方法研究进展被引量：9
- 2020年
- 目前水稻氮素营养诊断方法主要有外观诊断、化学诊断与现代氮素营养诊断。外观诊断包括颜色诊断和长势长相诊断;化学诊断包括全氮诊断和硝酸盐诊断;现代氮素营养诊断包括叶绿素仪测量、机器视觉和高光谱遥感。本文对各诊断方法及近来年相关应用成果进行阐述,同时分析了各技术方法的优缺点,以为研究学者提供参考与思路。
- 杨红云周琼杨珺杨珺路艳
- 关键词：水稻氮素营养
- 基于支持向量机回归预测水稻叶片SPAD值被引量：3
- 2018年
- 提出了一种基于机器学习的水稻叶片SPAD值预测方法。通过水稻栽培实验获取样本叶片的SPAD值和叶片图像的RGB值,应用支持向量机原理,建立以叶色图像RGB值为输入参数,叶片SPAD值为输出参数的回归模型。通过样本训练测试和预测实验,对水稻叶片SPAD值预测结果的平方相关系数为91.70%,平均相对误差为3.423%。结果表明支持向量机回归模型对水稻叶片SPAD值的有很好的预测结果,能够满足农学研究的要求,研究方法具有良好的普适性和推广性。
- 孙玉婷王映龙杨红云杨红云杨文姬
- 关键词：水稻SPAD值RGB值支持向量机
- 基于改进的VGG16网络和迁移学习的水稻氮素营养诊断被引量：5
- 2023年
- 为实现水稻氮素营养的快速、准确识别,采用改进的VGG 16网络和迁移学习相结合的水稻氮素营养诊断识别方法,以杂交稻‘两优培九’为试验对象进行田间试验,设置4组不同的施氮水平(施氮量分别为0、210、300和390 kg/hm^(2)),在水稻幼穗分化期和齐穗期,扫描获取水稻叶片图像数据;通过图像预处理方法,对数据进行扩充;构建改进的VGG16和迁移学习相结合的网络模型对水稻叶片图像数据进行氮素营养诊断识别。结果表明:1)在幼穗分化期时,改进的VGG16网络的识别准确率为93.1%,模型大小约为迁移学习VGG16模型的1/6,训练时间约为1261 s。2)在水稻幼穗分化期和齐穗期,该模型微调后的识别准确率均能达到95%以上。基于迁移学习和改进的VGG16网络所建立的水稻氮素营养诊断模型具有较好的泛化能力,可以预测水稻氮素营养状况,为水稻氮素营养诊断提供参考。
- 张林朋杨红云钱政郭紫微
- 关键词：水稻氮素营养诊断
- RGB与HSI色彩空间下预测叶绿素相对含量的研究被引量：14
- 2018年
- 为探明RGB与HSI两种色彩空间下水稻叶色图像参数与叶绿素相对含量(SPAD)之间的关系,应用支持向量机的方法预测水稻叶片的SPAD值,为快速精准获取植物SPAD值提供理论基础,同时为科学施肥提供理论指导。水稻田间试验于2015—2017年在江西农业大学农学试验站和江西省成新农场进行,供试水稻品种为金优458(JY458)、中早35(ZZ35)和两优培九(LYP9),每个水稻品种均设计4组不同的氮素水平。通过对获取的水稻图像进行叶色参数提取以及叶绿素仪测量的SPAD值来分析水稻叶色图像参数与SPAD值之间的关系,并用支持向量机的方法建立相关模型预测SPAD值。结果显示,较RGB色彩空间下三种水稻品种在HSI色彩空间上预测值的均方根误差分别减少了0. 067 5(JY458)、0. 020 0(ZZ35)和0. 154 2(LYP9),平均相对误差比RGB色彩空间下分别减少了0. 084 2(JY458)、0. 133 5(ZZ35)和0. 238 2百分点(LYP9)。水稻叶片在两种不同色彩空间下的叶色图像参数和水稻叶片SPAD值之间存在显著性相关(P <0. 05),利用改进的网格搜索算法优化支持向量机的方法建立水稻叶片SPAD值预测模型,其预测结果误差小,为快速准确无损获取植物SPAD值的预测提供了一种新方法。
- 孙玉婷王映龙杨红云周琼杨红云杨文姬
- 关键词：SPAD值支持向量机HSIRGB
- 基于SPAD值的水稻叶色变化过程可视化模拟被引量：6
- 2017年
- 通过试验观测水稻叶片SPAD值与叶片图像的RGB值,分析并构建了SPAD值与叶片图像的R、G、B分量值之间关系模型,模型判定系数分别为0.932 8、0.833 1、0.562 3,表明SPAD与叶片颜色之间存在相关性。通过对SPAD值随叶片表面空间和时间的变化分析,利用插值原理计算出叶片不同部位的SPAD值,根据关系模型计算生成叶片的RGB值。并通过微软的Direct3D9.0图形函数库和vc++编程,在前期水稻叶片三维模型的基础上,实现了水稻叶片颜色变化过程的可视化模拟,真实感效果较强。
- 孙爱珍杨红云何火娇
- 关键词：水稻叶色SPAD值可视化
