High-Spectrum-Klasse 31: Mehrquellinformationen verbessern die Präzision der Weizenüberwachung

Berichtsthema:Studie zur Überwachung von Weizenschranken auf der Grundlage von Informationen aus mehreren Quellen

Live-Zeit:5. November von 10:00 bis 11:00 Uhr

Aktuelle Gäste:Yangzhou Universität - Liu Tao (Professor)

Teilnahme:

1. Beobachten Sie die Video-Nummer "Double Benefit Joint Spectrum" und buchen Sie sofort eine Live-Streaming.

2. Scannen Sie den untenstehenden 2D-Code und buchen Sie die Live-Sendung.

Präsentation des Dozenten

Liu TaoYangzhou University Professor, Doktorandenmentor, Yangzhou University High * Talent Program - Spitzentalente, blaues Engineering-Rückgrat Dozent, arbeitete als Redaktionsrat und Gastredaktor mehrerer SCI-Zeitschriften. Hauptsächlich beschäftigt sich mit der Forschung im Bereich der Weizen-Trinküberwachung und intelligenter Entscheidungsfindung, basierend auf Multi-Source-Sensoren und künstlicher Intelligenz-Algorithmen, entwickelt eine Vielzahl von Pflanzen-Trinküberwachungsmethoden und intelligenten Entscheidungsmodellen, die mehrere Ergebnisse in der Pflanzenproduktionspraxis angewendet werden. Veröffentlichung von 23 Beiträgen als Autor eines Buches oder eines Newsletters, darunter 9 TOP-Zeitschriften in 1 Region; Der erste Erfinder wurde genehmigt, 11 Patente zu erfinden, 8 erfolgreich umzuwandeln; 2 Projekte des Nationalen Naturwissenschaftlichen Fonds, 2 Projekte des Nationalen Postdoktorationsfonds, 2 Projekte des Nationalen Schwerpunkt-Forschungs- und Entwicklungsprogramms und 2 Themen des Schwerpunkt-Forschungs- und Entwicklungsprogramms der Provinz Jiangsu; Er erhielt den Crop Technology Award und den ersten Preis des Business Federation for Scientific and Technological Progress.

Inhalt des Berichts

Der Bericht basiert auf der präzisen Überwachung der Weizenschicht als Kernziel, basierend auf Spektraldaten als Schlüsselstütze und kombiniert verschiedene Arten von Daten aus dem Internet der Dinge, Radar und AR-Brillen, um systematische Untersuchungen rund um die Schlüsselindikatoren des gesamten Weizenwachstumszyklus durchzuführen. Der spezifische Bericht umfasst: Forschung rund um die Kopplung von Daten aus mehreren Quellen, die Optimierung von Deep-Learning-Merkmalen und die Realisierung einer präzisen Schätzung der Weizenbiomasse während der gesamten Fruchtbarkeitsperiode; Schätzungen über die Anzahl von Weizenstammen auf der Grundlage von Drohnenspektrumdaten und AR-Brillendaten; Untersuchungen zur Klassifizierung von Weizen vor dem Winter auf der Grundlage von Spektrendaten; sowie auf Spektraldaten basierende Studien zur Bewertung der Widerstandsfähigkeit von Weizen in der Region Jiangsu.Diese Studie liefert praktische Erkenntnisse, um den Wert der Spektraldaten vollständig auszuschöpfen und eine effiziente Untersuchung der Weizenschranke durchzuführen.