|
000
|
02248nam0 2200337 450
|
|
001
|
012025000221
|
|
005
|
20250924095916.8
|
|
010
|
|
@a978-7-5116-7647-4@dCNY40.00
|
|
100
|
|
@a20250924d2025 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a小麦智慧生长建模与决策系统@Axiao mai zhi hui sheng zhang jian mo yu jue ce xi tong@e从三维可视化到智能决策@f张婧婧 ... 等著
|
|
210
|
|
@a北京@c中国农业科学技术出版社@d2025.8
|
|
215
|
|
@a232页@c图@d21cm
|
|
300
|
|
@a项目支撑: 科技创新2030-“新一代人工智能”重大项目 (编号: 2022ZD0115805); 新疆维吾尔自治区重大科技专项“农场数字化及智能化关键技术研究”(编号: 2022A02011)
|
|
304
|
|
@a题名页题: 张婧婧, 古丽米拉·克孜尔别克, 李勇伟, 孟德龙等著
|
|
314
|
|
@a本书参著: 张世豪, 胡春华, 古丽扎达·海沙, 韩博, 雷嘉诚等
|
|
320
|
|
@a有书目
|
|
330
|
|
@a本书共分6章。第1章聚焦小麦三维感知与可视化, 基于田间试验数据构建小麦器官级三维模型(茎秆、叶片、麦穗), 研发真实感渲染与动态生长场景引警, 并开发小麦生长三维可视化系统。第2章阐述智能识别与检测技术, 提出WHEAT-YOLO麦穗检测模型, 融合目标跟踪算法 (ByteTrack/BoTSORT) 实现动态麦穗计数, 构建麦穗智能检测系统优化模型。第3章通过多模型耦合方法, 集成WOFOSTI生长模型与水肥耦合模型, 设计学习框架, 优化多模型参数结构, 并利用气象、土壤多源数据的同化方法提升模型的预测精度。第4、5章详述水肥智能决策模型, 结合气象-作物医子, 构建CNN-BiLSTM 时序需水量预测模型;针对施肥数据小样本特点, 开发 SBS-XGBOOST施氮量优化预测方法, 融合灰色关联分析、Bootstrap等统计方法优化特征工程。第6章基于需求驱动理念设计平台架构, 采用PythonJava全栈框架并搭配 MySOL 数据库, 重点将小麦生长可视化、麦穗智能检测、水肥精准决策模型集成至小麦智能决策系统, 同步实现小麦生长数据的存储、分析、计算与预测功能, 为小麦种植提供智能管理和决策支持。
|
|
517
|
1
|
@a从三维可视化到智能决策@Acong san wei ke shi hua dao zhi neng jue ce
|
|
606
|
0
|
@a小麦@Axiao mai@x生长势@x生物模型@x决策系统
|
|
690
|
|
@aS512@v5
|
|
701
|
0
|
@a张婧婧@Azhang jing jing@4著
|
|
701
|
0
|
@a古丽米拉·克孜尔别克@Agu li mi la ·ke zi er bie ke@4著
|
|
701
|
0
|
@a李勇伟@Ali yong wei@4著
|
|
702
|
0
|
@a张世豪@Azhang shi hao@4参著
|
|
702
|
0
|
@a胡春华@Ahu chun hua@4参著
|
|
801
|
0
|
@aCN@bCDNYKJZYXY@c20250924
|
|
905
|
|
@aCDNYKJZYXY@b300730168-70@dS512@e241@f3
|
|
|
|
|
| |
| 小麦智慧生长建模与决策系统：从三维可视化到智能决策/张婧婧 ... 等著.-北京：中国农业科学技术出版社，2025.8 |
| 232页：图；21cm |
| 项目支撑: 科技创新2030-“新一代人工智能”重大项目 (编号: 2022ZD0115805); 新疆维吾尔自治区重大科技专项“农场数字化及智能化关键技术研究”(编号: 2022A02011) |
| |
| ISBN 978-7-5116-7647-4：CNY40.00 |
| 本书共分6章。第1章聚焦小麦三维感知与可视化, 基于田间试验数据构建小麦器官级三维模型(茎秆、叶片、麦穗), 研发真实感渲染与动态生长场景引警, 并开发小麦生长三维可视化系统。第2章阐述智能识别与检测技术, 提出WHEAT-YOLO麦穗检测模型, 融合目标跟踪算法 (ByteTrack/BoTSORT) 实现动态麦穗计数, 构建麦穗智能检测系统优化模型。第3章通过多模型耦合方法, 集成WOFOSTI生长模型与水肥耦合模型, 设计学习框架, 优化多模型参数结构, 并利用气象、土壤多源数据的同化方法提升模型的预测精度。第4、5章详述水肥智能决策模型, 结合气象-作物医子, 构建CNN-BiLSTM 时序需水量预测模型;针对施肥数据小样本特点, 开发 SBS-XGBOOST施氮量优化预测方法, 融合灰色关联分析、Bootstrap等统计方法优化特征工程。第6章基于需求驱动理念设计平台架构, 采用PythonJava全栈框架并搭配 MySOL 数据库, 重点将小麦生长可视化、麦穗智能检测、水肥精准决策模型集成至小麦智能决策系统, 同步实现小麦生长数据的存储、分析、计算与预测功能, 为小麦种植提供智能管理和决策支持。 |
| ● |
正题名：小麦智慧生长建模与决策系统
索取号：S512/241
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
730168
|
300730168
|
流通书库/
[索取号:S512/241]
|
在馆
|
|
|
2
|
730169
|
300730169
|
流通书库/
[索取号:S512/241]
|
在馆
|
|
|
3
|
730170
|
300730170
|
流通书库/
[索取号:S512/241]
|
在馆
|
|
